광고 데이터를 코드 안에 담는 법: 딕셔너리·리스트·집합

앞선 글에서 프로그램은 JSON 파일을 읽어 Python 객체로 바꾼다고 설명했어요. 그렇다면 파일에서 들어온 목표와 캠페인은 코드 안에서 어디에 담길까요?

광고 캠페인 성과 진단기에는 딕셔너리, 리스트, 집합이 함께 사용됩니다. 세 자료구조는 비슷한 데이터를 담는 대체재가 아니라 서로 다른 질문에 답하는 도구예요.

딕셔너리: 한 대상은 어떤 속성을 가졌는가?
리스트: 여러 대상을 어떤 순서로 처리할 것인가?
집합: 이 값이 이미 등장했는가?

자료구조를 선택한다는 것은 현실의 업무를 코드 안에서 어떤 모양으로 표현할지 결정하는 일입니다.

캠페인 하나는 딕셔너리입니다

캠페인 하나에는 이름·광고비·노출·클릭·전환·매출이 함께 속합니다.

campaign = {
    "campaign": "여름 세일",
    "spend": 300000,
    "impressions": 50000,
    "clicks": 1200,
    "conversions": 34,
    "revenue": 1050000,
}

딕셔너리는 키: 값의 관계로 데이터를 담습니다.

키	값	업무 의미
campaign	여름 세일	캠페인 이름
spend	300000	광고비
impressions	50000	노출 수
clicks	1200	클릭 수
conversions	34	전환 수
revenue	1050000	매출

값의 순서를 외우지 않아도 키를 이용해 필요한 데이터를 찾을 수 있습니다.

campaign["spend"]
campaign["conversions"]

campaign["spend"]는 “이 캠페인의 광고비”라는 의미를 코드 안에서도 그대로 드러냅니다.

목표도 딕셔너리입니다

목표 ROAS와 CPA는 캠페인의 성과를 판단하는 하나의 기준 묶음입니다.

goals = {
    "target_roas": 300,
    "target_cpa": 20000,
}

캠페인과 목표는 모두 딕셔너리지만 역할은 다릅니다.

• campaign: 실제로 발생한 성과 데이터
• goals: 성과를 비교할 기준 데이터

이 둘을 evaluate_performance(metrics, goals)에 함께 전달하면 실제 성과가 목표를 충족했는지 판정할 수 있습니다.

여러 캠페인은 리스트에 담습니다

캠페인 하나를 딕셔너리로 표현했다면, 여러 캠페인은 리스트로 묶습니다.

campaigns = [
    {"campaign": "여름 세일", "spend": 300000, ...},
    {"campaign": "신규 고객 리타겟팅", "spend": 180000, ...},
    {"campaign": "브랜드 검색", "spend": 120000, ...},
]

리스트를 사용하면 캠페인을 앞에서부터 하나씩 반복할 수 있습니다.

for campaign in campaigns:
    errors = validate_campaign(campaign, seen_names)

새 캠페인이 추가돼도 검증 코드를 복사할 필요가 없습니다. 리스트에 캠페인 딕셔너리 하나를 더 넣으면 같은 반복 규칙이 적용됩니다.

리스트가 여러 캠페인을 하나의 처리 흐름으로 묶기 때문에, 캠페인 수가 달라져도 코드는 같은 일을 반복할 수 있습니다.

필수 항목도 리스트로 관리합니다

모든 캠페인이 가져야 하는 키는 REQUIRED_FIELDS에 모아두었습니다.

REQUIRED_FIELDS = [
    "campaign",
    "spend",
    "impressions",
    "clicks",
    "conversions",
    "revenue",
]

검증 함수는 이 리스트를 순회하며 빠진 항목을 찾습니다.

missing_fields = [
    field for field in REQUIRED_FIELDS if campaign.get(field) is None
]

필수 항목을 코드 여러 곳에 반복해서 적는 대신 한 곳에서 관리할 수 있어요. 나중에 필수 필드가 바뀌어도 REQUIRED_FIELDS를 먼저 확인하면 됩니다.

