발표자 : 구글 조용민 부장 (액센츄어 > IBM > 삼성전자 > 삼성 미전실 > Google Global Business Team)

✔️ 들어가기에 앞서. 머신러닝/딥러닝 기술을 비즈니스에 접목하는 구글의 프로세스 사례

  • 작년 구글에 여러 팀들이 자유롭게 모여서 토론을 하게 됨.
  • 구글의 경우, 작년 카뱅을 만들기 위해 서비스기획 당시 자유롭게 누구나 회의에 들어와 의견을 낼 수 있었던 것 처럼, 자유롭게 미팅에 참석할 수 있는 문화임
  • 미팅에는 인사팀 사람도 있고, 딥마인드쪽 사람들도 있고, 비즈니스팀 사람들도 있었음
  • 주제는 CCTV에 찍힌 은행털이범을 잡는 것이었음
  • CCTV에 찍힌 사진에서 얼굴을 확대해보니 픽셀이 깨져 정확히 얼굴을 확인하기 어려웠음
  • 이 때 머신러닝/딥러닝으로 알파고를 만들던 딥마인드 쪽에서 ‘저거 저희가 해볼 수 있겠는데요’ 라고 함.
  • 그리고 잘게 조각나 있는 픽셀의 바로 옆 픽셀들의 정보를 바탕으로 해당 픽셀의 정보값을 추정하는 알고리즘을 개발해 적용함
  • 비즈니스팀에서는 ‘어? 이거 비즈니스 요소가 될 수 있겠는데?’ 라고 생각하고, 비즈니스에 기술을 접목시키게됨
  • 곧 출시된 구글 렌즈에 해당 기능이 들어가게 되었는데, 이용자가 만일 펜스 뒤에서 야구경기 사진을 찍었다면, 그 사진을 가지고 ‘OK 구글, 펜스를 지워죠’ 라고 이야기하면, 사진 이미지에서 펜스만 지워주는 (정확히 말하면 픽셀을 추정하여 변환하는) 기능을 제공해줌. 이 기능을 바탕으로 각종 모자이크가 되어 있는 XX영상들도 복구가 가능함(부끄)

머신러닝을 통한 데이터 학습 속도가 매우 빨라, 마케팅에 활용할 수 있을 정도로 까지 도달함

  • “삼성전자 무선사업부 서비스마케팅팀” 에 이번 빅스비를 런칭할 때 고객 타겟팅을 어떻게 할 거에요? 라고 묻지 않는다. 누군가 물어본다면, 타겟팅을 우리가 하지 않아요 라고 함. 머신러닝으로 마케팅 대상 타겟팅을 알고리즘으로 추출해내고 있음
  • 머신러닝을 통한 타겟팅이 기존의 마케터들이 전통적 방식으로 타겟팅을 진행했을 때 보다 18~25% 더 성과가 높게 나타남 (패밀리허브 냉장고 1500백만원짜리를 판매하기 위해 타겟팅을 진행할 때, 4,50대 돈 많은 주부님들으로 타겟팅 했을 때와 지정화된 타겟팅 없이 머신러닝 알고리즘으로 타겟팅을 하라고 했을 때 그 성과 차이가 18~25% 난다는 의미. 해당 타겟팅에는 혼자 사는 남성이 들어갈 수도 있는 블랙박스의 영역임.)

✔️ 이세돌 vs 알파고 바둑 대국 비하인드 스토리

  1. 딥마인드에서는 4개 버전의 알파고를 준비함(제일 똑똑한 애, 그 다음, 그 다음다음, 제일 덜 똑똑한 애)
  2. 구글은 바국 대국 이후, 수많은 대기업(삼성전자, 현대전자, LG전자 등)들과의 머신러닝 파트너쉽 미팅이 예정되어 있어, 마케팅 이벤트 차원에서 바둑 대국에서 꼭 승리를 해야하는 상황이었음
  3. 1차 대국 때 2등으로 똑똑한 애로 대국을 진행함. (알파고 승)
  4. 2~3차 대국 때 3등으로 똑똑한 애로 대국을 진행함. (알파고 승)
  5. 4차 대국 때 4등 버전으로 대국을 진행함. (이세돌 승)
  6. 5차 대국 때 2등으로 똑똑한 버전으로 다시 대국을 진행함. (알파고 승)
    • 구글은 1차 대국 때 지면, 1등으로 똑똑한 애로 바꾼다는 전략이었음

✔️ 커제 vs 알파고 바둑 대국 비하인드 스토리

  1. 이세돌과 대국 때 준비한 제일 똑똑한 버전의 알파고 보다 120배 더 학습된 알파고로 대국을 진행함. (단, 서버 리소스의 1/8만 사용. 알파고 3전 3승)

이렇게 머신러닝으로 똑똑해진 알파고를 돈이 되는 가장 중요한 Function 중 하나인 마케팅에서 안 쓰면 어디서 쓰나요? 비즈니스 관점에서 수많은 데이터를 수집하고 분석하는 목적은 결국 1:1 마케팅을 하기 위해서에요. - 조용민 구글 부장

그렇다면, 이렇게 머신러닝을 가지고 어떻게 마케팅을 하느냐?

