*데이터바우처 AI 고도화 사업 진행 후기
타겟팅 고를 때 이런 생각하지 않으셨나요?
“😵💫나도 우리 타겟을 잘 모르는데 어떻게 고르라는 거야”
그래서인지 요즘엔 타겟팅 없이 광고를 돌려 모수를 확보한 후 그 결과를 바탕으로 맞춤&유사 타겟팅을 많이 활용하기도 하는데요. ‘그래서 우리 타겟은 누군데…?’ 깜깜이로 집행하는 느낌도 들고, 특히 집행 전에는 우리 타겟이 누군지 몰라 소재 기획도 어려워요.
🧙 옥외광고 회사가 이런 문제점을 AI자동화로 해결했다면 믿으시겠어요?!
저희 아이디어는 엘리베이터TV 타겟팅, 클러스터 상품에서 시작했어요. 아파트 단지/동의 타겟 특성 통계 데이터를 내/외부를 통해 수집, 타겟 특성에 맞는 소재 편성이 가능한데요.
🧼동구밭 친환경 샴푸바의 아파트 타겟팅 예시
- 건강에 관심 많은 단지 “플라스틱프리의 건강함”
- 자녀가 많은 단지 “아이와 함께 쓰는 샴푸바”
- 욕실 2개인 단지 “욕실이 2개니까 더 환경을 지켜요(?)”
예리했던 저희 CD님이 말했습니다.
”친환경 샴푸바랑 욕실2개랑 무슨 상관이에요…?“
실은 타겟을 고려한 콘텐츠/매체 기획이란 늘 이래왔어요. 타겟 데이터를 참고하기는 하지만, TOM이라는 가상의 페르소나의 하루를 써보고는 이런 추상적인 이미지에 맞추어 마케팅 활동을 기획하죠.
”이런 깜깜이 집행을 AI🤖가 해결해줄 수는 없을까?“
저는 친환경 샴푸바의 타겟에 대해 더 과학적으로 접근할 아이디어, 그리고 더 넓혀 모든 브랜드에 적용할 아이디어를 고민했는데요. 생각보다 솔루션은 심플해보였어요.
🔺브랜드마다 특히 ‘튀는’ 타겟 특성이 있을거야
📋이런 ‘튀는‘ 타겟 특성 데이터는 서베이사에서 매년 설문하고 있지 → 1만명 표본, 타겟 별 4000여 개 제품 사용 여부
📱앱 사용 통계 데이터에도 타겟 특성 데이터가 있잖아 → 포커스미디어 2200명 패널 기반 포커스애널리틱스, 성연령/가족구성/직업/권역 등
💯이 두 데이터를 결합해서 ‘튀는 특성 순’으로 타겟 그룹을 자동 생성하면 되지 않을까?
아이디어는 있지만 어떻게 실현할 지 고민하던 중, 데이터바우처 사업 공고를 발견, 사업계획서가 통과되어 하트카운트와 함께 개발을 완료했습니다. (정부 예산 6천만원 지원✌🏻)
역시 데이터사이언티스트를 만나니 많은 부분이 탄탄해졌고 정말 많은 질문을 던져주셨어요.
❓ 서베이, 앱 중에 한 쪽에만 데이터가 있는 경우 어떻게 데이터를 결합할까?
❓ ‘튄다’라는 것을 정의할 때 타겟 별 구성비율을 봐야할까, 비율 자체를 봐야할까
❓ ‘튄다’는 기준은 업종 내인가, 전체 브랜드 기준인가
❓ 우성/열성 모두 특성으로 가져갈 것인가
이런 질문들은 마케팅/광고에 대한 도메인 지식으로 답변할 수 있었습니다.
초기 아이디어도 더 고도화, 구체화되었어요.
♾️서베이/앱 데이터의 데모/가구/직업/소득 데이터를 아파트DB의 라이프스타일과 결합 회귀추정하여 라이프스타일까지 타겟 정의를 확대
➕하나의 특성을 활용할 수도 있지만 2-3개 조합하여 최적의 조합 찾기
↩️타겟 특성 → 아파트 세그멘테이션 알고리즘을 반대 방향으로도 적용, 타겟 그룹을 입력하면 가장 타겟 특성이 잘맞는 브랜드 순위 추출 → 브랜드 영업 활동에 활용
⚖️ 타겟 특성의 변별력만 참고하면 세그멘테이션이 너무 작을 수 있으니 변별력+클러스터 크기를 함께 고려한 스코어링 알고리즘
데이터분석가와 데이터사이언티스트가 함께 어떤 방식으로 일하는지 티키타카를 경험할 수 있는 너무 좋은 경험이었어요. 척하면 착하고 모든 요건을 이해/실현해주셨거든요. 😭 앞으로는 데이터PO라는 직군이 생기고, 중요해지지 않을까라는 생각이 들기도 했습니다.
아직은 프로토타입 수준이지만, 특허 출원 및 대외용 서비스화를 계획하고 있어요.
아파트 엘리베이터TV 타겟 세그멘테이션 뿐 아니라, 마케팅 전략을 위한 타겟 특성 추정 자동화, 타 매체 타겟팅 셋팅과의 호환 등 쓰임새가 많을 것으로 기대하고 있습니다.
현재 비공식적으로 따로 요청주시는 분들께, 해당 알고리즘을 활용한 타겟분석 리포트도 전달드리고 있는데요. 소비재 & 앱 마케터 분들 중에 경험해보시고 싶으시다면 말씀주세요! 💬
다음 내용이 궁금하다면?
이미 회원이신가요?
2024년 5월 17일 오전 3:29