빅데이터·AI 기반 디지털 광고 타겟팅

지난주 강의 가이드라인은 받았죠? 그리고 지난주 것도 위에 보니까 내가 올리면서 지난주에 4주차하고 5주차가 헷갈려서 4주차 강의에서 올라가 있었는데 다시 뭘 좀 정리해서 4주차, 5주차, 6주차 해서 차례들도 다시 업데이트를 시켰어요. 그러니까 지난주차에도 강의 가이드라인 파일이 수업 다 끝나고 내가 발견을, 학생이 알려줘서 발견을 해냈는데

오늘 6주차 건 확인해서 다시 정리를 해서 4주차, 5주차, 6주차를 다시 정리해서 올렸습니다만 확인을 하고 오늘 6주차 건 아마 올라가 있을 거예요.

강의할 내용은 우리가 빅데이터와 AI 기반한 디지털 광고를 위한 타겟팅 방식을 어떻게 하느냐 이런 내용들을 다룰 거예요. 그래서 타겟팅을 검토하기 위해서는 기존 전통적인 아날로그 광고 시대에 타겟팅이 어떻게 됐는지를 한번 간략히 리뷰할 거고

그것과 대비돼서 디지털 광고 시대에는 타겟팅이 어떤 식으로 이루어지는지 이것을 한번 살펴보도록 하죠. 전통적인 광고 마케팅에서의 타겟팅은 바로 STP에 기반한 마케팅 흐름 속에서 타겟팅이라는 개념이 나오죠. 전통적인 마케팅에서의 타겟팅은 출가를 이루는 게 바로 S 즉 시장 세분화

타겟팅이 시작이 되죠. 그래서 타겟팅은 기존 전통적인 마케팅이나 데이터 마케팅이나 타겟팅은 굉장히 중요한데 타겟팅을 하는 이유는 광고 마케팅 비즈니스의 성공적인 수행으로 우리가 전달하려고 하는 광고 메세지가 원하는 타겟한테 얼마나 정확히 도달되는 것이 광고이기 때문에

타겟팅의 중요성이 커지고 있다. 타겟팅에 실패하게 되면 아무리 좋은 광고를 만들고 아무리 카피를 잘 작성해서 광고 메시지가 만들어져도 실질적으로 원하는 타겟, 필요한 타겟에 전달되는 게 아니기 때문에 광고 메시지에 노출된 타겟들이 외면을 하게 되죠. 그래서 광고비가 낭비되게 되고 우리가 원하는 성과를 얻을 수 없게 되는 타겟팅이 실패하는 것은 굉장히

광고비를 낭비하는 그런 광고활동상의 비효율성을 초래하게 된다. 뭐 부정확한 타겟팅 타겟팅에 도달하지 않은 광고 메시지도 문제지만 타겟팅 자체도 우리가 우리 제품 또는 우리 서비스에 맞지 않는 그런 부정확한 타겟팅이 되게 되면 그것 역시 비용 효율성 측면에서 비효율적인 소진을 하게 된다.

타겟팅의 어원 또는 타겟팅의 실발이라고 할 수 있는 내용을 살펴보면 타겟팅이라는 것은 STP에서 유래된 용어다. 그래서 이 STP에 대한 내용을 여러 번 강조했는데 S라는 것이 세그먼트였죠. 그래서 세분시장이라는 개념인데

세분시장은 다시 말하면 전체 소비자 시장에서 이런같이 전체 시장이 있다고 볼 때 전체 시장은 파퓨레이션 모집단 이런 얘기를 써요 그래서 이것을 전체 시장

시장이라고 말했었는데 광고 마케팅을 다루면서 광고 마케팅을 다루면서 우리가 항상 염두에 대해야 될 또 하나의 중요한 그런 명제는 또 하나의 중요한 명제는 아마 이건 독학서에서나 이런 데서 나오지 않을 수 있는데 시장이라는 개념은 시장 우리가 시장을 무엇으로 이해를 해야 되느냐

전체 시장을 알아야 전체 시장을 어떻게 세분화하느냐 이런 개념도 다를텐데 그러면 우리는 시장을 뭐로 받아들여야 되느냐 이것이 큰 명제예요 광고 홍보학과 전공이든 또는 마케팅에 관심이 있어 하는 경영학에서 마케팅에 관심이 있어 하는 전공이든 간에 시장을 뭐라고 놓고 우리는 접근을 해줘야 되느냐 우리가 통상적으로 시장하게 되면 여러분들 시장은 어디에 존재한다고 생각을 해요 시장은 어디에 있을까요? 어떤 건 시장이라고 봐야 되는지

시장은 어디다. 시장은 어디. 내가 생각하는 시장은 어디일까. 너무 떠난 걸 물어봐서 당황스러운가. 광고에서 말하는 시장은. 광고에서 우리가 광고를 공부하는 게 좋아하지. 그 입장에서 시장을 바라본다. 광고에서 말하는 시장은 소비자의 게임이다. 소비자가 만들어낸다.

상당히 근접한 대답을 했어요. 소비자가 생각했다는 얘기에요. 그만큼 광고에 대한 기본 마인드를 가졌어요. 그런데 막상 우리가 전체 시장 그랬을 때 시장을 어디로 넣느냐. 그러면 시장은 뭐 물건 팔고 사는 데니까 마트에 가면 그것도 시장 아니야. 이런 생각을 가질 수도 있겠죠. 또는 뭐 인터넷으로 구매하니까 쇼핑 인터넷 커머스 몰이나 이런 데 가면 이런데 가면 그게 시장 아닐까? 이런 생각이 들 수도 있죠.

그런데 광고를 공부하고 광고 마케팅을 다루는 여러분 입장에서는 시장을 뭘 넣어야 되느냐 하면 시장은 우리 이 친구가 얘기했던 이 친구는 소비자라고 얘기했는데 거의 뭐 상당히 근접한 대답을 했어요. 바로 뭐냐. 소비자의 마음. 소비자의 마음. 광고로 접근할 때에는 어떤 메시지를 갖고 접근할 때에는 그게 어떤 그 커머스가 교환이 이루어지는 장소는 닫아질 수 있지만

교환이 이루어지는 장소는 오프라인이 됐건 온라인이 됐건 백화점이 됐건 사이트 몰이 됐든 간에 교환이 이루어지는 장소를 얘기하는 시장이 아니고 광고마케팅에서 사는 시장이라는 것은 바로 소비자의 마음을 이 마음을 시장이라고 믿고 접근을 해야 됩니다. 그 마음을 움직여서 마음의 얼마를 차지해줘야

그 제품에 대한 실제 매출의 발생 가능성들을 찾아볼 수가 있어요 그래서 시장이 얼마나 많이 팔렸느냐 이런 걸 따질 때 우리가 매출상의 그 기업 또는 그 브랜드가 차지하는 점유율이 얼마냐 이랬을 때 시장에서의 점유율을 이렇게 쓸 때 ms라는 말은 쓰죠 시장에서 팔렸느냐 기준으로 그 제품 또는 그 상표가

얼마나 시장에서 점유율을 갖느냐 이런 얘기를 할 때 실제 매출을 가지고 점유율을 찾는 것은 마켓셔라고 한다면 시장이 소비자의 마음이라는 그런 개념으로다가 그러면 이것에 상응하는 개념의 소비자 마음으로 얼마나 점유하고 있느냐 이런 용어로서 등장하는 것이 바로 이 또 다른 MS인 그런데 이때 MS는

마음속으로 얼마나 점유하느냐에 뜻하는 마인드쉐어. 그래서 마인드쉐어가 구체적으로 거래를 통해서 매출로 발휘되는 매출 점유율으로다가 얼마나 두 개가 일치하느냐가 굉장히 광고마케팅을 다루는 담당자 그런 프로젝트 매니저들은 항상 유념해서 살펴봐야 돼요. 시장을 살펴볼 때에는 그것이 실제 매출이 얼마나 일어났는지 그 매출에 상응하는

마인드시어를 우리가 계속 주지하고 있는지. 마인드시어는 작은데 매출만 높아졌다. 이것은 반짝 올라갈 가능성이 있다는 것을 늘 대비하고 그것에 맞는 후속 캠페인을 준비를 해줘야 되는 거죠. 두 개가 얼마나 일치하는지 이것들을 살펴봐야 되는 것이 큰 기준점이 될 거예요. 어쨌거나 시장 얘기를 하니까 소비자의 마음이라는 것을 항상 윤형해야 된다는 차원에서 얘기를 했다고 하면 시장을 기준으로 세분화, 세그멘트를 하고

세그먼트 시장에 대해서 어떤 시장이 우리 제품한테 더 매력적인 시장이냐를 놓고 표적시장 타겟 마켓을 정한다 타겟팅을 이루어간다 그래서 타겟팅이 굉장히 중요하다 이런 얘기를 할 수가 있고 타겟팅을 해나가는 개념으로써 등장하는 이 타겟팅이라는 것은 아까 얘기했듯이 세그멘테이션과 세그멘테이션 활동을 통해서 얻은 여러개의 국민시장들 그 중에서 우리 기업에 가장 타적이 되는

우리 시장이 목표로 삼아야 될 그 시장을 타겟팅이라고 얘기합니다 어 1 줘서 어이 독과서에서 나와 있는 예를 들어서 타겟팅에 여성화장품 이라는 시장에 하나 있다 아세요 여성들도 좋아하는 여성화장 시장이 있을 때 이 중에 실질적으로 우리 제품은 여성화장품 시장이 뭐 다양한 시장 종류가 있을 텐데 그 여성화장품이 추구하는

시장품을 사용함으로써 소비자들한테 얻게 해주는 제품 편의 매니핏을 기준으로 했을 때 여러가지 세분 시장을 놓을 수 있겠죠. 매니핏이 피부를 파이트닝, 하얗게 만드는 세분 시장도 있을 거고 그런데 그 중에서 우리는 보습과 주름을 제거하는 이런 매니핏을 추구하는 시장을 목표로 하는 제품을 만들어내게 된다. 이러면 이것이 하나의 타겟 시장이 될 수 있는 거다.

