INSIGHT

2023 SMX_Berlin 원정대 이야기 (2부)

<CLOUD PLATFORMS을 활용한 오디언스 모델링>

마케팅의 성공은 고객을 정확하게 이해하고 효과적으로 타겟하는 데에 달려있습니다.

그 중에서도 전환 지표을 활용한 고객 선별과 캠페인 최적화는 비즈니스 성과를 향상시키는 핵심 도구로 부상하고 있습니다.

이번 글에서는 전환 확률 계산을 활용하여 마케팅 목적에 맞는 예측 고객 설정 및 분석 방법, 그리고 실제 활용 예시 대해 자세히 알아보겠습니다.

마케팅 오디언스를 고도화 하기 위해서 어떻게 Conversion Probability를 활용하여 고객을 효과적으로 선별하고 캠페인을 최적화할 수 있는지,

Conversion Probability란 무엇이며, 어떻게 우리의 비즈니스에 적용될 수 있는지 자세하게 알아보도록 하겠습니다.

Conversion Probability란?

Conversion Probability은 전환 가능성이 높은 잠재 고객을 결정해주는데 도움을 줍니다. 고객의 행동을 세션 수준에서 예측하는 강력한 도구이며,

이를 통해 고객이 전환 가능한지 여부를 신속하게 판단할 수 있으며, 도달 범위를 확대시켜줍니다.

그럼 Conversion Probability를 구하기 위해서는 어떻게 데이터를 분석할까요? 분석 단계에선 총 7단계로 진행됩니다.

7단계 분석 방법

1) Business Understanding: 목표 변수를 정의하고 비즈니스 목표와의 연결을 확인합니다.

-> 마케팅 목적에 맞는 변수를 설정하고, 분석 모델 방향성을 설정하는 단계입니다.

2) Data Understanding: 다양한 사용자 그룹을 정의하고, User Flow를 통해 데이터를 이해합니다.

-> 필요한 데이터는 빅쿼리를 통해 Google Analytics 데이터 추출하여 활용합니다.

3) Data Preparation: 데이터를 정제하고 모델 학습에 필요한 형식으로 가공합니다.

4) Modeling: 다양한 분류 모델을 학습하고 최적의 성능을 보이는 모델을 선택합니다.

-> 모델 학습하는 단계에서는 머신러닝 또는 오픈소스인 VertexAI을 활용하여 진행합니다.

5) Evaluation: 모델의 성능을 confusion matrix 등을 통해 평가합니다.

-> 분류 모델에 따른 성능 평가를 진행합니다.

1) Develop: 목표 변수에 대한 유효성을 검증하고 모델을 최적화합니다.

2) Activation: 예측한 확률을 활용하여 오디언스를 세분화하고 Conversion을 최적화합니다.

이러한 분석을 쉽게 활용하기 위하여, Google Cloud Platform 내 가상환경을 구현하여, 데이터 처리 및 모델링 작업을 빠르게 진행하고 있습니다.

분석된 오디언스를 비식별화 해서 타겟팅에 활용

위 모델링을 통해 구매 잠재력 있는 오디언스를 추출 하여 광고 타겟팅에 활용하였습니다.

Google Cloud Platform 내 머신러닝을 이용한 모델링된 1P RMKT 오디언스를 활용하여 캠페인과 기존 방식의 Website Engaged Users를 타겟팅한 캠페인으로 테스트를 진행하였으며,

머신러닝을 활용한 오디언스의 ROAS 효율이 우수하게 나타났습니다.

데이터 기간 : 2023-11-06 ~ 2023-11-12

[결론]

전환 확률을 통한 고객 선별과 캠페인 최적화는 현대 마케팅에서 더 이상 무시할 수 없는 중요한 요소입니다. 정확한 데이터 분석과 모델링을 통해 고객을 더 정확하게 이해하고,

이를 토대로 효과적인 마케팅 효과를 극대화할 수 있습니다.

RELATED POST