이 과정에서는 GeoLift 솔루션의 기능과 이 솔루션이 비즈니스 목표 달성을 지원하는 방법에 관해 설명합니다.
학습 목표:
GeoLift 솔루션을 정의하고 그 가치와 사용 권장 사항을 파악합니다.
GeoLift가 중요한 이유
광고가 소비자의 개인정보 보호를 고려하는 방향으로 변함에 따라, 취합 및 모델링에 의존하는 측정 기술을 사용해 진정한 성과 증대를 파악할 수 있습니다.
그 이유는 이러한 기술에 정보를 제공하는 데 사용되는 데이터가 쿠키 손실과 같은 변화의 영향을 받지 않기 때문입니다. 지역 실험은 광고주가 광고 에코시스템에서 이용 가능한 데이터가 줄어들거나 변경되더라도 다양한 채널의 성과 증대를 계산하는 데 사용할 수 있는 기술입니다.
GeoLift는 이 부분에 도움이 됩니다. GeoLift는 Meta 오픈 소스의 측정 솔루션입니다. 취합 데이터를 사용하여 마케팅 활동 영향의 증가를 측정할 수 있으며, 마케팅 환경의 변화에도 탄력적으로 대응 가능합니다. GeoLift는 유연하고 재현 가능하며, 다양한 미디어 앱에서 작동합니다.
GeoLift에 관해 더 살펴보기 전에, 먼저 지역 실험이 어떻게 이루어지는지 살펴보겠습니다.
지역 실험의 원리
지역 실험의 경우 지리적 위치를 실험군과 대조군으로 사용하며 비즈니스는 이를 통해 마케팅의 영향을 이해할 수 있습니다. 이러한 유형의 실험을 이용함으로써 광고주는 사람 수준의 데이터가 아닌 취합 데이터를 사용할 수 있습니다. 광고를 한 지역 그룹에 게재하는 경우, 전환을 광고가 게재되지 않은 다른 그룹과 비교합니다. 테스트 설정에 따라 어떤 그룹이 광고를 볼지가 결정됩니다. 광고주는 두 그룹 간에 일어난 차이를 파악하여 광고를 본 사람들에게 마케팅이 미친 영향을 알아볼 수 있습니다.
아래 소제목을 펼쳐서 다양한 지역 실험 유형에 관해 자세히 알아보세요.
이중차분법은 두 시간 지점을 기준으로 처리 전후의 실험군과 대조군을 비교합니다. 이러한 테스트는 사전 실험의 차이를 계산하고 이 값을 실험 이후 차이에서 감하여 테스트의 영향을 결정합니다.
이러한 테스트는 유연하고 간단하게 실행할 수 있으며 이해하기도 쉽습니다. 그러나 이 모델에서는 실험군과 대조군에 공통된 경향이 있기 때문에 KPI를 측정하는 실험 전과 중간에 동일한 행동을 보인다고 가정합니다. 이로 인해 모델에 잠재적인 편향이 일어날 수 있습니다.
이 그림 예시의 파란 선은 실험군을, 회색 선은 대조군을 나타냅니다. 성과 증대 추정값은 B3으로 나타납니다. C와 D의 차이는 실험군과 대조군에서 관찰된 차이입니다. 성과 증대 효과를 연산하려면 C와 D의 차이를 계산하고 실험군과 대조군의 기존 차이(처리 전, B2)만큼을 감해야 합니다.
시장 매칭 테스트는 테스트 시장과 비교할 유사 대조 시장을 찾습니다. 테스트가 끝나면 광고주는 두 그룹의 판매를 직접적으로 비교합니다.
결괏값은 이해하기 쉬운 형태이며 실험 시장 및 대조 시장 판매의 직접적 비교에 근거합니다. 단, 이러한 모델 결과의 정확성은 실험 시장과 대조 시장의 매칭 근접도에 따라 달라집니다. 그러나 매칭은 이러한 시장에서 이용할 수 있는 데이터의 성질과 양에 의존하기 때문에 성공적인 모델링을 위해서는 광범위한 데이터가 필요하며, 표본 크기가 커야 합니다.