그래서 이렇게 STP식으로 마케팅의 흐름을 접근할 때 기존 아날로그 마케팅에서는 타겟팅이 이런 단계에서 많이 활용이 됐다. 그리고 포지션이라는 것은 여러분들이 잘 알겠지만 광고를 해서 나온 개념으로 우리가 목표 시장을 정했으면 이 목표 시장의 소비자들한테 이 무표시장의 소비자들한테 포지션이라는 것은

이 타겟들한테 우리 제품을 어떤 식으로 인식시킬 것이냐 어떤 식으로 인식시킬 것이냐 즉 자리잡게 할 것이냐 공자들의 마음속에 어떤 식으로 자리잡게 할 것이냐를 다루는 게 바로 이 포지셔닝이죠 그래서 포지셔닝에 대한 내용은 우리 디지털 광고론에서는 그렇게 크게 많이 다루지 않는데 아날로그 광고론에서는 포지셔닝의 개념이 굉장히

의미가 있다. 중요한 과정 중에 하나가 된다. 물론 디지털 마케팅에서도 구체적인 광고를 만든다든가 또는 광고 메시지를 만들 때에는 우리가 표적시장으로는 타겟들한테 우리가 만든 디지털 광고 컨텐츠를 가지고 노출시켰을 때 그 타겟들한테 우리 제품을 뭐라 인식시킬 것이냐는 것을 광고를 개발한다든가 광고 메시지를 만든다든가 이럴 때에는 굉장히 전략적으로 접근해야 될 내용이 많고 이 포지션에 대한 내용이죠.

그런데 우리 디지털 광고분 파트에서는 타겟 집단에 어떻게 효과적으로 노출될 거냐. 효과적으로 접근해서 이 사람들이 얼마나 우리 광고를 클릭하고 또 페이지 빅하고 이런 것들에 대한 효율성을 다루는 내용들이 주로 다르기 때문에 포지션에 대한 내용은 이 책에서는 크게 다루지는 않는데 실질적으로 이것도 중요한 전략적인 디지털 광고를

직접적으로 수행하면서 중요한 단계가 될 수 있다. 아날로그 마케팅에서 다루는 STP의 과정은 교재에 있는 그림으로서 설명을 했는데 이런 식으로 시장 세분화, 표적시장 선택, 그 다음에 포지셔닝 이런 과정을 겪게 되죠. 그런데 이와 같은 STP의 접근이 아까 뭐라고 했어요? 마케팅적인 접근의 어떤 기본 개념을 토대를 형성해서 출발을 하는 이런 내용이라고 그랬죠.

마케팅적인 기본 출발을 이루게 하는 이전 단계의 내용으로는 마케팅 전략을 수립할 때 다루는 내용으로 바로 추가적으로 두 가지 정도의 내용이 더 추가적인 내용으로 존재하는데 바로 뭐냐 환경에 대한 분석 즉 마케팅 환경에 대한 분석 흔히 마케팅 환경에 대한 분석은 스티디

STP의 선행적으로 마케팅에 대한 분석에서 나온 문제

환경문적입니다. 환경문적은 흔히

Situation Analysis라고 해서 마케팅 계획을 수집할 때 STP 접근을 하기 선행적인 단계로 Situation Analysis라는 것을 진행하죠. 마케팅 분석에서. 그래서 Situation Analysis인 환경 분석은 간단하게 요약해서 무엇을 분석하는 거냐 하면 Situation Analysis는 3C에 대한 분석이라고도 합니다.

3C에 대한 분석. 그래서 우리 그림 6-1에 나와 있는 게 바로 이 환경 변화에 대한 것을 그림 3C가 여기에 이렇게 들어가 있는데 이 교재에서는 여기에 넣기도 하지만 실질적으로는 OSTP 전에 이루어지는 환경 분석의 과정을 요약해서 3C. 실자 세계로 이루어지는

마케팅 분석이다. 이렇게 해서 3C라고 얘기를 해야 되네요. 3C의 C는 뭐냐. 3C 분석이라고 들어갔어요? 들어갔어요. 3C는 뭐를, 무슨 무슨 C를 3C라고 얘기해요. 어떤 어떤 C야. 이것도 기본적으로 알고 있어요. 우리가 디지털 광고를 하지만 마케팅 흐름을 기본적으로 따라가야 되는 그런 상황에서 3C는 뭐로, 베이스로는

그래서 맨 처음에 C는 뭐야?

스모 소비자들에 대한 두 번째는 컴페티터 경쟁자에 대한 그리고 마지막 c는 자기 기업 자기에 대한 분석 그래서 이 3c를 환경적으로 검토를 하고 요 3c 분석에서 나온 것을 3c 분석의 결과를 함축적으로 요약하는 과정입니다 마케팅의 흐름을 작성한 데 그것을 우리는 뭐라고 해요? 함축적으로 요약해서

전략적인 과제를 도출하기 좋게 함축적으로 요약해놓는 정리 과정을 뭐라고 부르느냐 여기 따로 들어가서 정리해서 함축적으로 요약해놓는 단계를 뭐라고 부르나 SWAT이라고 부르죠. 이 마케팅 시추에이션 어네니시를 3C에 기반해서 하게 되는데 이 3C에 기반해서 해서 나온 결과들을

상축적으로 요약해서 이것을 기반으로 이제 광고의 쟁점, 광고 목표를 정하고 광고 전략 방향을 정하는 이런 전략과 목표를 수입하는 그것을 요약해서 살펴보게끔 해주는 게 바로 이 SWAT이라는 내용입니다. SWAT은 여러분 잘 알고 있죠? 뭐의 약자인지? SWAT을 기반으로 이제 아, 이런 상황이구나 우리가 수립해야 될 광고 전략이

그 SWOT을 기반으로 마케팅 목표 또는 광고 목표 이런 것들이 차례대로 설립이 되는 겁니다. 이런 흐름으로 진행되는 것이 우리가 기본적으로 수행해야 될 즉 디지털 광고를 수행하기 앞서, 디지털 광고를 수행하기 앞서서 물론 아날로그 광고도 마찬가지예요. 그 광고를 실행하기 앞서서 우리가 해야 될 STP를 만들어내는 과정 전 단계로 그런 흐름들이 있어야 될 것입니다. 지금 설명한 이 과정이 바로 전통적인

접근을 해나가는 흐름의 출발입니다. 내가 첫 시간에 무슨 얘기 했어요? 첫 시간에 이런 전통적인 광고 접근이 외면돼서는 안 된다. 방향 무시해서는 안 된다. 왜? 우리가 디지털 광고라는 새로운 광고 접근법을 하더라도 디지털 광고론이라는 새로운 광고 접근법은 다시 말하면 뭐예요? 진화론적 입장에서 어떻게 된다고 그랬어요

지난주에 입장에서 아날로그 광고, 디지털 광고, 이런 어떤 광고의 수단에 관련된 이런 개개의 광고 수단들은 광고라는 입장에서 흐름을 이어가는 전체 마케팅과 광고의 관계에서 이루어지는 그 흐름을 겪은 거예요. 단계만, 유형만 아날로그 광고나 또는 디지털 광고로 바뀌었을 뿐 과정은 어떻게 된다고 그랬어요? 반복된다고 얘기하고 하는 거지

그래서 진화론의 입장에서 나윈이 얘기한 무슨 의미 있는 용어를 기억해두라고 그랬어요. 진화론을 공부한 진화론의 대과인 나윈이 한 말 중에 개체 발생은 디지털이냐 아날로그냐 이런 개체적인 광고 유형적인 개체들은 결국 뭐를 반복한다. 전체 광고 마케팅의 흐름이 이어가는 과정을 반복해서 시작한다. 그래서 개체 발생은 개통 발생을 반복한다 라는 용어를 내가 한번 설명했었죠.

바로 뭐냐 여기서 전통적인 마케팅 타겟팅을 왜 공부를 했냐면 이와 같은 흐름이 디지털 광고 마케팅에서도 결국 한 번을 반복해줘야 되냐 반복해서 이런 Situation analysis도 해줘야 되고 거기에 따른 3C 분석과 그리고 SWOT을 도출해서 그것을 이제 광고 목표로 삼는 대신 그 목표를 달성하기 위한 유형 수단으로서의 디지털 광고가 어떻게 진행되어야 되느냐 이것을 우리는 살펴볼 뿐이다

이와 같은 전통적인 접근법에 대한 기본 흐름을 여러분들이 잘 유지한 채 잘 유지한 채 이제는 그러면 이 STP의 타겟팅 이 타겟팅은 디지털적으로 어떻게 이루어 줘야 되느냐 하는 내용들을 이제 배우게 될 거예요. 그래서 디지털 마케팅, 즉 디지털 광고를 위한 디지털 마케팅의 타겟팅은 어떤 유형들이 있고 어떤 방식으로 진행되냐고 본격적으로

살펴보자. 디지털 광고를 위한 디지털 타겟팅을 하기 위해서는 디지털 광고를 위한 디지털 타겟팅을 뭘 기반으로 하게 되느냐 아까 얘기했듯이 전통적인 영역에서 이루어지는 이 3C 분석 Situation on a 3C 분석 이런 과정을 기반으로 저런 내용들에 관련된 데이터를 수집을 해야 되죠. 그것에 관련된 데이터 수집으로는 빅데이터를 이용하게 되는데 그러면서

빅데이터에 들어있는 내용들은 크게 어떤 유형으로 다 수집된 데이터들이 분류가 되느냐. 인구통계학적인 데이터, 그리고 라이프스타일로 관련된 데이터, 그리고 소비자들의 어떤 행태와 관련된 데이터, 이런 것들이 빅데이터 안에 수집된 데이터의 유형으로 존재한다. 그래서 우리가 수집한 데이터들은 이 데이터들을 가지고,

머신러닝의 단계를 거쳐서, 즉 머신러닝이라는 것은 이런 다양한 우리가 수집한 데이터를 놓고 우리 제품을 구입할 가능성이 있는 사람이냐 없는 사람이냐 이것을 확률모형을 가지고 머신러닝의 기법을 이용해서 분류를 해 놓는 거죠. 분류를 해 놓으면 고객은 이런 식으로 분류가 돼요. 고객은 점제고객, 점제고객. 그래서 일단 우리 제품의 타겟 가능성이 되는 고객들,

그것은 잠재고객이라고 그러고 잠재고객 중에 리드 고객 리드 고객이라는 것은 우리 제품에 관심을 갖고 있고 우리 제품을 사람들한테 권유해 볼 수 있는 접점을 우리가 지고 있는 즉 여기 나와 있는 여러 수집된 빅데이터 중에 이 사람한테 노출을 할 수 있는 접점을 갖고 있다 접점을 갖고 있다는 얘기가 뭐냐면 그 사람의 뭐예요 IP 어드레스를 우리가 지고 있다.

