앰플리튜드

개인화 마케팅의 끝판왕 – Amplitude Recommend 기능을 소개합니다!

Team MAXONOMY 2021.07.09

개인화 마케팅의 끝판왕 – Amplitude Recommend 기능을 소개합니다!

Amplitude(앰플리튜드)의 Recommend(추천) 기능을 활용하면, 마케팅 팀과 프로덕트 팀 모두 단 몇 분만에 고객 한 명 한 명을 위한 맞춤형 디지털 경험을 제공하는 것이 가능해집니다.



Amplitude(앰플리튜드)의 Recommend(추천) 기능은 모든 디지털 서비스 기업이 규모에 맞는 맞춤형 환경을 제공할 수 있도록 합니다. 이 기능을 통해 연도별로 로드맵을 가속화하고, 전환(Conversion) 속도를 높이며(보통 두 자리 숫자입니다), 비용을 약 수백만 달러 절감할 수 있습니다.


넷플릭스, 아마존과 같은 개인 맞춤 서비스를 제공하는 것은 모든 기업의 꿈입니다. 각 유저에 맞게 디지털 환경을 최적화하여, 유저 전용으로 맞춤 구축된 것처럼 느껴지게 합니다. 그러나 대부분의 기업에서 이러한 1:1 맞춤화 경험을 자동화하려고 할 때 상당한 진입 장벽에 마주치곤 합니다. 적합한 타겟 유저에게 도달하기 위한 정교한 ID 분석과, 그 타겟 유저에 맞는 적절한 메시지 작성을 위한 머신 러닝, 그리고 유저별 최적의 시간대를 파악하여 실시간으로 전달하는 것이 필요합니다. 또한, 규모에 따른 맞춤화 설정을 위해서는 프로덕트, 마케팅, 엔지니어링 담당자의 협업도 필수입니다.

이를 위해서는 수년 간의 투자와 수백만 달러의 개발 비용이 소요될 수 있습니다. 디지털 서비스 기업은 한 번에 몇 달 동안 리소스를 중단하거나 수백만 달러의 매출 손실을 초래하는 방법 중 절충안을 찾아야 할 수도 있습니다. 하지만 Amplitude(앰플리튜드)의 Recommend(추천) 기능을 활용하면, 절충안을 고민할 필요가 없습니다.





새로운 시대를 위한 새로운 솔루션


Recommend(추천)는 Amplitude(앰플리튜드) 디지털 최적화 시스템의 새로운 기능입니다. 이제 Amplitude(앰플리튜드) 행동 그래프를 통해 수집된 데이터를 기반으로 앤드 투 앤드 개인 맞춤화 워크플로우를 단 몇 분 만에 자동화할 수 있습니다. Recommend(추천) 기능은 마케팅 담당자, 프로덕트 매니저, 그로스 팀 등 디지털 경험 관련 담당자가 개인 맞춤화 과정을 직접 관리할 수 있도록 함으로써 개인화에 필요한 기술적인 부담을 줄여줍니다.





이 셀프 서비스 플랫폼은 다음의 세 가지 새로운 기능을 통해 적합한 유저에게 최적의 시간에 적절한 메시지를 매핑하는 것에서부터 ‘개인화’의 각 단계를 소개합니다.


  • 세분화(Segmentation): Cohorts 및 Computations를 통해 마케팅 담당자가 타겟 고객을 찾을 수 있도록 지원합니다.
  • 권장(Recommendation): Predictions 및 Recommendation을 통해 고객에게 전달할 수 있는 차선책 메시지나 콘텐츠를 프로덕트 팀에서 자동화할 수 있습니다.
  • 발송(Delivery): 누구나 API 및 동기화를 통해 세그먼트와 권장 내용을 모든 디지털 채널로 내보낼 수 있습니다.





적합한 고객을 찾기 위한 세분화(Segmentation)



개인화 과정을 위한 첫번째 단계는 타겟으로 설정할 적합한 고객을 식별하는 것입니다. Amplitude(앰플리튜드)의 Recommend(추천)는 사용자 목록을 구축하여 다운스트림 디지털 채널과 동기화할 수 있도록 지원하는 두 가지 기능 세트, ‘Cohorts’와 ‘Computations’을 제공합니다.

Cohorts는 세분화(Segmentation)의 핵심입니다. Amplitude(앰플리튜드)의 Recommend(추천)를 사용하면 지난 24시간 동안 장바구니에 상품을 추가했거나 구독 신청을 하는 등의 이벤트를 기준으로 그룹화된 유저 클러스터를 생성할 수 있습니다. 이 모든 작업은 SQL이나 코드 없이 셀프 서비스 인터페이스를 통해 수행됩니다. 또한 Recommend(추천)는 Amplitude(앰플리튜드) 디지털 최적화 시스템의 일부이기 때문에 Amplitude(앰플리튜드) Analytics(분석)에서 생성된 모든 Cohorts는 Recommend(추천)에서 즉시 사용할 수 있으며, 그 반대의 경우도 마찬가지입니다.

Computations는 세분화(Segmentation)의 최고 레벨입니다. Amplitude(앰플리튜드)의Recommend(추천)를 사용하면 시간이 지남에 따라 변하는 행동 정보를 집계하여 사용자 속성으로 변환하고 이를 통해 보다 정교한 필터링을 할 수 있습니다. 예를 들어 사용자가 데이터 엔지니어링을 사용하지 않고도 몇 초 만에 지난 24시간 동안 장바구니 추가하기 이벤트를 수행한 횟수를 카운트하거나 지난 30일 동안의 평균 주문 값을 집계할 수 있습니다.

Cohorts와 Computation을 함께 사용하면 참여에 기반한 마케팅 조건을 트리거하는 행동 세그먼트를 식별할 수 있습니다.






적절한 메시지를 찾기 위한 자동화된 권장(Recommendations)



대다수의 사람들에게 “개인화” 경험이라고 하면 홈 스크린에 유저 이름을 삽입하거나 현재 위치를 기준으로 사진을 교환하는 것을 의미합니다. 이러한 유형의 창의적이고 인구통계학적 “개인화”는 권장되지만 그 영향은 한계가 있습니다. 과거 혹은 예상되는 미래의 행동을 기반으로 각 개별 사용자에게 완벽하게 맞추는 제품은 개인화가 지닌 모든 장점을 실현하는 것과 같습니다. 이제 Amplitude(앰플리튜드) Recommend(추천)의 Recommendations 기능을 통해 역동적인 제품 경험 제공이 가능해졌습니다.

