기계 학습을 통한 광고 및 애널리틱스 혁신 지원

2017년 5월 26일 금요일

안녕하세요. 캘리포니아에 아침이 밝아오는 동안 저와 우리 팀은 Google Marketing Next에 참여하기 위해 전 세계에서 모인 1천여 명 이상의 마케팅 담당자를 환영할 준비를 했습니다. Google Marketing Next는 Google의 연례 이벤트로써 광고, 애널리틱스, DoubleClick을 위한 혁신적인 최신 기술을 발표하는 자리입니다.
오늘 소개할 중요한 테마는 기계 학습입니다. 기계 학습은 마케팅 담당자가 실시간으로 수많은 신호를 분석하고 적시에 소비자를 대상으로 더 유용한 광고를 게재할 수 있게 도와주는 필수적인 기술입니다. 또한 오늘날 디지털 및 실제 세계에서 여러 기기와 채널을 넘나드는 소비자의 구매 경로를 측정하는 핵심 기술이기도 합니다.
이 기술은 오늘날 마케팅 담당자에게 점점 더 중요해지고 있는 추세이며, 앞으로도 성공을 위해 어떻게 준비해야 할지를 결정함에 있어 중요한 요소가 될 것입니다.
다음은 제가 발표할 내용 중 몇 가지만 요약한 내용입니다. 이번 발표에는 어서 빨리 전달해 드리고 싶은 다른 정보가 많이 있습니다. 제 발표내용을 꼭 확인해 주세요.
과거의 기술이 된 마지막 클릭 - Google Attribution 출시
오늘은 마케팅 담당자가 오랫동안 제기해온 '내 마케팅의 실적은 어떠한가?'라는 의문에 답변을 줄 수 있는 새로운 제품인 Google Attribution의 출시 소식을 전해 드리고자 합니다. Google Attribution은 최초로 모든 마케팅 담당자가 기기 및 채널에 미치는 마케팅의 영향을 한 곳에서 추가 비용 없이 측정할 수 있게 도와주는 제품입니다.
오늘날 고객의 구매 경로가 복잡해짐에 따라, 비즈니스와 고객의 상호작용은 디스플레이, 동영상, 검색, 소셜과 사이트 또는 앱에서 십여 가지가 넘게 발생할 수 있습니다. 게다가 이 모든 순간은 여러 기기에서 발생하므로 측정하기가 더욱 어렵습니다.
마케팅 담당자는 수년간 기여 확인을 위한 작업을 시도해 왔지만, 기존 솔루션은 기대에 미치지 못했습니다. 대부분 기여 도구는 다음과 같은 한계를 갖고 있습니다. ● 설정이 어려움 ● 사람들이 기기를 바꿔 가며 사용할 때 고객의 구매 경로를 놓침 ● 광고 도구와 통합되지 않아 조치를 취하기가 어려움
결과적으로 많은 마케팅 담당자가 마케팅 터치포인트 대부분의 영향을 확인할 수 없는 마지막 클릭 기여를 사용하는 데 그쳤습니다. Google Attribution을 이용하면 모든 마케팅 노력이 어떻게 종합적으로 효과를 발휘하는지 이해하고 마케팅 효과를 증대하는 데 필요한 정보를 얻을 수 있습니다.
이용 방법은 다음과 같습니다.