마케팅팀-비즈니스팀-머신러닝팀 간의 협업이 제일 중요.

보통 대부분의 기업에서는 같이 협업하면 시너지가 날 것 같은 부서를 큐빅화하여 자리를 옆에 붙여 두지만, 구글의 경우, 팀과 팀 사이에 마이크로 키친을 두고 맛있는 간식거리를 둬서 자연스럽게 친밀해질 수 있도록 함. 책상 붙여 둔 것보다 훨씬 협업이 더 잘 됨. 복도의 길이 폭도 정해져 있음. 두 사람이 지나가기엔 다소 좁고 한 사람이 지나가기엔 다소 넓게 설계하여, 직원 간 서로 자주 마주치도록 설계. 인재를 뽑았으면 그 인재들이 자주 마주치고 시너지가 나도록 하는게 구글 인사/총무팀의 목표임.

머신 러닝 실용 예 유투브에도 머신러닝을 인베디드 해둠. 2년전 추천 영상 클릭률 10%~20% 수준이었음. 지금 현재 넷플릿스의 추천 영상 클릭률도 그 정도임. (기존 알고리즘) 머신러닝 기법을 인베디드하고 추천 영상 클릭률이 45% 수준까지 올라감.

technology가 적용된 마케팅의 경우, 그렇지 않은 것에 비해 그 효과의 차이가 크게 나타남

Targeting 의 종류에 대하여

1) Identity Targeting : 사람을 보면서 타겟팅을 하는 것(이 사람에게는 이게 맞을 거야, 저 사람에게는 저게 맞을 거야) 2) Intent Targeting : 사람은 누군지 모르겠고, 이 물건을 구매할 의도가 있는 사람을 찾는 것

두 가지의 Targeting 기법이 조합되어 적용될 때, 굉장히 파워풀해짐. (예; 티셔츠를 구매하려는 의도가 있는 사람에게, 그 사람이 좋아할 것 같은 티셔츠의 색상과 모양 등을 머신러닝으로 추정하여 1:1 마케팅을 노출)

그런데 기업 마다 Identity만 가지고 있는 곳이 있거나 Intent만 가지고 있는 곳이 다 다름. Facebook은 대표적으로 Identity만 가지고 있는 기업임. 구글은 Identity와 Intent를 다 가지고 있음.

글로벌리 한달에 10억명 이상의 유저가 이용하고 구매하는 상품/서비스 중 7개가 구글의 서비스/플랫폼임(크롬, 안드로이드, 유투브, 지메일, 구글맵, 구글서치, 플레이스토어 등)

  • 구글 외 상품/서비스 : 코카콜라, 페이스북, 페이스북 메신저

Identity만 보는 Targeting의 맹점 예 과거 신차 매장에서 영업사원들이 고객이 매장에 들어오면 고객의 연령, 옷차림, 성별 등을 바탕으로 차량을 추천하던 방식. 구매자가 실제 소비자가 아니고, 자녀나 손녀 등에게 선물하려고 하는 경우 잘못된 제품을 추천하는 오류를 범하게 됨(Context 이해 부족)

Revenue로 drive가 되려면 Identity로만 하는 Targeting 으로는 부족. Intent 읽지 못하는 마케팅/광고는 구매의지가 없는 사람들에게 반복적으로 푸시가 되는 것이니, 소음으로 보일 뿐임.

구글이 Intent를 잡는 방법

  • 이용자들이 웹페이지에 접속되는 모든 순간의(평균 하루에 약 150회 정도) 기록을 다 크롤링함
  • 국내 성인/P2P사이트/해적사이트를 제외한 국내 거의 모든 사이트의 정보를 파트너쉽을 통해 크롤링 중
  • 페이지별로 스크롤의 up&down과 duration 까지 수집함 (예; 이용자가 공기청정기 기사의 가격 부분에 오래 머무는지, 성능 부분에 오래 머무는지를 분석하여, 성능 부분에 오래 머물렀던 이에는 가격 민감도가 낮으니 프리미엄 제품 광고를 노출하고, 가격 부분에 오래 머문 이에게는 보급형 제품 광고를 노출하는 식임)
  • 데이터를 기반으로 1차원적인 해석을 알파고가 진행을 한 후, 그 상태에서 사람이 샘플베드를 가지고 더블 체크를 해서 정확도를 95% 수준까지 높이고 있음. 그래서 정제된 타겟 대상자들을 가지고 대형 브랜드들과 콜라보하여 마케팅 활동을 진행 중임.

