디지털 광고에서 데이터 과학자의 역할

디지털 마케팅은 마케팅 전반에 결쳐서 중요한 역할을 하고 있습니다. 수년에 걸쳐 광고 분야를 선점했던 신문 및 잡지와 같은 인쇄물 형태는 디지털 플랫폼의 등장과 함께 점유율이 크게 감소했습니다.
요즘 디지털 미디어를 통한 광고비 지출은 텔레비전 광고와 비슷한 수준이지만 성장률을 훨씬 가파르게 증가하고 있습니다. 2018년 디지털 광고의 성장률은 12 %, 텔레비전은 0.5 %입니다. 이러한 변화하는 행동은 두 가지 주요 요인으로 설명 할 수 있습니다. 현대인들은 디지털 매체를 통해 소비하는 시간이 증가하고 있으며, 특정 그룹을 타켓팅 할 수 있는 디지털 마케팅만의 장점을 들 수 있습니다. 후자는 효과적인 캠페인을 제공하기 위해이 매체에서 수집 및 분석되는 방대한 양의 데이터 분석을 통해 가능해졌습니다.

디지털 광고의 혁신을 주도하는 요인

디지털 광고 산업에서 혁신을 주도하는 몇 가지 요소가 있지만 혁신을 주도하는 핵심 요소는 다음과 같습니다.

• 광고 타겟팅 기능
• 정확한 속성
• 광고 사기 방지

광고 타켓팅 기능은 기술 보급 및 데이터 인텔리전스의 증가와 함께 빠른 속도로 증가했습니다. 이것은 디지털 광고 공간의 혁신에 기여하는 주요한 지렛대 중 하나입니다. 오늘날 마케터는 대상을 성별, 연령, 소득 수준, 관심사, 관계 상태 등으로 세분화하여 높은 수준의 정확도로 사용자를 타겟팅 할 수 있습니다. 모든 주요 광고에는 광고주가 판매하고자 하는 고유한 타겟팅 포인트가 있습니다. 예를 들어, InMobi의 모바일 광고 네트워크는 사용자 휴대 전화의 다양한 앱을 관찰 한 다음 사용자가 설치할 가능성이있는 앱에 대한 광고를 제안하는 Appographic 타겟팅을 사용합니다.

정확한 속성은 디지털 광고에서 까다로운 문제입니다. 사용자가 악기에 관심을 보이고 YouTube에서 기타 광고를 보고, 그 후에 인앱 광고를 보는 시나리오를 생각해보십시오. 사용자는 3 일 후 Google 디스플레이 광고를 본 후 마침내 기타를 구매합니다. 가장 일반적인 기여 방법 인 '마지막 클릭'을 사용하면 사용자가 클릭 한 최신 채널 만 전환에 기여하게됩니다. 이는 구매에 기여한 다른 채널에 불이익을주고 마지막으로 클릭 한 채널을 초과 보상하므로 비효율적입니다. 데이터 과학을 사용하면 알고리즘 접근 방식을 사용하여 구매주기에서 나타나는 위치와 사용자가 채널과 상호 작용하는 방식을 기반으로 여러 채널에 가중치를 할당하고 가중치를 부여한 전환으로 기여할 수 있습니다.

광고 사기를 방지하는 것은 기술이 향상됨에 따라 사기 수법 또한 고도화 됨을 고려할때 어려운 과제입니다. 콘텐츠 스크랩 웹 사이트를 사용하여 가짜 광고 호출을 생성하고, 사용자 view 밖에서 광고를 실행하고, 사람의 행동을 복제하는 봇을 사용하여 가짜 클릭을 유발하는 등 광고 사기를 칩니다. 다양한 사기 탐지 도구는 알려진 사기 데이터 패턴과 기계 학습 기술을 사용하여 악의적인 활동을 미리 방지합니다. 이러한 도구는 사기를 방지하기 위해 사용자 장치에 배포하는 동안 Advertising SDK에 연결할 수 있습니다. 이 수치는 여러 브라우저에 대한 봇 보급률을 보여줍니다.