Amplitude(앰플리튜드)의 자동화된 머신러닝 시스템으로 구동되는 새로운 Recommendations 기능을 사용하면 넷플릭스 또는 아마존과 같은 개인화 경험 환경을 만들 수 있습니다. 타겟으로 설정할 적합한 사용자가 식별되면 Amplitude(앰플리튜드) Recommend(추천)는 전환 가능성을 높일 수 있는 콘텐츠, 제품 및 메시지의 올바른 조합을 결정합니다.


셀프 서비스 사용자 인터페이스에서 SKU, 아이템 이름, 제품 카테고리 등의 이벤트 속성을 선택합니다. 구매, 구독 등의 최적화를 원하는 항목에 대한 결과도 선택할 수 있습니다. Amplitude(앰플리튜드)의 Recommend(추천)는 구매, 구독 등의 항목의 결과를 높일 수 있는 가능성에 따라 속성의 모든 잠재적 가치의 순위를 자동으로 매겨, 개별 사용자에게 맞춤화합니다.

Amplitude(앰플리튜드) Recommend(추천)는 한 번에 최대 100개까지 각 사용자가 선호할 가능성이 높은, 즉 전환 가능성을 극대화할 수 있는 순위 목록을 단 몇 분 만에 생성합니다. 이러한 항목은 분류를 위해 장바구니에 추가 될 가능성을 기준으로 순위가 매겨진 아이템 SKU 혹은 교차 판매 가능성에 따라 순위가 매겨진 제품 카테고리로 분류될 수 있습니다. 이 시스템은 3~5가지 다른 경험을 제공하는 대신 각 개별 유저에게 맞춤화된 수백만 개의 잠재적 경험의 경우의 수를 생성합니다. 데이터 과학 팀의 도움 없이 이 모든 작업을 직접 몇 분 이내에 완료할 수 있습니다.

미국 상위 15개 은행의 소비자 부문은 고객의 금융 지식과 활용 정도를 향상시키기 위해 Recommendations를 사용합니다. 유저가 모바일 앱에 접속하면 은행과 관계 있는, 혹은 행동과 일치하는 콘텐츠가 표시됩니다. 이 콘텐츠는 Amplitude(앰플리튜드) Recommend(추천)에 의해 제공된 ‘개별화’의 결과입니다. Recommendations을 활용한 이후, 이 은행의 영업 성과는 15% 증가했습니다.






최적의 발송 시간을 찾기 위한 실시간 API



개인화 워크플로우의 마지막 단계는 발송(Delivery)입니다. 전달할 적절한 메시지를 작성했다면, 이를 적합한 유저에게 전달해야 합니다. Amplitude(앰플리튜드) Recommend(추천)는 실시간 API 및 동기화 기능을 제공하여 코호트, 계산된 속성 및 Recommendations를 디지털 채널에 연결합니다.

동기화 기능을 통해 데이터 개체를 모든 광고, 이메일 또는 실험 플랫폼과 동기화할 수 있습니다. 페이스북 또는 마케토와 코호트를 동기화하고, 유저 행동이 변경되면 해당 광고 및 고객 참여 대상의 캠페인을 자동으로 동기화합니다. 예를 들어 계산된 속성을 Braze(브레이즈)와 같은 작업 플랫폼과 동기화할 수 있으므로 유저의 평균 주문 값이 변경되면 해당 이메일 캠페인에서 속성이 자동으로 조정됩니다. 이 모든 것이 맞춤형 데이터 엔지니어링 파이프라인 없이 한 번의 클릭만으로 가능합니다.

이제 API 프로파일을 사용하여 모든 유저에 대해 REST API 앤드포인트를 쿼리하고 Amplitude(앰플리튜드)에서 유저 데이터로 반환할 수 있습니다. 유저가 사이트나 앱을 방문할 때 유저의 고유 ID별로 프로파일 API를 쿼리하고 Properties, Cohorts 및 Recommendations 목록을 반환하기만 하면 됩니다. 해당 응답을 제품에 직접 포함하고 권장되는 속성에 따라 제품 환경을 조정합니다.

호주의 복권 판매 기업 Oz Lotteries를 지원하는 디지털 플랫폼 점보 인터렉티브는 Braze(브레이즈)를 통해 API 프로파일을 사용하여 아마존 스타일의 Recommendations를 이메일과 푸시 알람으로 제공합니다. 고객들은 구매 후 구매 이력 및 행동 패턴에 따라 관심 있는 다른 게임을 제안하는 후속 커뮤니케이션 메시지를 받게 됩니다. Recommend(추천) 기능은 이메일을 활용한 최대 4개의 제안과 푸시를 통한 1개의 제안을 발송합니다. 그 결과 이 메시지로 인한 체크아웃 전환율이 158% 이상 증가하는 엄청난 성과를 보였습니다.







기본 제공되는 측정 기능


Amplitude(앰플리튜드)를 사용하면 여러분이 직접 설정한 개인화 경험 환경의 영향력을 쉽게 측정할 수 있습니다. Amplitude(앰플리튜드) Recommend(추천)에서 만든 모든 코호트는 Amplitude(앰플리튜드) Analytics 기능에서 분석할 수 있습니다. 캠페인의 영향을 이해하는 것은 차트를 작성하는 것만큼 간단합니다. 대상을 다시 생성하거나 작업을 복제할 필요없이 쉽고 편하게 확인할 수 있습니다.

Recommendations의 경우, 자동화된 리프트 분석을 통해 측정 기능을 한 단계 더 발전시켰습니다. 여러분이 생성한 각 Recommendation에 포함할 유저의 비율을 선택할 수 있습니다. 0-100% 내에서 자유롭게 선택 가능합니다. 그 다음 API 프로파일에 Recommendation을 쿼리하면 Amplitude(앰플리튜드)가 사용자에게 컨트롤 권한을 할당하거나 Recommendation을 제공합니다. 동시에 자동으로 가장 영향력이 큰 이벤트를 기록하여 Recommendation이 기존 경험 환경에 얼마나 큰 영향을 미치는지 추적합니다. 간단히 Recommendation의 성능(Performance) 탭을 클릭하면 확인할 수 있습니다. 분석 및 개인화를 위한 하나의 통합 시스템이 통합 데이터 세트에 모두 구축되어 있으므로 여러분이 생성한 개인화 경험 환경의 실행 루프를 쉽게 닫을 수 있습니다.






