2014년 7월 22일 MMC 강연자료 - 디지털마케터의 가장 큰 관심사중 하나인 개인화 타겟팅 그리고 그것을 더 잘 하기 위한 빅데이터와 크로스디바이스에 대한 내용을 정리해봤습니다.

1. ONNURI Digital Marketing Communication inc.

2. 온누리DMC 회사소개
1 Profile
회사명 주식회사 온누리 DMC
설립일 2014-04-01
대표이사 김태은
대표번호 Office : 02-553-5644 / Fax : 02-554-5646
주소 서울시 강남구 역삼동 640-11 예양빌딩 603
2 Organization(11명)
[Platform Dept]
플랫폼 사업본부는 크로스타겟의 기획과 제휴를 담당합니다.
[Sales Dept]
영업본부는 크로스타겟의 광고주 영업과 대행사관리, 광고 상품의
운영을 담당 합니다.
[R&D]
R&D본부는 시스템 개발과 U.I/U.X 디자인 개발을 담당합니다.
[Management Dept]
경영관리팀은 기업관리, 재무회계, 인사, 문화 전반을 담당합니다.
CEOCEO
IT
Dept
Management
Dept
Sales
Dept
Platform
Dept
Planning
Team
Alliance
Team
IT
Team
Design
Team
Supporting
Team
Finance
Team
Operation
Team
Sales
Team

3. Founder
온라인 쇼핑몰 최고의 전문가, 김태은 대표
• 메타쇼핑몰 1 위 ㈜ 스타일닷컴 &
㈜마케팅프렌즈 본부장(2010~2013)
- 500여 개 쇼핑몰 영업 관리, 100여 개사 컨설팅
- 3대 포털(네이버, 다음, 네이트)과 패션소호 D.A패키지
광고상품 공동 기획/영업(2012년 네이버 최고 CTR 기록)
• 남성쇼핑몰 2위 마피아피플 창업/운영이사(2006~2009)
• 오픈마켓 남성의류 1위 동탑 디자인실장(2003~2006)
14년의 사업경력, 양준모 부사장(COO)
• ㈜에헤라 대표이사(2011~2013)
- 2012년 구글플레이 베스트앱 ‘잇걸매거진‘ 개발 및 운영
- CJ퍼스트룩, CJ오클락, 청담러닝 ‘스마트러닝‘개발PM
• ㈜아레스찬 대표이사(2001~2010)
- 모바일 롯데닷컴, 모바일 LG패션 PM
- SKT 모바일 프로젝트 약 100회 수주(네이트, TTL 등)
• 에이링크㈜ 기획이사(2000~2001)
• 한솔텔레콤㈜ 사내벤처 팀장(1996~1999)
25년차 베터랑 프로그래머, 김승범 이사(CTO)
• (주)제타월드 대표이사
Assembly, Perl, C, C++, VC, JAVA 전문가(개발 경력 25년차)
• 대학재학중 제 1회 로봇경진대회 수상
• 2003년부터 Haier, Kyosera, SKY, Pentech의 단말개발 참여
모바일 단말의 Protocol, Data Drive, File System 개발
• 삼성전자 S-Beam 개발 수행
• 전자책 솔루션 독자개발, 금융사 앱스토어솔루션 개발 등
제휴사업 및 기획자, 윤거성 이사(CSO)
• ㈜바이미닷컴 본부장, 자회사 ㈜베니온 이사(2012~2014)
- ISECommerce(코스닥상장) Exit 및 미디어 사업 총괄
- 제휴사업 총괄(SK플래닛, 시지온, 링크프라이스 등과 신규
쇼핑몰 광고상품 공동개발 및 운영)
- 쇼핑몰 모바일 App 구축 및 컨설팅
• LG유플러스(구, 데이콤) 기업솔루션 영업(2010~2012)
- 입사연수 2등, 2011년 신규수주 전국1등, 2012년 조기
목표달성, 솔루션 회사와 제휴영업모델 기획/제안

4. Q : 마케터가 중요하게 생각 하는 것?
“디지털 장애물 : 디지털 시대의 자기 혁신을 위해
전력투구하는 마케터”

5. 개인화(타겟팅)의 핵심은?
사용자의 관심(Interest)보다 의도(Intent)가 더 중요
 사용자의 행동을 분석하여 현재의 니즈를 파악
Interest
“취미는 독서예요”
Intent
“그녀의 이중성”

6. 타겟팅 기법의 발전 방향
Demographic
인구통계
Predictive
미래예측
Behavioral
행동분석

7. 대표적 타겟팅 광고 : Retargeting Ad
Retargeting 광고는 과연 본 상품을 다시 보여주는 광고 상품인가요?

