빅데이터 정밀 광고가 신뢰할 수 없는 이유는 무엇인가요?
빅데이터 정밀광고는 왜 신뢰할 수 없다고 하는가?
1. 빅데이터 정밀광고의 의미는 이제 빅데이터가 중요한 부분이 되었다. IT 산업(인터넷 기술 포함) 전반에 걸쳐 가장 뜨거운 단어 중 하나는 빅데이터가 언급되는 한 어떤 주제라도 즉시 주목받는 것 같습니다. 하루아침에 빅데이터는 주관적, 합리적 사고를 대체하고 지능적 통찰력의 동의어가 되었습니다.
그러나 빅데이터를 숭배하는 단계를 지나 빅데이터의 실제 적용을 공개하면서 우리는 담론의 세계를 가득 채우고 있는 빅데이터에 대해 점차 성찰하기 시작했다. 경제발전에 있어서 빅데이터의 중요성이 크다고 해서 그것이 사회문제에 대한 모든 합리적 사고를 대체할 수 있다는 의미는 아니기 때문에, 과학발전의 논리가 대용량 데이터에 매몰될 수는 없다. 유명한 경제학자 루트비히 폰 미제스(Ludwig von Mises)는 "오늘날 많은 사람들은 쓸데없는 데이터 축적에 바쁘기 때문에 문제를 설명하고 해결하는 데 있어 특별한 경제적 중요성에 대한 이해를 상실했습니다. . .
가져가세요. 빅데이터의 광고 활용을 예로 들자면, 정밀광고는 아마도 빅데이터를 가장 먼저 적용한 것이며 직접적인 이익을 창출하기 가장 쉬운 형태일 것입니다. 오늘날 빅데이터 기술 기업을 표방하지 않는 광고 회사는 거의 없습니다. 데이터 정밀 광고란 간단히 말해서 프로그래밍 방식의 타겟팅입니다. 타겟팅이 핵심이고 프로그래밍이 방법입니다.
타겟팅 영역 없이 위챗 모멘트를 예로 들어보겠습니다. 연초 CPM(1,000회 노출당 비용, 모멘트 광고 가격은 일반 미디어보다 훨씬 높음) 40위안, 핵심 도시 타겟팅은 140위안, 핵심 도시 타겟팅은 성별 타겟팅을 중첩하면 90위안입니다. , 추가로 10%가 추가되고, H5 외부 링크가 중첩되며(교통 안내 효과가 더 좋습니다), 20%가 추가됩니다. 수입 화장품과 마찬가지로 관세가 먼저 부과되고 그 다음 부가가치세(VAT)가 부과됩니다.
WeChat의 경우 고객의 지역과 성별에 대해서도 데이터 분석 및 해석이 필요하지만 상대적으로 확인하기 쉽습니다. 다른 데이터 회사들은 여전히 IP나 모바일 단말기 GPS를 통해 지역을 알 수 있지만, 성별은 데이터 분석으로 결정될 가능성이 더 높다. 물론 빅데이터는 이런 단순한 태그 분석만 하는 것이 아니다. 선택 항목을 분석하고 고객의 미디어 선호 태그는 물론 시간대, 군중 속성, 기기 유형, 선호 유형 등도 분석합니다. 타겟 조합 방법
자, 위에서 간략하게 소개했습니다. 그렇다면 빅데이터 정밀광고는 어떤 가치를 가져올 수 있을까? 빅데이터 광고회사들이 자주 언급하는 이야기는
1시간에 10,000명이 웹사이트의 광고 공간을 방문한다면 노출량은 얼마나 될까? 시간당 10,000원이고 이전 CPM이 5위안이라면 모바일 광고주는 1시간 동안 광고 비용을 50위안으로 지불하게 됩니다. 이는 기존 광고 매체가 더 잘 운영되도록 돕는 빅데이터 회사가 있는 것입니다. 회사에서는 브라우징 고객의 속성을 정확히 파악하여 모바일 광고주에게 1만명이 이 광고 공간을 봤다고 알릴 수 있다고 주장하지만 실제로는 6,000명만이 휴대폰에 게재하기에 적합했고 나머지 4,000명은 무효였다. 나머지 사람들은 의류에만 관심이 있었습니다.