그럼 접점을 하나 확보하고 있는 거죠. 그러면 나중에 우리가 메시지를 그 사람한테 주려고 그럴 때 그 IP 어드레스에 있는 사람이 우리 사이트에 억세스를 하고 있는 거라고 그 사람이 누구냐는 걸 우리가 파악하고 있으니까 접점을 우리가 확인할 수 있는 거죠. 또는 간단한 예로 접점을 확보하고 있다는 얘기는 IP 어드레스 외에도 그 사람의 핸드폰 번호를 알고 있다. 또 아주 중요한 접점을 우리가 접점에 대한 정보를 지고 있게 되는 거죠. 즉 우리 제품에 관심을 표시한 사람인데

그 사람에게 접촉할 수 있는 접점을 내가 갖고 있으면 그 사람은 이제 잠재고객에서 결국 우리 제품의 실제 고객이 될 가능성이 한 단계 업그레이드 된 리드 고객이 되는 겁니다. 그러면 이 리드 고객 중에서 접점을 갖고 있는 고객 중에서 가망고객 즉 우리 제품한테 관심을 보였을 뿐 아니라 우리가 접점도 갖고 있는데 이 사람이 우리 제품을 구입해 보려고 우리 제품에 대해서 검색을 했다든가 하는 보다 적극적인 우리 제품에 대한

구매 희망도 이런 것을 표명한 사람을 우리는 이제 가망고객이라고 해요. 그래서 이 사람은 가망고객은 접점 확보한 사람 중에 구매 가능성, 즉 구매 확률이 더 높은 사람들을 머신러닝의 기쁨으로 예를 들어서 구매 가능성 확률이 0.5 이상 되는 사람들 이런 사람들로서 우리는 가망고객으로 이렇게 놀 수가 있죠. 그리고 하여튼 가망고객들한테 실질적으로 이 사람들이 우리 제품을 봐서 우리 제품의 그

광고에 노출된 뒤에 우리 제품 광고 사이트로 클릭해서 이끌고 들어와서 회원을 가입했다든가 아니면 우리 제품의 제품을 장바구니에 담았다든가 또는 장바구니에 담고 실제 결제까지 했다든가 이렇게 해서 우리 제품을 실제 행동으로써 우리 제품과 인연을 맺은 그런 고객이 신규 고객이 되는 거죠. 신고객이 된 이후에는

이 고객을 대상으로 우리가 지속적으로 그 이후에 리타게팅이라고 하면 나올 텐데 그 사람을 대상으로 새로운 제품 소개를 한다든가 또는 그 사람이 구매를 교체할 시점에 즈음해서 우리가 효과적인 광고 도출을 통해서 그 사람이 지속적으로 우리 제품을 살 수 있게끔 해주는 충성 고객으로 만들 수 있는 이런 단계로 우리가 고객들을 차츰차츰 우리의

신성 고객이 되게끔 유도해줄 수 있다. 디지털 광고 마케팅에서 우리가 타겟팅은 뭐라고 정리할 수 있느냐. 디지털 광고 마케팅에서의 타겟팅이라는 것은 일단 사용자 빅데이터를 수집해서 아까 앞에서 사용자 빅데이터는 인구 통계적인 데이터 또는 어떤 그 사람의 라이프 스타일적인 데이터 또는 그 사람의 어떤 행태적인 데이터, 행동적인 데이터 이런 것들을 빅데이터로 수집해서 그 수집된 데이터들을 잘 묶어서 저장해놓고 잘 묶어서 저장해놓고 그리고 저장된 데이터 중에

효과적인 데이터 프로세싱, 즉 데이터 프리 프로세싱, 그중에 쓸모없는 데이터 이런 것들은 다 전처리해서 잘라버리고 의미있는 데이터들만을 가지고 데이터를 분석해서 잠재 고객을 분류해야 한다. 즉 프로파일링을 하는 거죠. 우리 고객이 될 가능성이 있는 사람들을. 그리고 그 사람들을 전체 시장에서 몇 개의 세분 시장으로 나누어서 표적 시장을 결정해 나가는 과정을 우리는

디지털 광고 마케팅의 타겟팅이다 이렇게 얘기했습니다. 디지털 광고 마케팅의 타겟팅의 베이스를 이루게 하는 것은 아까 얘기했듯이 사용자들에 관련된 빅데이터 인구통계, 라이프스타일, 구매, 인테리어 이런 것과 관련된 것을 다 묶어서 통칭한 빅데이터라고 할 수 있는데 이 빅데이터라는 것은 디지털 광고 마케팅에서는 결국 소비자들이 미디어를 활용하면서 남긴 디지털

브래드 크롬, 디지털 풋프린트 이런 내용을 썼었죠. 흔적을 기반으로 해서 우리는 디지털 광고 마케팅에 타겟팅을 하나 하는 베이스, 즉 기본 빅데이터를 이루게 합니다. 이 빅데이터에는 사람들이 흔적을 남겼는데 그 흔적은 어떤 식으로 존재하느냐. 그 사람들이 남긴 댓글도 될 수 있고, 그 사람들이 소비한 콘텐츠가 될 수 있죠. 영상 콘텐츠, 어떤 그래픽 콘텐츠 그 외에 그 사람들이 웹이나 앱을 사용하면서 남긴 로그, 즉 웹로그나 앱로그가 된다는 거죠.

웹 로그를 이루게 하는 것은 바로 그 사람들이 사용한 웹서핑을 한 흔적들. 그래서 사용자들의 컴퓨터에 웹 로그 흔적들이 저장이 되어 있는 쿠키 데이터. 이게 바로 흔적을 이루게 하는 거죠. 그리고 앱 로그는 뭐였어요? 앱 로그를 이루게 하는 것은 지난 시간에 말했었죠. 이 로그 데이터에 대한 게 엠로그 데이터에서 add id 즉 광고 코드나 또는

아이디에프에 애플 사용자들은 아이디에프에 코드 이런 것들을 통해서 우리가 그 사람들의 빅데이터를 형성하게 한다. 기타 검색한 내용 또 GPS로서 찾은 위치 데이터 그리고 구매 데이터 즉 오프라인 상에서 이 사람들이 어떤 쇼핑 활동을 했는지에 대한 데이터까지도 결합을 해서 우리는 빅데이터를 유지한다. 그래서 이러한 빅데이터에다가 머신러닝의 방식 즉 머신러닝의 타겟

이 제품의 고객이 될 가능성을 좀 확률보다 계산해서 확률이 0.1보다 크면 점자 고객이 될 수 있는 거 아니에요 그 다음에 점자 고객 중에 우리가 그 사람과 접촉할 수 있는 접점 우리가 쿠키의 IP-ADRETRS를 확보하고 있다든가 전화번호를 확보하고 있다든가 하는 접점을 이루면 리드 고객이 되는 거에요 앞에 얘기했던 건 고객의

단계별로 이렇게 타겟들을 발전시켜 나갈 수 있다. 전통적인 방식에서는 타겟은 미디어 바잉을 위한 타겟을 기준으로 기본 타겟을 해서 전통적인 타겟은 이루어져 있어요. 그래서 전통적인 타겟은 미디어 바잉을 위한 이 사람한테 전통적으로 광고 노출을 하기 위해서는

어느 매체에 어떤 시간대, 전통적인 매체인 TV 같은 경우는 어떤 시간대, 어떤 프로그램, 이런 게재 위치를 찾는 것이 전통적인 방식의 광고 타겟팅의 방법이었습니다. 따지자면 광고지가 원하는 지면을 어떻게 확보하느냐 이것이 결국 전통적인 방식에서의 타겟팅을 이루게 하는 요소였다고 보면

디지털 광고 사이드에서는 타겟팅을 주로 뭐에 기반한 타겟팅이냐. 전통적으로 하는 것이 미디어 바잉을 위한 거라고 했다면 이번에는 디지털 광고에서는 오디언스를 어떻게 찾아내느냐. 즉, 오디언스를 찾아내서 그 사람들한테 미디어를 이용하는 것뿐 아니라 그 사람들이...

콘텐츠 소비자든가 이런 패턴에 맞는 그 오디언스들을 어떻게 확보해서 그 오디언스에게 맞는 맞춤형 광고 메시지를 전달하느냐. 이것이 기존 새로운 디지털 광고 시장에서의 타겟 패러다임이라고 얘기할 수 있습니다. 그렇기 때문에 전통적인 시장에서의 계제 위치만을 기반으로 하는 타겟팅과 달리

오디언스를 찾는 방법에는 여러 가지 기법들이 있어요. 어떤 기준에 의해서 오디언스를 찾을 거냐 해서 여기 나와있던 것처럼 그렇게 관심사, 행동, 주제, 카테고리, 키워드, 유사, 시장, 다양한 기준에 의해서 우리가 오디언스를 찾아나가는 방식인자가 타겟팅을 해줘야 된다. 이것이 이제 패러당의 변화라고 할 수 있고 이런 다양한 타겟팅의 기준은 뒤에 방식이 세기적으로 나오게 됩니다. 감사합니다.

바로 이런 빅데이터나 또는 머신러닝의 확률모용을 이용한 타겟팅의 고도화 방식은 어떤 것들이 있느냐. 이것을 이제 구체적으로 하나하나 살펴보게 된다. 고도화 나가는 방식은 1차적으로 고도화 나갈 때 이 메커니즘은 바로 뭐냐. 머신러닝을 이용한 메커니즘을 이용한다. 머신러닝이라는 것은 80년대에 처음 등장한 인공지능의 한...

