최근까지 마케팅 관행은 상당히 선형적인 경로를 따랐다. 특정 오디언스를 대상으로 콘텐츠를 만들고, 오디언스가 있는 채널이나 플랫폼에 게시하고, 마케팅 지표에 미치는 영향(대개 비즈니스 성장에 대한 대략적인 지표)을 측정하고, 이를 조정한 다음 이 과정을 반복했다. 이제 “마케팅 엔진을 위한 AI”라고 부르는 프레임워크와 AI가 등장한다. 이 프레임워크는 크리에이티브, 미디어, 측정과 같은 익숙한 마케팅 기능을 전제로 한다. 물론 이들은 독립적인 활동은 아니다. 물론 이러한 활동은 점점 더 서로 연결되어 있지만, AI가 제공하는 기회를 분류하는 데 유용한 방법이다.
측정 및 통찰력
측정 및 통찰력에서 시작하는 것이 중요하다. 이는 마케팅에 AI를 성공적으로 적용하기 위한 견고한 데이터 기반을 마련하기 때문이. 퍼스트파티 데이터는 AI가 고유한 통찰력을 발견하고, 귀중한 고객을 식별하며, 고객 생애 가치를 더 정확히 측정하는 데 필수적이다.
기업들은 이미 설문조사, 고객 리뷰, 거래 및 로열티 프로그램 데이터 등 이러한 종류의 마케팅 데이터를 풍부하게 보유하고 있다. 이러한 정보를 결합하고 부족한 부분을 파악하는 것이 중요하다. AI는 마케팅에서 측정의 역할을 혁신하여 과거 추세를 분석하는 것에서 예측 인사이트에 따라 행동하고 결과 기반 마케팅을 실현할 수 있도록 도와준다. 예를 들어, 예측 생애 가치(Predictive lifetime value)와 같은 지표는 계획과 테스트에 매우 유용하게 사용할 수 있다. 재구매 고객이나 친구를 추천할 가능성이 높은 고객을 예측하여 해당 고객에 집중함으로써 브랜드와 매출 상승을 높일 수 있다.
PepsiCo는 이러한 AI 활용의 강력한 사례이다. 많은 브랜드가 소비자와 직접적인 관계가 없기 때문에 혁신적인 방법을 사용하여 퍼스트파티 관계를 구축했다. 포장과 매장에 QR 코드를 배치하여 고객을 보상 프로그램과 연결함으로써 청중에 대한 통찰력을 심화하고 쇼핑고객과의 관계를 더 장기적이고 수익성 있는 관계로 전환했다.
미디어 및 개인화
미디어 및 개인화 영역에서 AI는 ‘적절한 광고, 적절한 사람, 적절한 장소, 적절한 시간’이라는 마케터의 오랜 꿈을 현실로 만들어가고 있다. 생성형 AI의 발전으로 완전히 새로운 광고 경험이 가능해졌다.
수년 동안 예측 AI(Predictive AI)는 매초 수백만 건의 검색어 뒤에 숨은 의도를 파악하고 수천만 개의 잠재 광고를 평가한 다음 최적의 광고를 선택하는 데 도움을 주었다. 이는 사용자와 광고를 매칭하는 입찰 및 오디언스 솔루션의 원동력이다. 하지만 모든 디스플레이에 완벽한 광고를 게재하는 것은 어려운 과제였다. 이제 생성형 AI는 엄청난 새로운 기회와 완전히 새로운 광고 경험의 시대를 열어줄 준비가 되어 있다.
최신 Gemini 모델은 Demand Gen 및 Performance Max 등의 도구를 포함한 제품, 플랫폼, API의 전체 에코시스템을 지원한다. 이러한 AI 기반 캠페인을 통해 판매, 매출, 수익성 등의 비즈니스 성과를 최적화할 수 있다.
AI를 활용하기 위한 첫 번째 단계는 테스트, 학습 및 확장 접근 방식을 구현하는 것이다. 먼저 AI 기반 캠페인을 수동 캠페인과 비교하여 테스트하는 것으로 시작해야 한다. 효과가 확인되면 빠르게 규모를 확장한 후에는 데이터를 AI와 결합하여 성향 모델과 특정 요구사항에 따라 고객을 세분화해야 한다. 이 과정의 어느 단계에 있든 비즈니스 목표에 맞게 지속적으로 최적화해야 한다.
