January 27, 2023

마케터나 대행사가 캠페인 계획을 수립할 때는 가장 먼저 “누구를 타겟으로 설정할 것인지”를 고민할 것입니다. 이를 위해 마케터는 과거의 캠페인 성과들을 살펴보면서 앱 설치 및 사용 빈도가 가장 높았던 유저층을 파악해야 합니다. 다시 말해 전환 가능성이 가장 높은 고가치 유저층을 찾아내야 한다는 것이죠.

미디어 바이어는 주로 캠페인 초기 단계에서 성별, 연령, 거주지 등 개인의 특성이 반영된 서드 파티 데이터를 활용하곤 합니다. 강남 지역에 거주하는 자녀를 둔 어머니들을 대상으로 하는 광고들을 예로 들 수 있습니다. 또한 특정 유저 페르소나의 관심사를 고려해 이들이 주로 사용하는 앱과 채널 종류에 대하여 살펴보기도 하는데요, 어머니들의 경우 육아 및 교육 앱이 될 수 있겠죠.

페르소나는 성별 + 연령 + 태도 + 생애 주기 등 대부분 다소 포괄적인 정보로 구성되기 때문에 미디어 바이어는 다양한 페르소나/코호트/유사 타겟을 공략하기 위한 여러 데이터 세트를 확보하고 복잡한 채널 전략을 수립하게 됩니다.

이러한 방식에는 다양한 문제가 존재하는데요. 우선 서드 파티 데이터 자체에 상당히 많은 문제가 있습니다. 서드 파티 데이터를 기반으로 타겟 오디언스가 어떻게 생성되었을지, 특정 유저를 “가격에 예민하다”거나 “마켓에서 특정한 제품을 찾고 있다”라고 분류하기 위해 어떤 데이터 포인트들이 활용되는지, 그리고 해당 타겟 세그먼트는 얼마나 자주 업데이트 되는지 등에 관한 질문을 던져볼 필요가 있습니다.

무엇보다도 이 방식에는 편향성이 개입될 수밖에 없습니다. 특정 마켓플레이스 앱의 주요 유저층이 여성이라면 그 이유는 무엇일까요? 앱 마케터가 항상 여성만을 타겟팅해왔기 때문일 수도 있고, 만약 UA 캠페인에서 남성도 타겟팅한다면 남성 또한 해당 앱을 설치하고 빈번하게 구매를 할 수 있는 것이죠.

이렇듯 타겟 오디언스에 대한 선입견이 존재한다면 마케터의 타겟팅 풀은 좁아질 수밖에 없으며, 결국에는 브랜드가 고객층을 확장하는 데 어려움을 줍니다. 주방용품 대량 판매에 특화된 마켓플레이스 앱의 경우, 오래된 과거 시장 조사와 설문을 참고한다면 여성을 타겟팅해야 한다는 결론을 얻을 것입니다.

그러나 혼자 사는 남성이나 1인 가구도 기업의 큰 고객층이 될 수 있습니다. 이제 대량의 물품도 앱을 통해 빠르고 쉽게 구매할 수 있기 때문에, 성별과 무관하게 한번에 대량의 페이퍼 타올을 구매하는 것을 선호할 수도 있는 것이죠. 이처럼 타겟 오디언스에 대한 선입견을 가지고 특정 유저층만 공략한다면, 나머지 고객층 25% 이상의 타겟을 사로잡을 수 있는 기회를 놓칠 수도 있습니다.

오디언스 타겟팅, 이젠 머신러닝에게 맡겨보세요.

머신러닝은 기존의 페르소나 기반 타겟팅 방식과는 완전히 다른 패러다임을 제시합니다. 머신러닝은 “이상적”으로 보이는 잠재 고객을 나타내는 프록시를 활용하는 대신, 브랜드의 퍼스트 파티 데이터를 활용합니다. 퍼스트 파티 데이터를 기반으로 과거의 캠페인 데이터를 분석해 인풋(유저와 채널 특성)과 아웃풋(유저의 광고 클릭, 앱 설치, 앱 사용 여부)의 관계를 찾아냅니다.

머신러닝은 브랜드의 캠페인 로그 데이터 전체를 살펴보며 그 관계를 파악하고, 해당 캠페인이 특정 성과를 거두었던 원인을 분석합니다. 이러한 방식에는 ‘육아에 관심이 있는 40대 여성'과 같은 기존 페르소나에 내재하는 편향성이 존재하지 않는 것이죠.

물론 광고 노출에서 앱 설치로 이어지는 경우가 많지는 않습니다. 캠페인 하나를 위해 얼마나 많은 광고가 구매되는지를 생각해보면 특히나 더욱 그렇죠. 전환의 특성에 초점을 맞추면 데이터 세트가 희박해질 수밖에 없습니다.

하지만 이는 광고비 대비 매출액(ROAS)을 크게 향상할 수 있는 방식입니다. 캠페인 집행 시 인풋과 아웃풋의 관계를 활용한다면 훨씬 폭넓은 광고 지면를 활용할 수 있습니다. 사실상 웹 전체를 대상으로 고가치 유저들을 확보할 수 있는데요, 페르소나 관심사가 반영된 앱이나 채널을 활용하지 않거나 심지어 페르소나와 하나도 일치하는 바가 없는 유저들까지 찾아낼 수 있기 때문이지요.

이처럼 페르소나를 기반으로 수동 설정된 타겟이 아닌, 머신러닝을 활용해 양질의 유저를 찾아내는 방식은 기존의 마케팅과는 다르기 때문에 많은 마케터들에게 다소 낯선 접근일 수도 있습니다.

하지만 과거의 타겟팅 방식은 디지털 환경에서 효율적이지 않으며, 이제는 개인정보 보호 정책이 강화되어 서드 파티 데이터 사용까지 크게 제한되었습니다. 따라서 잠재 고객을 타겟팅하고 확보하기 위한 새로운 방식의 마케팅을 고민해야 하는 시점입니다.

‍

머신러닝 기반의 모바일 광고 플랫폼을 통해 가치 높은 유저를 찾아보세요.