[샵매거진] 데이터는, 전부다 | 아이지에이웍스 AI Lab

Posted · Add Comment
201701shopmagAILab

아이지에이웍스에는 AI Lab이라는 부서가 있다. 애드테크 기업에 인공지능 연구소가 있다니… 알아보니 여기는 다른 거 안 하고 오로지 데이터 분석만 한다고. 그것도 아주 정밀하고 깊게. 애드테크 기업에 데이터 장인처럼 분석만을 전담하는 부서가 왜 필요한지 궁금하다. 본 인터뷰를 통해 애드테크에서 데이터란 어떤 의미인지 알아본다.
(글·사진=이창민 기자 yi@shopmag.kr)

 

애드테크에서의 데이터란

지난 여름 신설된 AI Lab(이하 AI 랩)은 아이지에이웍스에서 데이터 분석만을 전담하는 부서로 현재 최상희 팀장이 이끌고 있다. AI 랩의 업무는 스마트폰 사용자 한 명씩을 데이터로 수치화해 정밀하게 분석하는 거다. 예를 들어보자. 기자가 쓰는 아이폰7 플러스는 A1234라는 식별 값을 가진다. 이는 단 하나의 기기에 부여된 고유 번호. 여러분 중 기자와 똑같은 아이폰7 플러스를 가진 사람이 있더라도 이 값은 전부 달라서 마치 사용자의 주민번호와 같은 역할을 할 수 있다. 원래 아무리 광고 회사라도 개별 사용자의 이름, 나이, 주민번호, 집 주소, 성향 등 개인정보를 알 순 없는데, 기기마다 부여된 이 식별값을 일련번호 삼아서 이 값이 부여된 스마트폰을 쓰는 사람이 존재함을 알아낼 수 있다.

 

데이터 활용은 이렇게

이후 A1234가 하루 중 가장 많이 접속하는 앱은 무엇인지, 어떤 쇼핑몰에서 어떤 물건을 구매했는지, 그리고 어떤 모바일 광고에 반응해서 클릭 버튼을 눌렀는지 등을 파악한다. 아이지에이웍스는 여기서 얻은 데이터를 기반으로 A1234와 같은 식별 값의 스마트폰을 쓰는 미지의 누군가의 성향을 짐작하고 그에 맞는 광고를 노출한다. 이렇게 나눈 그룹의 성향에 맞는 광고를 노출하는 게 타깃팅 광고의 원리다. 그러니 효율적인 타깃팅 광고를 위해서는 타깃이 될 사람들의 성향을 최대한 정확히 알고 있어야 한다. 분석을 잘못해서 사용자를 제대로 파악하지 못한다면 엉뚱한 광고를 노출할 수 있고 그럼 광고 효율이 떨어지게 된다. 효율이 떨어지면 광고에 더 큰 비용이 발생한다. 데이터 분석은 그만큼 중요하다.

 

정교한 데이터 분석이 필요한 이유

실은 AI 랩이 만들어지기 전부터 데이터 분석 업무를 누군가는 해왔다. 아이지에이웍스의 경우 오디언스 타깃팅 광고 상품인 트레이딩웍스를 담당하는 부서에서 사용자 데이터 분석 업무를 겸했다. 즉, 이 팀에서 사용자 데이터 분석과 광고 집행와 운용, 영업 등 다양한 업무를 도맡았던 것. 사실 대부분의 마케팅 기업 광고팀 실무진 업무 형태가 보통 이렇다. 그런데 이 경우 한계가 분명 있다. 광고팀 실무진의 업무 비중은 아무래도 광고 집행과 운용에 무게가 있다보니 데이터는 눈에 보이는 특징적인 선에서 다루게 된다.

AI 랩이 존재하는 지금은 어떨까. 윤거성 이사는 “트레이딩웍스 부서의 실무진은 위 같은 수준의 데이터 분석은 계속 진행하지만, 고도의 데이터 분석이 필요할 때는 AI 랩의 도움을 받는다. 예를 들어 엄청난 양의 빅데이터인데 심지어 기본적인 분류 작업도 이뤄지지 않은 로데이터(Raw Data)라면 AI 랩으로 일이 넘어온다. 그럼 여기서는 받은 데이터를 정리하고 이를 분석해 외부에서도 사용할 수 있는 형태로 만든다. 나아가 이 자료를 어떻게 캠페인에 활용할지, 캠페인의 효율이 잘 나올지, 어떻게 하면 더 확장 및 개선을 할 수 있는지등을 알려준다”고 말했다.