광고에서 문제 해결 기회

광고 플랫폼 알고리즘
디스플레이 광고의 핵심 문제는 가장 최적의 방식으로 광고를 표시하는데 적합한 알고리즘을 찾는 것입니다. 이를 수행하는 방법은 여러 가지가 있지만 일부 알고리즘은 대규모 광고에 대해 다른 알고리즘보다 우위에 있을 수 있습니다. 기존의 방법은 구매를 위한 최적의 광고에 도달하기 위해 각 가중치 매개 변수를 단계별로 확인하는 것입니다. 이 방법의 문제점은 이상적인 광고에 도달하는 데 너무 많은 시간이 걸리고 시간 초과 문제가 발생할 수 있다는 것입니다. 데이터 과학 기술을 활용하여 최적이 아닐 수 있지만 그러한 상황에 적합한 시간 효율적인 알고리즘을 만들 수 있습니다. 더 나은 방법은 SHALE과 같은 알고리즘을 사용하는 것입니다. SHALE과 같은 알고리즘은 반복 후에 중지 될 수 있고 더 많은 반복으로 더 최적화 될 수 있기 때문에 시간 효율적입니다(>click).

광고 형식 최적화
일반적으로 디지털 광고 분야에서는 비디오 광고가 표준 디스플레이 또는 배너 광고보다 더 나은 성능을 보인다고 알려져 있습니다. 리치 미디어 광고조차도 일반적으로 정적 디스플레이 광고보다 실적이 더 좋습니다. 이로 인해 마케팅 담당자는 가능한 경우 이러한 광고 형식을 선호하게됩니다. 전체 측정 항목을 기반으로 특정 형식을 다양한 잠재 고객에게 타겟팅하는 것은 차선책입니다. 더 나은 방법은 창의적인 형식 선택에서 각 사용자에게 제공되는 모든 데이터 신호를 사용하는 것입니다.
사용자가 낮은 대역폭의 인터넷 연결을 사용하는 경우 리치 미디어 나 동영상 광고 대신 디스플레이 광고를 게재하는 것이 더 나을 수 있습니다. 사용자가 열렬한 독자라면 전체 화면 또는 동영상 광고보다 네이티브 콘텐츠 광고를 게재하는 것이 더 적합 할 수 있습니다. 시간, 미디어, 사용자 선호도와 같은 몇 가지 다른 요소가 광고 게재 알고리즘에서 고려되어 광고주를 선정하지만 광고 형식 선택에는 적용되지 않습니다. 이러한 데이터 포인트를 최적의 광고 형식을 적용하는 데 잘 사용하면 디지털 캠페인을 크게 개선 할 수 있습니다.

검색 데이터 분석
검색 광고에서 키워드 입찰은 일반적인 개념입니다. 광고주는 가장 관련성이 높고 페이지 뷰가 높은 키워드에 입찰합니다. 이것은 종종 동일한 키워드에 대해 다른 광고주와 경쟁하고 높은 가격을 지불해야 함을 의미합니다. 비용 효율적인 방법 중 하나는 키워드 분석을 사용하여 특정 기능에 입찰하는 것입니다.
키워드를 분석하려는 소셜 미디어 도구가 있다고 가정 해 보겠습니다. 도구를 직접 검색하면 일반적으로 여러 파트너와의 경쟁에 직면하게됩니다. 소셜 미디어 관리 도구에서 Google 검색을 위해 아래 이미지를 참조 할 수 있습니다.
이제 광고가 비용 효율적이어야하는 경우 도구의 특정 기능에 입찰 할 수 있으며, 이를 사용하여 고객을 유치하고 더 높은 경쟁을 피할 수 있습니다. "트위터 팔로어 분석"이라는 용어를 검색하면 이전 검색에서 상위 광고주의 광고가 하나만 표시 될 것입니다. Google 키워드 분석 섹션은 동일한 https://ads.google.com/에 대한 Google Ads 섹션에서 탐색 할 수 있습니다.

미래 동향
디지털 광고의 미래는 증강 현실 및 가상 현실 미디어 스트림의 증가와 함께 새로운 데이터 메트릭 세트를 보유하고 있기 때문에 흥미 롭습니다. VR 기반 광고 플랫폼 인 OmniVirt 창립자의 초기 보고서에 따르면 360도 VR 경험은 기존 디스플레이 광고에 비해 광고주에게 훨씬 더 나은 성능을 제공합니다.
모바일 장치에 소요되는 시간이 증가함에 따라 광고는 모바일 환경에서 흥미로운 추세를 보이고 있습니다. 최근 몇 년간 실시간 입찰 (RTB) 플랫폼이 등장하면서 수요 측 플레이어는 경매의 낙찰률을 정확하게 예측하고 그에 따라 노출에 입찰해야합니다. 이러한 입찰 플랫폼은 다양한 기계 학습 기술을 활용하여 실시간 입찰 환경에서 입찰 가격을 최적화합니다.

원문읽기: >>click