퍼포먼스 마케터분들이라면 효과적인 광고를 위해 선택할 수 있는 옵션이 점차 줄어들고 있다는 것에 공감할 것입니다. 개인정보보호 강화의 일환인 애플의 광고 추적 제한 기능(Limit Ad Tracking, LAT) 및 App Tracking Transparency(앱 추적 투명성, ATT)로 인해 데이터 활용 환경이 제한되었음에도, 여러분들에게는 매우 유용한 옵션이 아직 남아있습니다. 바로 머신러닝의 힘을 활용하는 것이죠!

​

머신러닝을 통해 자사가 보유하고 있는 퍼스트 파티 데이터의 가치를 극대화하여, 효과적으로 마케팅 목표에 맞는 적절한 유저를 식별하고 타겟팅할 수 있습니다. 지금부터 앱 퍼포먼스 마케팅에 머신러닝을 활용해야 하는 이유를 더 자세히 알아봅시다.

​

📚 [인포그래픽 다운로드] 한눈에 알아보는 '퍼포먼스 광고에 머신러닝이 필요한 5가지 이유'

가장 가치 높은 고객을 찾습니다.

탁월한 머신러닝의 가장 큰 강점은 머신러닝 모델에 로(raw) 정보를 제공할 시, 어떠한 데이터가 어느 정도 적합한지 가중치를 계산하여 최종 결과를 예측할 수 있다는 점입니다. 마찬가지로 광고에 적용되는 머신러닝 모델의 경우 어떠한 데이터 포인트가 적합한지(채널, 기기 유형, 시간대), 각 데이터 포인트에 어느 정도의 중요도를 매길지를 학습하고, 이후 해당 분석 결과를 바탕으로 ‘어떤 유저가 앱을 설치하거나 특정 인 앱 액션을 완료할지’ 등의 결과를 예측할 것입니다. 몰로코의 머신러닝 엔진은 심층 신경망(Deep Neural Network, DNN)을 기반으로 마케터가 목표하는 결과에 대해 보다 심층적인 분석을 수행합니다.

이질적인 데이터 사이 관계를 빠르게 파악합니다.

머신러닝은 사람보다 초당 더 많은 양의 데이터를 더욱 빠른 속도로 처리할 수 있습니다. 피로로 인해 데이터 간의 중요한 관계를 누락하는 일도 없죠!

편향되지 않은 의사결정을 합니다.

머신러닝이 학습을 계속하려면 편향성을 최대한 배제해야 합니다. 가정(Assumption)이 개입되어 있지 않으며, 특정 데이터를 더 선호하는 경향이 존재하지 않는 상황에서 가장 효과적으로 작동하죠. 시간이 흐르면서 자연스럽게 어느 정도의 변화도 발생할 수밖에 없는데, 이에 대응하기 위해서는 고도로 훈련된 머신러닝 모델이 반드시 필요합니다. 인간 관찰자나 편향된 시스템은 일반적인 경우를 벗어난 관측값을 이상치 데이터(outlier)나 예외적 사례로 취급하는 반면, 데이터 편향이 존재하지 않는 시스템은 해당 관측값에 새로운 정보로서의 적절한 가중치를 부여하여 계속해서 학습합니다. 타 머신러닝과 달리, 몰로코의 머신러닝 엔진은 실시간으로 업데이트되어 새로운 데이터를 계속해서 학습하고, 변화에 빠르게 대응합니다.

비용 효율적으로 광고를 집행할 수 있습니다.

몰로코의 머신러닝은 광고 입찰가를 최적화할 수 있습니다. 이를 통해 인벤토리에 과도한 예산을 지출하거나 낮은 입찰가로 인해 가치가 높은 게재 기회를 놓치는 상황을 막을 수 있지요. 또한 몰로코는 입찰 처리 인프라 효율성 모델을 강화하여 입찰 비용을 절감함으로써 상업 환경에서도 딥 러닝을 수행할 수 있습니다.

다수의 KPI에 대한 최적화가 가능합니다.

각각의 UA 팀은 제각기 다른 벤치마크와 핵심 성과 지표를 설정합니다. 주로 볼륨을 통해 수익을 창출하는 하이퍼 캐주얼 게임에서는 인스톨 볼륨과 인스톨당 비용(CPI)에 초점을 맞출 것이며, 반면 주로 인앱 결제 및 거래를 통해 수익을 창출하는 앱에서는 광고 지출 대비 수익률(ROAS)에 더 집중할 것입니다.

​

🔗 머신러닝으로 퍼포먼스 광고 성과를 극대화하는 방법, 더 자세히 알아보기

‍