Quick TV는 프리미엄(Freemium) 구독 모델에서 흔히 발생하는 중요한 문제에 직면했습니다. 바로 무료 체험 가입자에서 유료 구독자로 전환되는 비율이 낮다는 점이었습니다. 플랫폼은 무료 체험을 시작하는 사용자를 성공적으로 유치했지만, 대다수가 유료 구독자로 전환되기 전에 구독을 취소했습니다. 핵심 문제는 무료 체험 가입 수만 늘리는 것으로는 충분하지 않다는 것이었습니다. Quick TV는 무료 체험을 시작할 뿐만 아니라 이를 끝까지 완료하고 유료 구독자로 전환할 사용자를 식별하여 확보해야 했습니다. 비즈니스 성장을 위해서는 단순히 체험 가입자 수보다 구독 수익에 집중하는 것이 필수적이었습니다.

Quick TV는 Moloco와 협력하여 단순한 체험 의도가 아닌, 실제 구독 의사가 있는 사용자를 식별할 수 있는 맞춤형 최적화 전략을 수립했습니다. 모든 체험 가입자를 동일하게 취급하는 대신, Quick TV가 실제로 유도하고자 하는 사용자 행동을 더 정확하게 반영하는 새로운 최적화 이벤트를 구축하는 데 전략의 초점을 맞췄습니다.

더 스마트한 최적화 신호 구축

Moloco 팀은 Quick TV와 협력하여 무료 체험 기간 자체를 신호로 활용하는 복합 최적화 이벤트를 만들었습니다. 체험 기간 중 사용자 행동을 분석하여 AI 모델이 조기 구독 취소와 관련된 패턴을 학습하게 했고, 이를 통해 타겟팅 과정에서 구매 의사가 낮은 사용자를 걸러냈습니다. 체험 시작은 긍정적인 입력 신호로, 구독 취소 가능성이 높은 행동을 보이는 사용자는 부정적인 신호로 활용했습니다. 그 결과, 조기 취소 기간을 지나 구독을 유지할 사용자를 찾아내는 모델이 완성되었습니다.

광고주별 AI를 활용한 정밀도 향상

이 접근 방식의 핵심은 Moloco의 광고주별 AI 모델이었습니다. 이 모델은 Quick TV의 자체 사용자 데이터와 플랫폼 전반의 통합 신호를 결합하여 학습했습니다. 이를 통해 인도 스트리밍 시장의 특수성과 Quick TV의 콘텐츠 카테고리라는 미묘한 차이까지 고려하여, 구매 의사가 높은 Quick TV 구독자의 행동 프로필을 정밀하게 구축할 수 있었습니다. AI 모델은 전환 데이터가 쌓일수록 가치 있는 사용자가 어떤 모습인지에 대한 이해도를 지속적으로 개선했습니다.