“We're at the beginning of a golden age of AI and are solving problems that were once in the realm of science fiction.” Jeff Bezos  현재 전 세계 조직의 83%가 AI를 최우선 과제로 꼽고 있으며, AI 시장은 2030년까지   급증할 것으로 예상됩니다. 경쟁이 심화되는 가운데 기업이 더 이상 AI 기술을 무시하지 않는다는 것은 당연한 일입니다. 20배나  따라서 디지털 마케팅의 특정 발전에도 불구하고 광고 투자가 평균 이하의 수익을 내고 캠페인이 벤치마크 및 KPI를 충족하지 못하며 ROI를 측정하기 어려운 등 광고 캠페인이 계속해서 최적의 효율성에 미치지 못하는 것은 많은 사람들에게 상당히 실망스럽습니다.  AI의 힘으로 기존 광고를 혁신하다  수년에 걸쳐 기업은 상당한 양의 원시 데이터를 축적해 왔습니다. 이는 종종 제대로 활용되지 않고 과소평가되는 마케팅 통찰력의 진정한 금광입니다. 광고 캠페인에 투자한 후 기업은 고객과 고객의 요구 사항을 더 잘 이해하게 되었습니다. 그러나 그들 중 다수는 해당 데이터를 효과적으로 수익화하는 방법을 아직 배우지 못했습니다.  이익을 늘리기 위해 기업은 마진이 높은 지표에 더 많은 관심을 기울이기 시작했습니다. 이로 인해 중복 직원을 해고하고 업무 프로세스를 자동화했습니다. Tesla와 같은 다국적 기업과 거대 기업은 생산 오류를 최소화하고 인플레이션으로 인해 증가하는 인건비를 줄이기 위해 로봇 공학 및 자동화에 상당한 자원을 투자하고 있습니다.  전통적인 미디어 광고는 정보 포화와 배너 맹목성으로 인해 효율성이 떨어졌습니다. 따라서 기업들은 전환율과 캠페인 효율성을 높이기 위해 개인화 및 타겟 광고에 적극적으로 노력하고 있습니다. 결과적으로 기업은 사용자 확보에 더 많은 투자를 하고 있지만 수익은 확보되어야 합니다.  위험도가 높고 사용자 세그먼트가 좁은 회사의 경우 분석 및 과거 사용자 활동 데이터를 사용하면 어떤 사용자가 더 많은 수익을 창출하는지, 그리고 이를 보다 효율적으로 확보하는 방법을 식별하는 데 도움이 될 수 있습니다. 이를 통해 광고 캠페인을 세부적으로 조정하고 성과 마케팅 지표를 개선할 수 있습니다.  Google 및 Meta와 같은 경매 플랫폼의 비용이 상승하는 상황에서 기업은 클릭 비용 증가와 경쟁에 직면해 있습니다. 따라서 사용자 확보 투자를 얼마나 빨리 회수할 수 있는지 이해하는 것이 중요합니다. Lemon AI와 같은 분석 솔루션은 기업이 투자 회수 기간을 결정하고 광고 예산 규모 조정 또는 조정에 대해 정보에 입각한 결정을 내리는 데 도움이 될 수 있습니다.  이것이 실제로 어떻게 작동하는지  시장에서 일어나고 있는 두 가지 시나리오를 살펴보겠습니다.  귀하는   으로부터   하고 있으며, 일부 사용자는 귀하에게 더 많은 수익을 가져오고 다른 사용자보다 귀하와 더 오래 머물게 됩니다. 매우 광범위한 대상 고객 대량 구매를  그럼에도 불구하고 평생 가치와 유지율이 크게 다를 수 있더라도 광범위한 청중의 모든 사용자에 대해 거의 동일한 평균 가격을 지불합니다. 물론 이는 캠페인의 효율성을 떨어뜨립니다. 따라서 각 사용자의 잠재적 수익성을 고려하여 지출을 최적화하는 것이 합리적입니다. 그렇기 때문에 각 세그먼트가 미래에 얼마나 많은 영향을 미칠지에 따라 청중을 분류하는 것이 중요합니다.  이 정보를 기반으로 예측 가치에 따라 다양한 세그먼트에 대해 서로 다른 금액을 지불할 수 있습니다. 예를 들어, 다음과 같습니다.  $15~$20를 가져오는 세그먼트 A 사용자의 경우 $5,  $25~$30를 가져오는 세그먼트 B 사용자의 경우 $7.5,  잠재적 평생 가치가 $30 이상인 세그먼트 C 사용자의 경우 $10입니다.    