오늘은 오디언스 타겟팅에 대해서 알아보겠습니다.
디지털 마케팅에서 누구를 어떤 방식으로 타게팅 해야 성공적인 캠페인 전략을 기획할 수 있는지에 대해 오랫동안 논의해왔습니다.
디지털 마케터들이 연구하고 발전시켜온 타겟팅 기법의 가장 발전된 모습이 바로 오디언스 타겟팅입니다. 오디언스 타겟팅은 현재 실행하고 있는 타겟팅 전략 중 효과적인 전략으로 인정받고 있으며 프로그래매틱 방식에서 활용되는 개념이기도 합니다.
오디언스 타겟팅 이란 "청중, 시청자"를 의미하는 오디언스(Audience)와 "목표, 대상"을 의미하는 타겟(Target)을 합친 단어입니다. 단어만 봐도 연상할 수 있듯이, 오디언스 타겟팅은 사람을 목표, 대상으로 하는 마케팅 기법을 말합니다. 광고주 입장에서 타겟팅 한 사용자를 대상으로 알맞은 광고를 노출시켜서 얻고자 하는 목적, 즉 KPI를 달성하는 과정에서 활용되는 기법입니다.
<오디언스 타겟팅의 필요성 증대>
미디어의 인기, 즉 트래픽의 많고 적음에 따라 판단하여 미디어의 구매를 결정하고 가격이 결정됐습니다. 이런 과거와 달리 광고주의 니즈가 다양해지고, 요구하는 광고의 미디어 플랜 수준이 높아짐에 따라 오디언스 및 캠페인 목표 중심의 미디어 믹스 플랜이 필요해졌습니다. 더욱이, 우리는 TV와 같은 전통적인 미디어의 독점적이었던 영향력에서 벗어나 다양한 매체가 혼재하는 환경을 맞이했습니다. 한 명의 유저는 몇 개의 미디어가 아니라 수십, 혹은 수백 개의 미디어를 이용하는 시대가 도래했으며 이러한 상황에서 미디어마다 그 중요성을 판별하여 바잉 하는 것에 물리적, 인적 제한사항이 있었습니다. 때문에 미디어 중심의 구매 방식에서 오디언스 중심의 미디어 구매 방식으로 그 기준이 변화하고 있습니다.
<오디언스 타겟팅의 네 가지 분류>
그렇다면, 구체적으로 오디언스 타겟팅의 종류는 어떤 것이 있으며, 어떤 방식으로 전략에 활용할 수 있을까요?
현재 국내에서는 SKP, 글로벌로는 Bluekia와 같은 업체의 데이터를 활용 할 수 있으며 그 상세 내용에 대해 알아보겠습니다. 먼저, 인구통계학적인 요소를 담은 Demographic이 있습니다. 하지만 유저의 연령, 성별, 지역과 같은 인구통계학적인 요소로 오디언스를 구분하여 타겟팅 할 수 있습니다. Interest는 유저가 관심 있는 분야에 대한 데이터를 분석하여 타겟팅을 할 수 있는 기법입니다. 유저가 어떤 앱을 설치했는지, 어떤 웹사이트에 들어가서 어떤 것을 소비하는지 등의 관심사를 분석하여 타겟팅 할 수 있습니다. 또한, Retargeting 전략으로, 이미 광고주의 웹사이트를 방문했던 유저들을 대상으로 타겟팅 합니다. 이미 웹사이트를 방문했던 유저는 그 광고주에 대한 관심과 구매 가능성이 높은 유저이기 때문에 Retargeting을 시행할 경우 효과적입니다. Look-a-Like기능은 광고주의 웹사이트를 방문하지 않았던 유저를 대상으로 타겟팅 하는 기법입니다. 다만, 웹사이트에 방문했던 유저들의 행동 패턴 데이터를 분석하여 비슷한 관심사를 가졌지만 아직 광고주의 웹사이트에 방문하지 않은 유저가 광고주에게 관심이 있을 확률이 높기 때문에 유용하게 사용할 수 있습니다.
위와 같은 오디언스 타겟팅을 효율적으로 활용하려면, AI의 머신러닝이 동반되어야 합니다. 수많은 데이터, 즉 빅데이터를 분석하고 활용하는 작업은 실시간으로 진행되어야 알맞은 시간에 적합한 유저에게 적절한 광고 소재를 노출시킬 수 있기 때문에 RTB(Real Time Bidding, 실시간 입찰 방식)가 발전했으며 프로그래매틱 방식으로 활발하게 진행되고 있습니다.