디지털 광고의 타기팅(Targeting)

고객의 수요와 성격을 미리 규정짓고 그 범위를 예측하는 것은 항상 어렵고 불확실합니다.

그럼에도 불구하고 기획한 광고가 얼마나 어디까지 도달할 수 있는지를 예측하고 분석을 하는 것이 필요한데요.

광고가 닿을 수 있는 고객층의 총 숫자를 예상하고, 규정한 고객군을 목표로 하는 타깃 오디언스의 개념은 전통 마케팅에서도 교과서적으로 쓰이는 전략이었지만 이제는 정확한 데이터에 기반해 고객의 행동과 범위를 규정하고 있습니다.

오디언스 타기팅(Targeting)의 세분화 전략

오디언스를 타기팅하기 위해서는 우선 오디언스가 어떤 사람인지 그 유형을 알아내는데 많은 시간과 비용을 쏟죠.

문제는 그 다음입니다. 타깃 오디언스가 정해진 상태에서는 어떻게 그 타깃을 더 세분화할 수 있을까요?

타깃 오디언스가 정해지는 과정에서는 고객의 일반적인 성향을 알게 됩니다. 이를테면 성별, 나이, 거주지, 직업등이 1차적으로 알 수 있는 성향이라고 할 수 있죠. 그런데 이런 성향들은 고객을 다수로 일반화시키는 범위에는 유용했지만 고객 하나 하나의 개인적인 성향을 파악하는데는 한계가 있습니다.

그래서 타기팅된 오디언스를 토대로 다시 세분화가 필요해지는데요. 1차 프로필에 쓰인 관심사부터 나눠보는 것이 가장 일반적인 세분화입니다. 과거에는 이러한 세분화를 위한 데이터를 얻기 어려웠지만 지금은 고객이 방문한 웹사이트의 데이터를 분석하고 소셜 미디어에서 표출한 반응과 인사이트를 토대로 특정한 관심사를 설정해나갈 수 있습니다.

관심사 타기팅에 의한 세분화

1차에서 오디언스의 성향이 30대이며 운동에 관심이 있으며 쇼핑을 좋아하는 고객층이었다면, 아래와 같은 과정으로 좀 더 세분화할 수 있습니다.

운동: 운동의 종류는 무엇인지 → 실내 운동인지 실외 운동인지 → 기구를 이용하는 운동인지 → 계절이나 온도 환경등의 영향을 받는 운동인지,

쇼핑: 쇼핑의 종류는 무엇인지 → 생필품의 쇼핑인지 → 패션이나 장식의 쇼핑인지 → 1인 가구를 위한 쇼핑인지 다인가구를 위한 쇼핑인지 등

이런 흐름으로 연관된 관심사와 행동 패턴을 추가하는 것이죠. 이렇게 관심사를 세분화함으로서, 고객의 개인화를 이뤄나가게 됩니다.

그리고 특정 광고 플랫폼에서는 이런 세분화된 관심사를 토대로 광고를 집행하는 것이 가능합니다.

GEO (위치기반) 타기팅

관심사만큼 주요한 잣대로 작용하는 것은 GEO 타기팅이라고 할 수 있습니다.

말 그대로 고객의 지리적 위치를 타기팅하는 것인데요. 광고 캠페인을 집행하다 보면 지역이 중요한 경우가 생깁니다.

예를 들어, B2B 기술 관련 기업이 GEO 타기팅을 하기 가장 적합한 지역은 해당 기술과 관련된 연구소가 밀집된 지역이겠죠. 그리고 특정 대학교의 학생들을 대상으로 한 캠페인이라면, 해당 대학 캠퍼스 지역을 핀포인트해서 광고를 집행할 수도 있습니다.

이러한 관심사 세분화와, 위치 세분화 타기팅은 광고 캠페인을 집행하려는 플랫폼 별로 차이는 있겠지만 대체로 그 플랫폼에서 제공하는 도구들을 통해 과연 타기팅된 고객과 기획하던 고객이 일치하는지를 살펴보게 됩니다.

타기팅 오디언스 개인화와 자동화 전략

문제는 플랫폼에서 제공하는 환경이 복잡하고 규칙이 많을 수록 과연 어디까지 타깃 오디언스를 규정했어야 하는지 마케터들은 당혹스러워질 때가 있습니다. 이 경우 얼마나 그 규칙이 간단한지, 또 실시간으로 캠페인 효과를 살필 수 있는지 그 알고리즘이 잘 구성되어있을 수 록 관리자들은 타기팅을 생각보다 쉽게 자동화하는 것도 가능합니다.

고객의 프로파일링, 관심사 및 위치기반 세분화의 과정을 거친 후에도 변수가 발생할때마다 이미 시작한 캠페인에서 다시 다양한 콘텐츠를 뽑아내기 위해 타기팅부터 작업을 반복한다는 것은 막대한 시간과 비용이 들어가게 됩니다.

어도비 마케팅 클라우드의 어도비 타깃은 그런 점에 있어서 세분화를 위한 A/B 테스트를 제공하는데요. 테스트를 위한 복잡한 설정이나 테스트 결과를 콘텐츠화 하기 위한 코딩도 필요 없어서 자동화에서 큰 강점을 발휘하죠.

또한 타 플랫폼과 달리 아예 방문자에 대한 타깃팅 규칙을 까다롭게 설정하지 않아도 실시간 데이터를 기반으로 개인화된 콘텐츠를 전달하는 것도 가능합니다.

물론 아무리 도구들이 편리하게 구성된다 해도 예측불허의 상황은 언제든지 일어날 수 있겠죠. 그러나 실시간 데이터 관측에 기반을 둔 엔진과 신뢰성 높은 알고리즘이 관련한 비용을 줄여준다는 점에서

보다 마케터 중심의 타겟팅 설정이 가능하다는 것이 가장 핵심이 아닐까 합니다.

특히 반복되는 작업을 줄여서 초기 오디언스 타겟팅때부터 자동화를 이뤄나갈 수 있는 점을 살펴봐야하지 않을까 합니다.