애드워즈, Google 애널리틱스, DoubleClick Search와의 통합으로 쉽게 모든 마케팅 채널의 데이터를 한데 모을 수 있습니다. 이렇게 하여 생성된 최종 결과물을 통해 전체 실적을 확인할 수 있습니다.
Google Attribution을 통해 데이터 기반 기여로 쉽게 전환할 수도 있습니다. 데이터 기반 기여는 기계 학습을 활용하여 소비자가 초기 조사를 위해 브랜드에 처음 참여하는 단계부터 구매 전 마지막 클릭을 하는 단계까지, 소비자의 전체 구매 경로에서 각 단계에 어느 정도의 기여도를 부여할지 결정합니다. 전환한 고객의 클릭 경로를 전환하지 않은 고객의 경로와 비교해 계정의 고유한 전환 패턴을 분석하므로 비즈니스의 현황을 정확하게 보여주는 결과를 얻을 수 있습니다.
마지막으로, Google Attribution은 애드워즈, DoubleClick Search 등의 광고 도구와 통합되므로 Google Attribution을 통해 광고 최적화를 위한 신속한 조치를 취할 수 있습니다. 이 결과는 보고, 입찰가 변경 또는 채널 간 예산 이동을 위해 즉시 사용할 수 있습니다.
"오늘날 다양한 기기가 사용되는 환경을 고려하면 교차 채널 측정 및 기여는 HelloFresh가 고객의 구매 경로를 한눈에 파악하는 데 필수적이며, 최선의 결정을 내리기 위한 최적의 데이터를 제공합니다." - Karl Villanueva, 유료 검색 및 디스플레이 책임자
Google Attribution은 현재 베타 버전으로 제공되며, 앞으로 몇 개월에 걸쳐 더 많은 광고주를 대상으로 선보일 예정입니다.
모바일과 지역을 연계한 혁신으로 더 많은 소비자를 매장으로 유도
모바일로 인해 디지털 세계와 실제 세계 간의 경계가 모호해졌습니다. 아직도 대부분의 구매 활동은 매장에서 발생합니다. 그러나 스마트폰을 이용해서 사전 조사를 하는 사람들이 늘고 있으며, 특히 Google.com과 Google 지도를 이용하는 빈도가 높아지고 있습니다.

