[퍼포먼스 마케팅을 위한 최적화 알고리즘 이해하기 pt.1] 퍼포먼스 마케팅을 하면서 정확하게 파악하기 어려운 단어가 머신러닝입니다. 왜냐하면 머신러닝은 코딩과 수학의 영역이며 마케터는 머신러닝

[퍼포먼스 마케팅을 위한 최적화 알고리즘 이해하기 pt.1] 퍼포먼스 마케팅을 하면서 정확하게 파악하기 어려운 단어가 머신러닝입니다. 왜냐하면 머신러닝은 코딩과 수학의 영역이며 마케터는 머신러닝 코딩 경험이 없다보니 정확하게 알기 어렵기 때문입니다. 하지만, 퍼포먼스 마케터라면 매체가 머신러닝 중이라는 것과 머신러닝이 완료 되었다가 어떤 의미인지 최대한 알고 있어야 합니다. 왜냐하면, 이 것은 RTB(Real Time Biding)시스템과 함께 모든 매체를 아우르는 핵심이기 때문입니다. 💥머신러닝은 무엇인가? 👉주어진 데이터로부터 패턴을 학습하여 예측모델을 찾고, 찾아낸 모델을 통해 새로운 데이터에 대한 예측을 수행하는 것 입니다. 💥머신러닝을 사용하는 이유 👉머신러닝을 사용하면 새로운 학습 데이터가 유입되면 기존의 모델이 업데이트 되며 이를 통해 성능을 개선할 수 있기 때문 입니다.. 퍼포먼스 마케팅에서는 메타, 구글 등 특정 이벤트를 일으킬 가능성이 높은 유저들의 패턴을 지속적으로 학습해가고 있으며, 이를 통해 이벤트 발생 건수를 최대화 합니다. 💥머신러닝 작동방식이 퍼포먼스 마케터에게 의미하는 것 👉광고 시스템 또한 머신러닝을 시키기 위한 것은 광고소재, 광고세트, 캠페인, 유저 행동 데이터, 타 광고와의 상호관계 등 매우 다양한 변수로 구성이 되어 있을 것으로 추정 됩니다. 이러한 수많은 변수들은 매체 머신러닝 예측 모델에 영향을 줍니다. 그리고 이러한 변수의 영향은 진짜 성과를 최정상으로 더 빠르게 올라가게 만들어 주거나, 가차 최정상에서 헤매도록 하는 함정이 될 수도 있습니다. ※ 해당 글은 브런치 작가 낯선님의 글을 요약 및 재편집 하였습니다.