8. [On-Site Event]
리텐션과 업셀링이 목표
2. Site 행동
- View, Order, Basket etc..
3. SEO/SEM
- 검색/광고를 통해 유입된
User에게는 해당 내용을
지속적으로 보여줌
4. Mail
- 어떤 메일 콘텐츠에서
유입이 되는지?
[Off-Site Event]
예측, 신규고객 유입 경로 발견
1. 검색
- 외부 검색 & 내부 검색
7. 소셜
- 유사한 성향을 가진
사용자를 유입
6. Engagement(통합)
- SNS, VOD,Game etc..
- 다양한 행동을 하나로
통합하여 분석
5. Contextual(적합성)
- 브라우저의 방문기록을
추적
- 우리 사이트와의 유사성을
찾는 방법
The Seven Types of Effective Retargeting by Chango(www.chango.com)
Strength of Intent

9. 타겟팅의 정확도 & 광고의 효율을 높이는 방법

10. 빅데이터 하면 떠오르는 것?
Big Data 처리 방법 중 상호간의 유사성을 토대로 추천을 제공하는
협업필터링(Collaborative Filtering) Data Mining기법

11. 광고業에서 Big Data  DMP(Data Management Platform)
What is a data management platform ?
In simple terms, a data management platform is a data warehouse.
It’s a piece of software that sucks up, sorts and houses information,
and spits it out in a way that’s useful for marketers, publishers and
other businesses.
[일반 정보]
흡수, 분류,
저장
[유용한 정보]
마케터
퍼블리셔
3Rd party
가공, 변환

12. DMP 서비스 Flow

13. 1st Party : 매체가 직접 운영 3rd Party : 기업 외부의 정보
DMP 서비스 Flow – (1) 데이터의 수집
1. Demographic
- 선언적 데이터 : 자기 정보
- 나이 / 성별 / 지역 등의 회원정보
2. Behavioral(Off-line & PC & Mobile)
- 쇼핑이력
- 이메일, SMS, 검색유입, DA 유입 등
새로운 유입이 필요한 경우에 활용
1. Demographic
- 추론적 데이터 : 외부 정보
- 나이 / 성별 / 지역 등의 회원정보
2. Behavioral(3rd Party 쿠키 활용)
- 쇼핑이력
- 이메일, SMS, 검색유입, DA 유입 등Tracking
Tools

14. DMP 서비스 Flow – (2) 데이터의 분석
Classification(미리 유형을 결정) Clustering(유사성향간의 군집)
연령 성별 취미 고객그룹
10대 남 게임 A
20대 여 패션쇼핑 B
30대 남 골프 C
40대 여 부동산 D
…. … … …
1. 미리 정해진 수의 그룹으로 나눔
2. 분류 기준에 따라 무의미한 결과가
도출되기도 함
1. 수집된 데이터간의 상관관계 분석
2. 주제를 정하지 않고 N개의 군집으로 구분

15. DMP 서비스 Flow – (3) 데이터의 활용
DMP 응용 영역
어떤 고객이 우리에게 중요한 고객인가?
어떤 매체의 광고를 구매할 것인가?
어떤 캠페인의 성과가 좋았는가?
새로운 채널을 어떻게 발굴할 것인가?
여러 매체에 어떻게 예산과 시간을 분배할 것인가?
매체별 최적화를 어떻게 할 것인가?
CRM 최적화
광고, 이벤트 소재를 어떻게 최적화할 것인가?
 빅데이터 협업필터링에 의한 자동화 소재 노출
[How to!]
높은 가격에 광고 판매
[How to!]
이 광고를 사?말어?
(ad request) 반응
SSP
(Supply-Side
Platform)
AD
Exchanges
DSP
(Demand-
Side Platform)
DMP

