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

닮은꼴 모델링: 구매력 높은 고가치 잠재고객을 찾는 가장 효과적인 방법

브랜드를 성장시키려면 고객 기반을 확장해야 한다. 하지만 기존 고객과의 관련성을 유지하면서 새로운 고객들에게 다가가기는 쉽지 않다. 해결할 수 있는 한 가지 방법은 닮은꼴 모델링을 사용하여 현재 고객과 비슷한 특성을 보이는 유사 잠재고객을 발견해내는 것이다. 그렇다면 닮은꼴 모델링이란 무엇이며, 어떤 효과가 있고, 어떻게 작동하는지 알아보자.

 

닮은꼴 모델링이란 무엇인가?

닮은꼴 모델링(Lookalike Modeling)은 머신러닝 기반 분석  기법으로 현재의 VIP 고객들과 유사한 행동 및 인구통계적 특성을 보이는 일련의 사용자 그룹을 찾아낸다.

전자상거래 브랜드의 경우를 예로 들어보자. VIP 고객들이 주로 평균 미화 150 달러 정도의 주문 금액으로 한 달에 두 번 정도 전자 또는 게임 기기를 구매한다고 가정하자. 닮은꼴 모델링을 사용하면 이와 비슷한 특성을 보이는 사람들을 추가로 발견해낼 수 있다.

비교의 기준이 되는 VIP 고객들을 시드(seed) 고객이라 하고, 이 VIP 고객들과 유사한 행태를 보이는 그룹의 사람들을 닮은꼴(lookalike) 고객이라고 한다.

 

닮은꼴 모델링의 다양한 효과

닮은꼴 모델링을 활용하면 다음과 같은 다양한 효과를 기대할 수 있다:

  • · 더 많은 판매 기회 창출

닮은꼴 모델링을 사용하면 기존 고객층을 넘어 구매력 있는 고가치 잠재고객을 추가로 발견할 수 있다. 이는 현재의 VIP 고객들과 비슷하게 행동하는 잠재고객을 식별하는 머신러닝의 높은 정확성 덕분이다.

  • · 마케팅 예산 절감

닮은꼴 모델링을 사용하면 고객 데이터베이스에 있는 모든 사용자가 아니라 고가치 유사 고객에게만 마케팅을 집중하는 효과가 있다. 이를 통해 신규 고객 획득 비용은 절감하고 투자수익률은 높일 수 있다.

  • · 브랜드 인지도 상승

 닮은꼴 모델링으로 새로운 고객을 확보할 수 있기 때문에 브랜드 인지도를 높이는 데 효과적이다. 타겟 고객 프로필과 일치하는 더 많은 사람들에게 브랜드와 제품을 노출함으로써 구매의 첫 단계라고 할 수 있는 관심도와 참여도를 높일 수 있다.

  • · 보다 정확한 타겟팅 구현

닮은꼴 모델링은 머신러닝을 사용하여 훨씬 더 광범위한 웹에서 기존고객 및 잠재고객에 대한 데이터를 분석하고 비교함으로써 VIP 고객들의 중요한 특성을 정확하게 찾아낸다.

이렇게 찾아낸 특성은 타겟팅의 정확도를 높이는 데 뿐만 아니라 리타겟팅 캠페인을 개인화하는 데도 도움을 준다.

  • · 고객에 대한 이해 향상

닮은꼴 모델링 프로세스를 통해 잠재고객 세그먼트 및 이들의 전환을 유도하는 액션을 더 잘 이해할 수 있다. 이러한 통찰력은 마케팅 전략과 모든 채널에서의 향후 캠페인을 최적화하는 데 사용된다.

  • · 전환 증가

닮은꼴 모델링은 고품질 리드를 찾아내기 때문에 클릭률(CTR)과 달성할 수 있는 전환 수를 크게 높일 수 있다. 이를 통해 수익은 증대되고 순익 또한 개선되며 결과적으로 비즈니스를 성장시키는 데 기여한다.

 

닮은꼴 모델링 작동 원리

닮은꼴 모델링은 여타의 모든 컴퓨터 모델링과 마찬가지로 데이터, 수학적 알고리즘, 머신러닝의 조합을 사용하여 모델링 작업을 수행한다. 이 프로세스는 일반적으로 DMP(데이터 관리 플랫폼)를 통해 수행되며, 다음의 세 가지 주요 단계로 구성된다:

1단계: 데이터 수집

유사 잠재고객 그룹을 생성하려면 먼저 자체 채널에서 수집한 퍼스트파티, 즉 자사 데이터와 다른 웹사이트 및 설문조사 등의 세컨드파티 또는 서드파티 등의 타사 데이터를 모두 아우르는 광범위한 잠재고객 데이터를 수집해야 한다. 주지할 점은 사용할 수 있는 데이터가 많으면 많을수록 모델링의 정확도가 높아진다는 사실이다.

