3 min read
마케터들은 효과적인 데이터 사용이 중요하다는 사실을 이미 인지하고 있다. 데이터의 효과적인 활용이야 말로 소비자의 관심을 끌어 브랜드 활동에 개입시키고 장기적이며 수익성 있는 관계를 구축할 수 있는 성공적인 캠페인 운영의 핵심 열쇠다. 그리고, 그와 같은 대규모의 데이터를 분석하고 최적화하는 데 인공지능(AI)과 머신 러닝(ML) 기술이 요구된다. 소비자들은 모바일 디바이스 및 개인용 컴퓨터를 사용하여 소셜 미디어 또는 이커머스 거래 등을 통해 자신에 대한 정보를 공유하고 관련 데이터를 여기 저기 남기고 있다. 따라서 소비자들의 습관, 선호 사항 및 행동에 대한 가용 데이터의 양은 폭발적인 속도로 늘어나고 있고, 그 많은 데이터를 이해하고 미래 행동을 정확히 예측하기는 이전보다 훨씬 어려워졌다. 마케터가 이 모든 데이터 포인트를 살펴 과거와 현재의 고객은 물론 잠재고객까지 아울러 그 고객을 관통하는 통합 프로필을 구축할 수 있다면 소비자들이 남기는 이런 데이터는 엄청난 가치를 지닌 자산이 될 것이다. 이와 같은 배경에서 마케터들 사이에 딥 러닝(Deep learning)에 관한 새로운 담론이 시작되고 있다. 딥 러닝은 인공지능(AI)의 가장 발전된 형태의 기술이라고 할 수 있다. 다중 계층의 ‘신경망’(인간의 뇌와 신경계를 토대로 모델링한 컴퓨터 시스템)을 이용해 대량의 산발적 데이터를 처리한다. 특히 최근, 앱 경제가 성숙해 가면서 마케팅 성과를 측정하는 기준이 앱 설치 수가 아닌 인앱(in-app) 지출로 넘어가면서 많은 관심이 일고 있다. 아태지역(APAC) 인앱 지출은 2021년까지105% 증가할 것으로 전망되며( App Annie 예측), 마케터는 수익 창출을 위해 점점 더 사용자들의 인앱 구매에 의존하고 있다. 하지만, 모바일 마케터 입장에서 막대한 양의 흩어져 있는 데이터를 처리하고 구매 확률이 높은 사용자를 확보하여 참여를 유도하고, 또 이들을 유지하는 데 어려움을 겪고 있는 것이 사실이다.
딥 러닝은 상당한 가치를 수반하고 있는 각 데이터 포인트를 대량으로 다룰 수 있으므로 이러한 문제들을 해결하는 데 이상적인 도구가 될 수 있다. 예를 들어, 소비자가 방문하는 시간과 빈도만 파악해도 디지털 캠페인 전반에 상당한 도움이 될 것이다. 딥 러닝은 여기에 가치를 더한다. 딥 러닝은 모든 인앱 이벤트를 “이 사용자는 다채로운 색상의 이미지를 선호한다” 등의 추상적 의미와 함께 고려하여 사용자에 대한 보다 정확한 예측을 실현하고, 궁극적으로 가장 가치 있는 사용자를 찾아낼 수 있다. 애피어(Appier)는 최근 조사를 통해 딥 러닝이 인앱(in-app) 마케팅 부문에서 특히 효과적임을 밝혀냈다. 애피어는 2018년 3월부터 10월까지 딥 러닝 알고리즘을 통해 사용자가 향후 인앱 구매 또는 등록 완료 등의 행동을 취할 가능성을 예측하는 테스트를 진행했다. 한국을 포함한 아태지역의 13개 시장, 240개 이상의 모바일 앱 캠페인, 5억 개의 데이터 포인트를 대상으로 딥 러닝 기술을 적용하고, 그 결과를 딥 러닝이 배제된 머신 러닝 기반 캠페인 결과와 비교했다. 그 결과, 딥 러닝을 적용한 경우 기존 인공지능이나 머신 러닝 기술만 적용한 경우에 비해 유지율 7%, 등록률 35%, 구매율 9%, 전반적인 광고지출대비수익(ROAS) 10% 등, 모든 측정치에서 더 좋은 효과가 나타났다. 하지만 마케터가 각 마케팅 활동에 적합한 특정 기술을 찾고 실제 접목할 때는 신중하게 임해야 한다. 일상적인 통근 수단과 비교해 볼 수 있다. 비행기는 지구상에서 가장 발전되고 정교한 교통 수단이지만 그 엄청난 속도와 성능에도 불구하고 매일 직장에 출근하는 데는 오토바이, 자동차 또는 기차가 비행기보다 더 효과적인 교통 수단일 것이다. 이 비유에서 딥 러닝은 아직 비행기에 해당된다고 할 수 있다. 어떤 비즈니스 상황에서는 이상적인 도구가 될 수 있지만, 그렇지 않은 비즈니스 상황도 있다. 경우에 따라 기존의 머신 러닝 솔루션이 딥 러닝보다 더 우수한 성능을 내기도 한다. 그렇다면 마케터가 최상의 솔루션을 알아낼 수 있는 방법은 무엇일까? 핵심은 가용 데이터와 데이터의 가치 형식에 있다. 데이터의 범위가 제한적이고 가치의 의미가 성별, 연령, 방문 빈도 등과 같이 확정적이라면 ‘기존’의 인공지능(AI) 및 머신 러닝이 오히려 적합한 도구로써 최상의 결과를 도출할 것이다. 하지만 데이터 범위가 복잡하고, 소비자의 습관이나 선호하는 제품 범주와 같이 추상적 의미를 지니며, 데이터의 양이 막대하다면 딥 러닝이 극히 효과적일 것이다. 사람들이 계속해서 데이터를 생성하고 있으므로 딥 러닝이 앞으로도 마케터에게 매우 중요한 도구가 될 것임에는 의문의 여지가 없다. 하지만 이 고급 기술을 최대한 잘 활용하기 위해서 마케터는 맹목적으로 딥 러닝을 추구하고 이를 모든 데이터 분석에 이용하려 하기 전에, 먼저 데이터의 범위와 그 양을 면밀히 검토해야 할 것이다.
* 이 글은 지디넷코리아에 게재된 기고입니다.