마케팅 담당자는 소비자가 방문할 장소를 쉽게 정할 수 있도록 프로모션된 장소 및 오프라인 인벤토리 광고와 같은 혁신적인 광고를 사용해 특별 이벤트를 소개하고 가까운 매장의 재고 현황을 보여줍니다. 이제 위치 광고 확장을 사용한 YouTube 동영상 광고를 사용하면 소비자가 매장을 쉽게 찾을 수 있습니다.
Google이 지난 2014년에 판매점 방문 측정을 도입한 후 마케팅 담당자들은 온라인에서 시작하고 매장에서 종료되는 소비자 구매 경로를 더 자세히 분석할 수 있게 되었습니다. 전 세계의 광고주들이 3년 미만의 기간 동안 애드워즈를 통해 총 50억 회가 넘는 판매점 방문수를 측정할 수 있었습니다.
Google만의 독보적인 고급 기계 학습 및 매핑 기술을 사용하면 판매점 방문수를 대량으로 정확하게 측정할 수 있고, 이 통계를 활용하여 더 만족도 높은 지역 광고 경험을 제공할 수 있습니다. Google은 최근의 심화 학습(Deep Learning) 모델로의 업그레이드를 통해 복잡한 시나리오에서 더욱 정확하게 방대한 데이터를 분석하고 더 많은 판매점 방문수를 측정할 수 있게 되었습니다. 여기에는 고층 쇼핑몰 또는 많은 업체 위치가 밀접해 있는 일본의 도쿄, 브라질의 상파울루 등의 고밀도 도시에서 발생하는 방문이 포함됩니다.
판매점 방문 측정은 이미 검색, 쇼핑, 디스플레이 캠페인에서 사용할 수 있습니다. 곧 이 기술이 YouTube TrueView 캠페인에서 지원되어 판매점 방문수에 미치는 동영상 광고의 영향을 측정할 수 있게 됩니다.
판매점 방문 측정은 여전히 한 가지 공식의 일부에 해당할 뿐입니다. 온라인 광고가 비즈니스의 판매를 어떻게 유도하는지도 자세히 파악할 수 있어야 합니다. 내 온라인 광고가 수익 증대에 도움을 주고 있는지 확인해야 하는 것입니다. 향후 몇 개월 후에 기기 및 캠페인 수준에서 매장 판매 측정 기능이 지원될 예정입니다. 이 기능을 사용하면 검색 및 쇼핑 광고를 통해 유도한 판매점 방문수 외에도 매장 매출을 측정할 수 있게 됩니다.
멤버십 프로그램의 판매 시점에 이메일 정보를 수집하면 상점 거래를 직접 또는 타사 데이터 파트너를 통해 애드워즈로 곧바로 가져올 수 있습니다. 비즈니스에서 운영하는 대규모 멤버십 프로그램이 없더라도 미국 내 신용카드와 직불카드 거래의 약 70%를 파악할 수 있는 Google의 타사 파트너십을 활용해 매장 판매를 측정할 수 있습니다. 이 도구는 사용하는 데 시간이 걸리는 설정이나 비용이 많이 드는 통합 작업이 불필요합니다. 고객 정보를 공유할 필요도 없습니다. 이 도구를 사용하기로 선택하면 Google에서 자동으로 애드워즈를 통해 매장 판매를 보고할 수 있습니다.
두 솔루션 모두 개인정보를 안전하게 보호하는 방식으로 거래를 다시 Google 광고와 매칭하며, 고객 데이터를 보호할 수 있도록 익명으로 집계된 매장 판매 데이터만 보고합니다.
Virgin Holidays는 자사의 검색 캠페인에서 매장 판매를 고려할 경우 온라인 핵심성과지표(KPI)만을 살펴볼 때에 비해 2배의 수익이 창출된다는 사실을 확인했습니다. 검색 광고를 클릭한 후 매장에서 구매하는 고객도 온라인 전환보다 수익성이 3배 이상 더 높았습니다. 실적 마케팅 및 기술 관리자인 James Libor는 "매장 판매 측정을 사용하면 디지털 투자가 특히 모바일을 통한 매장 실적에 미치는 영향을 더 정확하게 파악할 수 있습니다. 이 도구를 통해 검색 캠페인에 더 많은 예산을 투자하여 소비자 구매 경로 중에서 이 핵심 부분을 더 효과적으로 지원할 수 있었습니다."라고 말합니다.
검색 광고를 위한 더 유용한 잠재고객 정보를 제공하는 기계 학습
사람들은 종종 구매 의도를 갖고 검색합니다. 바로 이 때문에 Google은 검색 캠페인에 구매 의도 잠재고객을 도입하여 광고주가 제공하는 제품 및 서비스를 구매할 준비가 된 사용자에게 도달할 수 있도록 돕는 것입니다. 예를 들어 자동차 대리점 소유주는 '연비가 가장 높은 SUV'와 '실내가 넓은 SUV'를 이미 검색한 사용자에게까지 도달범위를 넓힐 수 있습니다. 구매 의도 잠재고객은 구매 의도를 더 상세하게 파악하기 위해 강력한 기계 학습 기술을 사용합니다. 기계 학습은 수백만 개의 웹 사이트에서 수많은 검색어와 활동을 분석해 사람들이 구매 단계에 근접할 때를 파악해서 관련성 높고 관심을 보일 만한 광고를 게재할 수 있게 해줍니다.
지금은 마케팅 담당자에게 중요한 순간입니다. 모바일, 데이터, 기계 학습의 융합은 마케팅 담당자에게 새로운 기회를 열어 줄 것이며, 여러분과 함께 이 여정을 성공적으로 진행해 나갈 수 있기를 기대합니다.
Google Marketing Next의 전체 기조연설과 발표 예정인 기타 모든 광고, 플랫폼, 애널리틱스 혁신 기술을 확인해 주시기 바랍니다.
게시자: Sridhar Ramaswamy, 광고 및 상거래 부문 수석 부사장

Inside AdWords - 한국

기계 학습을 통한 광고 및 애널리틱스 혁신 지원

댓글 없음 :

댓글 쓰기

이 블로그 검색