광고주들은 프로그램화된 광고를 따르고, 휴대폰 광고에 적합하지 않은 4,000명을 필터링하고, 6,000명에게만 비용을 지불하는 것이 좋습니다. 단가가 변하지 않으면 동일한 효과를 보장하면서 비용을 30위안으로 줄일 수 있습니다. 나머지 4,000명은 빅데이터 회사에서 20위안의 비용으로 의류 광고주에게 판매됩니다. 따라서 동일한 효과로 빅데이터 광고는 실제로 RTB(실시간 입찰) 메커니즘으로 인해 가격이 어느 정도 낮을 때 모바일이 크게 절감됩니다. 전화 광고주는 서로 경쟁하여 실제 가격이 일반적으로 30위안보다 높지만 30위안과 원래 예상 비용인 50위안 사이여야 합니다. 이는 모든 당사자가 함께 이익을 얻을 수 있는 이상적인 상황을 만듭니다.
이 케이스는 완벽하고 흠 잡을 데 없어 보입니다. 유용한 것처럼 보이지만 어디에 유용한지 명확하지 않은 등 기존 광고의 비효율성 문제를 해결하기 때문에 여러 회사의 재무 이사가 싫어합니다.
네, 빅데이터 광고를 통해 광고에 지출된 모든 비용은 더욱 증거 기반이 될 수 있습니다. 광고가 얼마나 많은 노출(Impressions)을 일으켰는지, 심지어 몇 번의 클릭이 발생했는지, 몇 번이나 다운로드되어 사용되었는지 온라인으로 평가할 수 있습니다. 결과 및 그 결과로 생성된 트랜잭션 수.
질문이 있으신가요? 괜찮아요. 질문이 있나요? 진실을 의심하고 싶단 말이지?
2. 빅데이터 정밀 광고는 보이는 것만큼 좋지 않습니다
위조의 원칙에 따라 진실은 거짓일 때만 입증될 수 있습니다(한계 이해 그리고 그 적용 조건)이 사실입니다. 따라서 우리는 먼저 질문에 대답해야 합니다. 광고는 무엇을 위해 사용됩니까?
기존 지식에 따르면 광고는 대면 소통이 불가능한 소비자에게 브랜드의 특징을 전달하기 위해 사용되는 브랜드로 간주된다. 따라서 광고는 판매를 촉진할 수 있지만 일반적으로 China Mobile의 수상 경력에 빛나는 광고 "소통은 마음에서 시작됩니다"처럼 광고 내용이 소비자의 구매를 직접적으로 설득하지는 않습니다. 2010년에 출간된 책 "브랜드가 성장하는 방법"(참고로 저자는 읽지 않았으며 앞으로 읽어보고 싶습니다)에서 저자인 사우스오스트레일리아 대학교 교수인 바이런은 책에서 다음과 같이 지적했습니다. 광고는 최고의 효과를 얻어야 하며 사람들이 구매할 때 브랜드 이름을 기억하는 한 설득이나 세뇌가 필요하지 않은 경우가 많습니다. 시장 조사 회사인 밀워드 브라운(Milward Brown)의 창립자인 고든 브라운(Gordon Brown)은 광고의 기능은 진열대에 있는 브랜드를 "흥미롭게" 만드는 것이라고 지적했습니다.
자, 다시 빅데이터 정밀 광고 사례로 돌아가서 가장 중요한 질문 중 하나는 빅데이터가 이러한 6,000명의 브라우징 사용자를 어떻게 분석하여 모바일 광고에 적합한가 하는 것입니다. 광고회사들은 이미 이 질문에 대해 준비하여 다음과 같은 답변을 내놓았습니다.
먼저, 과거 기록에서 유사한 제품을 사용한 고객을 찾아 매칭합니다. 일반적으로 사용되는 알고리즘은 "협업 필터링"이라고 하며 특정 경험의 상관 관계를 사용하여 잠재적으로 적합한 사용자를 찾습니다. 예를 들어, 특정 게임을 플레이했다면 이 유형의 다른 게임에도 동일한 요구 사항이 있다고 가정할 수 있습니다. 저자는 이 알고리즘이 특정 분야에서 실제로 효과적이라는 사실을 부정하지 않습니다. 예를 들어 게임 유료 사용자는 기본적으로 이전에 무거운 게임을 사용했던 사용자입니다.
그러나 이러한 특수 영역을 제외하면 "브랜드는 충성도 높은 소비자를 기반으로 성장한다"는 알고리즘의 기본 아이디어는 바이런의 이론과 완전히 모순됩니다. 판매 데이터의 통계적 분석을 통해 Byron은 모든 성공적인 브랜드 중 상당수의 판매가 "라이트 바이어", 즉 비교적 드물게 제품을 구매하는 고객에게서 나온다는 점을 지적했습니다. 코카콜라의 사업은 매일 콜라를 마시는 사람들이 아니라 1년에 한두 번 콜라를 마시는 수백만 명의 고객에게 달려 있습니다. 이 소비자 모델은 브랜드, 제품 카테고리, 국가 및 기간에 걸쳐 적용 가능합니다. 칫솔이든 컴퓨터든, 프랑스 자동차든 호주 은행이든 브랜드는 가끔 구매하는 대규모 인구, 즉 대중에 의존합니다.
이 이론은 광범위한 의미를 갖는다. 이는 기존 고객을 타겟팅하여 브랜드의 시장 점유율을 높일 수 없다는 것을 의미합니다. 그리고 기존 고객에 대한 정확한 마케팅은 바로 디지털 미디어가 잘하는 일입니다.
새롭고 검증되지 않은 아이디어를 바라보는 비판적 정신으로 저자는 최근 광동 모바일에서 발표한 사용자 전환 특성 데이터를 인용하고 싶습니다. Guangdong Mobile의 사용자 단말기 마이그레이션 분석에 따르면 Apple 사용자의 64%가 단말기를 업그레이드하고 Apple 휴대폰을 계속 사용하여 가장 높은 충성도를 보였습니다. 하지만 충성도 성능이 가장 뛰어난 애플, 화웨이, 샤오미 휴대폰을 제외하면 4G로 전환한 후에도 동일 브랜드를 계속 사용하는 휴대폰은 전체의 30% 미만이다.
이는 Apple 4 또는 5 사용자에게 iPhone 6를 홍보하는 것이 가능하다는 것을 보여줍니다. Apple 팬 효과는 Byron의 이론을 뒤집고 충성도 높은 소비자에 의존하여 일부 분야에서 발전하고 성장하는 것이 가능하다는 것을 증명합니다. 지역. 그러나 그 외에는 현재 브랜드의 사용자에게 동일한 브랜드의 휴대폰 단말기를 홍보하는 것은 부적절합니다.
따라서 과거 전자상거래 데이터 분석을 통해 사용자의 다음 니즈를 추론하는 것은 유효하지 않습니다. 이전에 의류를 구매한 적이 있는 사용자에게 의류를 홍보하는 것과 마찬가지로 종이 두루마리나 기름통을 홍보하는 것보다 효과적이지 않을 수 있습니다.
대신, 성공적인 브랜드는 목표 시장 외부의 그룹에 접근할 수 있는 방법을 찾아야 합니다. 브랜드 광고는 어떻게든 이 그룹의 사람들의 관심을 사로잡아야 합니다. 그래야만 소비자가 구매할 준비가 되었을 때 브랜드가 자동으로 소비자의 마음 속에 나타날 수 있습니다.
둘째, '협업 필터링'에 한계가 있는 경우 광고 회사에서는 고객의 과거 행동 기록을 기반으로 하는 것이 아니라 고객 자신의 특성과의 유사성을 기반으로 하는 두 번째 알고리즘이 있다고 알려줄 것입니다. , 시드 고객과 가장 유사한 고객 그룹을 찾으십시오. 줄여서 "닮음". 첫째, 광고주는 이 광고가 게재될 일반적인 사용자를 제공해야 합니다. 휴대폰을 예로 들면, 특정 휴대폰을 검색하거나 사전 구매하려는 사용자가 약 수백, 수천 명 정도 있습니다. 광고. 빅 데이터 회사는 Lookalike 알고리즘(전문 용어는 희소 매트릭스일 가능성이 높음)을 사용하여 이러한 수백/수천 명의 사용자와 매우 유사한 수십만/수백만 개의 다른 고객 그룹을 찾아 배치합니다.
이러한 유형의 알고리즘은 실증적인 협업 필터링이 아니라 회귀 계산에 수십, 수백, 심지어 수천 개의 변수를 사용하기 때문에 실제로 빅 데이터 플랫폼의 컴퓨팅 성능을 테스트합니다. 마지막으로 유사성 확률에 따라 점수를 매기고 높은 것부터 낮은 것까지 적절한 사용자 그룹을 선택합니다.