합성 대조군법에서는 지역 실험에서 처리의 효과를 측정할 때 실험 지역과 대조 지역을 비교할 수 있어야 한다는 점이 가장 중요한 부분이라는 것을 인정합니다. 이 방법을 통해 이용 가능한 데이터를 바탕으로 가능한 한 최적의 대조 지역, 즉 반대 사실을 생성할 수 있습니다.
이 방법을 이용하면 광고주가 실험 지역에서 관찰된 결과와 합성 대조군을 비교하여 캠페인의 실질적인 효과를 측정할 수 있습니다. 합성 대조군은 실험 지역과 최대한 유사하도록 가중치를 적용한 지역의 조합으로 이루어집니다. 이렇게 하면 관찰된 효과가 실험군과 대조군의 불균형으로 인한 결과가 아니라는 점을 신뢰할 수 있습니다. 그러나 실험 지역과 비교하기에 충분한 합성 대조군을 만드는 능력은 이용 가능한 데이터에 따라 크게 달라지기 때문에 항상 가능한 것은 아닙니다. 불완전한 합성 대조군은 편향된 결과를 낳을 수 있습니다.
Jasper’s Market의 합성 대조군법 사용 사례
회사가 지역 실험을 수행하려는 경우에 합성 대조군법이 어떤 작용을 하는지 살펴보겠습니다. Jasper’s Market은 가상의 미국 식료품 체인점입니다. 마케팅 팀은 합성 대조군법을 활용하여 지역 실험의 정확성을 높이고자 합니다.
이들은 새로운 테스트를 수행하여 코네티컷주에 처리를 적용했습니다. 상위 수준에서는 로드아일랜드주가 비교 대상 지역이 됩니다. 코네티컷은 뉴욕과 매사추세츠 사이에 있으며, 많은 사람이 다른 목적지로 이동하기 위해 코네티컷 지역을 통과합니다. 이러한 논리에 따르면 코네티컷은 뉴욕, 매사추세츠, 로드아일랜드의 특징을 갖추고 있을 수 있습니다.
마케팅 팀은 이러한 세 지역을 기반으로 더 나은 대조군을 찾고자 합니다. 합성 대조군법은 매사추세츠와 뉴욕, 로드아일랜드의 가중 평균을 취하여 코네티컷의 합성 버전을 구축합니다.
이 방법으로 마케팅 팀은 로드아일랜드를 대조 지역으로 사용하는 것에 비해 더 중요한 인사이트를 얻을 수 있습니다.
강화 합성 대조군법
최근에 합성 대조군법의 개선으로 편향이 줄어들고 정확도가 증가했습니다. 이러한 최신 방식을 강화 합성 대조군법이라고 합니다. 강화 합성 대조군법은 실험 집단과 훨씬 더 유사한 대조군을 생성합니다.
이 개선을 통해 마케터들은 다음을 수행할 수 있게 되었습니다.
대조군과 실험군의 부정확한 매칭으로 인해 발생한 편향을 정량화하고 제거합니다.
기존의 통계 기법을 이용하여 반대 사실을 미래에 투영함으로써 테스트 정확도를 높입니다.
분석 시 특정 지역에 대한 의존성을 제거하여 모델을 더욱 견고하게 만듭니다.
GeoLift 솔루션
GeoLift는 광고주가 지역 수준의 성과 증대를 계산하는 데 사용할 수 있는 Meta 오픈 소스 솔루션입니다. 이 방법은 최신 합성 대조군법을 적용하여 마케팅 캠페인의 실질적인 증가값을 측정하는 지리적 준실험을 생성합니다.
종래의 지역 실험 방식과 달리, GeoLift는 시뮬레이션과 검정력 계산을 통해 실험에 가장 알맞은 처리 설계를 선정합니다. GeoLift는 표본과 효과의 크기가 작은 성과 증대를 검출할 수 있는 탄탄한 추론 능력으로 정확하고 실행 가능한 성과 증대 결과를 제공합니다. 이 솔루션은 이렇듯 복잡한 프로세스를 단순화할 수 있습니다.