이제 구글의 입장에서 화두는 데이터의 수집이 아닌 데이터의 Freshness, 신선도임

  • 1년 전에 테니스를 좋아하던 사람이, 발목을 다쳐 테니스를 다 그만 둔 후 요가/필라테스로 관심사가 넘어간 고객인 경우, 과거 테니스 관련 글들의 좋아요와 댓글, 게시글 들이 그대로 남아 있기 때문에, Freshness가 확보되지 않은 정보를 활용할 경우, 정확한 Intent Targeting을 할 수 없음. (Facebook의 경우, 아직은 그냥 과거 좋아요와 댓글, 게시글 정보를 총체적으로 사용함. Fresh 하지 않음. <- 구글 생각임)

cf. facebook의 Identity targeting ex. http://thebarum.tistory.com/entry/페이스북-타겟-인사이트는-많은-것을-알려준다

technology 마케팅의 핵심 요소별 사례

  • 결국 목적은 마케팅의 기본인 Right Person - Right Time - Right Contents

1. Hyper Targeting : super targeting 수준을 넘어서야 함

  • 북미의 서브제로 냉장고(가격 약 3천만원 수준, 나혼자산다 태양 냉장고), 롤스로이스 이런 럭셔리 브랜드들이 마케팅을 안해왔었는데, 작년, 재작년부터 구글과 파트너쉽을 맺고 타겟 마케팅을 진행 중임. 구글이 방대한 데이터로 머신러닝한 결과로 럭셔리 브랜드를 구매할 Identity와 Intent의 고객들을 매우 정교하게 Hyper Local Targeting 할 수 있기 때문

  • 졸업, 이사, 결혼 등의 life event가 발생할 고객들을 예측하여, 6개월 12개월 18개월 전에 pre communication을 진행함(가전제품 마케팅에 많이 활용), 실 구매 가능자와 실 구매 가능자는 아니지만 관심만 있는 사람을 분리함. (예; 샤넬, 롤스로이스 페이스북 글에 좋아요를 눌면, Identity 기반 Targeting에서는 해당 사람들을 럭셔리 쇼퍼로 분류하게 되지만, 실제로는 구매가 가능하지 않은 이용자 그룹도 많이 섞여 있음. 구글은 구매 시그널 자체로 판단을 함(장바구니에 넣고 빼고 등))

구글의 적용 사례

머신러닝을 기반으로 Identity와 Intent를 분석하여, 
운전을 하고 2마일 떨어진 매장에 가고 있는 Jane 에게 메시지를 보냄 

니가 이사갈 새 집에 너가 좋아하는 요가복을 깨끗하게 유지시켜줄 "프리미엄 세탁기"를 사라
클릭하면, 가던 길에서 해당 프리미엄 세탁기를 살 수 있는 가장 가까운 매장으로 갈 수 있는 구글 네비게이션을 켬

위를 적용하기 위해서는 1) 구매의사가 있는 지에 대한 파악 2) 라이프 이벤트에 대한 파악 3) 선호하는 취향에 대한 파악이 필요함

분석을 통해 개인화된 마케팅 카피가 그냥 나오게 되는 것임.

이러한 정보의 정확도 확보를 위해 온라인 뿐 아니라 오프라인 데이터를 더 확보하기 위해 노력 중임.
(그 노력의 일환으로 구글에서는 연간 북미 카드 승인 데이터의 70% 를 확보 중임)

2. Unskippable Contents : 스킵 버튼을 못 누를 정도로 매력적인(본인하고 무지무지 관계가 높은) 컨텐츠가 필요(예; 하루 종일 대출 받을 생각만 하고 있는데, 대출 광고가 노출되었을 때 그 걸 스킵하지 못하는 것 처럼 그 개인에게 관계가 매우 높은)

  • 컨텐츠의 기승전결은 옛말임. 결결결결이 트렌드임.
  • 구글 내부적으로 Unskippable Labs 라는 프로젝트를 운영 중임. 여러가지 다양한 클릭들이 나오면 이를 테스트해서 가장 효과가 좋은 광고들만 적용되어 마케팅의 효과가 극대화되도록 알고리즘을 고도화하고 있음.
  • 코카콜라는 영상을 100개 이상 베리하여, 고객별로 영상 내에 다른 메시지 카피가 노출되도록 마케팅을 진행함. (시간대, 성별 등)
  • 카피만 베리하는 게 아니라, 영상 내에 레이어를 차별화하여 영상 자체를 개인별로 차별화 할 수 있음(예를 들어 영상 내 립스틱의 색깔을 각 개인이 좋아하는 색깔이 입술에 발라지도록)
  • LG V 시리즈 유투브 광고의 경우, 말도 안되게 skip이 이루어지지 않음(세로 뮤직 비디오) ㄴ 트와이스, 블랙핑크 등의 힘을 빌어..쿨럭

3. Deeper Measurement : Measurement가 없으면 마케팅의 존재가치를 입증할 수 없음.

  • 어떤 마케팅 이벤트가 성과에 얼마나 효과를 주었는지 그 퍼포먼스를 측정하고 관리해야함