앱 마케팅의 초창기에는 브랜드들이 앱의 다운로드나 인스톨 수를 성공의 지표로 간주했다. 하지만 앱 세계에서의 고객 행동에 대한 이해가 깊어지면서 고객의 지속적인 참여와 유지가 훨씬 더 가치 있는 지표라는 사실을 깨닫게 되었다. 앱 분석 전문업체 로칼리틱스(Localytics)에 따르면 앱 유저 5명 중 1명은 앱을 한 번 써보고 바로 지운다고 한다. 앱을 지속적으로 이용하는 유저만이 앱을 통한 구매나 회원 가입 등 가치 있는 앱 활동을 수행하고, 그럴 때에만 투자수익률이나 매출은 높게, 사용자 이탈율은 낮게 유지할 수 있다. 따라서 브랜드들은 더 가치 있는 유저 확보(UA)에 눈을 돌리기 시작했으며, 새롭게 대두되고 있는 고객생애가치(CLV/LTV) 상승에 투자를 집중하고 있다. 하지만 이 모든 것은 앱 인스톨 단계에서 거의 결정된다. 앱 내에서 진행되는 이벤트를 최적화하는 최선의 방법은 가치 있고 우수한 유저들이 앱을 설치하도록 유인하는 것이다. 이를 위해서는, 앱 활동에 적극적으로 참여할 유저를 다운로드 전에 적절한 가격과 물량으로 미리 식별할 수 있어야 한다. 마케터는 유저 확보(UA)를 위해 데이터를 분석하여 고객의 행동 트렌드를 읽어 낼 수 있어야 할 뿐 아니라, 이들 고객 중 마지막까지 지속적으로 사용해 줄 유저가 누가 될 것인지를 식별할 수 있는 인사이트를 확보해야 한다. 하지만 마케터들이 다루어야 하는 데이터의 양이 실로 방대하기 때문에 수작업으로 일일이 분석한다는 것은 현실적으로 불가능하다. 이런 이유로 점점 더 많은 마케터가 인공지능을 도입하고 있다.
인공지능은 과거 및 현재의 데이터 학습으로 앞으로의 앱 내 이벤트를 최적화한다
마케터는 인공지능 솔루션을 활용해 고객의 행태를 심층 분석할 수 있으며, 고객생애가치(LTV)에 대해서도 전체적으로 파악할 수 있다. 먼저 다수의 고객을 대상으로 데이터에 근거하여 우수한 실적을 보인 유사한 형태의 고객군으로 분석 범위를 좁혀간다. 이 과정에서 인공지능은 이전 데이터를 분석하고 패턴을 식별한 후, 이를 통해 특정 캠페인에 적합한 유형의 고객을 유치하고, 이들 고객으로부터 구매 전환을 유도해 낼 수 있는지 예측한다. 즉, 인공지능 툴은 이전 데이터에 근거하여 마케터의 메시지에 반응할 가능성이 가장 높은 유사 고객 집단을 발굴하고, 이들을 타겟팅할 수 있다. 예를 들어, 애피어(Appier)는 딥러닝 기법을 사용하여 독점적 심층 유입 경로(deep funnel) 최적화를 통해 캠페인 실적을 개선하고 있다. 심층 유입 경로 시스템은 유사한 캠페인 및 이전 데이터에 기반한 학습을 수행하고, 이를 토대로 캠페인이 진행되는 동안 또는 캠페인이 시작되기도 전에 미리 예측을 함으로써 비용 및 시간 효율성을 보장한다. 뿐만 아니라, 이 접근법은 트래픽 소스가 이전 데이터에 기반하지 않을 경우에도 예측 작업을 통해 고객 집단의 샘플링 작업에 도움을 주기도 한다. 캠페인 트렌드 검토 결과 KPI 달성이 불가능한 것으로 판단되면, 심층 유입 경로 최적화를 통해 캠페인 수정 또는 캠페인 중단을 권고한다. 또한, 인공지능 툴은 어떤 유저가 앱 내 구매 또는 회원 가입을 통해 앱 활동에 참여하고 있는지를 분석한 다음, 현재 진행 중인 캠페인을 최적화하여 조건에 맞는 유저를 찾아 타겟팅한다. 기본적으로 앱 내 구매 가능성이 높다고 예측되는 데이터에 근거하여 유저를 타겟팅하기 때문에, 가장 우수한 품질의 트래픽을 유도하게 되고 그에 따라 양질의 인스톨과 뛰어난 실적을 내는 앱 내 이벤트로 이어진다. 심층 유입 경로 접근법이 활용되고 있는 실제 사례를 살펴보자. 인도네시아의 한 유명한 차량 호출 앱에서는 경쟁이 치열한 시장에서 살아남기 위해 가능한 많은 유저를 유치하기를 원했다. 이 업체는 차량 예약을 할 가능성이 더 높은 가치 있는 유저를 유치하여 고객 확보 비용(CAC)을 절감하기 위해 인공지능 툴을 활용하기로 결정했다. 이 업체는 구매 및 전환 과정에서 클릭 및 설치와 같은 유저의 초기 행동 패턴을 분석하여 앞으로의 이벤트(예: 고객 유지 및 구매)를 예측하고 최적화하는 애피어의 심층 유입 경로 예측 프로그램(predictor)을 도입하였다. 캠페인 실적 향상을 위해 의심이 가는 트래픽을 차단하는 부정 인스톨 방지 프로그램을 함께 도입한 결과, 이 업체는 설치율 119% 상승, 예약률 63% 향상하는 한편, CAC는 45% 절감할 수 있었다. 마케터들이 인공지능 툴을 사용하여 효과적으로 앱 설치 광고 지출을 관리하고, 유저 확보(UA)를 개선할 수 있음을 보여준다.
기존 유저 재활성화 및 부정 인스톨 방지
포괄적인 인공지능 솔루션은 또한 유저 세분화 및 맞춤형 마케팅 캠페인을 통해 휴면 고객 집단을 다시 활성화하고 앱 내 이벤트 참여를 높일 수도 있다. 또한, 인공지능 툴은 부정 인스톨을 미리 감지해 냄으로써 앱 설치 광고 비용을 한층 더 최적화한다. 전 세계를 대상으로 진행된 한 최신 연구에 따르면, 2018년 1분기 전체 마케팅 관련 설치 중에서 부정 인스톨 비율이 11.5%에 달하며, 이는 7~8억 달러의 마케팅 비용에 해당된다. 인공지능의 머신러닝 기능이 다단계 부정 인스톨 방지 프로그램을 통해 의심스러운 광고 설치를 감지 및 방지할 수 있다. 즉, 알고리즘이 스스로 학습을 통해 새롭게 진화하는 부정 인스톨 유형을 식별하고 그에 대응하는 새로운 규칙을 개발해 내는 것이다. 모든 앱 마케터가 인지하고 있듯이 앱의 설치는 끝이 아니라 시작에 불과하다. 마케터는 고객의 구매 과정을 파악하고 예측할 뿐 아니라 더 가치 있는 앱 내 이벤트로 고객 참여를 유도해야 한다. 인공지능은 우수한 유저 확보를 강화하여 앱 설치 광고 비용을 최적화할 수 있도록 지원하며, 이를 통해 마케터는 시행 착오를 줄이고, 설치 당 비용은 낮추고 수익을 높일 수 있다.