현재 유료 잠재고객과 유사하지만 아직 구매하지 않은 사용자를 찾아야 한다고 가정해 보겠습니다. 타겟 사용자가 거의 없고  이 경우 청중을 확장하고 싶을 것입니다. 여기서 문제는 발생하는 이벤트가 거의 없기 때문에 필요한 사용자를 즉시 식별하기가 어렵다는 것입니다. 여기서 우리가 할 수 있는 것은 가능한 한 유사한 청중을 위해 구축된 예측을 활용하는 것입니다. 결과적으로 귀하의 사용자 확보 소스는 관심을 끌 대상 사용자에 대해 훨씬 더 많은 지식을 얻고 이 지식을 기반으로 쉽게 최적화할 수 있습니다.  예를 들어 과거에 구매한 사용자가 1%에 불과했다면 전환율을 5%로 높이는 것은 이미 수익에 큰 영향을 미치는 상당한 개선입니다.  이러한 문제를 해결하는 효과는 항상 수학과 데이터 처리 방법에 따라 달라진다는 점을 기억하는 것이 중요합니다. 수많은 데이터 수집 방법이 있지만 모든 회사가 이를 올바르게 분석하고 수익을 창출하는 방법을 배운 것은 아닙니다.  특정 산업에 가장 적합한 방법과 접근 방식을 이해하면 기업에 이점을 제공하고 더 나은 결과를 달성하는 데 도움이 될 수 있습니다.  귀하의 광고 캠페인을 빛나게 만드세요  여기서 첫 번째 단계는 캠페인 목표를 정의하는 것입니다. 예를 들어, 새로운 게임이든 피트니스 앱이든 새로운 제품을 소개하려는 경우 초기 목표는 브랜드 인지도를 구축하여 사람들이 입소문을 퍼뜨리는 것입니다. 이를 위해   (DV360) 또는 Google의   와 같은 다양한 미디어 채널을 사용하여 가장 효율적인 잠재고객 확보를 위해 비용을 최적화할 수 있습니다. Display & Video 360 디스플레이 네트워크(GDN)  다음으로   과   로 귀결되는데, 여기에는 두 가지 필수 질문이 있습니다. User Acquisition(UA) Performance   첫째, 다양한 채널을 활용하여 최적의 마케팅 믹스를 어떻게 찾는가?  예를 들어 Google, TikTok 등 다양한 채널에 광고 예산을 효율적으로 할당하는 것은 심각한 과제일 수 있습니다. 목표를 달성하려면 이러한 채널의 최상의 조합을 만드는 방법을 결정하는 것이 중요합니다. 마케팅 믹스(다양한 채널에 투자된 광고 예산의 비율)에는 Google 50%, Meta 30%, TikTok 10% 등이 포함될 수 있습니다.  각 채널에는 고유한 최적화 메커니즘이 있으므로 어느 채널이 귀하의 회사에 가장 적합한지 식별하는 것이 중요합니다. 일부 최적화 엔진은 잠재고객과 고유한 통합을 기반으로 특정 채널에서 더 잘 작동합니다. 예를 들어, 게임 회사는 표준 광고 네트워크에서 사용할 수 없는 게임 및 형식과의 통합을 중요하게 생각합니다.  각 채널 내에서 A/B 테스트를 수행하여 배너, 동영상, 타겟팅 설정 등 가장 효과적인 크리에이티브 솔루션을 찾습니다. 적합한 자산은 목표를 가장 효율적으로 달성하는 데 도움이 됩니다.    여기에는 청중의 행동을 기반으로 청중을 어디로 안내할지 결정하는 것이 포함됩니다. 예를 들어 일부 사용자가 출퇴근 중에 모바일 앱에서 결제 프로세스를 시작한 다음 웹사이트에서 결제를 완료한다는 사실을 파악한 경우 광고를 조정하여 해당 사용자에 맞게 프로세스를 최적화할 수 있습니다. 두 번째 질문은 교차채널 전략에 관한 것입니다.  여기에는 하루 중 다양한 시간에 개인화된 광고가 포함되며, AI 기반 도구를 활용하여 다양한 배너 및 광고 설정의 효과를 예측하는 것도 포함됩니다.  결국 귀하의 임무는 최적의 채널 조합을 찾고, 각 채널을 최적화하며, 청중의 행동에 대한 이해를 바탕으로 교차 채널 전략을 수립하는 것입니다.  