분야로서 머신러닝을 시켜나갈 때는 컴퓨터를 학습시켜나가는 거죠. 머신러닝이 처음 출발할 때는 컴퓨터를 어떻게 학습시켰냐. 간단하게 컴퓨터한테 이렇게 이 그림하고 이 그림을 이렇게 둥개를 보여주고 머신러닝 학습의 최초 단계에서는 그림을 이렇게 둥개 보여주고 지금처럼 이런 그림이 아니라 이거는 개 모양

개 모양의 그림이고 그것은 고양이 모양의 그림이고 멋있는 수천 수만 장의 개 그림과 고양이 그림을 얘한테 보여주면서 이건 개, 이건 고양이 이렇게 얘한테 학습을 시키는 거예요 그럼 얘가 학습을 해 이거 가지고 아, 개는 뭐 이렇게 해서 눈동자가 높은 이런 요소요소를 하나하나를 그림 한 장을 수、過労性を不

수십만 개의 픽셀, 제로원 코드를 이루어진 픽셀로다가 얘가 코드화 시켜가지고 아, 개는 그 픽셀마다 점이 찍히는 건 안 찍히는 건가 이거를 다 스터디해야죠. 고양이는 찍히는 점이 다르겠죠. 그래서 그거 수십만 장을 스터디를 해요. 이게 바로 멋있는 기계학습의 출발이에요. 그래서 어떤 그림을 하나 딱 주면 얘가 아, 이거는 얘가 이제 찾아내고 개다 고양이다 이런 식이

이게 바로 기계학습 때 출발을 얘기하는 내용입니다. 이게 80년의 그런 이론이 컴퓨터로 이용한 이론이 등장했습니다. 마찬가지로 우리가 수집한 다양한 데이터들이 있잖아. 그 데이터 중에 그 사람의 구성을 하게 되면 아까 얘기했던 임무통계정보, 라이프스타일정보, 구매잉테정보, 웹이나 앱 이용 프로폼정보 이런 것들이 다 들어가서 결국 그 사람 이런 여러 개의 정보 중에 어떤 정보를 가지고 구성이 이루어졌을 때

이 커피 제품의 경우 이 커피 제품을 구매했다. 이 사람은 구매하지 않았다. 이것을 얘가 다 그 정보를 갖고 있는 거죠. 학습을 하는 거죠. 이런 개념들이 머신러링의 기계학습의 개념이 타겟팅에 활용이 됐다. 그리고 이 같은 타겟팅을 이용할 때의 소비자들이 갖는, 사용자들이 갖는 정보는 실질적으로는 큰 영역에서 두 가지 유형으로 데이터를 구분해서 우리가 살펴봤습니다. 첫 번째 부분 영역은 그 어떤 영역을 살펴봤을까요?

어떤 개인을 구분하는 데이터 중에 정적인 데이터냐, 정적인 데이터냐 하면 한 번 정해지면 계속 그 상태를 유지하는, 대부분 프로필에 관련된 데이터죠. 그래서 인구 통계와 관련된 데이터, 이런 것은 정적인 데이터라고 그러고요. 동적인 데이터는 그것이 자꾸 바뀌는 거야, 상황에 따라서. 이것을 행태 데이터들, 이 사람이 웹서핑을 한다든가, 제품을 구매했다든가, 몇 시에 구매를 했는데 어떤 제품을 구매를 했는지, 그런 상황에 관련된 데이터들을 우리는 동태적인 데이터라고 그러죠.

다이나믹 데이터라고 얘기하잖아요. 정적인 데이터는 스태틱. 그래서 정지되어 있는 그런 데이터다. 그래서 이런 두 가지 유형으로 데이터를 분류해서 살펴보는데 실질적으로 머신러닝의 타겟팅에서 어떤 제품의 타겟을 아까 얘기하는 고객상태, 정제 고객이냐, 리드 고객이냐, 또는 운망 고객 이런 식으로 분유하는 타겟팅의 분류에 많이 효과적으로 데이터 중에 더 의미 있게 쓰이는 것은?

동태적인 즉 다이나믹 데이터가 실질적으로 타겟팅을 할 때 변수로써 의미있게 쓰였더라. 뭐 이런 얘기들을 머신러닝의 개념에서 등장이 돼요. 그래서 앞으로는 동태적인 즉 행태적인 동적 데이터 즉 다이나믹 데이터를 좀 더 많이 활용해서 이걸 가지고 우리 타겟을 찾는 머신러닝의 학습을 다양하게 컴퓨터가 즉 인공진위하도록 해서 타겟 프로파일링 우리 제품에

세븐트 세운 시장을 시켜줘야 되겠다 이런 생각을 하게 된 거죠 어 뭐 신원을 통해서 타겟팅을 할 때 2월 이루는 데이터들은 아까의 등 무통대적인데 있다 그리고 사람들이 무엇에 관심이 쌓는지 콘텐츠 소비 패턴 이것을 살펴보는 그 다음에 어 사람들이 어 어떤 사람이 우리 제품을 다시 제품을 사게 되는지 전환을 많이 하는 사람들에 대한

그리고 우리 제품을 샀는 사람과 유사한 프로파일을 갖는 사람. 이 사람을 찾으면 이 사람은 우리 제품을 현재는 안 샀지만 우리 제품을 살 수도 있는 그런 사람이 되겠구나. 유사 타겟을 찾는 이런 영역에 머신러닝이 많이 활용이 됐다. 지금까지 얘기한 머신러닝의 작동 방식을 그림적으로 사례를 갖고 설명하는 것이 우리 제품입니다.

아 우리 교재에 나와 있는 그림 6-2에요. 6-2는 모바일 쇼핑몰 위메프에서 머신러닝의 알고리즘을 작동시켜가지고 어떻게 타겟팅을 해나갔냐 이것을 살펴보는 내용입니다. 그래서 머신러닝의 작동을 통해서 위메프는 소비자들의 다양한 쇼핑 형태를 분석해서

실제적으로 우리 제품을 구입한 구매홍률이 높은 사용자만을 구매홍률 높은, 우리 제품의 가능성이 높은, 구매홍률 높은 타겟팅 있는 사람들을 수집을 해서 그 사람들을 대상으로 타겟 오디언스를 정해서 광고를 노출시켰더니 그 광고에 클릭 및 구매를 하게 되고 그 사람들의 클릭한 구매 데이터를 또 다시 수집해서 그 사람들이 어떻게 우리 제품을

대한 클릭이나 또 우리 제품 어떻게 찾아오게 됐는지 이런 정보를 또 잘 수집해서 타겟 오디언스는 조정하고 하는데 계속 활용하고 조정된 타겟 오디언스한테 또 광고를 놓쳐요. 이제 계속 알고리즘적으로 송신환적으로 물러가니까 최적 타겟들을 찾아내고 구매 확률을 점점 올리는 이런 식의 워신너링이 작동이 됐다. 이런 소정을 보여주십니다. 다음에는 타겟팅을 이루게 하는 타겟팅을 이루게 하는

우리가 몇몇 광고 플랫폼에 대해서 지난 시간에 얘기했었는데 각 플랫폼들이 실질적으로 어떻게 그러면 타겟팅을 해나가고 있는지에 대한 주요 광고 플랫폼별 타겟팅을 해나가는 활동, 특히 타겟팅 서비스 이것들을 한번 비교해보고 그 과정 중에 지난 시간에 설명했던 데이터 매니지먼트 플랫폼 즉, 정자들의 데이터들이 어떻게 분석이 돼서 타겟팅이 활용되는지 그런 사례들을 한번 설명해보도록 하죠.

주요 광고 플랫폼들의 타겟팅 서비스를 보면 광고 플랫폼으로서 애드 서버를 가지고 애드 네트워크나 또는 애드 익스체인지 이것에 참여하고 있는 광고 플랫폼들을 보면 구글에 구글에 있는 것이 구글에 들어가는 광고 플랫폼이 있죠. 광고 플랫폼은 구글에 있는 타겟팅을 주로 하고 있냐면

데모그래픽 타게 에서 소비자들의 의무통계학적인 그런 데이터로 분류한 타겟층을 선정해서 타겟팅을 해 놓은 것도 뒤에 가서 하나하나의 타겟팅에 대해 설명하겠지만 관심사 타겟 주제에 기반한 타겟 또는 문의 길제일치 타겟이 있다 이런 대부분의 타겟팅 기법을 구글에 들어 사용한다 사용한다 페이스북은 페이스북에 가입한 사람들 즉 로그인한 모수 타겟 등

로그인하는, 모스타게트 시단을 하고 자기한테 회원으로 가입하면서 주는 회원 정보가 있죠. 회원 정보가 상당히 정확한 정보들이기 때문에 그것에 기반한 오디언 스타게팅에 굉장히 강점을 갖고 있다. 베이스북으로. 이런 광고 플랫폼들이 갖고 있는 타게팅의 특성, 이런 것들은 나중에 여러분들이 광고 실무를 하면서 알아두어야 될 내용 중에 하나예요. 구글에즈는 다양한, 즉 모수를 기반한 것은 아니지만 다양한 쿠키 정보를 바탕으로 굉장히 방대한 타게팅을 해나갈 수 있다. 그렇지만,

정확성 정교성은 떨어질 가능성이 있죠. 우리 제품한테는 고객의 메인저드 프로파일을 정확하게 갖고 있는 건 아니기 때문에 페이스북은 로그인 데이터에 기반하기 때문에 모스는 많지 않더라도 페이스북 가입자 정도 되면 모스가 적다고 전체보다는 적겠지만 그래도 적다고 볼 수는 없어요. 굉장히 많은 모스에 기반한 오디언스 타겟팅을 하고 있다. 그리고 정확도가 굉장히 높다. 그 다음에 이제 유튜브 유튜브는 이제

트루뷰 엑스트림이라는 광고 플랫폼이에요. 그래서 인구 통계, 그러니까 유튜브 가입자들의 인구 통계적인 내용, 그 다음에 유튜브 시청을 한 그런 관심 분야, 키워드, 이런 다양한 타겟팅을 유튜브의 경우에는 타겟팅 기법으로 해서 서비스를 해주고 있다. 그 다음에 와이드 프레이딩이라는 광고 플랫폼의 경우에는 텍스트 마이닝과 자연어집

키워드나 텍스트에 기반한 이것을 통해서 타겟팅을 해나가는 이런 강점을 갖고 있고 우리나라의 국내 주요 광고 플랫폼들이 네이버나 또는 다음 아담 또 SK프레밋, 카올리 이런 데들도 머신러닝을 통한 타겟팅 즉 이런 데들도 정보는 뭐야. 네이버 같은 경우는 쿠키 정보를 기반으로 해서

타겟팅을 해 나갈 수 있겠죠. 그리고 SK프레니 이런 데서는 Add ID 이런 코드를 이용해서 타겟팅을 해 나가는 서비스를 제공하고 있다. 이런 내용을 볼 수 있고 이 주요 광고 플랫폼들이 어떤 어떤 타겟팅 방법을 쓰고 있다 이런 것까지 나와요. 그러면 각 쓰고 있는 타겟팅 방법은 도대체 무엇이냐 쓰고 있는 타겟팅 방법에 등장한 여러 가지 타겟팅의 용어들은 어떤 내용이냐 이것을 이제

살펴보면, 살펴보기 전에 우리가 일반적인 타겟팅과 DMP를 활용한 타겟팅을 한번 구별해서 어떤 타겟팅이 실질적으로 DMP를 쓰게 되면 어떤 이점이 있는지 이것을 한번 살펴볼 필요가 있는데 일반 타겟팅이라는 것은 광고주들이 애드네트워크를 가지고 있는 애드네트워크를 구성하고 있는 이 DSP. 이 DSP는 브라즈.

