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

서드파티 쿠키 없는 시대에 유용한 3가지 디지털 마케팅 전략

쿠키는 1994년 넷스케이프(Netscape)에서 처음으로 소개된 이후, 로그인 인증 또는 언어 설정 저장 등의 형태로 인터넷 사용자 경험을 강화하고 개인화하는 데 활용되어 왔다.

이후 20년 이상 서드파티(3rd-party) 쿠키에 의존하여 온라인 상에서 소비자의 행동을 추적하고, 타겟팅, 리타겟팅, 디스플레이 광고, 행동 마케팅에 쿠키를 사용해 왔다.

그러나, 구글(Google)이 모질라(Mozilla)의 파이어폭스(Firefox)와 애플(Apple)의 사파리(Safari)와 유사한 조치를 취해, 2022년 말까지 크롬(Chrome)에서의 서드파티 쿠키 사용을 단계적으로 중단할 것이라고 발표하면서 서드파티 쿠키 시대의 종말로 인한 디지털 마케팅 산업계의 큰 변화가 예고되고 있다.

 

개인정보보호에 대해 높아지는 소비자 요구

서드파티 쿠키 추적이 온라인 환경 최적화에 도움을 준 것은 사실이지만, 소비자 데이터를 추적하고, 저장하고, 공유하는 방식에 대한 우려도 지속적으로 커져 왔다.

소비자들은 자신들의 행동이 어떻게 추적되고 마케팅에 이용되는지 모르는 경우가 많다. 따라서 소비자들이 자신의 개인정보를 활용해도 좋다는 데 명확하게 동의하지 않았을 수 있기 때문에, 이들의 행동 추적은 소비자의 프라이버시와 신뢰를 위반한 것으로 간주된다.

게다가, 소비자들은 자신이 방문하는 웹사이트를 제외하고 어떤 회사들이 자신들의 정보를 처리하고 있는지 전혀 모른다. 유럽연합의 개인정보보호 규정인 GDPR에는 쿠키 사용 동의 과정이 포함되어 있지만, 사용자가 동의한 후에는 어떤 조직이 자신의 데이터를 직접 수집하고 있는지 거의 파악할 수 없다.

소비자들은 더 강력한 개인정보보호와 더 엄격한 데이터 공유 규정의 필요성을 제기해왔으며, 구글의 쿠키 차단 조치 발표는 점점 높아지는 소비자의 요구에 따른 것이라고 할 수 있다. 크롬이 브라우저 시장 점유율의 65%를 차지하고 있는 상황이기 때문에 구글의 조치는 서드파티 쿠키의 종말을 고할 결정타가 될 것이다.

 

디지털 마케팅에 미치는 영향

쿠키 기반 데이터는 디지털 마케팅에 일반적으로 사용된다. 특히 행동 타겟팅, 도달 및 빈도 추적, 전환 추적 및 어트리뷰션, 리마케팅 및 사이트 리타겟팅, CRM 타겟팅 및 세분화 등에 주로 사용된다.

사이트 리타겟팅은 서드파티 쿠키에 의존하여 타겟팅할 적절한 익명 사용자를 식별하며, 행동 세그먼트는 대부분 쿠키 기반으로 추려진다. 서드파티 쿠키가 없어지면 소비자에게 관련성 높은 제안을 전달하기가 더 어려워진다. 알고리즘의 개인화 효과가 떨어져 소비자가 관심이 없는 제품을 광고로 보여줄 위험이 커진다.

서드파티 쿠키가 없으면 광고를 클릭한 사용자들만 추적할 수 있고, 광고를 봤지만 클릭하지 않은 사용자들은 추적할 수 없다. 서드파티 쿠키 없이는 멀티터치 어트리뷰션(multi-touch attribution)을 추적할 수 없기 때문에 디지털 캠페인의 효과를 검증하기가 어려울 것이다.

쿠키 금지가 시행되면 서드파티 쿠키를 통해 수집되는 데이터 기반 서드파티 잠재고객의 수는 쿠키 만료로 인해 상당히 빠른 속도로 줄어들 것이며, 이는 대부분의 미디어 구매 활동에 충분한 확장성을 제공하지 못할 때까지 지속될 것이다. 그러면 광고주들은 서드파티 쿠키를 필요로 하지 않는 새로운 가망 고객 발굴 전략을 개발해야 할 것이다.

 

쿠키 없는 미래를 위한 준비

이런 변화들이 부담으로 다가오겠지만, 구글의 쿠키 제한 조치가 시작될 때 좀 더 잘 대응하기 위해 지금 취할 수 있는 실질적인 조치들이 있다. 쿠키 이후의 시대를 준비하는 데 도움되는 새로운 기술과 도구도 함께 소개한다.

퍼스트파티(1s-party) 데이터 활용 극대화

서드파티 쿠키가 없는 상황에서 퍼스트파티 데이터는 그 어느 때보다 중요하다. 브랜드가 활용할 수 있는 데이터가 생각보다 많다. 고객이 멤버십 프로그램에 가입하거나 이메일 또는 이름 등의 개인정보를 기입하고 구매 활동을 할 때마다 해당 고객 관련 퍼스트파티 데이터를 확보할 수 있다.

