2016년 봄에 있었던 알파고와 이세돌 9단의 바둑 대결을 기억하시나요? 세기의 대국이라 불렸던 대결에서 알파고는 AI와 머신러닝의 능력을 부족함 없이 보여주며, 전 세계에 큰 반향을 일으켰는데요. 오늘은 알파고를 만들어낸 구글이 광고에서는 그 능력을 어떻게 사용하고 있는지 살펴보고, 또 어떻게 활용해야 하는가에 대해 알아보도록 하겠습니다.
[구글 딥마인드사가 개발한 AI 바둑 프로그램 - 알파고]
<이미지: 구글>
1. 왜 이제는 AI와 머신러닝이 중요할까?
디지털의 장점 중 하나는 대부분의 활동들이 데이터로 기록되어 저장된다는 것에 있습니다. 온라인 초창기에는 이러한 정보들이 단편적이고, 분리되어 있어 적은 노력을 들이고도 충분히 분석하거나 활용할 수가 있었죠.
하지만 해가 지날수록 디지털 활동이 PC에서 모바일로 옮겨가고 잠자는 시간을 빼면 항상 스마트폰을 쥐고 있게 되면서 처리해야 할 데이터의 양도 폭발적으로 증가하게 되었고, 여러 변수를 한꺼번에 고려해야 되는 상황이 되었습니다.
이것은 기존에 1명이 2시간만 가지고 처리할 수 있었던 것들이 이제는 그 몇 배를 투여해야만 더 자세하고, 정확한 데이터를 만들어낼 수 있다는 말인데요. 이런 상황을 과연 사람의 힘으로만 처리하는 게 맞는 것일까요?
정답은 당연히 ‘NO’ 입니다.
이제 디지털 광고 시장도 실시간으로 변화하고 있고, 빠른 분석과 결정이 없다면 따라가기가 점점 어려워지는 상황인데요. 앞선 내용들을 사람에 의존한다는 것은 결국 시장 주도권을 내가 아닌 다른 경쟁사에 줄 수 있다는 말로 이해할 수도 있을 겁니다.
이런 상황에서 AI와 머신러닝은 매년 발전을 거듭하여 이제는 사람보다 더 빠르고 정확하게 데이터를 분석하고 또 재가공할 수 있는 능력을 갖추게 되었는데요. 마케팅 방향과 전략 구상에 조금 더 집중하고자 한다면 이제 AI와 머신러닝은 수많은 인력과 시간을 절약해줄 수 있는 툴이 되었고, 선택이 아닌 필수가 된 시점이 왔습니다.
2. 구글의 머신러닝
AI는 간단하게 인간의 지능을 컴퓨터로 구현하는 기술이며, 머신러닝은 AI를 구현하기 위해 방대한 양의 데이터를 기계에게 학습시키는 기술이라고 설명할 수 있습니다.
머신러닝에서 중요한 점은 바로 얼마나 방대하고 다양한 형태의 데이터를 학습시킬 수 있는가에 대한 것인데요. 구글은 검색포털인 google.com을 포함하여 동영상(YouTube), 모바일(Android), 앱스토어(Google Play), 이메일(Gmail), 광고 네트워크(GDN), 웹브라우저(Chrome) 등의 서비스를 통해 다양한 형태의 유저 패턴을 분석하고 예측할 수 있는 기술을 보유하고 있습니다.
국내에서도 개별 서비스마다 70%에 가깝거나 넘는 이용률을 본다면 구글이 얼마나 많은 정보들을 수집하여 학습하고, 또 활용할 수 있는지 짐작할 수 있을 것입니다.
[구글이 국내에서 제공하는 주요 서비스]
<이미지: 구글>
3. 머신러닝을 통한 구글 광고
이렇게 다양한 소스로 수집된 데이터는 구글의 머신러닝 기술을 통해 다음과 같은 광고 기술로 활용할 수 있습니다.
1) 타겟팅 시스템
디지털 광고를 할 때 가장 어려운 점 중 하나는 나에게 가장 적합한 유저를 어떻게 찾아내어 광고를 보여주는가에 있습니다. 구글은 앞서 소개된 다양한 영역의 서비스를 활용하여 유저들의 관심사와 구매의도를 파악해내며, 심지어 마케터가 원하는 키워드나 웹사이트, 앱, 장소 등의 정보를 입력했을 때도 머신러닝을 통해 빠르게 쉽게 접근할 수 있도록 제공하고 있습니다.
[맞춤 관심사/맞춤 구매의도 타겟팅]
<이미지: 구글>
2) 자동 광고 시스템
예산과 입찰가, 기본적인 소재만 등록하면 타겟팅부터 입찰가 조정, 광고 소재까지 시스템이 학습하며 조정해주는 대표적인 머신러닝 상품이 있습니다. UAC(Universal App Campaign) 와 SDC(Smart Display Campaign)가 그것인데요. 과거에는 사람이 직접 해야만 하던 것을 시스템이 자동 운영하는 방식으로 광고 성과도 기존 방식보다 우수한 결과를 보이는 상품입니다.
[UAC/SDC 상품]
<이미지: 구글>
3) 기여도 측정
기여도는 유저가 목표(예를 들어 회원가입) 에 이르기까지 다양한 상황을 거칠 때 해당 상황들이 전환에 얼마나 기여 했는가 측정하는 수치입니다. 이전까지는 마지막에 목표를 일으킨 매체만 100% 효과를 지닌 것으로 측정했었는데요.
날이 갈수록 매체가 다양해지고 1명이 여러 기기를 통해 활동하는 만큼 기여도를 반영해야만 정확한 매체별 효과를 측정할 수 있게 되는 것입니다.
이를 위해 구글은 머신러닝을 통해 애드워즈 검색광고의 각 캠페인 또는 키워드가 목표에 도달하는데 얼만큼 영향을 주었는지 파악할 수 있는 기능을 도입하였고, 이를 통해 좀 더 효율적이고 최적화된 운영 전략을 짤 수 있게 되었습니다.
[애드워즈 기여도 모델]
<이미지: 구글>
지금까지 구글의 AI, 머신러닝 기술을 활용한 3가지의 광고 시스템을 소개해드렸습니다. 구글의 머신러닝은 단순히 여러 정보들을 수집하고 적용하는 기능이 아닙니다. 충분한 시간 동안 시스템이 직접 학습하게끔 유도해서 발전된 효과를 얻도록 하는 것이기 때문에 시간이 지날수록 더 정확하고 효과적인 기능을 제공하게 됩니다. 그럼 지금 바로 작은 기능부터 적용해보는 건 어떨까요?
행복플랜님 외 9명이 좋아합니다.