드멘트 사이드에서 즉 광고를 구매하려는 사람들 사이드에서 운영하고 있는 광고 플랫폼이 DSP라고 했죠. 이 광고주들은 이 DSP를 이용해서 DSP들과 이 DSP들이 구성하고 있는 애드인벤토리를 엮어서 애드 네트워크를 형성하게 되는데 애드 네트워크에 접속한 여러 사용자들 그런데 이 사용자들에 대한 실질적인 개인정보는 구체적으로 갖고 있지 않은 익명의 타겟을 통해서 우리가

광고주들이 타겟팅을 해나가는 일반적인 타겟팅을 이용한 이런 타겟팅을 하게 돼요. 이러다 보니까 이 사람들이 갖고 있는 방문 이력이라든가 IP어드레스, 위치정보, 그리고 그 사람들의 디바이스, 즉 광고 단말기가 어떤 OS 체계에서 움직이느냐 윈도우 OS냐, 아니면 앤드로이드 OS냐, 아니면 애플 OS냐, iOS냐 이런 것에 대한 정보를 가지고 있는데

실질적으로 이 사람이 누구라는 것을 특정화시키기는 어려워요. 일반 타겟팅으로는. 그렇기 때문에 ODS 타겟팅에서 좀 약간 제약이 있을 수 있죠. 그렇지만 우리가 수집한 데이터를 가지고 DMP를 활용하게 되면 즉 데이터 마케팅 프로폼을 이용한 타겟팅을 하게 되면 데이터 매니지먼트 프랫폼을 이용하게 되면 이 데이터 매니지먼트 프랫폼에서는 지난 시간에 데이터 매니지먼트 프랫폼이 갖추고 있는 요소들에 대해서 쫙 보여줬죠.

그 안에는 EDA 즉 Exploratory Data Analysis라는 어떤 데이터 분석 모듈, 그렇죠? EDA부터 시작해서 데이터 클러스터링, 고객을 클러스터링 한다든가 또는 고객들을 필터링 해가지고 어떤 맞춤 고객을 찾아내는 그런 시스템을 구성해 가지고 있기 때문에 DLP를 활용하게 되면 실질적으로 익명의 타겟을

어느 정도 특정화 시켜 나가는, 특정화 시킨 이 같은 알려진 타겟을 대상으로 해서 타겟팅을 하게 하는 그 장점이 있게 되죠. 그래서 DSP를 활용하게 되면, DMP를 활용하게 되면 DMP는 이렇게 DSP가, DSP한테 DMP는 그와 같은 정보들을 이렇게 주죠. 그래서 DSP가 고자 알려진 타겟에 대한 안구 노출을 가능하게 해주는 게 바로

DMP를 활용하게 되면 훨씬 더 가능하다. 이런 장점이 있죠. 그래서 DMP를 활용했을 때는 좀 정확도가 높은 그런 타겟팅을 할 가능성이 높다. 이 DMP를 활용할 때에도 DMP를 활용하지 않고 만약에 자사 데이터만을 이용한다. 자사 데이터를 이용한다는 얘기도 다음에 나와 있겠지만 사용자 데이터를 이용해서 이 퍼스트

퍼프트 파티 데이터 즉 일자 데이터만을 이용한다는 것이 바로 이 자사 데이터를 이용한다는 거죠. 이 자사 데이터만을 이용하게 되면은 뭐예요? 자사 데이터라는 것은 우리 사이트에 접속해 온 사용자들만 사용자들의 데이터만을 우리가 활용할 수 있기 때문에 우리 사이트나 단일 퍼블리셔 즉 단일 플랫폼에 대한 데이터는 갖고 있지만 다양한 다른 퍼블리셔들의 데이터는 그 쿠키를 우리가 확인할 수가 없죠. 그렇기 때문에

고객 프로파일링에 상당히 한계를 갖게 된다. 자사 데이터는. 그래서 자사 데이터만을 이용해서 타겟팅을 하는 것은 여러 가지 면에서 한계가 있다. 모수가 일단 적게 되고 모수가 적게 되고 그리고 다른 사이트의 다른 플랫폼을 이용한 사용자들에 대한 정보는 우리가 찾아내기 어렵기 때문에 한계가 있기를 위해서. 결국 그렇기 때문에 광고주들은 DSP를 이용해서.

우리가 우리한테 알려진 우리가 특정한 시킬 수 있는 이런 고객들에 대한 정보를 이용해서 타겟팅을 하는 것이 효과적이다. 이런 내용을 할 수가 있을 거예요. 앞에서 얘기했던 그런 자사 데이터와 관리 마찬가지로 이 데이터를 이용할 수 있는 데이터 유형은 그 같이 퍼스트 파트 데이터, 세컨 파트 데이터, 서업 파트 데이터, 일자 데이터, 이사대의 대상자 데이터 라고 할 수 있는데 일자 데이터는 우리가 가지고 있는 관리 가능한 데이터이기 때문에 굉장히 정확도는 높죠. 그렇지만

사용할 수 있는 모스 즉 사용자 수가 크지가 않은 이런 한계가 있기 때문에 그러니까 이자 데이터나 삼자대기 이자 데이터도 우리가 거래하는 거래처로부터 받은 그 모스를 추가할 수 있지만 그것도 적은 데이터를 몇 개 합쳐봐야 그렇게 많을 수는 없어요. 그래서 이 세컨 파트 데이터까지 활용하더라도 이자 데이터나 이자 데이터만을 활용해더라도 모스 자체의 한계가 틈을 존재한다. 그렇기 때문에 우리는 서드 파트 데이터를 많이 같이 활용해서 쓰게 되는데 이 서드 파트 데이터들은 EMP

DMP 플랫폼을 갖고 있는 외부에 있는 N 플랫폼들의 데이터를 구매하는 방식으로 활용하는 것입니다. 그렇기 때문에 모수 확장에 굉장히 효과적이다라는 것이 서드파트 데이터를 갖고 있는 특징이라고 할 수 있어요. 물론 이 서드파트 데이터를 이용하게 되면 자기가 직접 보유한 데이터들처럼 식별성이 높지는 않아요. 자기가 보유한 데이터는 식별성이 100%죠. 그런데 외국 서드파트 데이터는 식별성이 100%는 안 돼요. 그렇지만 서드파트 데이터들은 DMP 플랫폼을 통해서

고객들을 식별해내서 자기네 고객을 찾아내는 확률이 굉장히 확률모형에 의해서 머신난의 기법에 의해서 확률이 굉장히 높아졌어요. 그래서 비식별되는 데이터지만 식별성이 거의 한 80% 이상 거의 90% 가까이 식별이 가능하기 때문에 서드파 데이터도 상당히 정확도가 높다. 그리고 정확도도 어느 정도 높은 데다가 모수가 굉장히 늘어나기 때문에 서드파 데이터는 효과적으로 사용할 필요가 있다. 이런 얘기를 할 수가 있는 거죠.

이 third-party 데이터를 이용할 때 우리가 주로 활용하는 데이터는 바로 뭐예요? addID라는 코드를 활용해서 third-party 데이터를 수집하게 됩니다. third-party 데이터는 addID를 이용해서 할 때 바로 addID라는 것은 뭐냐? 즉, 이 앱을 이용한 흔적을 찾을 때 addID를 통해서 개인을 식별하는 그런 식별 코드를 우리는 addID 코드라고 얘기하죠. 그래서 안드로이드나

이곳에 있는 애플 ios 이런 데에 있는 데이터들을 이런 데에 단말기 하나하나의 고유값으로 부여된 10여 값의 코드를 바로 누리는 add id 코드라고 할 수 있다. add id 코드는 모바일 앱에서 모바일 앱을 사용한 우리가 핸드폰에서 스마트폰에서 모바일 앱을 사용하면 사용한 모바일 앱 사용자의 행동을 파악하는데 이 add id 코드가 기준값이 되고 있죠. 개인적인 상황을 찾아내는데

그래서 이 애드 아이디를 활용해서 만약에 이 광고 마케팅에 활용한다고 그러면 매일 방문한 사용자들을 찾아서 그 사람들한테 할인권을 제공함으로써 실제 구매를 할 수 있게끔 이렇게 해줄 수 있고 그 다음에 매일 방문하지 않고 일주일마다 매일 방문하던 사람이 일주일 동안 방문을 미방문했다 이러면 이 사람들한테 이 사람이 관심 있어 하는 상품이나 이런 것들을

검색해 찾아 분석해 내서 관심 있는 상품에 대한 할인 행사 메시지를 발송을 해 가지고 이 사람이 관심을 유발시켜 나가는 이런 방법이 이 add id 코드를 이용해서 사용자들을 우리가 끌어들이는 그런 방식의 적절한 코드다. 아까 앞에서 얘기했듯이 자사 데이터는 마찬가지로 add id 데이터를 이용했을 때 실질적으로 add id 데이터를 통하면 굉장히 드러나는데

모수가 적은 자사 데이터들은 모수가 적기 때문에 외부 데이터, 애드 아이디 이동을 활용한 보육 데이터를 활용해야 되고, 외부 데이터들에 대한 머신러닝으로 타겟 프로파일을 추정하면 아까 얘기했듯이 정확도가 90% 수준까지 높아지고 있다. 이런 얘기를 할 수가 있죠. 애드 아이디를 활용할 때에 우리가 크게 애드 플랫폼들이 활용하는 타겟팅 방식을 구글과 페이스북을 비교해 보면 구글은 쿠키 정보,

구글은 웹을 사용하는 사용자들한테 쿠키 정보를 기반으로 해서 타겟팅하고 페이스북은 쿠키 정보보다는 로그인 정보로 하면 페이스북은 회원가입 정보가 다 있기 때문에 쿠키 정보를 기반으로 해서 타겟팅을 해나고 구글의 경우에는 쿠키를 기반으로 하기 때문에 행동정보 구키에는 이 사람이 어떤 사이트를 가서 얼마나 체류했고 이런 장바구니에 담았다가 뺐고 이런 것에 대한 행동정보가 다 들어있기 때문에 국회 안에는

이 쿠키를 바탕으로 해서 머신러닝으로 구매 확률에 대한 추정을 할 수가 있죠. 그렇지만 이 타겟팅은 개별 예별 타겟들에 대한 정확도가 좀 낮아요. 왜냐하면 쿠키 정보를 기반으로 하기 때문에 개인을 특정하는 것이 실질적으로 정확도가 좀 떨어질 수가 있어요. 그렇지만 페이스북은 로그인 정보를 기반으로 하기 때문에 회원정보의 정확한 연령이라든가 그 사람의 직업이라든가 또는 사는 지역이라든가 이런 것들이 다 들어있기 때문에 굉장히 정확도가 높은 그런 것들입니다.