16. DMP 서비스 Flow – (3) 데이터의 활용
IAB(Interactive Advertising Bureau)
미국의 온라인 마케팅 표준화 및 업종간 동향, 교류 등 디지털 마케팅
및 광고 산업에서의 중심적인 역할을 수행하는 업체
Ad Exchanges
IAB18
(Style & Fashion)
IAB18-1
(Beauty)
IAB18-2
(Body Art)
IAB18-3
(Fashion)
IAB18-4
(Jewelry)
IAB18-5
(Accessory)
DMP
DSP SSPIAB18-3 요청
30대 남성
운동화 검색
Creative
Landing Page

17. DMP 서비스 Flow – (3) 데이터의 활용 예시 : 소재 자동화
1 Retargeting : 지금 무엇을 찾고, 보고 있는지?
대체재 교체 : 함께 비교된 상품
보완재 교체 : 함께 구매된 상품
2 Segment Targeting : 행동분석을 통해 지금 이런 제품/서비스 필요하지 않을까?
자전거
기저귀
텐트
과거 행동 분석

18. DMP의 핵심 경쟁력 & 효과
85%
79%
77%
73%
68%
60%
57%
52%
3rd party
데이터
통합
세그먼트 디지털Data
수집
Audience
분석
데이터
웨어하우스
채널별
데이터
최적화/변환
모델링 기존 데이터와
디지털Data
통합
source :IAB와Winterberry Group 조사.2012 Nov
DMP는 다양한 채널의 광고, 마케팅, 미디어 그리고 방문자 참여를 위한
빅데이터 솔루션의 전형이다.(by IAB)

19. Cross-Device에 대한 마케터의 생각
Cross-Device 캠페인
효과가 더 커질 것!
Cross-Device 예산은
지속적인 증가 추세
2. Audience
Targeting(30%)
1. Tracking & Reporting
Complexities(42%)
 예산 최적화(52%)
 ROI 극대화(50%)
 C/D 리타겟팅(43%)
source :Advertiser Perceptions, ValueClick Media,Greystripe(2013).Mobile &Cross-Device Study

20. CROSS DEVICE & Omni-Channel의 필요성
Cross Device 익숙한 소비자
Source : Google/Iposs/Sterling
고객의 65%는 처음 상품을 접하는 기기(Device)와
최종 구매를 하게 되는 기기(Device)가 다릅니다.
- 스마트폰을 통해서 처음으로 상품 정보를 접하는 고객이
가장 많은 비중을 차지하고 있습니다.
Omni-Channel과 O2O 확산 현황
온라인 중심의 사업자는 Omni-Channel 전략으로
오프라인 중심의 사업자는 O2O 전략으로 서로 달리
표현하지만, 소비자를 타겟팅(Tracking)하는 핵심은
모바일(스마트폰)입니다.

21. Mobile Targeting의 현황
매체의 특성만 반영이 된 제한적 Behavioral 타겟팅
Source : 메조미디어, 2014 상반기 모바일 트랜드

22. 원인 : Mobile Targeting 환경의 변화
Targeting
App
86%
Web14%
No Targeting
PC
PC가 인터넷의 중심이던 시기에는 브라우저 쿠키를 통해서 소비자를 추적(Tracking)
But, 모바일App에서는 쿠키를 사용할 수 없기 때문에 타겟팅이 지원되지 않고 있음

23. 해결방안 : 모든 타겟팅 광고 플랫폼사의 목표
Web App
Pairing
광고주
Web or
Hybrid App
퍼블리셔
Native App

24. 기대효과
모바일 체류시간 비교(App vs Web)
1. Coverage 100%  정확한 타겟팅
2. CTR  매체(퍼블리셔) 수익
3. 광고효율(ROI) 상승

25. 사례 1
PROCESS. TYPE-1
평소 모바일 쇼핑을 즐겨하는 A사원
2.모바일 검색을 통해 광고주 사이트에 접속 후
( 쇼핑: 상품보기, 장바구니 담기 등…) 이탈
3. 크로스타겟 애드네트워크 APP 이용시,
광고주 사이트에 담아두었던 장바구니
상품 배너 노출.
4. 구매 유도

26. 사례 2
PROCESS. TYPE-2
1. 애드네트워크 APP 이용하다가
논타겟팅 되어 나가는 배너에
상품이 마음에 들어 클릭!
4. 구매 유도
2. 광고주 사이트에 접속 후
( 쇼핑: 상품보기, 장바구니 담기 등…) 이탈
3. 퇴근길 무료함에 게임을 실행하다
자신이 담아둔 상품을 다시 한번
인지하게 되는데…

