순다 피차이 구글 CEO가 AI 퍼스트를 주창한 지 3년의 시간이 흐르고 있다. 그동안 AI 기술 경쟁은 치열했고 점점 더 격화되고 있다. 구글, 마이크로소프트, IBM, 아마존 등 글로벌 기업들이 AI를 단순히 하나의 신성장 동력으로 보는 것이 아니라 모든 기술과 영역을 뒷받침할 기반 기술로 여기고 있기 때문이다. AI 기술은 5G가 상용화 됨에 따라 본격적으로 확대될 전망이다. 5G가 상용화되면 지금보다 데이터 전송 속도가 최소 20배 빨라지고 데이터 처리 용량은 100배 커지게 된다. 대용량 데이터 전송, 수많은 기기의 연결, 실시간 데이터 전송이 가능해지면 AI가 더 많은 사물에 연동되고 더 많은 일을 처리할 수 있게 된다.광고산업 분야에서도 그 동안 인공지능과 관련된 많은 시도들이 있었다. AI가 TV광고 커머셜을 기획 제작하기도 하고 광고 최적화에 머신러닝을 활용하기도 했다. 초기에는 다소 이벤트성격의 프로젝트(인공지능 CD와의 제작물 대결 등)들이 많았지만 지금은 하나의 서비스 또는 업무의 핵심 기능으로서 AI를 이용하는 사례들이 많아지고있다. 그렇다면, 우선 현 시점에서 모바일 광고에 인공지능이 어느 정도 융합되어 있는지 살펴보고자 한다. 이를 위해 우선 인공지능, 머신러닝, 딥러닝 등의 용어를 쉽게 정리해 보고, 광고·마케팅 측면에서 어떤 의미가 있는지 알아보겠다. 다음은 모바일 광고의 주요 디바이스인 스마트폰이 AI와 어떻게 결합되고 활용될 수 있는지 정리해 보고자 한다. 세 번째로 현재 시장에서 AI가 적용되어 사업화가 되고 있는 주요 분야와 국내 기업의 사례를 살펴 보고, 마지막으로 모바일 광고 사업에서 AI가 가지는 의미에 대해 생각해 보면서 이 글을 마무리 하고자 한다.
광고·마케팅측면에서의 인공지능, 머신러닝,딥러닝
‘인공지능’이라는 용어는 그 정의가 다양하며 많은 기술을 포함하고 있다. 과학기술정보통신부 4차산업혁명위원회(2018)는 인공지능이란 인지, 학습 등 인간의 지적 능력(지능)의 일부 또는 전체를 ‘컴퓨터를 이용해 구현하는지능’을 의미한다고 정의했다.
AI는 말 그대로 기계가 인공적으로 갖게 된 지능이다. 사람이 성장하면서 지능을 갖게 되는 방식을 모방하고 있는 것이다. 기계는 사물끼리 특징을 구별하는 방식, 비슷한 것들끼리 묶어내는 방식 등으로 점차 지능을 갖게 된다. 시스템이 스스로 패턴을 파악해서 똑똑해지는 지능이다. AI는 정해진 것만 수행하는 것이 아니라 스스로 규칙을 학습하고 이를 업데이트해 행동한 결과가 사람이 예상, 예측한 결과와 동일하거나 더 좋은 경우를 나타낸다. 인공지능은 하위 분야로 머신러닝과 딥러닝을 가지고 있다.
우리말로 ‘기계학습’인 머신러닝은 기계가 직접 데이터를 학습(러닝)함으로써 그 속에 숨겨진 일련의 규칙성을 파악한다. 즉, 우리가 가지고 있는 사례 형식의 데이터를 학습해 그를 기반으로 새 데이터를 평가, 예상하고 이를 우리가 활용할 수 있게 한다. 머신러닝은 기계가 수학적 최적화 및 통계분석 기법을 기반으로 사람의 도움 없이도 데이터로부터 일정한 신호와 패턴을 배우고, 그것을 바탕으로 다음에 일어날 일을 예측하며 적합한 의사 결정을 내리는 알고리즘을 만드는 일에 주력한다.
딥러닝(심층학습)이란 기계학습의 일부로 기계학습과 대부분의 것들이 매우 비슷하지만 일반적인 기계학습과 구별되는 두 가지 큰 특징은 첫째, ‘데이터의 특징을 사람이 추출하지 않는다’는 것.
데이터에서 일부 특징들만 사람이 뽑아서 기계에게 전달해 학습시키는 것이 아니라, 데이터 자체를 컴퓨터에게 전달하는 것을 의미한다. 예를 들면 컴퓨터에 개와 고양이 사진을 학습시켜 특정 사진의 동물이 개인지 고양이인지 분류하도록 한다면, 일반적인 머신러닝의 경우 개와 고양이의 구별되는 큰 특징들만 뽑아 컴퓨터에게 전달시키지만 딥러닝은 개, 고양이 사진 자체를 컴퓨터가 학습하도록 하는 것이다.