이러한 타겟팅을 해나갈 수가 있다. 결국 우리가 데이터 광고에서 활용하는 타겟팅은 방대한 데이터를 가지고 머신러닝의 기법, 즉 인공지능의 머신러닝 기법을 이용해서 타겟팅을 해나가는데 이때 관건이 되는 것은 데이터를 얼마나 많이 갖고 있느냐 보다는 그 데이터가 얼마나 정확도가 높으냐 이것이 관건이 된다. 그래야 정확도가 높은 데이터를 가지고 타겟팅을 해나가야

실제적으로 아까 얘기했듯이 잘못된 타겟팅의 경우에 우리가 안게 되는 부담. 즉 뭐예요? 광고 집행에 따른 비용, 헛된 돈을 쓰지 않게 된다. 그래서 헛된 돈을 쓰지 않는 디지털 광고의 장점을 잘 구현하려면 빅데이터의 기반은 타겟팅을 할 때 그 빅데이터가 단순히 데이터의 양보다는 그 데이터가 얼마나 정확도가 높은 데이터냐. 정확도가 높다는 얘기는 뭐예요? 개인화를 어떤 특정한 사용자, 특정한 소비자를 얼마나

잘 찾아낼 수 있느냐. 그 특정해서 찾아낼 수 있는 사람이 누구냐 라는 것을 얼마나 잘 확인할 수 있느냐. 이것이 결국 데이터 지휘의 관건이다. 그러면 본격적으로 아까 앞에서 얘기했던 이런 디지털 광고 플랫폼들이 해나가는 여러 타겟팅 방식들 여기 있죠. 데모 타겟팅, 관심사 타겟팅, 그 다음에 뭐

키워드에 의한 타겟팅, 키워드 타겟팅, 그 다음에 게재 위치 타겟팅 이런 여러 가지 타겟팅 방식이 있는데 이 타겟팅 방식이 어떤 유형들이 그런 타겟팅이라는 용어로 쓰이고 있는지에 대한 내용을 한번 살펴보죠. 이 타겟팅 유형은 크게 콘텐츠에 기반한 타겟팅이냐 사용자에 기반한 타겟팅이냐 아니면 나머지 콘텐츠와 사용자를 제외한 다른 방식의 타겟팅이냐 그 다음에 크게 세 가지 유형을 갖고 있는데 세 가지 유형 내에 여러 가지 분류가 되는

타겟팅의 방식들이 있게 되요. 큰 유형은 이렇게 세 개. 콘텐츠 기반이냐 사용자 기반이냐는 이 두 개를 쓸 나머지 방식, 기타 방식이냐. 이렇게 타겟팅의 유형이 분류가 되는데 하나하나 살펴보죠. 그래서 우리 교재 책 교재편 6-2에 보면 콘텐츠 기반 타겟팅이 이렇게 나와. 콘텐츠 기반 타겟팅이라는 것은 검색어를 쳤을 때 나온 콘텐츠들. 그 콘텐츠들을 보는 사람들을 우리 광고의 타겟팅으로 삼겠다. 그것이 바로 콘텐츠 기반 타겟팅이죠.

그래서 컨텐츠기반 타겟팅에서는 검색어를 기준으로 컨텐츠를 참고 있는 겁니다. 검색어 기준 타겟팅 또는 주제, 주제나 카테고리, 주제나 카테고리를 우리가 정해줘서 그 카테고리에 해당하는 컨텐츠들이, 컨텐츠들을 소비하는 대상들을 사용자들을 우리가 타겟팅 대상으로 삼겠다. 이게 컨텐츠기반 타겟팅 방식의 주제 타겟팅에 해당합니다. 그리고 문맥 타겟팅, 그 다음에 계제일치 타겟팅 이런 식으로 이루어진 것이 컨텐츠기반 타겟팅이고

사용자 기반 타겟팅 사용자의 행태를 봐서 사용자 행태를 봐서 또 사용자의 특성을 봐서 사용자 특성이 어떤 대모를 갖고 있는 사용자냐 어떤 인구통계적 또는 뭐 지고 사는 지역 이런 대모를 보고 타게팅 그 다음에 그 사람 사용자의 관심 행동 그 다음에 이 사람이 우리의 제품을 한번 샀는 사람이냐 또는 다시 사는 사람이냐는 재 타겟팅 그 다음에 유사 타겟팅 우리 사람을 샀는 사람들과 유사한 사용자 특성을 갖고 있는 사람이냐

그 다음에 crm 데이터 타겟팅에서 그 사람과의 지속적인 관계를 창출하면서 우리가 얻어낸 찾아낸 사용자들을 기반으로 타겟팅하는 게 바로 crm 타겟팅. 기타는 그 사람이 사용하는 접속한 경로, 단말기, 그 사람이 쓰는 브라우저 그리고 그 사람의 현재 위치, gps 정보를 이름으로 위치 그 다음에 그 사람이 사용한 사이트에서 주로 이 사람이

보고 있는 사이트들의 언어나 또는 bj 이 사람이 좋아하는 bj 가 어떻게 되느냐 이런 것에 대한 타겟팅 방법들이 있어요 뭐 세부적인 하나하나의 사례를 한번 보도록 하죠 그래서 데모 타겟팅 무슨 말대로 대문하는 것은 데모그래픽이 약자다 그래서 데모그래픽이 해서 사용자의 성, 나이, 직업 이것에 기준해서 타겟팅 하는 거죠 이제 못하게 패드를 하려면 기본적으로 뭐가 있어야 돼요 대모티그를 패드를 하려면 누가 유리하겠어

그것은 광고 플랫폼 사업자 중에 누가 이 데모 타겟팅을 하기에 유리하겠어요. 이 사용자들에 대한 정확한 정보를 갖고 있는 사람이 데모 타겟팅을 할 때 굉장히 강점이 있겠죠. 즉 로그인한 정보를 쥐고 있는 그런 광고 플랫폼 사업자가 데모 타겟팅을 하기에는 굉장히 좋겠죠. 그냥 로그인한 회원을 대상으로 해서 광고를 노출해주는 아까 알았던 페이스북 같은 데가 그래서 데모 타겟팅을 통해서 정확한 타겟팅을 하는, 식결이 가능한 정확한 정보들을 쥐고 타겟팅을 해나가기 위하겠죠.

그래서 이런 것들을 해나갈 수 있다. 일단 로그인 정보를 지고 있는 즉, First Party Data, 즉 일자 데이터에 기반한 타겟팅을 하는 것이 바로 데모 타겟팅을 할 때 유리하겠죠. 쿠키 정보라든가 또는 Add ID 이런 코드를 통해서 이런 비식별 정보, 이런 쿠키 정보나 Add ID 정보에는 뭐야? 대모레피고기는 들어가 있지 않죠. 그렇지만

이런 데이터를 가지고 뭐해요? 이런 데이터가 방대하게 있게 되면 여기에 AI 기반 머신러닝의 방법을 통해서 이 사람의 데모그래픽을 추정을 할 수 있어요. 아까 얘기했죠. DMP 플랫폼의 경우에 이런 것들을 추정해서 거의 90% 정도의 식별력을 갖추게 한다고 했죠. 그러면 90% 정도의 식별력으로 도춘한 데모그래픽이 있었습니다. 정확하게 그 사람이 로그인해서 나는 20대 남자 서울 거주하고 있어 이런 정보를 주진 않았지만

이 사람의 쿠키나 광고, 애드 아이디 코드나 이런 걸 가지고 이 사람의 데모그래픽을 아까 개와 고양이 그린복으로 식별에 나가듯이 그런 식별을 머신러닝을 통해서 빅데이터가 쌓이면 이 사람이 20대야, 30대야 이걸 찾아내게 해주는 거죠. 그렇게 찾아내면 그걸 머신러닝 분석이라고 해요. 그렇게 머신러닝 분석을 통해서 데모그래픽을 추정해낼 수 있겠죠. 그렇게 하면 요새는 인공지능이 발달해서 거의 80%, 90% 가까이

데모그래픽을 찾아낸다. 어쨌거나 그렇게 데모그래픽을 찾아내면 그것에 기반한 타겟팅을 하는 게 바로 데모 타겟팅이라고 얘기를 하는 거죠. 그래서 데모 타겟팅은 일자 데이터를 가지고 있거나 또는 로그인 정보를 지고 있는 애드 플랫폼의 경우에는 100% 정확한 정보를 갖고 데모 타겟팅을 해나갈 수 있고 그렇지 않고 후키나 애드 아이디를 갖고 식별을 해서 데모그래픽을 추정한 경우에는 추정된 데모그래픽을 통해서 데모타게팅을 해봤습니다.