예측 UA 및 기존 입찰 방식  일반적으로 충분한 양의 기록 데이터(보통 5,000명이 넘는 고유 사용자)를 수집합니다. 그런 다음 예측 모델이 텍스트 대신 숫자로 작동하므로 원시 데이터가 숫자 형식으로 변환됩니다. 프로세스는 다음과 같습니다.    : 모델 학습에 사용하려는 데이터는 숫자 형식으로 변환되어야 합니다. 데이터 준비    : 과거 사용자 활동 데이터를 사용하여 모델을 훈련합니다. 이 모델은 신규 사용자의 활동 패턴을 기반으로 얼마나 많은 돈을 가져올 수 있는지 예측하도록 훈련되었습니다. 모델 훈련    : 모델은 예측 능력을 기반으로 평가됩니다. 모델 평가    : 학습 후 모델을 실시간으로 배포할 수 있어 현재 앱과 상호작용하는 사용자의 가치를 예측할 수 있습니다. 모델 배포    : 새로운 사용자 활동 데이터가 실시간으로 수집됩니다. 실시간 데이터 수집    .   만 선택하면 됩니다. 이는 기존의 성과 마케팅 KPI(예: ROAS, LTV, 유지율, ARPU 및 CAC)일 수도 있고 비즈니스에 중요한 사용자 정의 지표일 수도 있습니다. 게임에서 20개의 레벨을 완료한 후 보석 100개를 소비한 사용자를 식별하거나 전자 상거래 플랫폼에서 지난 30일 이내에 최소 3번의 $500 상당 주문을 한 사용자를 식별하는 등 당사의 솔루션은 다음을 기반으로 가장 중요한 측정항목을 식별하는 데 도움이 됩니다. 원시 데이터를 분석하고 맞춤 이벤트를 만들어 앱이나 웹사이트 성능을 향상하세요.  90% 이상의 예측 정확도를 자랑하는 특허 받은 딥 러닝 기술을 통해 이러한 단계를 완전히 자동화합니다 레몬 AI는 예측하려는 항목  나머지 모든 작업(모델 교육, 기능 엔지니어링, 데이터 구문 분석, 실행 가능한 통찰력으로의 변환)은 자동으로 이루어지며 기술에 깊이 들어갈 필요가 없습니다. Pull & Push API를 통한 코드 없는 데이터 전송은 단 30분만 소요되며, 딥 러닝 모델은 48시간 이내에 학습됩니다. Fast Track 기능을 사용하면 SKAN 제한이 있더라도 신규 사용자의 앱 실행 후 15초 이내에 첫 번째 예측 생성을 시작할 수 있습니다. 선도적인 모바일 관리 파트너 및 분석 서비스와의 원활한 통합으로 프로세스가 더욱 간소화됩니다.  광고 관리자에서는 최적화된 캠페인의 성과를 실시간으로 모니터링하고 실제 결과와 모델 예측을 기반으로 조정할 수 있습니다. Lemon AI의 직관적인 인터페이스는 전담 관리자나 코딩 기술이 필요하지 않으므로 버튼 몇 개만 누르면 캠페인 최적화가 간단해지며 기술적인 복잡성이 줄어듭니다.  당사의 엔드투엔드 분석 솔루션은 모바일 측정 플랫폼(MMP), CRM, 백엔드 스토리지 등 다양한 데이터 스토리지에서 데이터 일치를 자동화하는 데 도움이 됩니다. 이를 통해 기업은 전체 범위의 원시 데이터에서 실행 가능한 통찰력을 원활하게 얻을 수 있습니다. 붙잡다.  위에서 언급한 모든 단계를 자동화하면 광고 구매가 더욱 효율적으로 이루어집니다. 자동화된 캠페인과 상세한 분석을 기반으로 광고 활동을 지휘함으로써 기존 광고 방법에 비해 KPI를 30~40% 향상시킬 수 있습니다.  실제로 작동합니다!  Lemon AI를 사용하면 기업은 비용을 유지하면서 KPI를 향상시키거나 그 반대로 KPI를 손상시키지 않으면서 비용을 줄이는 등 목표에 맞춰 고급 딥 러닝 기술을 활용할 수 있습니다. 단 6개월 만에 우리는 전자상거래, 은행, 게임, 배달, 숙박, 여행 등 업계의 60개 이상의 고객을 위해 총 820만 달러의 광고 지출을 최적화했습니다.  다음은 두 가지 간단한 예입니다.  