AI가 광고 마케팅에 활용되는 5가지 모델

AI가 광고 마케팅에 활용되는 5가지 모델

AI 시장은 수집하는 데이터의 양이 증가하고, 해당 데이터를 의미 있는 방식으로 사용하려고 할 때 놀라운 속도로 성장한다. 특히 디지털 마케팅 분야에서의 AI 성장은 대부분 프로그래매틱 광고를 기반한다. eMarketer에 따르면 2021년까지 미국의 모든 디지털 디스플레이 광고 비용 중 약 88% 인 810억 달러가 프로그래밍 방식으로 거래될 것으로 보고 있다.
AI는 현재 계획단계부터 캠페인 측정에 이르기까지 마케팅 계획 프로세스의 모든 단계에서 사용되고 있으며, 기술 발전과 채택이 증가함에 따라 사용 사례가 빠르게 진화하고 있다. 예를 들어, 2022년까지 성인의 55%가 스마트 스피커를 갖게 될 것이라고 OC&C 전략 컨설턴트가 보고하고 있으며, 이는 현재 2018 스마트 스피커 소비자 채택 보고서(2018 Smart Speaker Consumer Adoption Report)에 따르면 미국 성인의 20%에 육박하는 수준이다.
아마존의 알렉사 (Alexa)와 구글의 홈 (Google’s Home)과 같은 스마트 스피커는 AI를 기반으로 한 음성 인식 기술을 통해 인터넷을 통해 받은 답변을 사용자에게 전달할 수 있는 기술이다. 여기서 우리가 주목해야 할 점으로는 이 새로운 AI 기반 어시스턴트는 마케터에게 큰 기회를 제공한다는 것이다. 1,000 명 이상의 소비자에 대한 Adobe 연구에 따르면, 5명 중 2명은 음성 광고가 전통적인 기존 배너 광고나 TV 광고 보다 더 매력적일 뿐만 아니라 덜 거슬린다고 보고했다. (Adobe Digital Insights, 2019 U.S. Voice Assistant Survey).

다음은 광고 및 마케팅에서 AI의 주요 용도를 살펴보자.
오늘날 마케팅 목표를 일루 수 있게 도와주는 AI 기술이 있지만 현재 광고 시장을 지배하고 있는 AI의 다섯 가지 주요 용도가 있다.
  1. 퍼포먼스 최적화 (Performance Optimization)

머신러닝 알고리즘은 특정 플랫폼에서 광고 실적을 빠르게 분석한 다음, 실적 개선 방법에 대한 권장 사항을 제공하고 있다. 경우에 따라 이러한 플랫폼은 AI를 사용하여 모범 사례를 기반으로 수행해야하는 작업을 자동화하여 시간을 절약할 수 있게 한다. 이 뿐만 아니라, 사용자가 인지하지 못한 퍼포먼스 이슈를 강조하여 시간과 비용을 절약 할 수 있다.
  1. 개인화 (Personalization)

AI와 머신 러닝은 소비자로부터 실시간 행동 데이터를 가져 와서 매우 개인화되고 관련성 높은 광고를 제공 할 수 있다. AI는 이미 고객 행동을 분석하여 연령, 성별, 위치 및 수백만 개의 다른 데이터와 같은 속성을 기반으로 보다 스마트한 추천을 할 수 있다. 그리고 우리 모두는 맞춤형 쇼핑 카탈로그와 같은 개인화된 새로운 웹페이지에 익숙하다. 예측 분석 알고리즘은 온라인이든 실제 상황이든 어떤 소비자가 특정 행동을 취할 가능성이 가장 높은지를 결정할 수 있게 한다.
  1. 자동 광고 생성 (Automatic ad creation)

AI 기반 시스템은 목표에 따라 광고를 제작하는 과정을 자동화할 수 있다. 소셜 미디어 광고 플랫폼은 이미 지능형 자동화를 통해 여러분이 홍보하는 링크에 기초하여 실행해야 하는 광고를 제안하고 있다.  또한 인공 지능 처리 기술인 자연어 처리 및 자연어 생성을 사용하여 사람이 작성한 문구보다 성능이 뛰어나거나 더 나은 광고 문구를 작성하는 타사 도구도 있다.
  1. 고객 타켓팅 (Audience targeting)

광고 타겟팅은 실제 광고 카피와 창의적인 것 만큼 중요하다. Facebook, LinkedIn 및 Google과 같은 플랫폼은 믿을 수 없을 정도로 정밀하게 타켓 고객을 대상으로 풍부한 알고리즘을 제공하지만, 이를 수동으로 수행하는 것은 종종 지속 가능하지 않고 확장되지도 않는다.
AI를 활용하여 마케터는 올바른 잠재 고객에게 도달하고 소비자가 캠페인에 어떻게 반응하고, 다양한 유형의 크리에이티브와 다른 채널에 어떻게 반응하는지 이해할 수 있다. 광고주는 여기서 소비자를 과도하게 타겟팅하고, 실시간으로 타겟팅 전략을 최적화하며, 소비자 행동에 따라 전체적인 미디어 제공을 조정할 수 있다. 게다가 AI는 장기 KPI와 소비자 라이프타임 밸류로 전환할 수 있다. AI를 적용하고 머신 러닝을 수반하는 관련된 데이터 피드백 루프를 만들어냄으로써. 마케터는 단순히 이용 가능한 소스에서 정적 잠재 고객을 선택하는 것보다 더 많은 잠재 고객에게 도달할 수 있다.
  1. 미디어 믹스 모델링 (Media mix modeling)

미디어 믹스 모델링을 통해 더 장기적인 관계를 원하는 마케터의 경우, 광고주는 AI를 사용하여 캠페인에 가장 잘 수용적이고 브랜드에 대해 높은 충성도를 가질 수 있는 소비자를 식별할 수 있다. 이를 통해 채널별로 잠재 고객 전략을 최적화할 수 있다.
AI는 소비자들이 서로 다른 채널의 메시지에 어떻게 대응하고 있는지에 따라 미디어 믹스를 구체화하는 방안을 지속적으로 권고할 수 있다. 이를 통해 광고주는 최적의 미디어 믹스 전략을 결정하고 디지털 광고 ROI를 높일 수 있다. 이런 방식으로 브랜드와 에이전시는 마케팅 믹스 할당을 완전히 자동화하여 시간과 비용을 절약할 수 있을 것이다.
출처: IAB 2020     https://www.iab.com/insights/iab-artificial-intelligence-in-marketing/