2단계: 속성과 행동 정의

모든 데이터가 수집되었다면 다음 단계는 비교의 기준이 될 가장 참여도가 높고 수익성이 높은 VIP 고객 또는 시드 고객을 가장 잘 정의하는 속성과 행동을 파악하는 것이다. 고려해야 할 속성 및 행동의 예에는 위치, 구매 내역, 구매 빈도와 수량, 검색 내역, 특정 제품에 대한 관심사 등이 있다.

이러한 속성을 더 엄격하게 정의할수록 우수한 잠재고객을 식별할 가능성이 높아진다. 그러나 시드 고객의 범위를 좁게 설정할수록 전환 가능성이 높은 사용자를 찾는 데는 도움되지만 닮은꼴 잠재고객의 규모는 제한된다. 더 많은 속성을 선택할수록 더 많은 잠재고객을 걸러내게 되는 것이다.

만약 캠페인 목표가 전환보다는 더 넓은 도달과 더 높은 인지도에 초점을 두고 있다면, 더 광범위하고 덜 구체적인 속성과 행동을 선택하여 더 많은 잠재고객 그룹을 찾아내는 것이 더 좋은 전략이 될 수 있다.

3단계: 닮은꼴 잠재고객 생성

시드 잠재고객의 속성과 행동을 결정하면 그와 일치하는 프로필을 찾기 위해 알고리즘이 적용된다. 그리고는 머신러닝 예측 모델링을 사용하여 시드 잠재고객과의 유사성을 기반으로 각 사용자별 점수를 매긴다. 가장 높은 점수의 프로필들이 닮은꼴 잠재고객이 된다.

닮은꼴 모델링 프로세스를 통해 다른 방식으로는 찾을 수 없었던 더 나은 성과를 내는 잠재고객을 정확하게 찾아낼 수 있다.

 

닮은꼴 모델링은 비즈니스 성장을 모색하는 브랜드에게 큰 성공을 가져다 줄 수 있다. 성공의 열쇠는 고품질 데이터와 스마트 모델링 소프트웨어를 함께 사용하는 것이다. 경쟁사와의 효과적인 차별화를 위해서는 더 나은 닮은꼴 잠재고객 그룹을 구축하기 위해 어떤 미지의 데이터를 발굴하고 활용해야 할지 연구하는 것이 좋다.

 

* 닮은꼴 모델링으로 고객 기반을 확장할 수 있습니다. 애피어의 데이터 사이언스 플랫폼 아익슨(AIXON)은 데이터를 실행 가능한 인사이트로 전환하고 가장 수익성 높은 잠재고객을 찾는 데 도움을 줍니다. 문의를 남겨주시면 맞춤 상담을 제공해드리겠습니다!

 

 

애피어에 문의하세요!

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

다른 최신 포스트도 둘러보세요!

코로나19로 인한 위기 속에서 자연어 처리(NLP)를 통해 브랜드 안전성 확보하기

글로벌 코로나19 사태로 프로그래매틱 광고 업계가 일종의 위기에 봉착했다. 브랜드 안전을 우려하여 팬데믹과 연관된 키워드가 사용 금지되면서, 퍼블리셔들이 광고 차단으로 손해를 보고 매출 하락을 겪고 있다. 이처럼 우려스러운 트렌드에 대응하기 위해 퍼블리셔 및 매체들은 브랜드가 코로나19 키워드 차단을 멈추도록 종용하고 있지만, 과연 그렇게 해도 안전할까? 안전을 보장하기 위해서는 광고에서 브랜드 안전의 경계를 어디로 정할지 재고해 볼 필요가 있다. 또한, 보다 제한이 덜한 자연어 처리(NLP) 기술을 활용하는 것도 방법이다. 세계 인구 3분의 1이 자가격리를 실행하도록 만든 이번 팬데믹은 거의 하룻밤 새 소비자 행동을 바꿔놓았다. 온라인 미디어 및 콘텐츠 소비가 급증한 것도 그 변화 중 하나다. 글로벌웹 인덱스의 글로벌 설문조사에 따르면 소비자 95%는 집에서 온라인 미디어를 소비하는 데 이전 보다 더 많은 시간을 쓰고 있다. 가장 소비가 크게 증가한 것은 물론 뉴스다. 응답자 3분의 2가 최신 정보를 얻기 위해 뉴스 사이트에서 더 많은 시간을 보낸다고 응답했다. 더 커진 잠재고객 기반, 하지만 오히려 줄어든 임프레션 1월 이후 150만 건이 넘는 코로나19 관련 기사가 보도됐다. 매일 새로운 정보가 공유됨에 따라 퍼블리셔가 이 위기 사태에 대해 보도할 가능성도 높아졌다. 또한 소비자가 늘었다는 것은 광고 노출과 매출 또한 늘어난다는 것을 의미한다. 적어도 이론상으로는 그렇다. 그러나 실제로는 그렇지 않았다. 퍼블리셔가 보도할 내용이 많아져서 오디언스는 그 어느 때보다 커졌을지 몰라도 브랜드는 보다 조심스러운 태도를 취하고 있다. 뿐만 아니라