단 몇 분 만에 끝내는 개인화 설정


Amplitude(앰플리튜드) Recommend(추천)의 장점은 디지털 최적화 시스템의 완전한 피드백 루프를 가능하게 한다는 것입니다.

Amplitude(앰플리튜드) Recommend(추천)에서 버튼을 클릭하면 코호트와 Recommendations를 생성할 수 있고, 이를 여러분의 광고, 이메일, 인앱 캠페인과 동기화할 수 있으며, 이 모든 캠페인의 성과를 Amplitude(앰플리튜드) Analytics에서 다시 모니터링 할 수 있습니다.

이 프로세스의 자동화를 통해 프로덕트 팀과 마케팅 팀을 연결하여 런칭에 필요한 시간을 단축할 수 있습니다. 통합 머신러닝은 엔지니어링 비용을 절감하고 Recommendations의 정확도를 높입니다. 또한 상호 보완 분석을 통해 이러한 개인화 실험의 영향력을 안정적으로 측정할 수 있습니다.

logo

팀맥소노미

YOUR DIGITAL MARKETING HERO

비즈니스 성장을 위한 최적의 솔루션과 무료 데모 시연, 활용 시나리오를 제안 받아보세요

관련 글 보기

Amplitude Feature Experiment:  데이터 기반 실험의 시작

Amplitude Feature Experiment: 데이터 기반 실험의 시작

실험이 중요한 이유디지털 서비스를 운영하다 보면 다음과 같은 질문과 마주하게 됩니다. “이 버튼을 바꾸면 클릭률이 더 높아질까?” “새로운 기능을 모든 사용자에게 바로 공개해도 될까?” “프리미엄 사용자에게만 실험적으로 먼저 공개해보고 싶은데, 어떻게 관리하지?”대부분 경우 직감이나 내부 회의로 결정을 내리지만, 그 결과가 실제로 사용자 경험과 KPI에 긍정적인 영향을 주는지 알기 어렵습니다. 이로 인해 향후에 추가적인 실험 테스트를 수행하기 어려운 환경이 조성되어 버리기도 합니다.또한, 서비스를 운영하다보면, 서비스의 성장을 위해 여러 고민과 의사결정이 필요한 순간이 옵니다.✅ 새로운 기능을 모든 사용자에게 배포하기엔 위험할 때✅ 디자인이나 UI를 바꾸고 그 효과를 정확히 측정하고 싶을 때✅ 특정 사용자 그룹에게만 실험적으로 기능을 보여주고 싶을 때✅ 실험 결과를 클릭률, 전환율, 리텐션율 등의 지표로 분석하고 싶을 때따라서, 개발단의 리소스를 최소화하면서, 실제 사용자 데이터 기반의 결과 분석이 가능한 실험 체계를 도입할 필요가 있습니다. Amplitude Experiment는 고객에게 제공하는 기능 on/off 토글링부터 A/B 테스트, 점진적 릴리즈, 결과 분석까지 하나의 워크플로우 안에서 지원함으로써 "기능 실험 → 결과 측정 → 의사결정"을 오차없이 빠르게 수행할 수 있도록 도와줍니다.Amplitude Experiment에서는 다음 두 가지 방식으로 실험을 구성할 수 있습니다.Feature ExperimentWeb Experiment이름만 보아서는 비슷해 보이지만, 실제 사용 목적과 운영 방식에는 뚜렷한 차이가 있습니다. 이번 포스팅에서는 이중 Feature Experiment에 대해 집중적으로 알아보겠습니다.Feature Experiment: 기능 중심 실험Feature Experiment는 코드 기반으로 운영되는 실험 방식입니다. 개발자가 직접 고객에게 보여줄 화면을 만들거나 신규 기능을 구현한 후에 이것을 일부 고객들에게만 노출하고 원하는 효과를 보았는지 확인하고자 할 때 활용합니다.개발단에서는 변경된 화면이나 기능을 적용하고 예외 처리를 추가하여 특정 사용자에게만 노출될 수 있도록 구현하고, 실무자는 원하는 고객군과 모수 비율을 Amplitude 콘솔에서 언제든 수정하여 테스트를 수행 해 볼 수 있습니다.개발단 기능- 화면 구성- 조건 처리실무단 기능- 모수집단 선정, 비율 선택- 전환 목표 지정, 분석 방식 선정- 테스트 시작, 종료, 기간 선정- 실험 분석 결과 확인- Analytics로 추가 심화 분석 수행예시로 이해하는 Feature Experiment 활용1) 신규 기능 가설 세우기어느 날, 개발자가 추천 알고리즘 로직 개선 작업을 완료 하였습니다. 이 알고리즘을 서비스에 적용하면 굉장한 효과를 보여줄 것이라 기대하고 있지만, 바로 운영계에 적용하기에는 어떤 사이드 이펙트가 있을지 예상할 수 없었습니다. 가령 잘못된 상품 추천으로 고객에게 안 좋은 경험을 제공하면 이탈로 이어질 수 있죠.따라서, 전체 고객이 아닌, VIP 고객 중 10%에게만 새 알고리즘을 적용하고 클릭률, 구매율을 측정하기로 하였습니다. 결과 데이터가 나머지 고객들에 비해 5%이상 증가한다면 전체 사용자에게 확대 배포하는 거죠.2) 개발단 작업처음 실험을 진행하는 것이라면 Amplitude Experiment SDK를 적용하는 작업이 필요합니다. 신규 추천 알고리즘은 이미 개발 완료된 상황이고 SDK 적용은 큰 시간이 소모되지 않기 때문에 거의 바로 실험 진행이 가능합니다.(Amplitude Experiment SDK 라이브러리 탑재 및 초기화 후 고객마다 서로 다르게 제공하고자 하는 위치에서 조건문(if)을 구성)Android 적용법1. 라이브러리 추가 (build.gradle에 dependencies 추가)2. 초기화 (Application단에서 초기화)3. 현재 사용자의 experiment 관련 정보 수신4. 고객이 보유한 flag 값에 따라 제공 여부 결정( 새로운 추천 알고리즘이 제공될 10%의 VIP 고객은 "on"으로, 그 외 고객들은 모두 "off"로 적용)3) Amplitude 설정(Experiment UI 구성)3-1) Deployment 생성하기운영하는 서비스는 여러 환경으로 구분되어 있습니다.개발계(development) / 내부 QA 테스트 수행 환경(staging) / 운영 환경(production)Android, iOS, Web 등 제공 플랫폼 환경실험을 진행하고자 할 때, 특정한 환경에서만 진행하실 수도 있고, 여러 환경에서 동시에 진행해 보실 수도 있을 겁니다. 이 때, 어떤 환경에 실험을 배포할 것인지를 정의할 수 있도록 "Deployment"라는 작업이 필요합니다.하나의 프로젝트 내에서 배포할 환경마다 각각의 Deployment를 생성해주시면, 실험을 진행할 때, 이 실험을 어떤 환경에만 배포할지 지정할 수 있습니다.Experiment > Deployments 화면에서 제공하는 “Create Deployment”를 클릭하고 배포할 환경의 이름과 프로젝트를 선택하면 바로 Deployment 생성이 가능합니다.3-2) Experiment 생성하기이제 기본적인 세팅은 모두 완료 되었으니 실험을 만들어 볼 수 있습니다!Experiment > Experiments 메뉴에서 새로운 실험명과 사용할 키 값을 정하신 후 생성(Create)합니다.4) 실험 설계4-1) 목표 설정하기실험을 만들 때 가장 먼저 생각해야 할 부분은 "목표" 설정 입니다. 