이와 같은 인구통계, 행동, 액션 또는 관심사 관련 데이터는 웹사이트, 앱, CRM 및 소셜미디어 채널 등의 온라인, 그리고 고객 설문조사, 피드백 양식 및 콜센터 등의 오프라인 모두를 통해 브랜드 소유 채널에서 직접 수집할 수 있다. 이렇게 수집한 퍼스트파티 데이터는 이미 해당 브랜드와 상호작용하는 데 관심을 보인 고객으로부터 수집한 데이터이기 때문에 서드파티 소비자 데이터에 접근할 수 있는 권한을 구매하는 것보다 일반적으로 더 허용되는 편이다.

그러나 데이터는 다룰 수 있을 때에만 가치가 있다. 인공지능(AI) 기반 기술을 활용하여 퍼스트파티 데이터를 최대한 활용해야 하는 이유이다. 머신러닝(ML) 기술 같은 경우, 데이터를 분석하고 고객에 대한 숨겨진 통찰력을 발견하여 정확한 타겟 고객 세그먼트를 생성하는 데 큰 도움을 준다.

고객의 관심사와 상호작용 방식에 따라 세분화한 다음에는 웹사이트와 마케팅 메시지를 개인화하여 더욱 고객의 관심을 끌 수 있다. 가령 브랜드 웹사이트나 앱에서 ‘프로모션’ 섹션으로 향하는 고객들에게는 개별 홈페이지에서 할인 품목을 먼저 보여주거나 새로운 프로모션이 있을 때 푸시 알림을 보낼 수 있다.

문맥 타겟팅(Contextual Targeting) 부활

쿠키 기반 행동 타겟팅을 대체할 차선책은 문맥 타겟팅(Contextual Target)으로 키워드, 토픽 및 분류체계에 따라 가장 관련성 높은 광고를 적절한 맥락에 노출하는 것이다.

행동 타겟팅으로는 원예 취미를 가진 교사가 수경법 웹사이트에서 자신이 가꾼 난초를 소개하는 게시물을 올렸더라도 자신이 가르치는 과목 교재 광고를 받게 될지도 모른다. 하지만 사용자가 보고 있는 콘텐츠를 기반으로 하는 문맥 타겟팅의 경우, 교사가 원예 블로그를 볼 때 비료 광고를 보게 되고, 재택수업 몰입도 향상에 대한 콘텐츠를 읽고 있을 때 교육 기술 도구 관련 광고를 보게 된다.

문맥 타겟팅은 개인정보보호에 적합하고 광고 피로를 줄일 수 있지만, 표면적인 수준의 키워드 및 문구에만 의존하는 타겟팅은 자칫 잘못된 위치에 광고를 게재하는 위험을 초래할 수 있다.

콘텐츠가 키워드에 부정적으로 또는 긍정적으로 연결되어 있는지 여부를 판단하여 적절한 광고를 적시에 게재하려면, 자연어처리(NLP) 기술 및 딥러닝(DL) 알고리즘을 사용하여 텍스트, 음성, 이미지, 메타 데이터 및 지리적 위치와 같은 문맥 기반 콘텐츠를 대규모로 실시간 분석할 수 있어야 한다. 이들 AI 기반 도구들은 인간과 동일한 방식으로 뉘앙스를 해석할 수 있다.

실시간 고객 의향에 따른 메시지 맞춤화

전환율을 높이려면 소비자가 관심을 갖는 제품을 보여줘야 한다. 소비자가 과거에 취했던 구체적인 행동들을 살펴봄으로써 그 의도에 대한 통찰력을 어느 정도 얻을 수 있지만, 이는 단지 과거에 이 소비자가 어땠는지를 알려줄 뿐 앞으로 어떻게 할 것인지는 알려주지 않는다.

그러나 실시간 고객 의향 기반 타겟팅은 딥러닝과 같은 강력한 알고리즘을 사용하여 브랜드 소유 채널들과 외부 웹사이트 모두에서 실시간으로 수십억 개의 소비자 데이터 포인트를 분석함으로써 복잡하고 변덕스러운 고객 의향을 정확하게 예측할 수 있다.

그러면 딥러닝을 통해 상품 선호도와 온라인 고객 활동의 최근성 및 빈도를 기반으로 전환 가능성을 파악하여 메시지를 개인맞춤화 함으로써 보다 나은 참여와 전환을 끌어낼 수 있다.

예를 들어 지난 한 주 동안 축구공 상품 페이지를 세 번 조회하고 어제 장바구니에 추가한 존(John)과 같은 고객들은 전환 의향이 높다. “지금 구매하고 30% 할인 받으세요!”와 같은 메시지를 보내 긴박감을 조성하고 구매를 유도할 수 있다.

 

서드파티 쿠키의 종말이 임박한 상황에서 걱정이 되겠지만, 오히려 마케팅 전략을 재검토할 절호의 기회로 삼아야 한다.