인앱 광고 필승 전략

인앱 광고가 증가하고 있다. 특히, 전세계 앱 다운로드의 47%를 차지하는 아시아태평양 지역에서 증가폭이 두드러진다. 앱솔루트 마켓 인사이트(Absolute Market Insights)의 보고서에 따르면, 글로벌 인앱 광고 시장은 2018년 미화 667억 8천만 달러를 기록했으며, 2027년에는 미화 4,726억 4천만 달러에 달할 것으로 예상된다. 소비자들이 모바일 웹에서 보내는 시간은 스마트폰 이용 시간의 11%에 불과한 데 비해, 앱에서 보내는 시간은 89%에 달해, 광고주 입장에서는 인앱 광고를 통해 고객들이 대부분의 시간을 보내는 곳, 즉, 모바일 기기 및 앱 내에서 고객을 타겟팅하는 것이 합리적인 선택이다. 인앱 광고는 또한 효과적이다. 가령 아침에 깨어났을 때나 또는 출퇴근 길 같은 다른 미디어는 접근하기 힘든 시간대에도 사용자에게 도달할 수 있다. 그리고 모바일 웹보다 1.3-2배 정도 더 높은 클릭률을 보인다. 인앱 광고는 광고주에게 정밀한 타겟팅, 캠페인 추적 및 참여도 향상을 실현할 보다 나은 환경을 제공한다. 이처럼 장점이 많은 인앱 광고 전략을 제대로 구현하기 위해서는 몇 가지 고려할 점이 있다. 1. 고객생애가치 높은 프리미엄 오디언스 공략 앱은 사용자의 과거 구매 내역, 인터넷 사용 기록, 지리적 또는 인구통계적 정보를 제공한다. 인앱 광고 캠페인 효과를 극대화하고 ROI(투자수익)를 높이려면 표면적인 수준을 넘어 한층 더 깊이 있는 접근이 필요하다. 바로 잠재적 고객생애가치(LTV)가 가장 높은 오디언스를 찾아내야 한다. 딥러닝을 사용하여 사용자 행동에서 패턴을 발견하고 관심사 및 실시간 의도를 토대로 세그먼트를 만들 수 있다. 그리고 각 세그먼트의 예상 전환율(CVR)을 예측하고

전문가에게 묻다: Deviance.ai의 리치 윌슨이 말하는 AI의 진화와 채택

리치 윌슨(Rich Wilson)은 처음에는 제트기 엔진용 소프트웨어를 개발하는 일을 했습니다. 2005년부터는 소프트웨어 스타트업을 상업화하는 데 주력하면서, 여러 미국 IT 기업의 유럽 진출을 성공시켰습니다. 특히, 금융 서비스 기술 기업이자 거래에 인공지능(AI)을 활용하는 소규모 헤지펀드인 볼큐브(Volcube)와, 최근에는 AI를 언어 분석에 적용하여 기업이 잠재고객 그룹의 감정을 이해하게 해 주는 오디언스 진단 업체 디비언스(Deviance)를 설립했습니다. 리치는 런던을 중심으로 IT 스타트업은 물론 정치, 젠더, TV, 음악 등의 분야에서 언어학 적용과 관련한 저명한 연설가로 활동하고 있습니다. 마케팅을 포함한 여러 분야에서 AI 및 데이터 기업을 설립하고 지원하신 것으로 알고 있는데, 지금까지의 이력과 현재 하고 계신 일에 대해 간단한 소개를 부탁드립니다. 저는 소프트웨어 개발자 출신으로, 닷컴붐 동안 모토로라(Motorola), 홈베이스(Homebase), 오카도(Ocado) 등의 기업들의 첫 번째 온라인 스토어를 개발했습니다. 이를 통해 커머스 분야를 알게 됐죠. 사무실 밖에서 사람들과 대화하는 것이 아주 즐거웠으며 내가 IT를 사업으로, 사업을 IT로 전환하는 데 재능이 있다는 것을 깨달았습니다. 지난 7년 동안 언어 분석 분야에서 일하면서 주로 데이터를 다뤘습니다. 빠르게 변화하는 데이터를 바탕으로 실험을 계속하면서 헤지펀드를 설립하고 AI를 거래에 적용했습니다. 가장 최근에 설립한 디비언스는 검색으로는 찾을 수 없는 인사이트를 AI를 통해 제공하는 서비스입니다. 우리는 브랜드와 기업이 사람들이 실제 어떻게 느끼고 있는지 이해하도록 지원합니다. 대규모의 대상 그룹에 대해서도 이해를 도울 수 있습니다. 최근 40억 개의 단어를 분석했는데 그 정도로 많은 데이터를 다루는 업체는 제가 알기로는 저희밖에 없습니다.

    저희가 도와드리겠습니다

    문의를 남겨주시면 마케팅 전략을 개선하는 데 도움될 AI 솔루션을 자세히 안내드리겠습니다