또한, 불필요한 허수를 제거하는 역할도 한다. 최상희 팀장은 “모바일 광고는 위에서 말했듯 기기의 고유 식별값을 기준으로 사용자를 분류해서 PC 인터넷 광고 때보다 허수가 확실히 적다. 전체 중 허수 비율은 3% 내외로 PC 시절의 1/10 수준밖에 안 되는데, AI 랩은 여기서 만족하지 않고 허수를 더 줄여나간다”고 말했다. 봇, 대포폰 등 가짜 데이터를 없애 쓸데없는 광고 비용 지출을 막는다는 뜻이다. 이런 고도의 데이터 분석이 가능한 이유는 그 어렵다는 머신러닝 기술을 활용하기 때문. 현재 6명 규모의 AI 랩 구성원은 확률과 통계 및 머신러닝, 최적화 영역에 전문성을 갖춘 컴퓨터 공학 석·박사 출신의 데이터 과학자다.

AI Lab의 부서 위치는 오디언스바잉 광고 상품 ‘트레이딩웍스(TradingWorks)’ 담당 부서 바로 옆. 현재는 이쪽과의 협업이 많기 때문에 자리도 딱 붙어 있다.

AI Lab의 부서 위치는 오디언스바잉 광고 상품 ‘트레이딩웍스(TradingWorks)’ 담당 부서 바로 옆. 현재는 이쪽과의 협업이 많기 때문에 자리도 딱 붙어 있다.

 

쇼핑몰에 얼마나 도움이 될까

그럼 이런 고도화된 데이터 분석 방법론이 온라인 쇼핑몰 시장에도 필요할까? 당연히도, 그렇다. 윤거성 이사는 실사례를 통해 그 이유를 설명했다. “A(가명)라는 모바일 커머스 기업과 프로젝트를 진행한 적이 있다. 데이터 기반의 광고 운용을 하고 싶은데, 정작 지금까지 쌓아둔 데이터가 하나도 없었다. 사용자 데이터가 없으면 누구에게 어떤 광고를 낼지 판단할 근거가 전혀 없다. 이때 우리는 생각을 전환해 4,000만 명에 이르는 트레이딩웍스의 사용자 풀에서 A 커머스를 좋아할 것 같은 사용자를 찾아내기로 했다”. 데이터를 정밀하게 다루는 기술과 충분히 많은 사용자 데이터를 보유한 애드테크 기업이라면 이런 방식으로 특정 데이터를 ‘발명’할 수도 있다. 트레이딩웍스가 보유한 사용자 풀은 4,000만 명. 스마트폰을 가진 국민 전부라고 봐도 무방하다.

트레이딩웍스는 수십 개의 광고 매체에서 트래픽을 받아, 지표를 일일이 분석하면서 각 애드익스체인지 별 최적화된 비딩 로직(Bidding Logic)을 산정한다.

트레이딩웍스는 수십 개의 광고 매체에서 트래픽을 받아, 지표를 일일이 분석하면서 각 애드익스체인지 별 최적화된 비딩 로직(Bidding Logic)을 산정한다.

로데이터를 분석하며 숨은 사용자를 찾는 과정에서는 AI 랩의 역할이 컸다. 수천만에 이르는 사용자의 패턴에 따라 데이터를 수치화하고 분석하는 과정은 인내와 고독의 시간이다. 이 사람들은 회사에 와서 숫자만 계속 보고 있는 거다. 그래서 A 커머스가 원하는 데이터를 찾았냐고 한다면, 물론이다. 이렇게 뽑은 모수 중 40%가 실제로 A 커머스 앱을 설치한 것. 이는 A 커머스가 의뢰했던 애드테크 기업 중 압도적으로 높은 성과였다고. 즉, AI랩은 보유한 데이터가 없을 때 맞는 데이터를 만들어주는 능력도 갖췄다. A 커머스 기업처럼 데이터 대응을 뒤늦게 준비하는 쇼핑몰이 아주 많을 텐데, 그럴 때 AI 랩처럼 없는 데이터를 만들 수 있다면 데이터 기반 비즈니스로의 전환이 더 수월해질 거다.