이 모델의 의미는 실제로 매우 간단합니다. 즉, 전달되어야 할 고객에게 광고가 전달되어야 한다는 것입니다. 예를 들어 분유 광고의 타겟 사용자는 0~3세 아이를 키우는 부모들이다. 도달하려는 사용자의 구체적인 신원을 알면 모든 문제가 해결됩니다. 하지만 웹사이트나 APP 애플리케이션의 경우 사용자의 신원이 명확하지 않습니다. 유일하게 분명한 것은 고객의 과거 행동 데이터입니다. 그리고 데이터 자체의 세분화로 인해 일부는 사업자에 초점, 일부는 APP 제휴 수집에 초점, 일부는 전자상거래에 초점, 일부는 은행에 초점을 맞추고 있습니다. 분할된 데이터에서 고객 신원 정보를 추론하려면 Lookalike가 불가피합니다.
유일한 문제는 수백 명의 시드 사용자로부터 수백 명의 새로운 타겟 사용자를 추론하면 정확도가 최대 90%에 이를 수 있다는 점이다. 샘플 라이브러리를 구성한 후 Lookalike 기술을 사용하여 군중을 증폭시켜 타겟 청중과 가장 유사한 잠재 고객을 찾습니다. 확장된 군중은 1,367만 명이며 실제 청중 ID는 2,089만 명입니다. 광고효과는 극대화되는데 효과는 어떨까요? 여기에서 수치를 만들어 보겠습니다. 클릭률이 0.2%에서 0.3%로 증가하고 정확도가 50% 증가할 가능성이 높습니다. 말이 되나요? 그럴 수도 있지만 생각만큼 분명하지는 않습니다.
셋째, 우리 알고리즘의 효율성이 계속 의심된다면 클릭수(CPC) 또는 활성화량(CPA)에 따라 비용을 지불할 수 있습니다. 우리는 그것을 보충할 것입니다. 이것이 빅데이터 광고의 궁극적인 무기이다.
궁극병기의 등장은 광고가 클릭과 활성화를 위한 채널로 완전히 축소됐음을 의미하며, '소비자와의 소통'을 위한 광고의 본래 의도는 오랫동안 버려졌다.
보통 일반적인 소비 결정은 S(솔루션), I(정보), V(가치), A(액세스)의 규칙을 따릅니다. 먼저 요구 사항을 충족할 수 있는 솔루션을 구성합니다. 예를 들어 3G 휴대폰이 사용하기 쉽지 않고, 속도도 매우 느리고, 커버리지도 좋지 않은 경우, 4G 단말기로 전환해야 할 경우 해결방안이 된다. 그렇다면 4G 단말기는 무엇이고, 어떤 단말기에 주목해야 할까요? 소비자는 여전히 인터넷을 통해 정보를 수집하지 않지만, 과거 경험, 브랜드 효과, 주변 친구들의 입소문을 바탕으로 어떤 브랜드와 스타일을 자동으로 기억합니다. 전통적인 광고의 가장 중요한 기능은 사용자가 필요할 때 자동으로 사용자의 시야에 들어오는 것입니다. 그런 다음 다양한 차원의 옵션을 비교하여 선호하는 구매 브랜드를 결정하세요. 마지막으로 구매처, 프로모션이 있는 곳, 할인이 가장 많이 되는 곳을 검색해 보세요.
SIVA 모델에 따르면 진정한 효과지향 광고의 본질은 마지막 터치인 접근성 문제를 해결하는 데 있다. 이런 점에서 검색 광고는 진정한 성과 지향 광고입니다. 예를 들어, 타오바오의 각 제품은 10,000개 이상의 판매자가 제공하는 것으로, 사용자는 어디를 가든지 광고 비용을 지불해야 합니다. 검색광고의 클릭률은 무려 40% 이상이라는 보고가 있습니다. 바이두와 알리바바가 생계를 유지하는 일을 생각해보세요. 막판 광고 가격은 당연히 엄청나게 높습니다. 일부 병원에서는 성병, 낙태 등에 대한 바이두 검색 광고를 구매하는데, 단일 트래픽의 가격은 다음과 같습니다. 수십, 수백 위안에 달한다.
검색광고는 소수의 독점접근업체만이 할 수 있는 사업이며, 대부분의 광고는 여전히 디스플레이광고이다. 디스플레이 광고도 효과형에 가까워진다면 비즈니스 룰상 카트를 말보다 앞세우는 셈이다.