실험을 한다는 것은 결국, 무언가를 더 좋게 만들기 위해서이기 때문에, 반드시 “이 실험을 통해 무엇이 좋아지기를 기대하는가?”에 대한 기준이 필요하며, 그것이 바로 목표 설정입니다. 우리가 설정한 목표를 달성했는지 여부를 가지고 이번 실험의 성공 여부를 파악해 보실 수 있겠지요.목표는 기존에 만들어 두었던 지표를 선택하실 수도 있고, 원하는 목표를 새롭게 생성하실 수도 있습니다.Unique, Event Total, Conversion 등 분석에서 활용해 보셨던 다양한 지표 옵션을 기반으로 목표 설정이 가능한데, 이번 실험에서는 클릭율이 5% 이상 증가하는 것을 목표로 잡았기 때문에, "화면 진입 > 버튼 클릭"으로의 전환율이 5% 이상 상승하는 것을 목표로 설정했습니다.4-2) 대안(Variant) 등록하기비교 테스트를 진행할 때, 대안은 하나일 수 있지만 여러 개가 있을 수도 있습니다. "내가 테스트하고 싶은 기능의 버전은 몇 가지이며, 각각 어떤 차이가 있을까?" 테스트 하고자 하는 대안의 수 만큼 Add a Variant 옵션으로 추가하여 정의할 수 있습니다. (단, 너무 많은 Variant는 분석을 어렵게 하므로 2~4개 이내를 권장합니다.)각 Variant의 Value 값은 SDK에서 분기 처리에 사용(e.g. variant.value)되므로 개발단에서 미리 지정하신 값이 있을 경우, 해당 값으로 기입되어야 하며, 미리 정의되어 있지 않았다면 여기에서 정의하시는 값으로 개발단의 코드 작업이 수행되어야 합니다.※Value 값이 수정될 경우, 앱의 재배포가 필요하므로 처음 생성 시 Amplitude에서 허용하는 명명규칙(숫자, 영문, 언더스코어, 하이픈만 허용)을 참고하시어 향후 변경하지 않을 값으로 지정이 필요합니다.4-3) 고객 그룹(Targeting) 정의하기[Audience]실험에 활용할 대안을 등록했다면, 누구를 대상으로 실험을 진행할 것인지 모수 집단을 선택하실 수 있습니다. All Users를 선택하여 전체 고객을 모수 집단으로 선정할 수 있으며, Target Users를 선택하여 특정 모수집단을 Segment로 정의할 수 있습니다.[Distribution]선정한 모수 집단을 각 대안에 어느 정도 비율로 할당 할것인지 지정할 수 있습니다. 기본 옵션인 evenly distribute로 동일한 비율로 지정하는 것을 권장 드리며, 원하실 경우 Customize 옵션으로 수동 설정이 가능합니다.(control로 할당되는 고객들은 실험에 참여는 하지만 실제로는 변경된 대안 UI가 노출되지 않는 그룹으로써, 대조군의 역할을 수행합니다.)[Rollout]지정하신 모수 집단 전체를 대상으로 실험을 수행하실 수도 있으나 그 중 일부를 대상으로만 진행하는 것도 가능합니다. Rollout 설정을 통해 전체 모수 집단 중 몇 %에 해당하는 고객들을 대상으로 실험을 진행할 것인지 범위를 지정할 수 있습니다.(Control vs. Rollout: control에 포함된 고객은 실험에 포함되어 향후 결과 분석 시 대조군 역할을 하지만, Rollout에서 제외된 고객은 실험 자체에 포함되지 않으므로 결과 또한 추적되지 않습니다.)5) 전달 구성5-1) Flag & Evaluation 정의Flag는 실험을 식별하는 고유 식별자로써, 실험을 생성하시는 시점에 key 항목으로 기입한 정보를 확인하실 수 있으며, 실험 시작 전까지는 변경이 가능합니다. 이 값은 SDK에서 실험 정보 요청에 사용(e.g.FLAG_KEY) 되므로 개발단에서 미리 정하신 값이 있다면 그 값으로, 없다면 여기에서 정의된 값으로 개발단의 코드 작업이 수행되어야 합니다.Evaluation Mode는 고객이 어떤 대안에 해당 되는지를 어디에서 계산할 것인지 선택하는 항목입니다. 일반적으로는 Amplitude에 수집된 정보를 실시간으로 확인하여 결정되나, 실시간 검토 방식은 통신 상의 약간의 딜레이(0.1~1초)가 발생하므로, 고객에게 즉각적으로 노출되어야 하는 UI에 대해서는 로컬에서 계산하는 방식을 선택하실 수도 있습니다.5-2) 배포 환경(Deployment) 선택지금까지 작성한 실험을 어떤 환경에 배포 할 것인지를 선택합니다. 특정 플랫폼이나 개발환경에만 적용하고자 하실 경우, 해당하는 deployment만 선택하여 배포가 가능합니다.6) 실험 시작모든 세팅을 완료했다면, 우측 상단 버튼을 이용하여 각 플랫폼 별로 적용할 수 있는 샘플 코드를 확인할 수 있습니다. 개발 담당자에게 해당 정보를 전달하여 적용을 요청할 수 있습니다.실험을 고객들에게 배포하기 전, 미리 등록해 둔 테스터만을 대상으로 선행적으로 배포가 가능하며, 예약 실행이나 feature flag만 활성화하고 실험 분석은 수행하지 않는 등 여러 옵션을 정의해 보실 수 있습니다.모든 사항의 확인이 완료되었다면, 최종적으로 Start Experiment를 클릭하여 실험 시작이 가능합니다. 실험을 종료할 때에는 초기 버전으로 롤백을 할 것인지, 아니면 특정 대안( Variant )으로 적용할 것인지 선정하여 실험을 마칠 수 있습니다.실험이 진행되는 동안 발생한 실험 참여(Assigentment), 실험 노출(Expouse) 및 목표로 잡은 정보들은 모두 고객별 프로필에 저장되므로 이를 기반으로 심층 분석(Analytics)을 바로 수행해 볼 수 있습니다. 또한, 처음 목표로 잡았던 것 이외에도 각 그룹별로 어떠한 변화가 있었는지 수집된 데이터를 기반으로 분석이 가능합니다.실험과 분석을 하나의 플랫폼 안에서실험과 데이터 분석은 이제 더 이상 따로 작업할 필요가 없습니다. 기존 A/B 테스트 도구들이 단순히 실험을 “실행”하는 데 집중했다면, Amplitude Feature Experiment는 실험 설계부터 분석, 최종 반영까지 추가적인 개발단 작업없이 한 번에 처리할 수 있는 실험 플랫폼 체계를 제공합니다.CUPED, Sequential Testing, Bonferroni 등 실험의 정확도를 높이는 기능이 기본으로 탑재되어 있어, 적은 트래픽으로도 빠르게 유의미한 결론을 얻을 수 있으며, Amplitude Analytics와 완벽히 연결되어 언제든 전환율,리텐션, 코호트 분석 등 심층적인 결과 분석을 바로 이어나갈 수 있습니다.또한 클라이언트 배포 없이, 서버-사이드 실험 연동을 지원하므로 고객들에게 끊김없는 실험 환경 제공이 가능합니다. 제품의 성과를 빠르게 검증하고, 그 결과를 정확히 해석해 다음 의사결정으로 이어가고 싶다면, Amplitude Feature Experiment는 더없이 강력한 선택이 될 것입니다.Feature Experiment 활용에 도움이 필요하나요?팀 맥소노미 Amplitude 도입문의 바로가기