데모 타겟팅은 타겟 모수가 커서 광범위한 타겟에 도착할 수가 있다. 연령이나 성 이런 것을 찾아내면 광범위한 타겟에 도달이 가능하고 단점은 구매 전환 효과가 떨어진다. 이거는 데모 타겟팅은 많은 사람한테 도달시킬 수 있지만 많은 사람한테 우리 제품을 구입하기에 감황성이 높은 사람을 그렇게 찾은 것은 아니기 때문에 그 사람이 어떤 관심도라든가 이런 것 또는 자주 구매한 내역 이런 것을 갖고 행동이나

키워드 또는 관심사 이런 것을 가지고 접근한 것이 아니라서 실질적으로 구매를 유발하게 할 단계 즉 구매 전환 효과, 즉 전환율을 높이기에는 데모 타겟팅이 그렇게 파워풀하지는 않다. 그렇기 때문에 이 데모 타겟팅은 다른 타겟팅과 같이 엮어서 쓰는 타겟팅 방법이다. 이런 얘기를 할 수가 있잖아. 이 데모 타겟팅은 초기에 즉 신제품이나 시장을 런칭한 제품 초기에

다양한 사람들한테 일단 많이 노출을 했지만 우리 제품을 당장 살지 안 살지는 모르지만 다양한 사람들한테 우리 제품을 알리는 이런 용도보다 쓸 때는 이 대본 타겟팅이 다른 의미가 있을 수 있는 타겟팅 방법이다. 그래서 나중에 관심사 타겟팅하고 같이 결부돼서 우리 제품에 대한 관심을 우리 상표에 대한 관심과 관여도를 높일 수 있다. 대본 타겟팅 방법은. 예를 보면은 대본 타겟팅의 방법으로 화장품을 기반으로 한 대본 타겟팅 방식이 이렇게 나와 있어요.

로그인 정보가 아니라 비식별 정보, 즉 쿠키 정보를 바탕으로 데모 타겟팅을 어떻게 하느냐 모르는 유저가 왔는데 이 사람은 쿠키 정보만 가지고 왔죠. 그런데 이 사람은 쿠키 정보 안에 보면 화장품 사이트에 접속했던 쿠키 정보가 있어요. 그러면 이 사람은 화장품에 관심이 있구나. 그런데 남자인지 여자인지 모르겠어. 그런데 화장품 중에서도 화장품 사이트 외에 마이크로라는 닷컴사이트에 가서 여성전용 수다방을 이용한 적이 있어요. 그러면 이거 여자구나. 화장품 아직 있는 여자구나. 이런 식으로 식별을 해나가는 거예요. 단계적으로.

그리고 아트랑스라는 여성 의류 사이트를 방문했다고 하면 아트랑스 이거는 젊은 층들이 찾는 여성 브랜드니까 여성 의류니까 이건 20대 여성인 것 같다. 그리고 스포츠와 야구 관련 기사를 검색하는 적이 있어요. 이 사람은 화장품에 관심이 있는 20대 여성 중에 스포츠에 관심이 있고 특히 야구를 좋아하는구나. 그러면 이 사람은 이런 식으로 특정을 하는 거죠. 20대 화장품 관심 여성 20대 화장품 관심 그다음에 스포츠 야구를 좋아 이런 식으로

데모그래픽을 찾아 나가면서 타겟팅을 해 나가는 이것이 비식별 정보보다 우리가 지고 있더라도 뭐 이런 거를 잘 엮어서 다른 사이트 이용한 정보들을 더 많이 엮어내면 더 정확한 식별을 해 나갈 수 있겠죠. 데모그래픽을 찾아 나갈 수 있겠다. 이게 이제 데모 타겟팅의 방식이다. 뭐 이런식으로 화장품을 한 경우도 있지만 밀러

밀러 회사는 뭐가 떠오나요? 밀러는 맥주 회사죠. 맥주 회사에서 밀러 맥주가 경쟁 상대가 되는 맥주가 밀러하고 머드와이저 하는 맥주인데 밀러사는 맥주 광고에서 가장 마케팅에 관심을 많이 보이는 데가 제품 소비량이나 제품을 구매하면서 가장 큰 기준을 차지하고 있는 이라는 젊은 남성의 포지션을 마치 광고를 했어요. 밀러가 그런데

실질적으로 일하는 젊은 남성이라는 것은 과거에는 맥주 하게 되면 왠지 맥주는 좀 약간 일반 소주나 이런 것에 비해서 고급스러운 타격 이런 것에 여기는데 그리고 뭔가 좀 화이트 칼라들이 머신 그런 맥주라는 생각을 가졌는데 일하는 젊은 남성 하면서 이렇게 블루 칼라 이렇게 과감하게 전환을 시켰는데 이것은 워드와이저가 늘

이렇게 약간 고급스럽고 저택에서 수영장 파티는 기족같은 젊은 남자를 보여주는 워드와이저의 개념하고는 워드와이저에서 지향하는 타겟팅하고는 상반된 이런 타겟팅을 지향했다. 그래서 실질적으로 맥주 데이터에 대한 분석을 해보니까 맥주를 실제적으로 많이 마시는 사람들은 대부분이 블루카라노점자라는 것을 라이프타일 데이터를 통해서 타겟팅을 해보니까

이런 결과를 얻어서 실제적으로 아까 얘기한 고급스러운 젊은 귀족 같은 젊은 남녀에서 일하는 젊은 남성으로 해서 블록 칼라 쪽으로 과감하게 전환 결과 상당히 시장 점유율을 높일 수 있다. 이게 바로 밀러사에서 하고 있는 밀러타임이라는 캠페인을 수행을 했고 이것의 근간을 이루게 하는 것이 데모그래픽 타겟팅에 의한

액체 컨셉을 바꾼 사례라고 할 수가 있습니다. 그 다음에 관심사 타겟팅. 관심사 타겟팅이라는 것은 광고 타겟팅의 취미나 관심사에 따르는 타겟팅 기법에 대해서 관심사를 대분류적으로는 쇼핑 그 다음에 쇼핑 중에서도 어떤 경로를 쇼핑 채널을 어디서 찾느냐에 따라서 쇼핑 채널을 소셜커머스냐 아니면 백화점이나 마트나 아니면

드럭스토어냐 편의점 개념의 드럭스토어의 개념이다 쇼핑 채널들을 일통 채널들을 중분류로 정해서 대부분 쇼핑에 관심이 있으면 중분류 쇼핑 채널은 몽땅 다 어떤 중분류에 가져가죠 이런 식으로 관심사에 대한 것을 체크를 해서 이런 관심사에 노출된 선택된 타겟 의저들한테만 우리 광고가 노출되도록 하게 하는

그래서 웹사이트 방문 사용자들의 소비한 컨텐츠들을 분석해서 이 사람들이 어떤 사이트들을 돌아다녔는지 그 사이트의 쿠키 정보나 이런 것들을 통해서 관심사를 파악한 다음에 그 사람들한테 그 관심사에 맞는 방법으로 노출해주는 것입니다. 물론 관심사 타겟팅은 이렇게 관심사를 쇼핑이냐 이런 식으로 노출할 수도 있는데 그 안에서도 관심사에서도 백화점의 경우는 여기다 보면 백화점 앱을 이용해서

또는 유주일 전 운동을 구매했다. 또는 소셜커머스 광고를 클릭한 적이 있다. 이런 그 사람들이 관심을 보인 내용을 이렇게 구체적으로 리스트업 해가지고 그 리스트업에 광고주로 하여금 아 나는 이런 이 사람들의 행동 리스트 중에 이게 더 관심이 있어. 그래서 이런 관심사들을 클릭하게 해서 그 관심사에 해당한 사람들한테만 우리 광고가 노출되게끔 하는 즉 우리 광고에 타겟이 되게 하는 이런 식의 타겟팅이 관심사 타겟팅이라고 할 수가 있죠.

관심사 타겟팅을 하는 예시로서는 이런 식으로 쇼핑에 대한 내용도 있지만 내가 만약에 관심을 갖게 하는 내용을 여행기사를 관심있게 보는 사람들한테 우리 광고의 타겟으로 노출되게 하고 싶다. 여행기사를 보는 사람들한테 그런데 우리 광고한테 그 사람들한테 뭘 노출하고 싶으냐. 호텔 예약 광고를 노출하고 싶다. 그러면 호텔 광고주를

여행 기사를 검색한 사람들한테 호텔 광고주를 유치해서 그 사람들한테 광고가 노출되게끔 해주는 그런 역할을 하는 타겟팅 방식을 관심사 타겟팅이라고 할 수 있고 이런 관심사 타겟팅을 수행하는 것은 아까 얘기했던 DNP에서 이런 정보를 받아서 DSP가 이런 역할을 맞춰서 관심사 타겟팅을 시켜주는 거죠. 플랫폼의 현황을 보면 와이드 플래닛 아까 앞에서 하는 광고 플랫폼의 와이드 플랫폼

와이더플라인이시라는 광고 프로그램은 하루 평균 250TB 이상의 인터넷 사용자 행태를 분석해서 거기에 25개의 대분류와 242개의 소분류로 세분해서 이렇게 관심사를 분류해놓고 광고주들한테 어떤 관심사에 있는 소비자들을 당신 제품에 광고가 노출되는 타겟으로 삼고 싶으냐 그것을 지정하기 위해서 광고를 노출해주게 됩니다. 페이스북도 마찬가지로 관심사를 카테고리별로 설정을 해서 해당 관심사 사용자를 선별해서 마침원 광고를 노출하게도 한다. 이런 관심사 타겟팅 방식. 페이스북에 관심사 타겟팅 설정하면 이렇게 나와있어요. 관심사 카테고리를

가족, 결혼, 비즈니스, 산업, 쇼핑, 패션, 스코트, 야외활동 이런 식으로 관심사 타겟을 찾는 아이콘이 있어서 아이콘 중에서 뭘 클릭하게. 이 관심사를 사용한 사람들을 자동으로 찾아내서 거기에 광고 노출되게 하는 것입니다. 실질적으로 페이스북 같은 경우는 1차적으로 로그인 정보를 다 가지고 있죠. 로그인 정보를 가지고 있기 때문에 그 로그인 정보에 기반한 개인을 특정한 상태에서

개인을 특정한 상태에서 그 개인이 보인 활동내역 중에 무엇이 사람 관심을 가졌느냐를 다 부여해 놓을 수 있기 때문에 그 사람의 관심사들이 다 그 사람의 관심사라고 표시를 안 해도 로그인정보에서 그 개인이 다 특화되어 있기 때문에 그 특화된 개인들한테 이 사람의 관심은 뭐다라는 것을 다 매칭시켜 놓을 수 있죠. 부여할 수 있죠. 그러면 어떤 광고주가 어떤 관심사를 보유한 타겟을 찾아주시오 했을 때

이미 다 개인적으로 특화된 사용자한테 부여되어 있는 관심사들을 거기에 다 연결지어서 타겟팅을 해서 광고가 노출되게 됐습니다. 네 번째로 다루는 게 이제 토픽 타겟팅. 그래서 주제 타겟팅인데 주제 타겟팅을 구글의 경우에 해나가는 거죠. 구글의 주제 타겟팅에서 구글의 경우에 특정 주제들을 분류해놨어요. 주제를

구글의 경우에 검색한 내용들을 주제를 묶어놨겠죠. 검색 키워드는 무한대의 키워드가 나올 수 있죠. 그런데 그거를 묶은 거죠. 특혜적으로 그래서 건강, 부동산 여행, 게임, 빚, 선환 이런 식으로. 그래서 이런 주제 카테고리 리스트를 주고 이 주제들을 광고주들이 이 주제 중에 어떤 것을 어떤 주제에.