사례 1: 전자상거래에서 LTV 49% 증가    : 2,500만 건의 설치와 650,000명 이상의 월간 평균 사용자를 보유한 MENA 지역 최고의 전자 상거래 플랫폼은 광범위한 제품 범위에도 불구하고 낮은 LTV, AOV 및 유지율로 어려움을 겪었습니다. 모바일 앱은 예측 사용자 확보 및 분석 도구를 활용하는 데 거의 효과가 없었습니다. 과제    는 포괄적인 디지털 마케팅 전략을 구현하고 Google Ads 및 메타 광고 채널을 최적화하여 고부가가치 사용자를 유치하고 반복 구매를 장려하며 예측 가능한 개인 동적 제안을 개발함으로써 비즈니스 측정항목의 지속 가능한 성장을 촉진하는 것이었습니다. 목표   우리가 거기에 도달한 방법은 3단계입니다:  우리는 데이터를 분석하여 구매 습관과 이탈 가능성을 예측하고 사용자 확보 및 유지 전략을 최적화했습니다.  우리는 60일 이내에 LTV 상위 35%를 달성한 사용자와 설치 후 30일 이내에 3회 이상 구매한 사용자를 타겟팅했습니다. 3개월 후 CAC를 17.9% 줄이고 배너, 텍스트, USP를 최적화했습니다.  쇼핑 경험을 향상시키기 위해 구매 내역을 기반으로 개인화된 제품 추천을 구현하여 5개월 동안 AOV를 59% 높였습니다.    : 결과  Android의 경우: 60일차 유지율 +35%, +42% AOV, +49% LTV  iOS: 60일차 유지율 +17%, +33% AOV, +32% LTV  사례 2: 캐주얼 게임의 ROAS가 42% 급증했습니다.    : 설치 횟수가 500만 건이 넘고 월 평균 사용자 수가 70만 명 이상인 캐주얼 게임인 클라이언트는 사용자 경험과 참여도의 균형을 맞추는 동시에 MENA, 유럽, APAC 지역에서 수익을 극대화하기 위해 광고 전략을 최적화하려고 했습니다. 과제    는 AppsFlyer의 데이터를 사용하여 인앱 구매로 ROAS와 유지율을 높이는 것이었습니다. 목표   우리가 거기에 도달한 방법:  단 8일 만에 Lemon AI 모델은 코드가 필요 없이 완전히 훈련되고 통합되었습니다.  우리는 수익 기준으로 상위 10%, 20%, 30% 플레이어에 대해 ML 기반 예측을 수행했습니다.  '레벨 10'에 도달하고 총 200개의 '다이아몬드'를 소비한 플레이어를 위해 우리는 대리 지표 역할을 하고 효율성을 높이는 맞춤형 이벤트를 만들었습니다.   결과:  +17% 전체 효율성 참조. 클라이언트 내부 벤치마크  Android: ROAS +42%, 광고 수익 +28%  iOS: ROAS +27%, 광고 수익 +16%

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

This writer has a vested interest be it monetary, business, or otherwise, with 1 or more of the products or companies mentioned within.

이 오디오는 이야기의 원래 언어로 제작되었습니다!

딥 러닝 예측으로 디지털 마케팅을 강화하는 방법

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

볼츠만 뇌 이론에 대한 간략한 소개

텔레그램: 크립토 아일랜드에서 본토로 연결되는 다리

Floki의 Valhalla가 인도 스리랑카 투어의 보조 후원자로 합류

Crypto Growth: 효과적인 사용자 페르소나 만들기

볼츠만 뇌 이론에 대한 간략한 소개

텔레그램: 크립토 아일랜드에서 본토로 연결되는 다리

Floki의 Valhalla가 인도 스리랑카 투어의 보조 후원자로 합류

Crypto Growth: 효과적인 사용자 페르소나 만들기

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps