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

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 콘텐츠 관련 문제일 수도 있다. 또는 가격 상승, 패키지 구성 변경, 좋아하는 시리즈 또는 스포츠 시즌이 종료한 이유일 수 있다

이렇게 이탈한 비활성 사용자를 다시 불러오는 것이 서비스 성공에 중요하다. 컨설팅 기업 베인앤컴퍼니(Bain & Company)에 따르면 고객 유지율을 5% 상승시키면 수익이 25-95% 증가할 수 있다고 한다. 그렇다고 모든 유실된 사용자를 되찾기 위해 돈과 시간을 투자하는 것은 비효율적이다. 인공지능(AI)의 지원으로 돌아올 가능성이 높은 프리미엄 유저에 집중하는 것이 더 나은 전략이다.

딥 러닝의 역할

가장 가치 있는 비활성 사용자는 다시 돌아올 가능성이 높은 사용자들이다. 관건은 이들을 어떻게 찾을 것인가이다. 기존의 행동 타겟팅 접근방식으로는 쉽지 않다. 광범위한 데이터 분석에 인간의 직관을 더해야 하는데 그 과정에서 종종 데이터를 오해할 수 있기 때문이다. 그러나 고급 인공지능(AI) 기술인 딥 러닝은 행동, 빈도, 시간, 사용한 장치, 시청한 콘텐츠 등 사용자의 과거 데이터에 대한 다차원 분석을 통해 비활성 시청자를 식별하고 분류할 수 있다. 그리고는 백만 개가 이상의 세그먼트의 전환율, 즉 재활성 가능성을 예측하여 가장 높은 그룹부터 우선순위를 부여한다.

타겟팅 정확도를 높이려면 이들 비활성 사용자의 현재 관심사도 파악해야 한다. AI는 과거 데이터와 서드파티, 즉 타사 데이터를 결합하여 사용자가 해당 플랫폼 외부에서 보인 관심사를 발견할 수 있다. 가령, 영미라는 이용자가 특정 드라마를 꾸준히 시청했지만 시리즈가 종료된 후 다시 접속하지 않고 있다고 하자. 외부 웹사이트에서의 영미의 검색 행태를 분석하여 최근 영미가 개그 시리즈 또는 웃기는 동영상 관련 후기를 읽었음을 포착할 수 있다. 이 정보를 사용하여 관련성 높은 콘텐츠를 추천하고 광고 소재를 개인화하면 영미가 이 플랫폼으로 되돌아올 확률을 높일 수 있다.

동영상 공유 및 라이브 스트리밍 분야에서 앞서가고 있는 한 플랫폼 기업은 애피어의 AI 솔루션을 사용하여 대만 사용자들 중에서 7일 이상 활동하지 않은 휴면 고객을 재활성화하는 데 성공했다. 자체 설정한 KPI에 비해 CPC(클릭당 비용)는 22%, CPA(획득당 비용)는 7% 절감했다. 또한, 다이나믹 광고 소재를 사용하여 네이티브 광고의 전환율을 30% 상승시킬 수 있었다. 총 10,000명 정도의 휴면 사용자가 플랫폼으로 되돌아왔으며, 각 사용자는 1주일 이내 평균 3개의 동영상을 시청했다.

비활성 사용자들의 행동과 관심사에 맞춘 서비스를 제공하면 이들의 재활성화를 유도하고 참여도와 충성도가 높은 지속 고객으로 유지할 가능성을 높일 수 있다.

 

* OTT 비디오 가입자 서비스 또는 동영상 스트리밍 플랫폼의 이탈률을 낮은 수준으로 유지하기 위해 고군분투하고 있거나, 비활성 사용자를 되돌아오게 할 방법을 찾고 있다면 애피어의 딥 러닝 기반 AI 솔루션이 답을 드릴 수 있습니다. 애피어 AI 솔루션을 통해 재활성 가능성이 높은 사용자와 이들을 사로잡을 콘텐츠를 파악해보세요. 문의를 남겨주시면 안내해드리겠습니다.

 

애피어에 문의하세요!

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

다른 최신 포스트도 둘러보세요!

인공지능(AI)으로 다시 태어난 이메일 마케팅

소셜 미디어를 비롯한 디지털 채널이 고객 참여나 제품 홍보의 주요 도구로 활용되면서 이메일과 같은 “전통적인” 의미의 마케팅 기법은 간과되기 쉽다. 그러나 최근에는 이메일 마케팅도 인공지능(AI) 기술로 그 효과가 한층 개선되어 다시 효율적인 마케팅 기법으로 환영받고 있다. 이메일 마케팅은 구독자를 확보하고 유지하는 데 따르는 어려움과 상대적으로 낮은 오픈율 및 클릭률 등의 한계로 인해 즉각적인 반응을 확인할 수 있는 소셜 채널에 비해 덜 효과적인 편이다. 기존에는 이런 문제를 해결하고 실적을 개선하기 위해 할인 혜택을 제공하거나, 좀 더 눈에 띄는 제목을 부여하거나, 빈도를 달리해서 전송하는 등, 이메일 콘텐츠 자체를 변형하는 방식을 적용하는 것이 일반적이었다. 하지만 이런 해결 방식의 기저에는 수신자가 이메일 콘텐츠에 반응을 하거나 하지 않는 이유를 사람이 충분히 파악할 수 있다는 전제가 깔려 있다. 이 가정은 일정 부분 사실이지만, 수신자들로부터 브랜드가 원하는 결과를 얻기까지 많은 시행착오를 거쳐야 한다. 지금은 인공지능(AI)의 발달로 유사 고객 그룹을 찾아내고, 기존 고객을 더 잘 이해할 뿐만 아니라 세분화하고, 고객 관심사를 파악하고, 따라서 고객의 향후 행동을 보다 정확하게 예측할 수 있게 됐다. 인공지능이 가진 이런 기능들이 이메일 마케팅의 한계를 극복하는 데 큰 도움이 된다. 인공지능(AI) 기반 잠재 고객 세분화를 통한 오픈율 상승 효과   이메일 수신자들이 콘텐츠에 반응하지 않는 데는 이유가 있다. 인공지능을 접목하면 문제의 핵심은 물론 잠재 고객의 요구사항을 보다 정확하게 파악할 수 있어 추측만으로 접근했을 때보다

[기고] 데이터 기반 마케팅 구현을 위한 데이터 관리 첫걸음

“데이터를 귀중한 자원으로서 수집하고, 정제하고 활용해야” 전문가 칼럼 | 민선, 애피어 최고 AI 과학자  역사적으로 마케팅은 항상 데이터에 크게 의존해 왔다. 요즘과 같이 빠르게 변화하는 세상에서 데이터 기반 마케팅의 화두는 서로 다른 다양한 소스로부터 발생하는 엄청난 양의 데이터를 어떻게 잘 관리할 것인가 하는 점이다. 마케팅 데이터 관리와 관련해서 중점을 둬야 할 핵심 이슈는 세 가지로 정리할 수 있다. 첫 번째는 데이터 품질이다. ‘무가치한 데이터를 넣으면 무가치한 결과가 나온다(Garbage in, garbage out)’라는 GIGO의 법칙은 마케팅에서 염두에 둬야 할 일리 있는 격언이다. 데이터 품질이 보장됐다면 고려해야 할 두 번째 요소는 데이터의 유용성이다. 어떤 데이터가 가치 있고, 어떤 데이터 세트를 함께 살펴봐야 의미 있는 결과를 얻을 수 있는가를 판단해야 한다. 마지막으로 강력한 거버넌스, 즉 관리 규정을 확립해야 한다. 유럽연합의 일반개인정보보호법(GDPR, General Data Protection Regulation), 싱가포르의 개인정보보호법(PDPA, Personal Data Protection Act) 등 관할 지역별로 따라야 할 법적 및 기업 의무가 포함된다. 데이터 기반 마케팅 구현을 위한 데이터 관리 첫걸음(제공=애피어)   ‘좋은’ 데이터란 무엇인가?  데이터 품질이 좋다 좋지 않다를 규정하기 위해서는 여러 차원에서 살펴봐야 한다. 일관된 오류 또는 비일관적으로 반복되는 데이터 노이즈와 같은 문제는 데이터 세트가 엄청나게 크더라도 그 유용성과 가치를 크게 감소시킬 수 있다. 데이터가 완벽하게 정확하더라도 데이터를 선택할 때 기준으로 삼은 가정 자체가 편향되거나 왜곡된 경우에는 훨씬 더 미묘한 문제가 발생할 수 있다.

추천 엔진 도입 성공을 위한 7가지 주요 과제

고객을 확보하고 유지하고자 하는 기업에게 개인화 추천은 필수적이다. 액센츄어(Accenture)에 따르면 소비자 10명 중 9명은 자신과 관련 있는 상품이나 서비스를 추천하는 브랜드에서 쇼핑할 가능성이 더 높다. 추천은 또한 16%의 전환 증가를 가져올 수 있기 때문에 기업의 순익에도 큰 영향을 미친다. 따라서 추천 엔진 도입도 크게 늘어나고 있다. 인더스트리아크(IndustryArc)는 글로벌 추천 엔진 시장이 2018년 11억4000만 달러에서 2025년에는 120억3000만 달러로 성장할 것으로 보고 있다.   추천 엔진의 이점: 반드시 사용해야 하는 이유 인공지능(AI)의 지속적인 발전으로 추천은 더 이상 일반 잠재고객이나 특정 세그먼트를 공략하는 데만 사용되지 않는다. 요즘은 딥러닝(DL) 기반 추천 엔진을 사용하여 페르소나, 위치, 관심사, 실시간 온라인 행동 등과 같은 지표를 기반으로 개별 단위의 초개인화 추천으로 소비자를 공략할 수 있다. 이를 통해 리타겟팅 광고나 이메일 마케팅으로 온라인 트래픽을 유도할 수 있을 뿐만 아니라 고객 피로와 이탈률도 줄일 수 있다. 또한 개인화된 추천은 고객과 관련성이 높은 상품 또는 서비스를 제공하여 고객의 실제 참여를 유도한다. 이는 주문 건당 평균 결제금액(AOV)를 높이고 전환 또한 증가시킨다. 장기적으로는 개인화된 추천을 사용함으로써 브랜드가 고객을 이해하고 중요하게 여긴다는 것을 보여줄 수 있어 고객 만족도와 충성도를 높일 수 있다.   구축 전 극복해야 할 과제들 2025년까지 예견된 엄청난 성장률을 통해 전 세계적으로 많은 기업들이 추천 엔진 도입을 고려하고 있음을 알 수 있다. 하지만, 유용한 기술들이 종종 그렇듯 이 기술을 실제 비즈니스에서

    저희가 도와드리겠습니다

    문의를 남겨주시면 마케팅 전략을 개선하는 데 도움될 AI 솔루션을 자세히 안내드리겠습니다