소비자들이 자신들의 개인정보에 대한 보호를 강력하게 요구하고 있는 이 때, 소비자의 신뢰를 얻는 가장 좋은 방법은 의미 있는 콘텐츠와 경험으로 데이터에 상응하는 가치를 소비자에게 되돌려주는 것이다. AI의 힘이 필요한 지점이다. AI 기반 도구들은 고객 경험을 개선하고 서드파티 쿠키가 없는 미래에도 고객을 유치할 수 있도록 도움을 준다.

 

* 서드파티 쿠키를 사용할 없게 이후에도 인공지능(AI)머신러닝을 활용하여 디지털 마케팅 광고를 강화할 있는 방법에 대해 자세히 알아보고자 하시면, 문의남겨주세요. 애피어의 전문가 팀이 독점 상담을 제공해드립니다.

애피어에 문의하세요!

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

다른 최신 포스트도 둘러보세요!

비지도 학습(Unsupervised Learning) 이해를 돕는 심플 가이드

인공지능(AI) 모델은 사람보다 빠르게 의사결정 및 예측을 수행할 수 있다. 사람보다 빨리 의사결정을 내리고 예측을 수행하려면 먼저 데이터로부터 학습을 해야 하고, 이 데이터 학습을 수행하는 두 가지 주요 방식이 지도 학습(supervised learning)과 비지도 학습(unsupervised learning)이다.   비지도 학습이란 무엇인가? 비지도 학습은 학습 알고리즘에 결과물이라고 할 수 있는 출력을 미리 제공하지 않고 인공지능(AI)이 입력 세트에서 패턴과 상관관계를 찾아내야 하는 머신러닝 알고리즘이다. 예를 들면, 새로 출시할 상품 유형에 맞는 타겟 시장을 정의하려고 할 때 필요한 기술이다. 비지도 학습은 데이터 자체가 부족하거나 훈련 데이터를 수집하기에는 비용이 너무 높은 등의 이유로 출력에 대해 알 수 없거나 활용할 수 없을 때 주로 사용된다. AI를 어린 아이라고 가정할 때, 지도 학습은 색깔, 숫자 또는 어휘와 같이 인간이 이미 알고 있는 것을 아이에게 가르치는 것과 같다. 비지도 학습은 아이가 스스로 문제를 풀고 추론할 수 있도록 내버려두는 방식이라고 할 수 있다. 보통 아이가 상상을 통한 놀이 또는 글쓰기와 그림 그리기 등의 창의적인 활동을 하면서 스스로 배우도록 한다. 지도 학습과 비교했을 때 비지도 학습은 다음과 같은 특징이 있다: · 레이블이 지정되지 않은 데이터를 처리한다 · 사용자가 보다 복잡한 처리 작업을 수행할 수 있도록 한다 · 더 예측이 어렵다 · 데이터의 근본 구조를 발견하는 데 사용할 수 있다 · 실시간으로 발생한다   비지도 학습 알고리즘의 일반 유형 클러스터링 알고리즘(Clustering algorithms)

[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

머신러닝을 통해
최적의 고객을 찾아내다

소비자 행동 패턴은 점점 더 세분화되고 있으며, 이로 인해 마케터가 감당하기 힘들 정도의 데이터 쓰나미가 몰려오고 있다. 하지만 마케터들은 오늘날의 인공지능(AI) 툴이 지원하는 행동 기반 모델 덕분에 기존의 변수를 뛰어넘어 타겟 고객 집단을 더욱 세분화하고 좀 더 정확한 개인별 행동 패턴을 추적할 수 있게 되었다. 인공지능(AI)을 적용함으로써 대상 고객 집단을 매우 정밀한 수준으로 세분화하는 것이 가능해지고, 어떤 고객 집단이 기업의 궁극적 목표 달성에 가장 도움이 되는지도 파악할 수 있게 될 것이다. 절반 이상의 고객이 자신과 관련성이 떨어지는 광고 문자를 보내오는 브랜드는 이후 다시 찾지 않는다고 답했다는 것을 감안할 때, 고객이 지금 그리고 앞으로 어떤 요구를 갖게 될 것인지를 최대한 정확하게 파악하는 것이 정말로 중요하다. 개인 대 범주: 단순한 ‘타입’을 넘어서 인공지능(AI)은 마케터가 달성하려는 목표에 긍정적 또는 부정적 영향을 미칠 수 있는 숨겨진 사용자 패턴을 읽어 낼 수 있고, 따라서 마케터가 미리 정한 최종 목표에 도달하도록 도움을 줄 수 있다. 즉, 구매 가능성이 높은 고객 집단을 찾아 매출 상승을 도모할 수도, 또한 기존 고객들에게는 그들의 관심사에 좀 더 부합하는 개별 맞춤형 상품이나 콘텐츠를 제공하도록 지원할 수도 있다. 인공지능의 이러한 능력은 마케터에게 매우 유용하다. 특정 웹사이트의 회원 수가 1백만 명에 이를 경우, 마케터들은 자신들에게 좀 더 큰 가치가 있는 특정 고객 집단을 타겟으로 삼고자 할 것이다(상품 구매 가능성이 더 높거나 관련된 소개글을

    저희가 도와드리겠습니다

    문의를 남겨주시면 마케팅 전략을 개선하는 데 도움될 AI 솔루션을 자세히 안내드리겠습니다