[퍼포먼스 마케팅을 위한 최적화 알고리즘 이해하기 pt.2] -케이스로 알아보는 퍼포먼스 마케팅 최적화 시나리오 pt.2에서는 RTB와 머신러닝에 대한 기본적인 이해를 기반으로 퍼포먼스 마케팅을 진행하며 맞닥뜨리게 되는 여러 상황에 대해 알아보려 합니다. 1️⃣CTR을 높이면 전환이 일어날 수 있을까? 👉가능성이 낮지만 운이 좋게도 타겟 유저의 특성이 클릭 가능성이 높은 사람이 구매 가능성도 높은 사람이라면 CTR을 개선하면 전환 성과가 개선 될 수 있습니다. 단, 어느 누가 보더라도 매력적인 상세페이지, 제품구성, 서비스 구성 점검이 선행되어야 합니다. 광고 채널에서 LMF가 검증되지 않은 상황에서 유입을 극대화 시켜야 한다면, 유입 이후의 CDJ에서 LMF를 지속적으로 검증해야 합니다. 2️⃣CPC를 낮추면 유입자수가 많아지기 때문에 더 많은 전환이 일어날 수 있을까? 👉CPC가 낮아지기 위해서는 동일 CPM대비 CTR이 높아지거나 동일 CTR대비 CPM이 낮아져야 합니다. RTB 기반으로 생각한다면 구매 단가가 낮은 지면에 대량 노출이 된면 CPC가 낮아 질 것입니다. 머신러닝 기반으로 생각을 한다면 <클릭의 최정상>으로 올리면 CPC가 낮아질 것 입니다. 하지만 이 방법도 매력적인 상세페이지, 제품구성, 서비스 구성 뒷받침 되어야 합니다. 3️⃣CPC 기반의 검색광고에서 상위노출을 하면 더 많은 전환을 일으킬 수 있을까? 👉검색광고는 무조건적 상위노출 보다는 노출 적정 순위를 찾는 것이 핵심입니다. 검색광고는 광고 지면을 찾아가는 RTB가 아닌 가격 제시 기반의 RTB시스템을 사용하며, 머닝러닝의 예측모델 보다는 타겟 유저가 스스로 찾아오는 Pull 매체의 특성이 강하기 때문입니다. 4️⃣CVR이 높아도 CTR이 낮으면 광고가 잘 안도는 것일까? 👉 RTB관점에서는 광고가 잘 안도는 것일 수 있지만 머신러닝의 시각으로 보면 <전환 최정상>에 올라가 있다고 볼 수 있습니다. 이러한 경우는 제품, 서비스가 굉장히 니치하거나 LMF를 니치한 방향으로 검증하였을 가능성이 있습니다. 5️⃣전환성과가 나쁘지만 매체의 머신러닝이 완료되면 건드리지 말아야 하는가? 👉이 경우에는 소재 변경, 세팅 변경 등을 통해 학습 환경에 변화를 주어 지속적으로 학습이 완료 되도록 압력을 가해야 합니다. 6️⃣전환 최적화의 기준을 구매전환에서 더 앞단 전환으로 바꾸면 더 많은 전환을 일으킬 수 있을까? 👉머신러닝의 입장에서 보면 구매 전환 앞단의 전환을 발생시킨 모수는 모두 다른 것으로 인식을 합니다. 이와 같은 상황에서는 전환 기준을 앞단으로 변경하기 전에 유입 이후의 LMF가 매력적인지 먼저 점검해야 합니다. 7️⃣전환 성과가 좋은 소재가 너무 오래 라이브 되고 있을 때, 다른 소재를 투입하는 것은 괜찮을까? 👉기존 소재가 오랫동안 좋은 성과를 유지하고 있다는 것은 머신러닝의 예측 모델 성능을 극대화하고 있는 상황입니다. 이러한 경우에는 기존 소재를 이길 수 있는 새로운 소재를 같이 라이브하여 지속적으로 경쟁을 시켜야 합니다. 그리고 기존 소재를 이기는 새로운 소재를 찾아야 합니다. 8️⃣아무리 소재를 많이 만들어도 전환 성과가 좋아지지 않는다. 유입부터 시키면 어떨까? 👉유입을 먼저 시킨다는 것은 광고를 클릭해서 유입할 가능성이 많은 유저에게 광고를 노출시킨다는 의미와 전환 최적화 기준을 앞으로 당긴다는 의미입니다. 이는 2번과 6번 케이스와 유사하다. 9️⃣전환이 많이 일어나지는 않지만 조금씩 반응이 있는 것 같다. 어떻게 해야 할까? 👉이는 5번 상황과 비슷합니다. 이를 해결하기 위해서는 광고 세팅과 소재를 조정해 주는 것이 좋습니다. ※해당 글은 브런치 작가 낯선님의 글을 요약 및 재편집한 글입니다.