Guides & Surveys: 사용자 행동과 피드백을 연결하는 가장 쉬운 방법

Guides & Surveys: 사용자 행동과 피드백을 연결하는 가장 쉬운 방법

고객들이 서비스에서 수행하는 행동만으로는 알 수 없는 ‘진짜 이유’, 어떻게 알 수 있을까?

[세션 스케치] 찾아가는 세미나 with Braze ─ CJ올리브영 편

[세션 스케치] 찾아가는 세미나 with Braze ─ CJ올리브영 편

팀 맥소노미와 Braze가 함께한 'CJ올리브영을 찾아가는 세미나' ─ 후기를 공유합니다.팀 맥소노미는 '데이터', 'DT'에 관심이 있는 기업을 직접 방문하여 맞춤형 데이터 활용 전략과 업계의 유즈 케이스를 전달하는 '찾아가는 세미나'를 정기적으로 진행하고 있습니다.이번 찾아가는 세미나는 Braze의 전략 컨설팅 VP, Mariam Asmar(마리암 아스마르)님께서 함께해 주셨는데요. CJ올리브영 임직원 분들을 찾아뵙고 "BEAUTY INDUSTRY GROWTH STRATEGY"를 주제로 글로벌 뷰티 산업에서 창의적인 마케팅 캠페인 전략을 통해 고객 경험과 브랜드 충성도를 높인 다양한 사례를 공유해 주셨습니다. 한시도 눈을 뗄 수 없었던 흥미로운 사례와 이를 통해 공유주신 주요 인사이트를 정리해 보았습니다. 1. 데이터 기반의 맞춤형 마케팅Mariam님은 먼저 오프라인 데이터를 온라인에 통합한 창의적 마케팅 사례를 공유해 주셨습니다. 멕시코의 한 항공사 는 미국인들의 멕시코 여행을 장려하기 위해 DNA 테스트를 통해 멕시코 혈통의 비율에 따라 항공권 할인 혜택을 제공했고, 캠페인을 성공적으로 마무리했습니다. 이를 통해 재미와 참여를 유도하고 국가 간의 심리적 장벽을 효과적으로 허물 수 있었습니다.또한 다른 사례로 아르헨티나의 한 유명 배달앱 사례를 공유 주셨는데요. 축구를 사랑하는 아르헨티나 국민들의 관심사를 이용하여 월드컵 우승 트로피의 비행 경로를 앱 알림을 통해 실시간으로 공유했고, 엄청난 바이럴 효과를 거두었습니다. 2022년 FIFA 월드컵에서 아르헨티나가 우승한 후, 실제 우승 트로피가 아르헨티나로 돌아오는 여정을 실시간으로 추적하여 공유하여 팬들과의 소통을 강화한 것이죠. 이러한 사례들은 브랜드가 대중의 관심을 끄는 이벤트와 연계하여 실시간 정보를 제공함으로써 사용자 참여를 유도하고 브랜드 인지도를 높이는 효과적인 마케팅 전략으로 평가받고 있습니다.2. 오프라인은 디지털로 가는 입구가장 최근 뷰티 리테일 업계의 핵심 이슈 중 하나는 온·오프라인 고객 경험의 통합 전략입니다. Mariam님은 고객이 해외여행 시 현지와 글로벌 앱 간의 전환 문제를 해결하기 위해 매장 내 QR코드를 활용한 앱 다운로드 유도, 현지 특화 혜택 제공과 같은 구체적인 방법을 제안했습니다.또한, 고객 경험의 단순한 온·오프라인 통합이 아닌, 개인화가 함께 이루어지는 것의 중요성을 강조하였습니다. Braze를 사용하는 한 뷰티 앱은, 매장 내 피부 진단 기기를 통한 개인 맞춤형 제품 추천 서비스를 제공하고 있는데요. 해당 사례를 통해 고객의 만족도와 개인화를 강화하는 전략을 살펴볼 수 있었습니다.인플루언서 마케팅을 통해 고객 인게이지먼트를 높이는 전략도 다뤘습니다. 뷰티 산업에는 인플루언서의 영향력이 큰 만큼 고려해볼만한 전략인데요. 고객들이 앱 내에서 특정 미션이나 도전을 완료하면 인플루언서들과 함께 하는 특별한 여행이나 이벤트 참여 기회를 제공하는 등 시도해볼 수 있는 다양한 방식이 있습니다.3. 스토리텔링과 유머를 결합한 브랜딩Mariam님은 고객 채널을 통해 스토리텔링과 게임 요소를 결합하여 고객과 소통하는 캠페인도 제안했습니다. 