세계적인 피트니스 브랜드 Les Mills는 이러한 접근 방식을 활용했다. 팬데믹 기간 동안 사람들이 헬스장에 갈 수 없자, 이 회사는 세계 최고의 피트니스 동영상 콘텐츠를 제공하는 데 주력했다. Demand Gen을 사용하여 매력적인 시각적 스토리텔링 환경을 만들어 신규 구독자를 찾고 전환을 유도했다. 4주간의 테스트 결과, 72% 더 효율적인 Trial 비용으로 561% 더 많은 가입을 유도했다.현재 Les Mills는 모든 시장에서 Demand Gen 캠페인을 사용하고 있다.
신발 및 의류 회사인 Vans도 AI 기반 캠페인의 이점을 누리고 있다. 많은 의류 브랜드와 마찬가지로 이 회사도 연말연시 시즌의 변동하는 수요와 예측 불가능한 상황을 관리해야 하는 과제에 직면했다. 수동으로 처리하기 어려운 작업이었다. Vans는 Performance Max 를 사용하여 다양한 고객층을 위한 개인화된 고객 여정을 만들었다. 즉, 열성적인 스케이트보더든 신학기 준비를 하는 학부모든 적절한 메시지를 적시에 적절한 대상에게 전달해야 했다. Vans는 이전 쇼핑 솔루션에 비해 전환율이 46% 증가하고 매출이 86% 상승하는 결과를 얻었다.
창의성과 콘텐츠
창의성과 콘텐츠 측면에서 AI는 복잡해진 디지털 캠페인의 요구사항을 충족시키는 데 큰 도움이 된다. 여러 채널에 맞춘 에셋 생성, 기존 에셋 최적화, 그리고 성과 데이터를 바탕으로 한 크리에이티브 개선이 가능해졌다.
오늘날의 캠페인은 점점 더 복잡해지고 있다. 여러 디바이스, 플랫폼, 오디언스에서 수천 개의 에셋을 동시에 실행해야 하는 경우가 많다. 팀이 의미 있는 성과를 내는 데 필요한 에셋의 양과 속도, 다양한 종류를 따라잡는 동시에 높은 품질 기준을 충족하는 것은 불가능하다.
AI를 사용하여 다양한 채널에 맞게 기존 자산의 포맷, 트림 및 크기를 조정하여 광고 소재의 개발 속도를 높이고 관련성을 높일 수 있다. 캡션을 추가하고, 동영상에 더빙을 추가하고, 크리에이티브 라이브러리에서 학습하여 완전히 새로운 광고를 생성할 수도 있다. 또한 AI 솔루션을 사용하면 모든 자산을 대규모로 테스트, 개선 및 최적화할 수 있다.
AI는 성과 데이터와 함께 카피, 이미지, 동영상을 분석하여 무엇이 가장 실적이 좋은 크리에이티브를 만드는지 파악할 수 있도록 도와준다. 이를 통해 시간, 문화, 기회에 따라 마케팅과 비주얼을 변화시킬 수 있다. 이를 통해 새로운 크리에이티브 워크플로우를 구현하고 사내 및 에이전시와 함께 크리에이티브를 개발할 수 있는 새로운 방법을 모색할 수 있다.
캠페인 품질을 개선하고 시장 출시 시간을 단축하기 위해 프랑스의 소매업체이자 도매업체인 Carrefour와 마케팅 팀은 Google Cloud를 통해 AI 크리에이티브 스튜디오를 구축하고 회사의 브랜드 가이드라인과 가장 성공적인 캠페인에 대해 학습시켰다. 이제 AI는 까르푸의 과거 캠페인 데이터를 학습하여 향후 프로그램에 대한 가이드라인을 입력하면 몇 분 만에 종합적인 마케팅 캠페인의 초안을 작성할 수 있다.
AI를 활용한 마케팅 전략은 데이터를 중심으로 한 예측적 분석과 실시간 최적화를 통해 더욱 정교하고 효과적인 마케팅 캠페인을 가능하게 한다. AI는 단순한 광고 자동화를 넘어, 고객의 행동과 선호를 예측하고 이에 맞춘 맞춤형 경험을 제공하여 고객과의 관계를 강화할 수 있다. 이는 비즈니스 성과를 극대화하고, 마케팅 비용을 효율적으로 사용하는 데 중요한 역할을 한다. 성공적인 AI 마케팅 사례를 통해 알 수 있듯이, 다양한 산업에서 AI의 도입은 필수적이며, 이를 통해 경쟁 우위를 확보할 수 있다.
출처:AI for marketing: from hype to how
