Dr. Hannah Kessler
데이터 리서처
EveryInfra에서 Hannah는 플랫폼별 샘플링 편향을 설명하는 문서를 작성해, 어떤 데이터가 전수 조사가 아닌 표본인지 고객이 분명히 알 수 있게 합니다.
학력
- TU Munich, 컴퓨터과학 석사 (2010–2012)
- TU Munich, 박사, 웹 마이닝 (2012–2016)
경력
- Similarweb (베를린 / 원격) — 데이터 사이언티스트 → 프린시펄 리서처 (2016–2024)
Dr. Hannah Kessler의 글
- 건강 허위정보 모니터링: 데이터로 본 타이레놀 논란 1년 후
제약사, 의료기기 업체, 병원, 공중보건 팀이 공개 소셜·검색 데이터로 건강 허위정보와 이상사례 의심 보고를 모니터링하는 방법을 다룹니다. 타이레놀과 자폐증 주제로 실제 API 호출 13건을 실행해 누가, 언제 게시하는지, 도달 범위가 어떻게 분포하는지 측정했습니다.
- 소셜 미디어 연구 표본, 같은 검색을 두 번 하면 절반이 바뀐다
소셜 미디어 검색 결과를 연구 표본으로 쓰기 전에 표본이 안정적인지 검증하세요. 2026년 10월 24일, 같은 쿼리를 2분 뒤 다시 실행하자 X, YouTube, TikTok에서는 결과의 절반 정도만 일치했습니다. 이 글에서는 삭제, 중복, 시간 범위, DSA 제40조 현황도 함께 다룹니다.
- 상표 출원·등록 건 모니터링 제품을 만드는 방법: 상태 변경부터 검증 가능한 작업 항목까지
상표 상태 알림은 상태 필드 하나를 모니터링하는 것만으로는 부족합니다. 이 글에서는 출원 번호, 서류, 기한, 출처 검증, 유사 출원 단서, 수동 배정, 사기 탐지, 법적 경계가 어떻게 결합되어 모니터링 제품을 이루는지 살펴봅니다.
- 구직을 넘어: 채용 공고로 비즈니스 신호 제품을 만드는 방법
채용 공고를 B2B 리드 리서치에 활용하는 방법을 알아봅니다. 이 가이드는 공개 직무, 기업 매칭, 최신성 확인을 통해 근거가 뒷받침된 CRM 리서치 작업을 제공하는 방법을 다루고, 채용 신호가 구매 의도와 같지 않은 이유를 설명합니다.