뷰티 업계에서 특히 효과적인 전략인데요. VIP 고객이나 인플루언서를 대상으로 차별화되고 흥미로운 경험을 제공하는 데 효과적일 가능성이 높습니다.사례로 소개해주신 '도플갱어 이메일' 캠페인은 이메일 마케팅이 얼마나 창의적이고 효과적일 수 있는지를 잘 보여주었습니다. 도플갱어 이메일 캠페인은 고객이 동시에 동일한 메뉴를 주문한 다른 고객을 찾아 연결해주는 독특한 이메일 캠페인으로, 높은 오픈율과 매출 증대를 기록했습니다.4. 팬덤과 게임화(게이미피케이션)의 융합인플루언서 마케팅도 단순 노출에서 참여형 콘텐츠로 진화하고 있습니다. 고객이 직접 캠페인에 참여하고 포인트를 쌓거나 가상의 미션을 수행해 인플루언서 트립과 같은 보상을 받는 구조입니다. 이런 방식은 뷰티, 게임, 엔터테인먼트 산업에서 특히 효과적이며 평범한 '소비자'를 브랜드의 '팬'으로 진화시키는 역할을 한다고 합니다. 국내에는 주로 카카오톡을 활용하여, 친구 간의 경쟁이나 최대한 많이 공유하기를 유도하는 식으로 고객 채널과 게임화를 결합한 캠페인을 진행하는데요. 이런 독톡한 사례를 참고하여, 뷰티 업계의 특성에 맞는 창의적인 캠페인을 기획해볼 수 있을 것 같습니다.마치며이 외에도 다양한 사례를 통해 글로벌 뷰티 업계가 고객 참여와 개인화를 극대화하기 위해 얼마나 다양하고 창의적인 전략을 사용할 수 있는지 확인할 수 있었습니다.가령, 침대 매트리스 프로모션을 위해 한밤중에 "자니?"라는 메시지를 발송한 캠페인은 고객과의 유머러스한 소통을 통해 브랜드 친밀감을 높이고 매출 증대 효과를 거둔 사례로 소개되기도 하였습니다.종합해보면, 요즘 마케팅의 공식은 "데이터 + 크리에이티브 + 유머 + 참여" 네 키워드로 정리할 수 있을 것 같습니다.각 브랜드가 자신만의 언어로 고객과 소통하려면 무엇을 바꿔야 하는지 많은 고민을 하게 했던 시간이었는데요. 더불어 국내에서도 이런 유쾌한 실험들이 더 많아지면 좋겠다는 작은 바람이 들기도 했습니다.산업별 특성에 맞는 혁신적인 전략과 보다 창의적인 아이디어를 통해 고객 경험과 브랜드 가치를 더욱 높여가실 수 있는 계기가 되셨기를 바라며 이만 후기를 마치겠습니다. 😊팀 맥소노미의 '찾아가는 세미나'란?CJ올리브네트웍스의 디지털 마케팅 전문가 그룹 팀 맥소노미가 '데이터'와 '마케팅', 'DT'에 관심있는 기업의 담당자 분들을 직접 찾아뵙고 진행하는 완전 맞춤형 세미나입니다.우리 기업에 딱 맞는 데이터 활용 전략 은 무엇인지, 다른 기업에서는 어떻게 데이터를 활용하고 있는지 유즈케이스가 궁금하시다면 팀 맥소노미에게 연락주세요. 원하시는 그 곳으로 달려가겠습니다!🤗💌 팀 맥소노미의 찾아가는 세미나 문의: marketing@team.maxonomy.net

여러분의 고객 데이터는 안전한가요? (feat. DX·AX)

여러분의 고객 데이터는 안전한가요? (feat. DX·AX)

최근 여러 기업에서 개인정보 유출 사고가 발생 중인 상황에서 기업은 어떻게 대응해야 할까? DX와 AX의 흐름 속 개인정보 보호가 나아가야 할 방향.

Amplitude(앰플리튜드)의 Recommend(추천) 기능을 활용하면, 마케팅 팀과 프로덕트 팀 모두 단 몇 분만에 고객 한 명 한 명을 위한 맞춤형 디지털 경험을 제공하는 것이 가능해집니다.



Amplitude(앰플리튜드)의 Recommend(추천) 기능은 모든 디지털 서비스 기업이 규모에 맞는 맞춤형 환경을 제공할 수 있도록 합니다. 이 기능을 통해 연도별로 로드맵을 가속화하고, 전환(Conversion) 속도를 높이며(보통 두 자리 숫자입니다), 비용을 약 수백만 달러 절감할 수 있습니다.


