앰플리튜드

Predictive Cohort 기능을 소개합니다.

Team MAXONOMY 2020.11.13

Predictive Cohort 기능을 소개합니다.

Amplitude를 통해서 이제 과거의 데이터를 기반으로 미래 행동을 예측하여 사용자 집단을 코호팅 할 수 있는 Predictive Cohort 기능을 소개하려 합니다.


최고의 마케팅 캠페인은 적시에 적절한 사용자에게 적절한 메시지를 보내는거죠. 적절한 타깃 마케팅은 고객에게 이상적인 경험을 제공하고 마케터가 기대하는 컨버전을 극대화하는 검증된 방법입니다. 고객의 입장에서는 스팸을 줄이고 전환 가능성이 높은 캠페인만 연계될 수 있고, 마케팅 팀은 광고 지출 및 이메일 전송의 효율성이 증가하는 것을 확인할 수 있을 겁니다.


이러한 작업을 수행하는 건 결코 쉬운 일이 아니라는 게 마케터의 가장 큰 고민입니다. 흔히 개인화로 저명한 브랜드를 생각하면 Netflix 및 Amazon을 생각하지만, 이 두 브랜드의 개인화 추천 마케팅은 매우 비쌉니다. 데이터를 사용자 수준의 예측 통찰력으로 변환하기 위한 머신러닝 시스템과 함께 고객에 대한 고품질 자사 데이터에 액세스해야 하니깐요.


하지만, Amplitude의 Predictive Cohorts가 바로 이러한 개인화 마케팅을 적은 비용으로 도울 수 있습니다.


Predictive Cohorts를 사용하면 과거 행동이 아닌 미래 행동을 기반으로 사용자를 그룹화할 수 있습니다. Nova AutoML로 구동되는 이 기능은 머신 러닝 모델의 모든 단계를 자동화하고, activation, retention, 평생 가치 (LTV)와 같은 원하는 결과를 설정하고 몇 분 내에 Amplitude가 그 결과를 달성할 가능성이 가장 높은 사용자 집단을 추출합니다.


이는 잠재 고객을 구축하고 타기팅할 적합한 사용자를 찾는 방법에 있어 매우 큰 변화입니다. 수십 가지 다른 규칙을 기반으로 캠페인에서 최고의 사용자를 식별하는 추측은 이제 진부합니다. 대신 마케터는 이제 구매 가능성이 가장 높은 사용자를 위한 개인 맞춤 광고, 유지 가능성이 가장 낮은 사용자에게 보내는 이메일 예상 LTV가 가장 높은 사용자를 위한 인앱 제안과 같은 단일 캠페인의 목표에 따라 잠재 고객을 생성할 수 있습니다.





모든 결과를 예측합니다.


Predictive Cohort로 디지털 경험을 개인화하려면 먼저 코호트가 달성하고자 하는 결과를 예측해야 합니다. 과정을 간단하게 만들었습니다.




Amplitude Cohorts 내에서 이벤트, 사용자 속성 및 원하는 기간을 지정합니다. 다음과 같은 결과를 생성합니다.


  • 다음 7 일 이내에 구매
  • 향후 30 일 이내에 스타터에서 엔터프라이즈로 업그레이드
  • 또는 향후 6 개월 동안 LTV $ 500에 도달


Amplitude의 Nova AutoML 시스템은 자동으로 머신 러닝 모델을 구축하여 몇 분 안에 이러한 예측 집단을 만듭니다.


머신 러닝 모델은 이전 기간에 원하는 결과를 달성한 사용자와 달성하지 못한 사용자 (예 : 지난 6 개월 동안 LTV가 $ 500 미만인 사용자)를 분석하고 수백 개의 과거 행동이 결과에 어떤 영향을 미쳤는지 평가합니다. 그 결과, 원하는 기간에 실시간으로 계산되는 모든 사용자에 대한 확률적인 개별 스코어링으로 개별 사용자의 가능성을 식별합니다.


