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

소셜 광고의 타겟팅 정밀도를 높이는 방법

타겟 고객 세분화 작업은 사용자가 과거에 보인 행태 데이터 분석에 의존해왔다. 이제는 인공지능(AI)을 통해 예측적 분석을 실행함으로써 페이스북 사용자를 더 낮은 CPA(액션당 비용)에 더 효과적으로 세분화할 수 있다.

소셜 미디어 플랫폼은 소비자들의 세부 특성을 파악하려는 마케터들에게는 꿈의 공간이다. 타겟 고객 세분화는 기존에도 이루어졌지만, 방대한 양의 소비자 행태 관련 데이터를 쉽게 얻을 수 있는 시대가 되면서, 세분화 방식도 점점 더 정교하고 복잡해지고 있다. 즉, 주어진 데이터를 어떻게 잘 활용할 것인가 하는 것이 더 중요해졌다.

현재 마케터들이 타겟 고객 세분화를 수행하는 방식은 데이터를 분석하여 해당 소비자가 브랜드에서 원하는 특정 액션을 취할 가능성이 있는지를 알려주는 특성을 판별해내는 식이다. 그 특성을 토대로 광고를 집행할 타겟 고객 페르소나를 구축한다.

이런 방식은 일정 정도 효과가 있다. 하지만 2018년 1분기 페이스북 클릭당 비용이 전년 동기 대비 92% 증가한 반면 클릭률(click through rate)은 제자리 걸음을 보이는 등, 소셜 미디어 마케팅 비용이 늘어나고 있는 상황을 고려하면 투자 대비 최대 수익을 달성하기 위해서는 타겟 고객 세분화 작업을 최적화할 방법을 모색해야 한다.

기존 타겟 고객 세그먼테이션 방식의 문제점

현재의 타겟 고객 세분화 방식에는 두 가지 중대한 약점이 있다. 먼저, 사용자 행태 기반 세분화 작업은 해당 사용자의 과거 행태를 근간으로 식별하기 때문에, 그 사용자의 미래 행태는 반영하지 못한다. 과거의 행동이 미래의 행동과 반드시 일치하는 것은 아니기 때문이다. 미래의 행태를 미리 파악할 수 있도록 하는 데이터가 필요하다.

현재 방식의 두 번째 약점은 인구 통계상 분류나 과거 행태를 기준으로 중복되는 고객 집단이 존재한다는 점이다. 이는 페이스북과 같은 플랫폼에서 입찰에 참여할 경우 중복 타겟팅으로 인한 자체 캠페인 간의 충돌로 비효율적인 비용 지출의 원인이 될 수 있음을 의미한다.

또한 페이스북의 자체 중복 방지 툴이 설정해 둔 한계 때문에도 문제가 될 수 있다. 페이스북은 개인정보 보호를 위해 타겟 고객 집단이 1000명 미만인 경우에는 분석을 허용하지 않고 있다. 타겟 고객 중복을 줄일 수 있는 방법을 찾더라도, 예산을 좀 더 효율적으로 집행하기 위해서는 원하는 액션을 취할 가능성이 가장 높은 고객을 대상으로 광고를 집행해야 하는 과제는 여전하다.

인공지능(AI)어떤 효과가 있나?

데이터가 거짓말을 하지는 않는다. 많은 마케터들이 데이터를 잘못 해석하는 것이 문제다. 인공지능(AI)은 철저한 데이터 분석으로 무수한 행태에서 특정 패턴을 찾아내어 리마케팅 과정에서 발생하는 추측 작업을 없애 준다. 중복의 가능성은 낮추면서, 구매율 높은 고가치 고객 집단을 찾아내어 입찰한다.

애피어의 인공지능(AI) 기반 광고 솔루션은 예측형 툴이다. 방문 빈도, 방문 시간대, 검색 상품, 구매 상품 등 사용자의 미래 행동을 예측하는 데 도움이 되는 수많은 데이터를 근거로 가장 의미 있는 타겟 고객 그룹을 구분해낸다. 이들을 대상으로 가장 효과적인 광고 채널과 크리에이티브 포맷을 통해 리마케팅을 실행할 수 있다.

예를 들어, AI 툴이 세 가지 다른 행동, 즉 ‘5일 내 사이트 2회 방문,’ ‘14일 내 장바구니에 물품 2회 추가,’ ‘10일에 1회 구매’라는 패턴을 알아차릴 수 있다. 이어 AI는 이러한 행동에 근거한 고객 집단을 정의한다. 하지만 이들 중에서 페이스북 광고를 보고 구매 전환으로 이어질 가능성이 가장 높은 그룹을 어떻게 선별해낼 것인가? AI의 예측 툴은 많은 규칙에 근거하여 가능성이 높은 타겟 고객 그룹을 조합한 다음, 각 집단의 가치를 기준으로 순위를 매긴다. 그러면, 5일에 사이트를 2회 방문하는 고객 집단이 실제로 구매 행동을 취할 가능성이 더 높다는 인사이트를 얻을 수 있고, 따라서 해당 고객 집단에 대한 광고 노출 빈도를 높일 수 있다.