넷플릭스, 아마존과 같은 개인 맞춤 서비스를 제공하는 것은 모든 기업의 꿈입니다. 각 유저에 맞게 디지털 환경을 최적화하여, 유저 전용으로 맞춤 구축된 것처럼 느껴지게 합니다. 그러나 대부분의 기업에서 이러한 1:1 맞춤화 경험을 자동화하려고 할 때 상당한 진입 장벽에 마주치곤 합니다. 적합한 타겟 유저에게 도달하기 위한 정교한 ID 분석과, 그 타겟 유저에 맞는 적절한 메시지 작성을 위한 머신 러닝, 그리고 유저별 최적의 시간대를 파악하여 실시간으로 전달하는 것이 필요합니다. 또한, 규모에 따른 맞춤화 설정을 위해서는 프로덕트, 마케팅, 엔지니어링 담당자의 협업도 필수입니다.

 

이를 위해서는 수년 간의 투자와 수백만 달러의 개발 비용이 소요될 수 있습니다. 디지털 서비스 기업은 한 번에 몇 달 동안 리소스를 중단하거나 수백만 달러의 매출 손실을 초래하는 방법 중 절충안을 찾아야 할 수도 있습니다. 하지만 Amplitude(앰플리튜드)의 Recommend(추천) 기능을 활용하면, 절충안을 고민할 필요가 없습니다.

 





 

새로운 시대를 위한 새로운 솔루션


Recommend(추천)는 Amplitude(앰플리튜드) 디지털 최적화 시스템의 새로운 기능입니다. 이제 Amplitude(앰플리튜드) 행동 그래프를 통해 수집된 데이터를 기반으로 앤드 투 앤드 개인 맞춤화 워크플로우를 단 몇 분 만에 자동화할 수 있습니다. Recommend(추천) 기능은 마케팅 담당자, 프로덕트 매니저, 그로스 팀 등 디지털 경험 관련 담당자가 개인 맞춤화 과정을 직접 관리할 수 있도록 함으로써 개인화에 필요한 기술적인 부담을 줄여줍니다.





이 셀프 서비스 플랫폼은 다음의 세 가지 새로운 기능을 통해 적합한 유저에게 최적의 시간에 적절한 메시지를 매핑하는 것에서부터 ‘개인화’의 각 단계를 소개합니다.


 

 





적합한 고객을 찾기 위한 세분화(Segmentation)



개인화 과정을 위한 첫번째 단계는 타겟으로 설정할 적합한 고객을 식별하는 것입니다. Amplitude(앰플리튜드)의 Recommend(추천)는 사용자 목록을 구축하여 다운스트림 디지털 채널과 동기화할 수 있도록 지원하는 두 가지 기능 세트, ‘Cohorts’와 ‘Computations’을 제공합니다.

 

Cohorts는 세분화(Segmentation)의 핵심입니다. Amplitude(앰플리튜드)의 Recommend(추천)를 사용하면 지난 24시간 동안 장바구니에 상품을 추가했거나 구독 신청을 하는 등의 이벤트를 기준으로 그룹화된 유저 클러스터를 생성할 수 있습니다. 이 모든 작업은 SQL이나 코드 없이 셀프 서비스 인터페이스를 통해 수행됩니다. 또한 Recommend(추천)는 Amplitude(앰플리튜드) 디지털 최적화 시스템의 일부이기 때문에 Amplitude(앰플리튜드) Analytics(분석)에서 생성된 모든 Cohorts는 Recommend(추천)에서 즉시 사용할 수 있으며, 그 반대의 경우도 마찬가지입니다.

 

Computations는 세분화(Segmentation)의 최고 레벨입니다. Amplitude(앰플리튜드)의Recommend(추천)를 사용하면 시간이 지남에 따라 변하는 행동 정보를 집계하여 사용자 속성으로 변환하고 이를 통해 보다 정교한 필터링을 할 수 있습니다. 예를 들어 사용자가 데이터 엔지니어링을 사용하지 않고도 몇 초 만에 지난 24시간 동안 장바구니 추가하기 이벤트를 수행한 횟수를 카운트하거나 지난 30일 동안의 평균 주문 값을 집계할 수 있습니다.

 

Cohorts와 Computation을 함께 사용하면 참여에 기반한 마케팅 조건을 트리거하는 행동 세그먼트를 식별할 수 있습니다.

 






 

적절한 메시지를 찾기 위한 자동화된 권장(Recommendations)



대다수의 사람들에게 “개인화” 경험이라고 하면 홈 스크린에 유저 이름을 삽입하거나 현재 위치를 기준으로 사진을 교환하는 것을 의미합니다. 이러한 유형의 창의적이고 인구통계학적 “개인화”는 권장되지만 그 영향은 한계가 있습니다. 과거 혹은 예상되는 미래의 행동을 기반으로 각 개별 사용자에게 완벽하게 맞추는 제품은 개인화가 지닌 모든 장점을 실현하는 것과 같습니다. 이제 Amplitude(앰플리튜드) Recommend(추천)의 Recommendations 기능을 통해 역동적인 제품 경험 제공이 가능해졌습니다.

 

Amplitude(앰플리튜드)의 자동화된 머신러닝 시스템으로 구동되는 새로운 Recommendations 기능을 사용하면 넷플릭스 또는 아마존과 같은 개인화 경험 환경을 만들 수 있습니다. 타겟으로 설정할 적합한 사용자가 식별되면 Amplitude(앰플리튜드) Recommend(추천)는 전환 가능성을 높일 수 있는 콘텐츠, 제품 및 메시지의 올바른 조합을 결정합니다.


셀프 서비스 사용자 인터페이스에서 SKU, 아이템 이름, 제품 카테고리 등의 이벤트 속성을 선택합니다. 구매, 구독 등의 최적화를 원하는 항목에 대한 결과도 선택할 수 있습니다. Amplitude(앰플리튜드)의 Recommend(추천)는 구매, 구독 등의 항목의 결과를 높일 수 있는 가능성에 따라 속성의 모든 잠재적 가치의 순위를 자동으로 매겨, 개별 사용자에게 맞춤화합니다.