미래의 결과를 예측할 수 있는 이러한 확장성은 의미가 매우 큽니다. 최근 행동 기반 기준 (예 : "최근 조회 한 항목")에 따라 사용자를 분류하는 대신 , 이제 미래 예측 기준 (예 : "1 개월 리텐션")으로 사용자를 식별할 수 있습니다.따라서 최근에 본 항목을 사용자가 구매하도록 장려하는 것과 같은 단기 결과를 극대화하는 대신 사용자의 장기적인 관심으로 캠페인을 최적화합니다. 이러한 방식으로 고객에게 더 개인화된 경험을 맞춤화 할 수 있습니다.







충성 고객 식별하기


모든 사용자에게 할당된 확률적 점수를 통해 Amplitude를 사용하면 원하는 결과에 대해 누가 충성고객이고 그렇지 않은 사용자인지 쉽게 식별할 수 있습니다.



Predictive Cohorts에서는 향후 원하는 결과를 수행할 가능성에 따라 순위가 매겨진 모든 사용자의 분포를 볼 수 있습니다. 상위 5 %, 중앙값 10 % 또는 하위 20 % 와 같은 동질 집단을 선택하고 해당 집단에서 사용자 수와 예상 전환율을 즉시 확인할 수 있습니다. 위의 예에서 예측 LTV로 상위 20 % 의 사용자를 선택했습니다.

이 세분화가 주는 영향은 매우 인상적입니다. 소수의 행동 신호로 사용자를 수동으로 그룹화하는 대신 수백 개의 행동 신호를 기반으로 하는 예측 가능성에 따라 순위를 매깁니다.


그러나 이 예측 가능성은 블랙박스가 아닙니다. 신뢰와 무결성은 특히 생성 된 예측 모델을 사용할 시기에 대한 윤리적 결정을 내리는데 중요 합니다. 따라서 우리는 기본 모델의 정확성에 대한 투명성을 제공하고 어떤 행동 신호가 가장 중요한지에 대한 통찰력을 제공합니다.





행동 신호는 중요도 비율 (코호트에 속하지 않은 사용자에 비해 이벤트 또는 이벤트 속성을 수행 한 선택된 코호트의 사용자 비율)에 따라 순위가 지정됩니다. 이 예에서 예상 LTV의 상위 20 %에 속하는 사용자는 지난 90 일 동안 친구를 추가할 가능성이 14.3 배 더 높았고 커뮤니티 콘텐츠에 기여할 가능성이 9.8 배 더 높았습니다.

모델에 대한 충분한 확신을 가지고 원하는 사용자 집합을 예측 코호트로 저장할 수 있습니다. 코호트에는 선택한 확률 범위의 모든 사용자가 포함되며 사용자의 행동과 확률이 변경됨에 따라 매시간 코호트 멤버십을 조정합니다.







디지털 경험 개인화


흥미로운 점은 단순히 충성고객을 식별하는데 그치지 않습니다. Amplitude를 사용하면 해당 사용자가 자격이 생기는 즉시 디지털 경험을 커스터마이징 할 수 있습니다.


Amplitude Engage를 사용하면 Predictive Cohort를 이메일, 광고 및 기능 플래그 지정 플랫폼에 직접 동기화할 수 있습니다. 즉, 사용자가 예측 코호트에 들어오거나 나가는 즉시 올바른 디지털 경험에 자동으로 동기화됩니다.


다음 주 이탈에 가장 높은 선호도를 갖는 사용자를 예측하고 유지하기 위해 더 높은 할인을 제공하여 Braze 이메일을 통해 개인화할 수 있습니다. Facebook 광고에서 향후 30 일 동안 구매할 가능성이 가장 높은 사용자는 어쨌든 구매할 예정이므로 제외할 수 있습니다. 이제 LaunchDarkly를 사용하면 한 제품에 대해 다른 제품에 대해 가장 높은 선호도를 가진 사용자에게 다른 제품 플래그를 표시할 수 있습니다.

logo

팀맥소노미

YOUR DIGITAL MARKETING HERO

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

관련 글 보기

AI 시대 속 개인정보 보호 - 1단계 인식변화

AI 시대 속 개인정보 보호 - 1단계 인식변화

AI·DX 시대, 글로벌 기업의 개인정보 보호 전략과 모범 사례를 소개합니다.(MS, 에어비앤비, 세일즈포스, 웰스파고)

A/B테스트 개념과 데이터 분석 방법🔍

A/B테스트 개념과 데이터 분석 방법🔍

A/B 테스트는 두 가지 혹은 그 이상의 서로 다른 버전(Variant)을 비교하여 어느 쪽이 더 나은 성과를 내는지 판단하는 실험 기법입니다.