최적의 데이터 조합

AI는 또한 다수의 규칙에 따라 최고의 고객 집단을 조합한 다음, 이들이 브랜드에 대해 어느 정도의 가치를 갖는지를 기준으로 순위를 매길 수 있다. 특정 사용자가 웹사이트에 5일 동안 2회 접속한 경우, 이 사용자는 지난 14일 동안 하나의 품목을 장바구니에 담은 사용자에 비해 순위가 더 높을 수 있다. 이런 정도의 구체성을 확보한다는 것은 구매율 높은 고가치 고객 집단을 발견하여 마케팅 효과를 높일 수 있음을 의미한다.

또한, 인공지능 툴은 세그먼트별 타겟 고객 중복을 줄이고 분리를 강화하는 데 도움이 된다. 사람도 수동으로 고가치 세그먼트를 찾아낼 수는 있지만 그 중복 여부를 알기는 어렵다. AI는 마케터가 가급적 다른 고객 집단과 중복되지 않는 집단을 찾아 투입 비용 대비 최대의 효과를 달성하도록 지원한다.

애피어가 자체적으로 인간에 의한 타겟 고객 세분화와 인공지능(AI)에 타겟 고객 세분화를 비교해 본 결과, 인공지능에 의한 세분화가 구매 행위 발생률을 135.7% 상승시키고 비용은 27% 감소시켜 월등히 높은 투자 대비 수익률을 보인 것으로 나타났다.

인공지능 관련 툴은 빠르게 성숙기로 접어들고 있으며, 소셜 미디어 애널리틱스 덕분에 분석해야 하는 데이터의 양도 방대해 졌다. 이런 상황에서 마케터가 CPA(액션당 비용)와 CPL(리드당 비용)을 최적화하기 위해서는 더 스마트한 세분화 기법이 요구된다. 도달 범위는 더 넓고 중복은 줄어든 인공지능(AI) 기반 소셜 미디어 타겟 고객 세분화로 확실한 비용 절감 효과와 더 높은 투자수익률을 보장해 줄 것이다.

애피어에 문의하세요!

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

다른 최신 포스트도 둘러보세요!

옴니채널 소매 유통 전략: 무엇을, 왜, 어떻게 구현할 것인가?

요즘 소비자들은 온라인, 모바일, 오프라인 매장 등 다양한 채널을 통해 소매 브랜드와 상호 작용하기를 원한다. 뿐만 아니라 그 모든 접점에서 끊김 없는 쇼핑 경험을 기대한다. 이와 같은 소비자의 요구를 충족하여 그들의 참여를 높이고 판매를 늘리는 데 도움되는 한 해결책이 옴니채널 소매 유통 전략이다.   옴니채널 소매 유통이란 무엇인가? 옴니채널 소매 유통(omnichannel retailing)의 진정한 의의는 고객 중심 전략이라는 데 있다. 고객을 중심에 두고 모든 소매 판매 채널이 서로 유기적으로 작동하도록 구현하는 것을 의미한다. 온라인 판매와 오프라인 판매 사이의 장벽을 허물고 고객이 어디에서, 어떤 장치를 사용해, 어떤 채널의 콘텐츠에 접근하는지에 관계없이 언제 어디서나 고객에게 원활한 쇼핑 경험을 제공한다. 옴니채널 소매 유통을 통해 재고 및 공급망도 하나의 단일 체제로 관리되어 모든 소매 채널이 하나의 중앙 저장고에서 상품을 가져와 판매하게 된다. 이를 통해 소매업체는 고객 주문을 훨씬 더 유연하게 처리할 수 있다.   멀티채널 소매 유통과의 차이점 옴니채널 소매 유통과 멀티채널 소매 유통 사이에는 일부 비슷한 점도 있지만, 실제 작동하는 방식은 매우 다르다. 멀티채널 소매에서는 각 채널이 서로 완전히 독립적으로 운영된다. 실상 완전히 다른 비즈니스처럼 운영될 수 있다. 각각의 채널은 자체 재고 및 공급망을 가진 개별 사일로로 취급된다. 이것은 소매업체가 원래부터 오프라인 매장과 별도의 판매 채널로서 온라인 상품들을 제작할 때부터 발생하는 레거시 문제인 경우가 많다. 그 당시에는 기술의 성숙도가 무르익지 않은 초기 단계였고, 온라인과