 

Amplitude(앰플리튜드) Recommend(추천)는 한 번에 최대 100개까지 각 사용자가 선호할 가능성이 높은, 즉 전환 가능성을 극대화할 수 있는 순위 목록을 단 몇 분 만에 생성합니다. 이러한 항목은 분류를 위해 장바구니에 추가 될 가능성을 기준으로 순위가 매겨진 아이템 SKU 혹은 교차 판매 가능성에 따라 순위가 매겨진 제품 카테고리로 분류될 수 있습니다. 이 시스템은 3~5가지 다른 경험을 제공하는 대신 각 개별 유저에게 맞춤화된 수백만 개의 잠재적 경험의 경우의 수를 생성합니다. 데이터 과학 팀의 도움 없이 이 모든 작업을 직접 몇 분 이내에 완료할 수 있습니다.

 

미국 상위 15개 은행의 소비자 부문은 고객의 금융 지식과 활용 정도를 향상시키기 위해 Recommendations를 사용합니다. 유저가 모바일 앱에 접속하면 은행과 관계 있는, 혹은 행동과 일치하는 콘텐츠가 표시됩니다. 이 콘텐츠는 Amplitude(앰플리튜드) Recommend(추천)에 의해 제공된 ‘개별화’의 결과입니다. Recommendations을 활용한 이후, 이 은행의 영업 성과는 15% 증가했습니다.

 






 

최적의 발송 시간을 찾기 위한 실시간 API



개인화 워크플로우의 마지막 단계는 발송(Delivery)입니다. 전달할 적절한 메시지를 작성했다면, 이를 적합한 유저에게 전달해야 합니다. Amplitude(앰플리튜드) Recommend(추천)는 실시간 API 및 동기화 기능을 제공하여 코호트, 계산된 속성 및 Recommendations를 디지털 채널에 연결합니다.

 

동기화 기능을 통해 데이터 개체를 모든 광고, 이메일 또는 실험 플랫폼과 동기화할 수 있습니다. 페이스북 또는 마케토와 코호트를 동기화하고, 유저 행동이 변경되면 해당 광고 및 고객 참여 대상의 캠페인을 자동으로 동기화합니다. 예를 들어 계산된 속성을 Braze(브레이즈)와 같은 작업 플랫폼과 동기화할 수 있으므로 유저의 평균 주문 값이 변경되면 해당 이메일 캠페인에서 속성이 자동으로 조정됩니다. 이 모든 것이 맞춤형 데이터 엔지니어링 파이프라인 없이 한 번의 클릭만으로 가능합니다.

 

이제 API 프로파일을 사용하여 모든 유저에 대해 REST API 앤드포인트를 쿼리하고 Amplitude(앰플리튜드)에서 유저 데이터로 반환할 수 있습니다. 유저가 사이트나 앱을 방문할 때 유저의 고유 ID별로 프로파일 API를 쿼리하고 Properties, Cohorts 및 Recommendations 목록을 반환하기만 하면 됩니다. 해당 응답을 제품에 직접 포함하고 권장되는 속성에 따라 제품 환경을 조정합니다.

 

호주의 복권 판매 기업 Oz Lotteries를 지원하는 디지털 플랫폼 점보 인터렉티브는 Braze(브레이즈)를 통해 API 프로파일을 사용하여 아마존 스타일의 Recommendations를 이메일과 푸시 알람으로 제공합니다. 고객들은 구매 후 구매 이력 및 행동 패턴에 따라 관심 있는 다른 게임을 제안하는 후속 커뮤니케이션 메시지를 받게 됩니다. Recommend(추천) 기능은 이메일을 활용한 최대 4개의 제안과 푸시를 통한 1개의 제안을 발송합니다. 그 결과 이 메시지로 인한 체크아웃 전환율이 158% 이상 증가하는 엄청난 성과를 보였습니다.

 

 







기본 제공되는 측정 기능


Amplitude(앰플리튜드)를 사용하면 여러분이 직접 설정한 개인화 경험 환경의 영향력을 쉽게 측정할 수 있습니다. Amplitude(앰플리튜드) Recommend(추천)에서 만든 모든 코호트는 Amplitude(앰플리튜드) Analytics 기능에서 분석할 수 있습니다. 캠페인의 영향을 이해하는 것은 차트를 작성하는 것만큼 간단합니다. 대상을 다시 생성하거나 작업을 복제할 필요없이 쉽고 편하게 확인할 수 있습니다.

 

Recommendations의 경우, 자동화된 리프트 분석을 통해 측정 기능을 한 단계 더 발전시켰습니다. 여러분이 생성한 각 Recommendation에 포함할 유저의 비율을 선택할 수 있습니다. 0-100% 내에서 자유롭게 선택 가능합니다. 그 다음 API 프로파일에 Recommendation을 쿼리하면 Amplitude(앰플리튜드)가 사용자에게 컨트롤 권한을 할당하거나 Recommendation을 제공합니다. 동시에 자동으로 가장 영향력이 큰 이벤트를 기록하여 Recommendation이 기존 경험 환경에 얼마나 큰 영향을 미치는지 추적합니다. 간단히 Recommendation의 성능(Performance) 탭을 클릭하면 확인할 수 있습니다. 분석 및 개인화를 위한 하나의 통합 시스템이 통합 데이터 세트에 모두 구축되어 있으므로 여러분이 생성한 개인화 경험 환경의 실행 루프를 쉽게 닫을 수 있습니다.

 

 






단 몇 분 만에 끝내는 개인화 설정


Amplitude(앰플리튜드) Recommend(추천)의 장점은 디지털 최적화 시스템의 완전한 피드백 루프를 가능하게 한다는 것입니다.

 

Amplitude(앰플리튜드) Recommend(추천)에서 버튼을 클릭하면 코호트와 Recommendations를 생성할 수 있고, 이를 여러분의 광고, 이메일, 인앱 캠페인과 동기화할 수 있으며, 이 모든 캠페인의 성과를 Amplitude(앰플리튜드) Analytics에서 다시 모니터링 할 수 있습니다.

 

이 프로세스의 자동화를 통해 프로덕트 팀과 마케팅 팀을 연결하여 런칭에 필요한 시간을 단축할 수 있습니다. 통합 머신러닝은 엔지니어링 비용을 절감하고 Recommendations의 정확도를 높입니다. 또한 상호 보완 분석을 통해 이러한 개인화 실험의 영향력을 안정적으로 측정할 수 있습니다.

앰플리튜드, 개인화