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.

B급 감성 마케팅이 온다

B급 감성 마케팅이 온다

B급 감성이란?혜성처럼 등장한 B급 감성은 많은 산업과 분야에 영향을 미치고 있습니다. B급의 사전적 의미는 ‘완벽함을 추구하는 것보단, 투박하고 엉성한 스타일을 추구하는 것’입니다. 이런 B급 감성은 소비자가 손쉽게 친근감을 느낄 수 있어, 특히 마케팅 분야에서 많이 시도하는데요.한때 모두가 B급감성을 지향하던 시기가 있을 정도로 그 파급력이 강력했습니다. 하지만 B급 감성을 마케팅에 적절히 활용하기란 여간 까다로운 것이 아닙니다. 잘못된 B급 감성의 적용은 자칫 브랜드 자체를 B급으로 만들어 버릴 수도 있기 때문입니다.B급 감성 마케팅은 모두가 완벽해지고 싶어하는 가운데 일부러 허술함을 표현합니다. 이것은 비슷한 기성품들 사이 차별화를 부각시킴과 동시에, 독보적이고 특별함을 보여줄 수 있는 장점을 가지고 있습니다. 또한 완벽하지 않은 모습에 소비자들이 마음을 조금더 손쉽게 열 수 있는 친근한 접근 방식이죠.하지만 잊지마세요. 오늘 맥사이트픽에서 이야기해볼 ‘B급 감성 마케팅’은 결코 단어 그대로의 B급을 의미하지 않습니다. B급이란 이름표를 달고 있고, 그래서 어딘가 B급처럼 보이긴 하지만 사람들의 마음을 움직이는 힘을 가지고 있는 마케팅이 우리가 추구하는 진정한 B급 감성 마케팅입니다.실제로는 SS급 역할을 해주었을 때, 비로소 B급 감성 마케팅이라 부를 수 있다는 점을 명심하세요! 무조건 B급의 소재를 브랜드와 결합시켰다고 해서 B급 감성 마케팅으로 볼 수 없습니다.B급 감성을 살린 마케팅Dollar Shave Club: 우리 면도날은 끝내주게 좋습니다.출처: DollarShaveClub 유튜브 | Our Blades Are F***ing Great면도기 및 미용용품 구독 서비스를 제공하는 Dollar Shave Club은 저예산 B급 감성의 유튜브 광고 영상을 제작하여 큰 주목을 받았습니다.문을 통과할 때 종이가 엉성하게 뜯기고, 테이프는 제대로 잘리지 않고, 택배 상자 패스를 놓치는 등 실수를 의도적으로 활용하여 웃음을 주면서도 인간적인면을 부각시키는 광고였습니다.굉장히 단순한 촬영과, 현실적인 메시지에 곁들인 유머러스한 대사가 오히려 화려한 광고들보다 특별해보입니다. 이를 곧 친밀감으로 연결할 수 있다는게 B급 감성 마케팅의 힘입니다.이 광고가 그리 특별해보이지 않은 사람도 있을 것입니다. 이미 많이 본 컨셉이라고 하면서 말이죠. 하지만 이 광고가 13년 전인 2012년에 나왔다는 점을 감안했을 때, 당시 얼마나 신선하고 충격적이었을지 상상조차 안됩니다.해당 광고는 공개 후 약 48시간만에 12,000명 이상의 신규 가입자를 유치했고, 이후 영국의 생활 용품 기업 ‘유니레버’에 10억달러에 인수되는 성과를 만들었습니다.CJ 제일제당: 육수커플출처: CJ제일제당 육수커플 유튜브 | 우리 결혼했어요 육수커플최근 제일제당에서는 편의형 코인육수의 신제품인 ‘바지락멸치 맛 1분링’을 출시했습니다. 해당 제품 홍보를 위해 ‘1분링’ 캠페인을 진행 중인데요. 광고 스토리가 정말 재밌습니다.