하지만 성장할 여지는 충분합니다. 딥러닝 도구는 AI 기반 연구의 차세대 주요 분야이며, 모든 산업 분야에서 미래 혁신의 물결을 일으켜 광고주와 최종 사용자 모두에게 이익이 되는 새로운 마케팅 시대를 열 것입니다.
이미 우리의 인터페이스는 사용자의 개인적인 관심사에 맞춰 업계 동향과 행동 패턴을 반영한 맞춤형 광고를 제공하는 등 개인화된 방식으로 진화해 왔습니다. 하지만 딥러닝 알고리즘은 이보다 훨씬 더 많은 것을 해낼 것입니다.
딥러닝은 효율성에 대한 우리의 생각을 바꾸고 있습니다. 구글 번역, 테슬라 자율주행차, 야후의 이미지 인식 시스템 등에서 찾아볼 수 있듯이, 딥러닝은 인공지능 기반 연구 중 가장 유망한 분야이며, 더욱 미래지향적인 방식으로도 활용될 전망입니다.
구글의 딥마인드 AI는 전문가보다 TV 프로그램의 입술 움직임을 더 정확하게 읽어낼 수 있습니다(인간 전문가는 단어의 12.4%만 오류 없이 해석했지만, AI는 46.8%를 해석했습니다). 이 알고리즘은 세계 최고의 포커 플레이어들을 상대로 승리했으며, 심지어 영화를 직접 연출할 수도 있습니다. 최근 사치앤사치(Saatchi & Saatchi)는 칸 국제 광고제에서 이러한 능력을 선보였습니다.
물론 광고 업계에서도 딥러닝 기술이 활용될 것입니다. 코카콜라는 최근 AI 봇을 이용해 광고 음악 제작, 스크립트 작성, 소셜 미디어 광고 게시, 미디어 구매까지 진행하겠다는 계획을 발표했는데, 이는 딥러닝 기반 광고 혁명이 그 어느 때보다 현실에 가까워졌음을 시사합니다.
광고주의 관점에서 보면, 예상치 못한 상황에 지능적으로 반응하는 자체 학습 알고리즘이 유리합니다.
Adlucent의 새로운 연구에 따르면, 소비자들은 개인 맞춤형 광고 경험을 원하며, 응답자의 71%는 자신의 관심사와 쇼핑 습관에 맞춰 제작된 광고를 선호하는 것으로 나타났습니다. 또한, 이 연구는 소비자의 선호도에 맞춰 제작된 광고라면 낯선 브랜드 광고라도 클릭할 확률이 거의 두 배나 높다는 것을 보여주었습니다.
데이터 접근성이 증가하고 경쟁이 빠르게 심화됨에 따라 마케터는 사용자를 둘러싼 수많은 정보 속에서 의미를 파악하는 것이 그 어느 때보다 중요해졌지만, 동시에 그 과정이 그 어느 때보다 쉬워졌습니다. 일반적인 개인화 모델은 고도의 알고리즘 없이도 구현할 수 있지만, 이미 그 한계에 도달했다는 것을 우리는 알고 있습니다. 하지만 새로운 딥러닝 알고리즘은 예상치 못한 상황과 숨겨진 잠재력을 감지할 수 있습니다.
예를 들어, 친구의 생일을 깜빡했다고 가정해 보세요. 이틀밖에 남지 않아 특별한 선물을 찾을 시간은 부족하지만, 그래도 특별한 선물을 고르기에는 충분한 시간입니다. 이런 경우, 매우 정확한 개인 맞춤 설정이 큰 차이를 만들어낼 수 있으며, 딥러닝 모델은 사용자가 특정 상품을 간절히 찾고 있다는 것을 파악하기 시작할 수 있습니다.
갑작스러운 행동 변화든, 급박해 보이는 쇼핑이든, 일반적인 모델은 이러한 데이터 포인트를 파악하지 못하지만, 딥러닝은 이러한 연결 고리를 찾아낼 수 있습니다.
소비자의 쇼핑 행동에 대한 심층적인 이해는 아직 전자상거래 업체들에게 널리 보급되지 않았지만, 마케터들에게는 매우 중요합니다. 예를 들어, 블랙프라이데이이나 여성의 날처럼 전형적이고 예측 가능한 매출 급증 시기에는 구매 결정 패턴을 파악하기가 비교적 쉽습니다. 하지만 친구의 생일이나 갑작스러운 기념일처럼 매우 구체적인 맥락을 가진 개별 이벤트를 파악하는 것은 훨씬 더 복잡해집니다.
바로 이 지점에서 딥러닝이 기존 방식을 대체합니다. 우리 뇌의 생물학적 뉴런에서 영감을 받은 딥러닝은 인간의 전문 지식 없이도 고객의 구매 잠재력에 대한 더욱 신뢰할 수 있고 풍부하며 기계가 해석할 수 있는 사용자 설명을 얻을 수 있도록 해줍니다.