.get()과 대괄호는 언제 다르게 사용할까

딕셔너리의 값은 두 방식으로 꺼낼 수 있습니다.

campaign["spend"]
campaign.get("spend")

대괄호는 키가 없으면 KeyError를 발생시킵니다. .get()은 키가 없으면 기본적으로 None을 돌려줍니다.

이 프로그램은 검증 전에는 .get()을 사용합니다.

name = campaign.get("campaign")

누락값을 찾는 과정에서 프로그램이 먼저 멈추지 않도록 하기 위해서예요. 반대로 검증을 통과한 뒤 계산할 때는 필수 키가 있다고 믿고 대괄호를 사용합니다.

campaign["clicks"] / campaign["impressions"]

검증 전이라면, 코드가 없을 가능성을 염두해두고 에러 가능성을 사전에 차단합니다. 검증 후라면, 확인된 데이터 규칙을 그대로 활용하는 방식으로 안정성을 높이죠.

중복 이름은 집합으로 기억하기

리스트는 모든 캠페인을 보관하는 데 적합하지만, 어떤 이름이 이미 나왔는지 빠르게 확인하려면 집합을 사용합니다.

seen_names = set()

캠페인명을 공백 제거와 소문자 변환으로 정규화한 뒤 집합에서 확인합니다.

normalized_name = name.strip().lower()
if normalized_name in seen_names:
    errors.append(f"중복 캠페인명: {name.strip()}")
else:
    seen_names.add(normalized_name)

"Summer Sale"과 " summer sale "처럼 표기가 조금 달라도 같은 이름으로 판정할 수 있습니다.

집합은 같은 값을 중복해서 보관하지 않기 때문에

“이미 등장했는가?”라는 질문과 잘 맞습니다.

처리 결과도 다시 자료구조가 됩니다

진단 과정에서는 새로운 리스트와 딕셔너리가 만들어집니다.

results = []
valid_campaigns = []

• results: 정상 결과와 입력 오류를 모두 담는 리스트
• valid_campaigns: 전체 요약에 사용할 정상 캠페인만 담는 리스트

캠페인 한 건의 결과도 딕셔너리입니다.

{
    "number": 1,
    "campaign": "여름 세일",
    "status": "목표 달성",
    "metrics": {
        "ctr": 2.4,
        "cvr": 2.83,
        "cpc": 250,
        "cpa": 8823.53,
        "roas": 350,
    },
}

입력과 출력은 내용이 다르지만 모두 딕셔너리와 리스트를 조합해 표현됩니다.

데이터 구조를 그림으로 다시 보겠습니다

전체 데이터: dict
├── goals: dict
│   ├── target_roas
│   └── target_cpa
└── campaigns: list
    ├── 캠페인 1: dict
    ├── 캠페인 2: dict
    └── 캠페인 3: dict

검증 과정
├── REQUIRED_FIELDS: list
├── errors: list
└── seen_names: set

진단 결과
├── results: list
└── valid_campaigns: list

예제 JSON을 열고 각 괄호 옆에 dict, list, set을 직접 표시해보세요. 그다음 다음 질문에 답해보면 됩니다.

• 캠페인 하나를 리스트로 만들면 어떤 값을 찾기 어려워질까?
• 여러 캠페인을 딕셔너리 하나에 모두 넣으면 반복하기 쉬울까?
• 중복 이름 확인에 리스트보다 집합이 어울리는 이유는 무엇일까?

좋은 자료구조는 데이터의 의미와 다음 처리 방법을 분명하게 만든다는 점, 항상 잊지 마세요

다음 글인 잘못된 광고 데이터를 막는 검증과 예외 처리에서는 이 구조에 담긴 데이터가 계산에 사용해도 되는지 확인합니다. JSON 문법은 맞지만 광고 데이터로는 틀린 값을 어떻게 찾아내는지 살펴볼게요.

광고 캠페인 성과 진단기 사용하기 · 전체 Python 코드 보기