배우 변요한·차주영이 몰던 차량이 강에 빠지자 강물이 육수로 가득 우러나고, 잠시 후 폭발하는 자신의 집을 바라보며 미소를 짓는 두 사람의 모습으로 끝이납니다.B급이라는 표현으로도 부족한 황당한 전개에 과장된 슬로모션까지 더해 광고는 처음부터 끝까지 절대 B급이라는 프레임을 벗어나지 않기 위해 노력합니다. 또한 이런 B급광고에 어울리지 않는 정극 배우들을 모델로 선정하여, 부조화를 이루고 있죠.이런 부조화가 오히려 신선하고 재밌게 다가오며, 소비자로부터 뜨거운 반응을 이끌고 있습니다.우리가 B급 감성을 사랑하는 이유이런 B급 감성의 광고가 소비자의 마음을 움직이는 이유는 뭘까요?익숙하게 자리한 밈(meme) 문화가 밑바탕이 되어있기 때문이라고 설명할 수 있습니다. 밈은 반복과 자가복제 즉 패러디가 핵심인데 B급 콘텐츠는 이러한 이야기 형식에 딱 들어 맞습니다. 한 번 웃기면 빠르게 퍼지고, 재생산되며, 비슷하지만 어딘가 새로운 또 다른 유행을 만들어냅니다.여기에 전형적인 광고의 모습이 아닌 마치 TV드라마의 한 장면같은 구성은 광고에 대한 거부감을 줄이는데 효과적인이면서, ‘B급이니까 광고더라도 그냥 재미로 한번 봐줘’ 의 뉘양스로 소비자에게 더 쉽게 다가갈 수 있었습니다.다만, B급 감성 마케팅을 시도해보고 싶다면 다음 3가지는 절대 피해야만 합니다. 브랜드가 전달하려는 메시지를 방해한다면, B급 감성을 접목하지 말아야 합니다: 브랜드의 상품과 서비스가 B급으로 표현되면 안되는 분야가 있을 수 있습니다. 대표적으로, 사람의 생명을 다루는 의료 또는 의약 분야가 있죠. 이런 분야에서 B급 감성을 잘못 적용하면, 소비자에게 전달될 상품과 서비스의 메시지가 왜곡될 수 있고 이로인해 잘못된 소비자의 이해가 발생할 수 있습니다. 뿐만 아니라, 광고로 인한 사회적 논란이 생겨날 수 있습니다.과한 유머는 소비자의 불쾌감을 유발시킬 수 있습니다: 특정 집단을 대상으로 희화하거나, 적절한 정도를 넘어서는 유머는 대중을 대상으로 하는 광고에서 오히려 반감을 불러일으킬 수 있습니다.일관성있는 메시지와 브랜드의 가치 안에서 B급 감성이 들어있어야 합니다: 이전 포스트인 2025년 대통령 선거로 보는 마케팅 기술에서도 언급되었지만 브랜드의 일관성은 곧 소비자들의 신뢰도와 직결된 부분입니다. 우리의 메인 메시지와 정체성이 이어지지 않은 B급 감성 마케팅은 그저 ‘B급 감성을 위한 마케팅’이 될 것입니다.🚩맥소노미가 PICK한 이유대부분의 광고와 마케팅의 목적은 소비자에게 브랜드의 가치를 진정성있고 친근하게 전달하여 브랜드로 들어오는 유입 장벽을 낮추기 위함입니다. 그러나 이때, 브랜드와 어울리지 못한, 그리고 정도를 지나친 B급 감성 마케팅은 되려 소비자 마음의 문을 닫아버릴 수 있으니 다른 마케팅 전략보다 더욱 신중할 필요가 있습니다. 브랜드가 소비자에게 이야기하고 싶은 메시지를 잃지 않고서 B급 감성이 활용되어야 마케팅을 통한 진정한 B급을 만들어낼 수 있습니다. B급 감성은 처음에는 소비자들에게 어설퍼 보일 수 있지만, 실제로 이는 계산된 어설픔이라 결과적으로는 완벽하다는 메시지로 이어집니다. 그리고 장난처럼 보이지만 누구보다 진지하다는 것을 소비자들이 알수 있습니다. 소비자가 처음에는 가벼운 마음으로 B급 감성 마케팅을 받아들이지만 궁극적으로는 누구보다 진지하게 자신들의 가치를 전달하고 있는 브랜드의 감성을 제대로 이해해주었을 때 B급 감성이 제대로 성공했다고 볼 수 있을 것 입니다.