기존의 머신러닝 방식과 달리 딥러닝은 온라인상의 수많은 사용자 중에서, 처음에는 무질서하게 행동하는 것처럼 보일 수 있지만 실제로는 구매를 완료할 가능성이 가장 높은 사용자를 찾아낼 수 있습니다.
이는 자체 학습 알고리즘이 기존 모델과는 약간 다른 방식으로 제품을 검색하는 모든 잠재 고객을 정의하기 때문에 가능합니다. 알고리즘은 과거 데이터를 참조하여 사용자의 행동 변화를 동적으로 파악하고, 이를 바탕으로 매우 정확한 전환 확률을 제공합니다. 이러한 알고리즘은 한 명의 사용자뿐 아니라 네트워크 내 모든 사용자의 데이터를 학습합니다.
예를 들어 생일 선물이 "새 헤드폰"이라면, 딥러닝 기반 리타겟팅은 사용자가 10가지 모델을 빠르게 검색하고, 사양을 확인하고, 가격대를 좁혀가는 과정을 포착할 수 있습니다. 이는 이례적이고 긴급한 상황으로 인식되지만, 기존 알고리즘은 단순히 우유부단하고 불규칙적인 행동으로 간주하거나 아예 알아채지 못할 수도 있습니다.
소비자가 무언가를 급하게 구매해야 한다는 사실을 알게 되면, 온라인 쇼핑몰은 자동으로 소비자가 특정 온라인 쇼핑몰에서 구매를 완료하도록 유도할 수 있습니다.
사용자 관점에서 보면, 사용자의 욕구를 예측하는 딥러닝 알고리즘이 바로 그것입니다.
인공지능이 상업 제품이나 서비스 유통에 적용될 때, 그것은 우리 존재의 독특한 확장으로 자리 잡게 됩니다. 넷플릭스의 추천 시스템은 놀라운 효과를 발휘하며, 넷플릭스에서 시청되는 많은 영화는 딥러닝 기반 추천을 통해 이루어집니다.
아마존은 자체 학습 알고리즘을 신뢰합니다. 이 회사의 특허받은 알고리즘 기반 "예측 배송" 시스템은 고객의 구매 패턴을 매우 정확하게 파악하고 고객이 구매할 브랜드, 가격대, 제품을 예측할 수 있습니다. 이를 바탕으로 아마존은 주문이 접수되기 전에 제품을 물류 센터로 배송할 수 있어 전자상거래 업계에 혁명을 일으키고 있습니다.
인공지능, 특히 딥러닝은 광고 업계에서 사용자의 욕구를 예측하는 데 완벽한 도구입니다. 이 기술은 우리가 구매할 가능성이 높은 제품뿐만 아니라, 아직 접해보지 못했거나 생각조차 해보지 못한 제품까지 포함하는 고도로 타겟팅된 광고를 제공함으로써 우리의 일상적인 사용자 경험을 간소화하고 있습니다.
새 카메라를 구매했다고 상상해 보세요. 딥러닝 알고리즘은 구매 날짜, 카메라 사양, 사용 내역, 습관 등 사용자의 모든 행동을 분석합니다. 이를 통해 알고리즘은 일반적인 추천을 넘어 사용자의 개인적인 니즈를 충족하는 맞춤형 제품 추천을 제공할 수 있습니다.
호환되는 렌즈나 추가 메모리 카드, 카메라 삼각대 등을 추천하는 것도 좋고, 드론 카메라를 사용한 광고 영상은 미처 생각지도 못했던 것을 보여주지만, 무의식적으로 갖고 싶게 만들 수도 있습니다.
딥러닝이 그토록 영향력 있는 이유는 사람과 똑같은 방식으로 학습하지만 훨씬, 훨씬 빠르기 때문입니다. 딥러닝은 개개인의 욕구를 분석하는 동시에 수백만 명의 데이터를 고려하여 실시간으로 결과를 도출합니다. 이는 인간이 결코 이룰 수 없는 위업입니다.
광고주용 딥러닝 도구는 잠재 구매자의 가치를 신중하게 평가하고, 전환 확률을 예측하며, 무엇보다 중요한 것은 고객의 욕구를 파악하여 제품 추천 방식을 혁신적으로 변화시킬 것입니다. 자체 학습 알고리즘은 매우 정확한 사용자 분석을 가능하게 하여 광고 효율을 약 40% 향상시킵니다.
머지않아 광고주와 사용자들은 광고의 진화를 경험하게 될 것입니다. 다소 공상 과학처럼 들릴지 모르지만, 이러한 기술은 온라인 활동을 그 어느 때보다 효율적으로 만들기 위한 자연스러운 발전 과정입니다.
___
by 다니엘 수르마츠
출처 : ClickZ
