Share on facebook
Share on linkedin
Share on twitter
Share on facebook
Share on linkedin
Share on twitter

[기고] 딥러닝은 어떻게 똑똑한 마케팅에 기여할까

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.

애피어에 문의하세요!

문의를 남겨주시면 마케팅 전략을 개선할 수 있는 방법을 찾을 수 있도록 안내해드리겠습니다.

다른 최신 포스트도 둘러보세요!

관계 마케팅: 오래 지속되는 고객 관계를 구축하는 방법

기존 고객을 유지하는 것보다 새로운 고객을 확보하는 데 더 많은 비용이 든다는 마케팅 격언은 잘 알려진 사실이다. 고객 충성도를 높이는 데 효과적인 전략 중 하나는 개별 상호작용을 통해 각 고객의 특정 요구와 욕구를 기반으로 참여를 지속 유도하는 관계 마케팅(relationship marketing)이다. 관계 마케팅이란 무엇인가? 관계 마케팅은 고객 충성도와 유지율을 높이기 위해 고객과 더 밀접하고 의미 있는 관계를 구축해가는 마케팅 전략이다. 짧은 시간 내에 거래 또는 판매를 완료하는 데 중점을 둔 고객 획득 마케팅과 달리 관계 마케팅은 고객이 단순 구매를 너머 계속 재방문하는 등 관계를 이어가는 데 집중한다. 각 고객의 수익성을 높이고, 이탈 가능성을 줄이며, 나아가 고객 스스로 브랜드 홍보대사를 자처할 수 있도록 만드는 장기 전략이다. 관계 마케팅의 초점은 제품이나 서비스 자체에 있지 않다. 내부 프로세스를 개선하여 탁월한 고객 서비스를 제공하고, 정서적 유대감을 구축하며, 모든 접점에서 고객을 기쁘게 하는 데 초점을 둔다. 요즘은 관계 마케팅 전략을 최적화하기 위해 빅데이터와 다양한 디지털 기술을 접목하는 기업들이 많다. 이런 신기술들을 통해 고객이 누구이며 그들이 원하는 것이 무엇인지 더 잘 파악할 수 있고, 나아가 더 자주, 더 매끄럽고 의미 있는 방식으로 고객들에게 다가갈 수 있기 때문이다.   관계 마케팅을 효과적으로 구현하고 있는 대표적인 3개의 브랜드   1. 이케아(IKEA) 이케아 매장은 단순한 가구 매장이 아니라, 그 자체가 하나의 커다란 경험의 장이다. 토요일 오후에는 이곳저곳을 돌아다니며 미트볼을 사

딥 러닝을 통한 비디오 스트리밍 휴면 사용자 재활성화

글로벌 비디오 스트리밍 시장의 가치는 2020년부터 매년 20.4%씩 성장하여 2027년에는 미화 1843억 달러에 달할 것으로 전망된다. 전세계 1억 6700만 명의 유료 구독자를 확보하고 있는 넷플릭스(Netflix)가 이 분야의 선두에 있지만, 시장 점유율은 2007년 91%에서 2019년 19%까지 큰 폭으로 감소했다. 이는 비슷한 서비스인 훌루(Hulu), 아마존 프라임(Amazon Prime), 디즈니 플러스(Disney Plus) 등으로 인해 경쟁이 점점 치열해지고 있기 때문이다. 특정 지역 스트리밍 서비스 또한 시청자와 가입자를 확대하고 있다. 중국의 스트리밍 서비스 아이치이(iQiyi)는 2019년 가입자 1억 명을 돌파했으며, 중국의 비디오 공유 및 라이브 스트리밍 플랫폼인 틱톡(TikTok)은 작년 기준으로 총 15억이 넘는 다운로드를 기록하여 세계적으로 큰 반향을 일으켰다. 틱톡 가입자들은 하루 평균 8번 앱을 연다고 한다. 비디오 스트리밍 시장이 계속 성장할 것이라는 데는 의심의 여지가 없다. 소셜 미디어 사용과 개발도상국의 초고속 인터넷 전용선 확충 외에도 블록체인 및 인공지능(AI)과 같은 첨단 기술이 이와 같은 성장의 주요 동력으로 작용하고 있다. 그러나 전세계 11억 오디언스의 관심을 끌기 위해 400개 이상의 구독 기반 주문형 비디오 서비스들이 치열한 경쟁을 펼치고 있는 상황에서 소중한 시청자를 계속 유지하기 위해서는 강력한 전략이 필수불가결하다. 사람들이 플랫폼을 떠나는 이유 사용자 이탈 및 유지는 비디오 스트리밍 서비스에게는 항상 큰 장애물로 작용해왔다. 최근의 한 연구에서는 앱 사용자의 67%가 첫 2주 이내에 활동을 멈추는 것으로 나타났다. 기본적으로 시청자들은 이전 경험에 불만족했기 때문에 돌아오지 않는다. 기술 관련 문제일 수도 있고

딥러닝으로 수익 가치 높은 앱 사용자 확보하기

앱 다운로드는 계속해서 증가하고 있지만, 앱을 다운 받은 후 삭제해 버리는 사용자나 봇을 통한 성과 도용 등의 부정(Fraud) 설치로 인해 브랜드의 ROI 확보가 위협받고 있다. 그 때문에 앱 마케팅 성공을 가늠하는 지표가 앱 설치 수에서 인앱(in-app) 소비와 고객생애가치(LTV)로 넘어가고 있다. 2022년까지 글로벌 모바일 앱 다운로드 수는 2,580억 건, 그리고 인앱 소비는 1,570억 미국 달러에 달할 것으로 예측된다. 소비자의 관심을 끌기 위한 앱 간의 경쟁이 치열해질 것이므로 앱을 설치하고 여는 순간부터 참여를 강화해야 한다. 앱을 여는 즉시 푸시 알림 수신 동의에서부터 구독 시작까지 인앱 이벤트를 완료하면 지속 고객으로 유지될 가능성이 높아지고, 이는 고객생애가치 향상의 근간이 된다. 하지만 사용자 참여와 유지는 55%의 마케터가 가장 힘든 과제로 꼽은 쉽지 않은 영역이다. 더욱이 사기성 설치와 허위 인앱 활동이 극성으로, 그 피해액이 2018년에만 약 190억 달러로 크게 상승했다. 인공지능(AI)은 수익 가치 높은 앱 사용자의 특성과 행동을 파악하고 이들을 확보하는 것 뿐만 아니라 유지 및 재참여시키는 데도 도움이 된다. 즉, 인공지능을 활용함으로써 고객의 충성도를 높이고 가짜 사용자를 걸러내는 효과를 얻을 수 있다. 딥러닝을 통한 캠페인 성과 개선 머신러닝의 하위 기술인 딥러닝을 잘 활용하면 수익 가치 높은 사용자와 그들의 구매 패턴을 알아낼 수 있다. 딥러닝 기술은 인간의 지능과 컴퓨터의 적용성, 속도, 및 처리 능력을 토대로 발전해왔다. 인간이 데이터를 분석하는 방식은 능력과 경험에 크게 의존하는 체험적 규칙으로 이루어져

    저희가 도와드리겠습니다

    문의를 남겨주시면 마케팅 전략을 개선하는 데 도움될 AI 솔루션을 자세히 안내드리겠습니다