 

타깃팅 광고의 효용성

타깃팅 광고의 효용성에 대한 회의적인 시각도 없지 않다. 전통적인 방식처럼 최대한 많은 사람에게 광고를 노출하는 게 더 효과적이지 않느냐는 주장이다. 타깃팅을 위한 데이터 분석에 이미 비용이 발생하는데, 최종적으로 추려낸 관여도 높은 핵심 타깃은 광고를 보여주지 않아도 서비스를 이용할 사람이지 않을까. 또 캠페인에 가장 부합하는 세분화된 타깃을 찾는다는 말은 광고를 노출할 사용자 모수가 작아진다는 뜻이기도 하다.

최상희 팀장은 이에 “타깃팅은 그저 정답을 찾아가는 과정일 뿐, 정답 그 자체가 아니다. 타깃을 세분화해 광고했는데 효율이 높지 않았다면 타깃을 선별할 때의 가정이 틀렸다는 뜻이다. 그럼 또 다른 가설을 세우고 다시 맞는 타깃을 찾아가야 한다. 한 번 기대에 미치지 못했다고 효과 없다고 생각하는 건 아닐까 싶다”며, “광고주 중 캠페인 세팅 전 이미 코어 타깃을 생각해두고 오는 경우도 있다. 이들은 공통점이라면 감에 의존해 판단한다는 건데 문제는 이 감을 너무 맹신한다. 막상 데이터를 뜯어보면 가정이 틀리기도 하는데 생각을 굽히지 않으니 우리도 어쩔 수 없이 이에 맞춰 캠페인을 세팅한다. 당연히 효율은 높지 않다”고 말했다.

아이지에이웍스 AI랩에서 고객의 앱 내 행동 간의 관계를 찾기 위해 분석한 그래프.

아이지에이웍스 AI랩에서 고객의 앱 내 행동 간의 관계를 찾기 위해 분석한 그래프.

 

또 두 사람은 지금의 국내 전자상거래 시장의 특성과 애드테크의 필요성을 연관 지어 설명했다. “대형 오픈마켓 3사만 해도 회원 수가 1,000만 명이 넘는다. 이 이상의 신규 사용자를 확보할 수가 없다. 그렇다면 신규 사용자 말고 재방문자를 늘리는 전략이 필요한데, 오디언스 바잉을 활용한 리타깃팅 광고가 최적이라는 판단이다. 가격 경쟁력으로 우위를 점하려는 생각은 제 살 깎아먹기다” 맞는 말이다. 모수의 규모는 다르지만 SOHO몰 시장에서도 리타깃팅이 점차 중요해지고 있다. 특히 쇼핑몰은 광고에 대한 성과가 제품 구매라는 즉각적인 형태로 나타나기 때문에 지금껏 모바일 광고 시장을 선도하던 모바일 게임보다 애드테크 성격에 더 잘 부합하는 면모도 있다.

또한, 두 사람은 “마케팅 성과를 극대화하려면 데이터를 반드시 활용해야 한다”고 강조했다. “데이터 활용이란 로데이터 수집과 분석, 그리고 캠페인에 알맞게 적용하는 전 과정을 모두 말한다. 아이지에이웍스에 데이터 분석만을 전담하는 부서가 필요한 이유는 데이터는 앞으로 훨씬 더 중요해질 것이기 때문”이라는 것. 애드테크에서 데이터는, 전부다.

 

<출처=샵매거진>
Jayoung Jeong

Jayoung Jeong

IGAWorks의 PR 담당자. 기업 홍보팀과 홍보대행사 등을 거쳐 합류했다.
애드테크를 잘, 그리고 가능한 이해하기 쉽게 전하려 애쓰고 있다.
cassie@igaworks.com | brunch.co.kr/@jayoungjeong
Jayoung Jeong