관심을 모인 사용자들한테 광고를 노출시키고 싶냐 이런 식으로 타겟팅을 해나가게끔 해주는 그런 방식이죠. 그래서 광고주가 설정한 특정 주제와 매칭되는 지면에 광고를 노출시켜줄 수 있는 것이죠. 광고주가 설정한 특정 주제에 해당하는 사이트가 있다고 그러면 그 사이트에 광고가 가능한 이벤토리, 광고 이벤토리에 광고주의 광고가 나가게끔 해주는 그게 바로 주제 타겟팅이 됐냐입니다.

주제의 경우에 실제적으로 주제 타겟팅의 자칫 단점이라고 하면 광고주 제품이 여기 나와 있는 주제와 관련이 없는 그런 분류에 해당이 되거나 또는 일부는 이 분류에 해당하는데 또 일부는 어떤 것은 게임에도 해당되는데 어떤 것은 과학이라는 주제에도 해당될 수 있죠. 그 광고주의 제품이

그런 애매한 경우들이 생길 수도 있는 그런 단점이 있을 수 있죠. 그럴 때에는 자칫하게 되면 가능성이 낮은 쪽으로 실질적으로는 게임하고 과학들 중에 어디로 갈까 이렇게 되는데 어떻게 보면 과학 쪽에 더 높은데 양쪽에 걸치다 보니까 게임 쪽으로도 가서 광고가 노출될 수도 있는 우려가 있지 않겠냐 이런 내용이 있을 수 있는데 이것은 머신러닝을 활용해서 머신러닝한테 학습을 시켜가지고 좀 더 분류가 정확하게 되도록 이런 활동을

구글의 경우에 지속적으로 하고 있다. 그리고 구글에서 정해놓은 주제 카테고리는 광고주가 요청하는 자기 제품의 분류에 맞는 것을 잘 찾아주고 있다. 이런 방어를 지속적으로 하고 있습니다. 카테고리 타겟팅이라는 것은 아까 얘기했던 카테고리나 주제나 관심사 이런 것들이 쓰는데

여기는 광고주가 선택한 카테고리에 매칭되기 때문에 광고가 노출되고 있어서 실질적으로 그 카테고리 하나뿐 아니라 그 밑에 있는 하위 카테고리에도 광고가 다양하게 노출되고 있는 이런 광고가 가능하도록 해주는 것이 카테고리죠. 카테고리로서 가능되는 범위는 쇼핑부터 시작해서 스포츠 이런 카테고리를 구분해서 운영하고 있다. 그런데 카테고리 타겟팅을 할 때 주의할 점은

카테고리 타겟팅에서 카테고리가 안 되는 그런 부분이 있어요 그래서 이것은 카테고리 기류가 안 되고 범죄를 시사하는 그런 카테고리라든가 또는 건강, 건강이라는 게 건강하다 아니면 헬스를 얘기하는 게 아니라 약간 질병과 관련된 특정한 병과 관련된 이런 것들을 요구하는 카테고리는 광고에서 카테고리가 인감하니까 빼놓고 있는

그 다음에 인종이나 종교, 섹슈얼과 관련된, 그리고 퀄리티컬 관련된 이런 것들은 타겟팅의 카테고리에서 제외하고 있다. 그리고 이 카테고리 타겟팅은 실질적으로 그렇게 묶다 보니까 정교성이 좀 떨어질 수가 있어요. 그리고 카테고리 타겟팅은 훨씬 더 정교하고 그렇지만 카테고리 타겟팅은 일반적으로 많이 하게 되는데 카테고리가 일반적이긴 한데 정교한 곳은 문맥 타겟팅이에요. 두 개를 같이 묶어서 쓰는 경우도 존중 있게 되는 거에요.

여기 나와 있는 카테고리 타겟은 게임 카테고리를 선정하게 되면 네이버의 경우에 카테고리가 이렇게 있죠. 자기네이버의 콘텐츠들, 기사들이 존재하는 카테고리가 있는데 이 중에 게임 카테고리를 선택을 하면 거기에 등장하는 게임 내용이 있고 게임 광고가 이렇게 들어가게 되는 카테고리 타겟을 실시한 사례를 볼 수가 있죠. 이 키워드 타겟팅은 아까 주제랑 관심사,

이거보다는 키워드는 아까 수십 수만 가지가 나왔죠. 사람이 내가 궁금한 용어 이런 것들을 검색할 때 나오는 검색 워딩이 바로 이 키워드가 되는데 바로 이 키워드는 사용자가 검색한 키워드를 파악해서 어떤 거를 검색하고자 용어를 치게 되면 특정 키워드들을 몇 개 지정해줘서 예를 들면 건강, 다이어트, 미용 이런 것들 몇 개를 정해주면 그 정해진 키워드를 검색할 때마다

그 검색에서 등장하는 콘텐츠 사이트에 광고가 노출되지 않는 광고가 바로 키워드 타겟팅이라고 할 수 있죠. 아까 카테고리나 주제에 이런 타겟팅보다 훨씬 더 정결한 자기인의 제품과 일치된 그런 타겟을 찾아내서 광고를 노출할 수 있는 게 바로 키워드 타겟팅이라고 할 수 있고요. 키워드 타겟팅의 작동 과정은 광고주가 자기가 원하는 우리 제품의 특성과 관련된 게 있으면 우리 제품의 특성과 관련된 것 같이 큰 특성으로는 우리 제품은

다이어트들아. 그런데 다이어트를 해주면서 우리는 뭐 요요효과를 유발하지 않는 그런 다이어트다. 그러면 다이어트 그다음에 뭐 다이어트 검색하고 요요효과 뭐 이런 몇 개의 키워드를 동시에 등록해 놓을 수 있죠. 그러면 그 등록된 키워드를 사용자들의 키워드를 검색하고자 하지마다. 광고지가 키워드를 그 애드플랫폼에 애드플랫폼의 DB에 등록해놓으면 그 애드플랫폼에서 어떤 사용자가 키워드를 검색하면 그 애드플랫폼에 있는 이 광고지에 광고가 노출되기라는 것입니다.

이 키워드 광고 실질적으로 많이 광고주들이 사용해서 쓰게 돼요. 사용해서 쓰게 되는데 이 키워드를 쓸 때 너무 자기네 제품 위주로만 이 키워드를 등록하게 되면 한정된 노수의 사람들한테만 광고가 노출되는 단점이 있을 수 있죠. 그렇기 때문에 광고를 키워드를 등록해 놓을 때에는 약간 몇 가지를 섞어서 키워드를 운영할 필요가 있어요. 효과적인 운영 전략 직접적인 키워드 우리 제품을 직접 끌어들일 수 있는 제품 명칭 키워드 외에

간접적인 키워드, 즉 다이어트나 요요효과, 체중 감소 이런 키워드 외에 미용이나 건강 이런 간접적인 키워드도 같이 등록을 해놓으면 건강을 생각하는 사람들이 중에서 다이어트를 생각 안 해도 그 키워드 때문에 우리가 한번 보면 다이어트를 떠밀 수도 있겠죠. 그런 효과를 나타내기 위해서 직접 키워드도 넣고 간접 키워드도 넣고 또

우리 제품이 좀 더 많은 사람들한테 폭넓게 다양한 노출을 해보고 싶다. 즉, 우리 제품이 초기에 많은 사람들한테 키워드를 통해서 접촉하기 싶다. 그러면 우리 제품과 직접적인 관계가 없지만, 뭐를 들면 우리가 20대 여성들을 타겟으로 한다면 20대 여성들이 관심이 있어 하는 예를 들어서 그 층에서 관심이 있어 하는 연예인 이름을 거기다가 뜬금없이 넣어놓는 것도 인기 키워드의 한 방식으로 적혀있다.

또는 시위성 있는 키워드를 거기다 끼워넣어가지고 이 방법이 노출되게 할 수도 있다. 물론 이런 인기나 시위성 있는 키워드를 하게 되면 타겟 정확성은 떨어질 수는 있죠. 타겟 정확성은 떨어질 수 있지만 많은 노출을 유발하게 하는 그런 방식을 쓰기에서는 키워드를 속고 하는 것 같습니다. 아까 이렇게 직접 키워드만을 쓰게 되면 그 키워드가 포함된 콘텐츠에만 타겟팅이 이루어지기 때문에 타겟팅 범위가 제한될 수 있다. 그렇기 때문에 인기 키워드나 시위성 있는 키워드를 같이 엮어서

이렇게 키워드를 하게 되면은 타겟팅을 좀 확산시켜 나갈 수 있다. 제품의 타겟팅을 확산시켜 나갈 수 있다. 뭐 키워 타겟팅에 이유로써 우리 그 도제에 나와 있는 그 사례 그림입니다. 그 다음에 이제 구글 그 키워드 등록소에서 구글에즈에서 구글에즈에 디스플레이 키워드로 하는 것이 현재 구글 옵션과 콘텐츠 옵션에서 키워드를 이렇게 추가해서 넣을 수 있는 구글에즈에

모 키워드 등의 사례 활용을 이렇게 보여주고 있습니다. 잠깐 쉬었다가 행동 타겟팅 그리고 나머지 타겟팅에 대한 나머지 몇 가지 원식의 사례를 보도록 하겠습니다.