결론적으로는 광고 내용이 인간의 탐욕(할인/싸구려)과 색욕(큰가슴 미녀)으로 가득 차서 형언할 수 없는 모습으로 변해버린 것. 한 번 속으면 소비자와의 소통 측면에서 오히려 부정적인 영향을 미치게 됩니다. 반면에 광고회사는 트래픽과 클릭을 발생시키는 기업으로 전락해버렸는데, 결국 이러한 효과적인 트래픽을 누가 클릭하는지, 베이징의 왕징과 중관촌의 유명한 트래픽 발생 거리와 본질적인 차이는 없을 것입니다. 한 빅데이터 회사는 특정 고급 재무 관리 소프트웨어의 단계별 사용자 그룹을 분석한 적이 있는데, 이는 휴대폰을 속이고 이를 이용하는 극저급 사용자와 매우 유사합니다.
3. 보다 안정적인 식별을 사용하는 것이 광고 효과를 높이는 데 더 도움이 될 수 있습니다
너무 많이 작성하면 빅데이터 정밀 광고가 쓸모가 없습니까? 아니요, 진실을 의심하는 것은 진실을 더 잘 적용하는 것입니다. 빅데이터 광고의 핵심 '프로그래밍'과 '타겟 전달'에는 아무런 문제가 없습니다. 이는 모바일 인터넷의 발전 추세를 나타내며 특정 시장 및 특정 사용자 그룹을 충족하는 상품 또는 서비스의 광고 커뮤니케이션 요구와 완전히 일치합니다. . 문제는 현재 빅데이터의 실제 역량과 선언된 야망 사이에 여전히 큰 격차가 있다는 점이다. 즉, 보이는 것만큼 좋지는 않다는 뜻이다.
따라서 우리는 빅데이터의 정확한 전달과 같은 미신적인 꼼수를 따르기보다는 소비자와 더 잘 소통하고 정확한 전달을 살펴보는 광고의 본래 목적으로 돌아가야 한다. 그렇다면 가장 중요한 것은 무엇입니까? 당연히 신뢰할 수 없는 협업 필터링 규칙도 아니고, 이유를 전혀 모르는 Lookalike도 아닙니다. 가장 중요한 것은 타겟 소비자에게 도달하는 것이므로 신뢰할 수 있는 신원 인식이 정확한 광고의 핵심이 되어야 합니다.
신뢰할 수 있는 식별이란 무엇입니까? 위챗의 경우 주요 사건이 발생한 도시를 판단하는 것이 신뢰성이 있고, 성별을 분석하는 것도 상대적으로 신뢰도가 높습니다. 그러나 위챗에서 사용자가 중산층 사무직 노동자인지 농촌 농부인지를 판단할 수 있다고 하면. 소셜 네트워킹을 통해 신뢰할 수 없는 정보여야 합니다. 친구들과 함께 프랑스 와이너리를 여행한다고 주장하는 우아한 여성이 튀긴 도우 스틱과 두유를 사러 나갈 수도 있기 때문입니다.
때때로 사용자가 사용하는 미디어 자체가 고객의 신원을 드러내기도 합니다. 예를 들어, 재무 관리 소프트웨어를 자주 사용하는 사람은 지불 능력 측면에서 더 신뢰할 수 있는 반면, Yunbao APP를 사용하는 사람의 80% 이상이 임산부이고, Miya를 자주 사용하는 사람은 아기가 있는 엄마일 것입니다. 방금 태어났습니다. 일부 빅데이터 기업에서는 미디어 자체를 타겟팅하는 것이 종합적인 분석과 타겟팅의 효과와 거의 동일한 사례를 제시하고 있는데, 이는 미디어 타겟팅이 효과적이라는 것을 보여주는 반면, 다른 수요 타겟팅은 무작위 선택과 동일하다는 것을 보여줍니다.
빅데이터 자체는 원인과 결과에 초점을 두지 않고 상관관계에만 초점을 맞추기 때문에 빅데이터 인사이트로 확인되는 협업 규칙도 신뢰할 수 있는 규칙이라고 볼 수 있습니다. 예를 들어, 게임 과금 사용자층은 기본적으로 ID가 1,000만~2,000만 명에 달하는 헤비유저로 판단할 수 있다.
고객의 신원을 정확하게 파악하기 위해서는 다양한 데이터 소스의 수집과 종합이 불가피하며, 고객 신원을 둘러싼 다양한 인사이트와 상관관계 분석도 능력 향상을 위해 필요한 작업일 수 있습니다. 기업이 지속적으로 키워야 할 핵심역량입니다.