여행 업계에서 인공지능(AI)을 통해 의미 있는 개인맞춤형 고객 참여를 유도하는 방법

여행 또는 관광 관련 업체라면 최근 여행업계의 가파른 성장세에 힘입어 올 한 해 호황을 경험했을 것이다.  2017년 한 해 동안만 전세계 여행 시장 매출 규모는 8조2천7백억 달러를 넘어섰다. 그러면 이렇게 좋은 기회를 어떻게 활용해야 단기적 이익과 더불어 장기적 가치를 창출해 나갈 수 있을 것인가? 이는 말처럼 쉽지 않다. 여행 및 관광 업계가 상당한 성장을 거듭하는 한편으로 여러 가지 변화도 동시에 겪고 있기 때문이다. 온라인 여행사의 확산, 인공지능(AI)의 등장, 그리고 독특한 여행지와 더불어  막힘 없이 스스로 설계하고 디자인하는 셀프 서비스 여행 경험을 원하는 여행객들을 모두 고려해야 하기 때문에 새로운 여행객을 확보하고 또 지속적으로 유지해 나가기는 이전보다 결코 만만치 않은 일이 됐다. 데이터가 다가 아니다 우선 해결해야 할 문제로 여행 예약 업무를 처리하는 과정에서 발행하는 엄청난 양의 데이터, 즉 고객이 선택한 여행지, 선호하는 여행 스타일, 예산 등과 관련된 방대한 정보를 어떻게 처리할 것인가 하는 문제가 있다. 이런 데이터를 잘 활용하여 의미 있는 고객 경험으로 바꿀 수 있다면, 고객의 구매 전환율을 높이고 참여를 강화할 수 있을 뿐만 아니라 반복적인 구매를 유도할 수도 있을 것이다. 하지만 많은 데이터를 확보하는 것만으로는 부족하다. 여행객들은 자신이 찾고 있는 목적지에 딱 들어 맞는 개인맞춤형 상품을 적시에 찾을 수 있는 간단한 검색 프로세스를 원한다. 여행 업체 입장에서 이를 만족시키려면 해당 여행객이 자사가 아닌 외부 온라인 사이트에서 이용한 관광 관련

데이터 전략 개발시 간과해선 안될 질문 4가지

요즘 세계는 매일같이 생성되는 2.5 퀸틸리온(250경) 바이트의 데이터로 넘쳐 나고, 모든 데이터의 90%가 불과 최근 2년 사이에 생성됐다. 이처럼 방대한 양의 데이터는 마케터에게는 커다란 기회를 제공하지만, 동시에 해결해야 할 도전과제이기도 하다. 데이터를 확보하기는 비교적 쉬운 반면, 그 유용성과 가치를 어떻게 보장할 것인가는 쉽지 않은 문제다. 데이터를 기반으로 비즈니스에 도움되는 효과적인 마케팅 캠페인을 구상할 수 있는 방법은 무엇일까? 데이터 전략을 개발할 때 흔히 간과되고 있는 4가지 핵심 질문을 통해 그 해답을 찾아볼 수 있다. 의미 있고 비즈니스 목표에 부합하는 데이터를 확보하기 위해서는 반드시 짚고 넘어가야 할 질문들이다. Q1: 얼마나 최신 데이터인가? 데이터 최신성은 데이터 전략 수립의 핵심 지표 중 하나이다. 최근의 데이터일수록 끊임없이 변화하는 소비자의 행동 패턴을 더욱 밀접하게 반영하므로 더 높은 가치를 갖는다. 분석 도구를 사용하면 고객의 최근 웹사이트 방문 및 구매 간격을 기준으로 최신성 점수를 매기고, 마케팅 전략에 따라 도움이 될 만한 신규 유저 그룹을 따로 추출할 수 있다. 그러면 마케팅 예산을 훨씬 효율적으로 집행할 수 있게 된다. 가령, 대부분의 유저가 웹사이트를 방문하는 것은 한 달에 한 번인데 매일 이들을 대상으로 마케팅 활동을 진행한다면 예산을 낭비하게 된다. 해당 예산을 더 자주 방문하는 특정 유저 대상 캠페인이나 자주 방문하지 않는 유저를 단골 고객으로 전환하기 위한 캠페인 등 맞춤형 마케팅 전략에 사용하면 더 효율적인 결과를 낼 수 있다. 따라서 새로운 캠페인을

    저희가 도와드리겠습니다

    문의를 남겨주시면 마케팅 전략을 개선하는 데 도움될 AI 솔루션을 자세히 안내드리겠습니다