GeoLift의 주요 이점
GeoLift는 오픈 소스의 성격을 갖추고 있기 때문에 투명하며 완벽하게 재현 가능합니다. GeoLift는 R 코드로 작성되므로 R을 사용할 줄 아는 사람이면 누구나 GeoLift를 자유롭게 사용하고 빌드하여 결과를 재현할 수 있습니다. GeoLift에는 그 밖에도 다양한 이점이 있습니다.
소제목을 펼쳐서 자세한 내용을 확인하세요.
성과 증가분은 강력한 투자 수익률 지표이며 비즈니스는 이를 활용하여 더 나은 결정을 내릴 수 있습니다.
GeoLift는 데이터 수집부터 검정력 계산, 테스트 설계, 추론에 이르는 모든 것을 담당하는 솔루션입니다.
GeoLift는 여러 채널에서의 캠페인 영향을 측정하거나 기여 모델을 정확하게 조정하는 등, 광범위한 사례에 이용할 수 있습니다. 또한, 온라인 캠페인이 매장 판매에 어떻게 기여하는지도 알아볼 수 있습니다.
GeoLift는 취합한 데이터만을 사용하기 때문에 디지털 광고 전반의 여러 변화에도 성능에 영향을 받지 않습니다.
마케팅 믹스 모델과 함께 GeoLift 사용하기
마케팅 믹스 모델(MMM)과 지역 실험을 함께 사용하여 마케팅 전략을 강화할 수 있습니다. GeoLift 결과를 사용하여 MMM이 실험적 인과관계와 최대한 유사하게 조정되었는지 확인하세요. 또는, GeoLift를 이용하여 채널당 MMM의 권장 예산의 영향을 결정하고 이러한 영향을 비즈니스의 일반적인 캠페인과 비교할 수 있습니다.
쿠키나 모바일 식별자와 같은 메커니즘에 대한 업계의 접근이 제한되면서, 취합 및 모델링에 의존하는 기술이 더 필요하게 되었습니다. 이 변화는 멀티터치 기여와 같이 쿠키에 크게 의존하는 방식에 영향을 미칩니다. 그러나 MMM이나 지역 실험처럼 취합된 데이터를 사용하는 방식에는 영향을 미치지 않습니다.
Jasper’s Market의 GeoLift 결과 해석
Jasper’s Market의 예시를 다시 살펴봅시다. 마케팅 팀은 팀의 전략이 옴니채널 판매에 영향을 미쳤는지 알아보고자 합니다. 이를 위해 처리가 적용된 지역과 처리를 적용하지 않았을 경우 일어났을 것으로 생각되는 내용 간의 성과 증대를 연산합니다. 이 실험에서는 처리가 효과가 있었다는 것을 파악합니다. Meta 테크놀로지에서의 마케팅 활동으로 인한 옴니채널 판매의 증가값을 측정하자 ROAS가 증가하였다는 정보를 얻게 됨으로써 더 많은 예산을 전략에 할당할 수 있습니다.
다음은 최근 GeoLift 실험의 데이터 결괏값입니다. 실선은 코네티컷의 처리된 평균값을 나타냅니다. 점선은 로드아일랜드, 뉴욕, 매사추세츠를 기반으로 한 합성 대조군을 나타냅니다. 세로 점선은 실험이 시작된 시점을 의미합니다. 그래프는 처리가 이루어지기 전에는 두 그룹이 상당히 일치했다는 것을 보여줍니다.
학습 내용 확인
문제 1/2
상위 수준에서 GeoLift는 캠페인의 성과 증대를 어떻게 계산하나요?
올바른 답변을 선택하세요.
문제 2/2
다음 중 GeoLift 실험의 특징은 무엇인가요?
정답을 3개 선택하세요.
중요 포인트
지역 실험은 개인 수준의 데이터 대신 지리적 위치를 실험군과 대조군으로 사용함으로써 비즈니스가 마케팅의 영향을 이해하는 데 도움을 줍니다.
GeoLift는 강화 합성 대조군법을 적용하여 마케팅 캠페인의 실질적인 증가값을 측정하는 지리적 준실험을 생성합니다.
GeoLift는 오픈 소스 솔루션이며, 소비자의 개인정보를 보호하는 한편 쿠키상실에 탄력적으로 대응 가능하여 광고주가 성과 증가분을 기반으로 의사결정을 내릴 수 있게 도와줍니다.