Amplitude를 통해서 이제 과거의 데이터를 기반으로 미래 행동을 예측하여 사용자 집단을 코호팅 할 수 있는 Predictive Cohort 기능을 소개하려 합니다.


최고의 마케팅 캠페인은 적시에 적절한 사용자에게 적절한 메시지를 보내는거죠. 적절한 타깃 마케팅은 고객에게 이상적인 경험을 제공하고 마케터가 기대하는 컨버전을 극대화하는 검증된 방법입니다. 고객의 입장에서는 스팸을 줄이고 전환 가능성이 높은 캠페인만 연계될 수 있고, 마케팅 팀은 광고 지출 및 이메일 전송의 효율성이 증가하는 것을 확인할 수 있을 겁니다.


이러한 작업을 수행하는 건 결코 쉬운 일이 아니라는 게 마케터의 가장 큰 고민입니다. 흔히 개인화로 저명한 브랜드를 생각하면 Netflix 및 Amazon을 생각하지만, 이 두 브랜드의 개인화 추천 마케팅은 매우 비쌉니다. 데이터를 사용자 수준의 예측 통찰력으로 변환하기 위한 머신러닝 시스템과 함께 고객에 대한 고품질 자사 데이터에 액세스해야 하니깐요.


하지만, Amplitude의 Predictive Cohorts가 바로 이러한 개인화 마케팅을 적은 비용으로 도울 수 있습니다.


Predictive Cohorts를 사용하면 과거 행동이 아닌 미래 행동을 기반으로 사용자를 그룹화할 수 있습니다. Nova AutoML로 구동되는 이 기능은 머신 러닝 모델의 모든 단계를 자동화하고, activation, retention, 평생 가치 (LTV)와 같은 원하는 결과를 설정하고 몇 분 내에 Amplitude가 그 결과를 달성할 가능성이 가장 높은 사용자 집단을 추출합니다.


이는 잠재 고객을 구축하고 타기팅할 적합한 사용자를 찾는 방법에 있어 매우 큰 변화입니다. 수십 가지 다른 규칙을 기반으로 캠페인에서 최고의 사용자를 식별하는 추측은 이제 진부합니다. 대신 마케터는 이제 구매 가능성이 가장 높은 사용자를 위한 개인 맞춤 광고, 유지 가능성이 가장 낮은 사용자에게 보내는 이메일 예상 LTV가 가장 높은 사용자를 위한 인앱 제안과 같은 단일 캠페인의 목표에 따라 잠재 고객을 생성할 수 있습니다.





모든 결과를 예측합니다.


Predictive Cohort로 디지털 경험을 개인화하려면 먼저 코호트가 달성하고자 하는 결과를 예측해야 합니다. 과정을 간단하게 만들었습니다.




Amplitude Cohorts 내에서 이벤트, 사용자 속성 및 원하는 기간을 지정합니다. 다음과 같은 결과를 생성합니다.



Amplitude의 Nova AutoML 시스템은 자동으로 머신 러닝 모델을 구축하여 몇 분 안에 이러한 예측 집단을 만듭니다.


머신 러닝 모델은 이전 기간에 원하는 결과를 달성한 사용자와 달성하지 못한 사용자 (예 : 지난 6 개월 동안 LTV가 $ 500 미만인 사용자)를 분석하고 수백 개의 과거 행동이 결과에 어떤 영향을 미쳤는지 평가합니다. 그 결과, 원하는 기간에 실시간으로 계산되는 모든 사용자에 대한 확률적인 개별 스코어링으로 개별 사용자의 가능성을 식별합니다.