27. 온누리DMC : Cross Target 도입 성과
1차 마일스톤 : ‘나스미디어’의 애드믹서에 연동하여 에이치타겟(H-Target) 런칭
1, 2차 테스트 종료(4월~6월24일)
| 평균 클릭율(CTR)
X 1.3~2.5배
|리타겟팅 클릭율(CTR)
최고 4.3%
|퍼블리셔(개발사) 수익금
최고 210%
*App 마다 개별수치는 상이합니다. (집행기간 4.15 ~ 6.24)

28. 추가 확장 계획
2차 마일스톤 : 지속적인 매체의 확장 및 제휴를 통해 최대한 많은 User DB 확보
스탠다드 배너 이미지형 키워드개인화 쇼핑박스
Ad
Network
CPI
Network
Media
Rep

29. Product 전략
Cross
Target
네이트 리타겟팅 상품
H-Target 런칭
DMC미디어 상품
메조미디어 상품
TNK팩토리 상품
개방형 플랫폼 제공  각 매체별로 개별상품化

30. 기술적 차별화 1 : Big Data C/F기반 추천엔진
Big Data 추천엔진 적용을 통한 광고 노출 최적화 전략
Basket ; 장바구니
view ; 본상품
Order; 구매상품
유저 유니크아이디
유저 히스토리 개인화 된 상품 - 타겟팅
상품코드
함께 본 상품
 대체재 추천
함께 구매한 상품
 보완재 추천

31. 기술적 차별화 2 : 간편한 딥링크 지원
모바일 딥링크는 소비자들을 어플리케이션의 상세 콘텐츠로 바로 연결시키는 기법
광고주의 설정에 따라 App, Web, 앱마켓으로 랜딩이 가능합니다.
기존의 광고 사례
Web배너클릭 Web 랜딩 App 랜딩
딥링크 적용 후
Web배너클릭
App 랜딩

32. 온누리DMC : Positioning
- 광고주 사이트(커머스)를 방문하는 사용자의 구매행동 분석 (Visit – Search – View – Wish – Basket – Buy)
- Demographic 분석 (Inferred Information : 회원정보 연동 없이 인구통계 정보 추론 가능)
- 검색 (Search Retargeting )데이터 수집 : 방문자 검색 레퍼러(referrer), 쇼핑몰 내 검색 키워드 분석
- 2nd party, 3rd party 행동정보 수집으로 소비자 행동정보 분석 강화. 소비자 행동 예측 정보 생성
A
D
V
E
R
T
I
S
E
R
S
P
U
B
L
I
S
H
E
R
S
C
O
N
S
U
M
E
R
S
SSP
(Supply-Side Platform)
AD Exchanges
(광고노출 실시간 경매
시장)
DMP(Data Management Platform)
“DSP, SSP 사업자에게 Audience Targeting 정보 제공”
“Mobile DA에 Targeting 정보를 제공할 수 있는 유일한 DMP플랫폼 지향”
DSP
(Demand-Side Platform)
DMP(Data Management Platform)를 통한 개방형 플랫폼 확장 전략

33. Key Success Factor
USER
DB
CREATIVE
소재의
다양화

34. 궁극적인 목표 : VISION
매장을 지나가는
가망고객에게
특가상품 알림
할인 쿠폰
푸시 알림
대체재와 보완재 추천
상품에 대한 상세정보 제공
매장 이탈시
감사메시지 /
리텐션 메시지
Omni-Channel CommerceCross Device Targeting AD
모바일 – PC – TV를 비롯하여, 향후 IoT 연동을 통해 Omni-Channel로 확장을 통한
소비자 타겟팅 플랫폼의 Leading Company 이자, “마케팅의 Bloomberg”가 되고자 합니다.

35. Summary

36. ONNURI Digital Marketing Communication inc.
Contact
김태은 대표
HP : 010-8504-7804
Mail : mafiaboy@onnuridmc.com
Contact2 : 사업제휴
윤거성 이사
HP : 010-3041-9750
Mail : bigstar@onnuridmc.com
Contact3 : 영업문의
강승순 이사
HP : 010-7400-5644
Mail : labrada@onnuridmc.com