미래의 결과를 예측할 수 있는 이러한 확장성은 의미가 매우 큽니다. 최근 행동 기반 기준 (예 : "최근 조회 한 항목")에 따라 사용자를 분류하는 대신 , 이제 미래 예측 기준 (예 : "1 개월 리텐션")으로 사용자를 식별할 수 있습니다.따라서 최근에 본 항목을 사용자가 구매하도록 장려하는 것과 같은 단기 결과를 극대화하는 대신 사용자의 장기적인 관심으로 캠페인을 최적화합니다. 이러한 방식으로 고객에게 더 개인화된 경험을 맞춤화 할 수 있습니다.







충성 고객 식별하기


모든 사용자에게 할당된 확률적 점수를 통해 Amplitude를 사용하면 원하는 결과에 대해 누가 충성고객이고 그렇지 않은 사용자인지 쉽게 식별할 수 있습니다.



Predictive Cohorts에서는 향후 원하는 결과를 수행할 가능성에 따라 순위가 매겨진 모든 사용자의 분포를 볼 수 있습니다. 상위 5 %, 중앙값 10 % 또는 하위 20 % 와 같은 동질 집단을 선택하고 해당 집단에서 사용자 수와 예상 전환율을 즉시 확인할 수 있습니다. 위의 예에서 예측 LTV로 상위 20 % 의 사용자를 선택했습니다.

이 세분화가 주는 영향은 매우 인상적입니다. 소수의 행동 신호로 사용자를 수동으로 그룹화하는 대신 수백 개의 행동 신호를 기반으로 하는 예측 가능성에 따라 순위를 매깁니다.


그러나 이 예측 가능성은 블랙박스가 아닙니다. 신뢰와 무결성은 특히 생성 된 예측 모델을 사용할 시기에 대한 윤리적 결정을 내리는데 중요 합니다. 따라서 우리는 기본 모델의 정확성에 대한 투명성을 제공하고 어떤 행동 신호가 가장 중요한지에 대한 통찰력을 제공합니다.





행동 신호는 중요도 비율 (코호트에 속하지 않은 사용자에 비해 이벤트 또는 이벤트 속성을 수행 한 선택된 코호트의 사용자 비율)에 따라 순위가 지정됩니다. 이 예에서 예상 LTV의 상위 20 %에 속하는 사용자는 지난 90 일 동안 친구를 추가할 가능성이 14.3 배 더 높았고 커뮤니티 콘텐츠에 기여할 가능성이 9.8 배 더 높았습니다.

모델에 대한 충분한 확신을 가지고 원하는 사용자 집합을 예측 코호트로 저장할 수 있습니다. 코호트에는 선택한 확률 범위의 모든 사용자가 포함되며 사용자의 행동과 확률이 변경됨에 따라 매시간 코호트 멤버십을 조정합니다.







디지털 경험 개인화


흥미로운 점은 단순히 충성고객을 식별하는데 그치지 않습니다. Amplitude를 사용하면 해당 사용자가 자격이 생기는 즉시 디지털 경험을 커스터마이징 할 수 있습니다.


Amplitude Engage를 사용하면 Predictive Cohort를 이메일, 광고 및 기능 플래그 지정 플랫폼에 직접 동기화할 수 있습니다. 즉, 사용자가 예측 코호트에 들어오거나 나가는 즉시 올바른 디지털 경험에 자동으로 동기화됩니다.


다음 주 이탈에 가장 높은 선호도를 갖는 사용자를 예측하고 유지하기 위해 더 높은 할인을 제공하여 Braze 이메일을 통해 개인화할 수 있습니다. Facebook 광고에서 향후 30 일 동안 구매할 가능성이 가장 높은 사용자는 어쨌든 구매할 예정이므로 제외할 수 있습니다. 이제 LaunchDarkly를 사용하면 한 제품에 대해 다른 제품에 대해 가장 높은 선호도를 가진 사용자에게 다른 제품 플래그를 표시할 수 있습니다.

앰플리튜드, 코호트