둘째, ‘주로 인공 신경망 구조를 통해 학습한다’는 것은 딥러닝이 데이터를 학습할 때 인간의 뇌에서 일어나는 의사결정 과정을 모방한 인공신경망(Artificial Neural Network) 구조를 통해서 학습한다는 것이다. 인공 신경망이 란 간략히 말해 뇌에서 수많은 뉴런들이 모여 신호를 전달하는 과정을 모델링하여 만든 것이다.
AI 기술을 심층적으로 살펴볼 가치가 있지만 AI를 마케팅 및 광고로 활용하기 위해 AI에 대한 전체적인 기술적 이해가 필요하지 않다. 이해해야 할 가장 큰 요점은 AI가 사람과 비교할 때 방대한 양과 규모의 데이터를 더 잘 분석할 수 있다는 것이다. AI는 데이터를 분석, 예측하여 제안 사항을 개선하는 과정을 지속하고 이를 통해 마케팅 및 광고에서 많은 역할을 수행하고 마케팅적 성과를 내는데 기여하고 있는 것이다.
AI 마케팅의 거점으로서 스마트폰
AI는 우리의 스마트폰에 이미 들어와 있다. 스마트폰에서 지도 앱을 본다든지, 카메라로 우스꽝스러운 얼굴 사진을 찍는다든지 하는 것은 모두 AI 기술을 활용한 것이다. 많은 AI 작업이 스마트폰에서 지속적으로 수행되고 있다.
카메라 AI는 이미 대부분의 고급 스마트폰 카메라에 있다. AI 알고리즘은 파노라마 또는 사람을 찍을 것인지 식별하고 최상의 결과를 제공하는 데 필터링 유형을 조정한다. AI가 조명 조건에 맞는 렌즈를 찾기도 하고 스마트폰을 켜기 위해 안면 인식을 할 때 AI는 그 기반 기술로 존재하고 있다.
‘Siri’및 기타 음성 어시스턴트 오늘날의 스마트폰에는 기본 Virtual Assistant 기능이 빠르게 향상되고 있다. 일부 음성 인식은 이제 시끄러운 환경에서도 사람보다 더 나은 수준의 이해력을 제공한다. 가상 어시스턴트는 시간이 지남에 따라 스마트폰 인터페이스에서 훨씬 더 많은 부분을 차지할 것이며 AI는 사용자가 제공하는 자연스러운 언어를 이해하는 데 도움을 준다.
이미지 검색 많은 휴대 전화에서 이미 이미지를 자동으로 개선하고(예 : 적목 현상이 발견되는 위치 제거), 갤러리에서 촬영하고 저장한 이미지를 정렬하는 기능을 AI는 뒷받침한다.(예: 이름 순 등)
증강 현실 전용 스마트폰 칩에 내장되어 있는 대상 AI 프로세서(Neural Processing Engine)는 on-device 기반의 증강 현실 경험(예 : Apple의 Animoji)에 사용된다.
일상적인 사용 보다 근본적으로 AI는 휴대 전화에서 검색 할 때마다 Google검색 엔진의 배후에 있으며 배터리 수명 관리 및 보안과 같은 일상적인 스마트폰의 사용에 작동된다.
일반적인 스마트폰에는 가속도계, GPS, 마이크, 카메라 등 수십 개의 센서가 있다. 스마트폰에서 이러한 많은 센서를 통해 데이터를 수집할 수 있고 인공지능, 머신러닝을 통해 그 수집된 데이터를 분석하고 활용할 수 있다.모든 마케터의 목적은 고객 요구를 식별하고 해당 요구에 맞는 제품을 제공하는 것이다. 모바일 기술, 특히 스마트폰은 사람들의 실제 행동에 대한 통찰력을 제공하며 기존의 다른 매체와 일반적인 소비자 조사에 발견하지 못한 새로운 사실들을 발견하게 한다. 사용자가 모바일 장치에서 더 오랜 시간을 소비함에 따라 AI는 모바일 마케팅 담당자가 매일 생성되는 대량의 사용자 별 데이터를 이해하도록 하는데 더욱 중요한 역할을 하게 되는 것이다. 즉 AI와 결합된 스마트폰은 소비자들에 대한 데이터를 수집 분석하고 예측, 도달하는 마케팅의 거점으로서 기능을 하고 있는 것이다.
모바일 광고에서의 AI 적용
실제 현장에서 AI가 적용되어서 국내 시장에서 사업화를 이룬 영역과 국내 사례들을 정리해 보았다.
1) 모바일 부정광고 방지(Fraud prevention)
AD Just 자료에 의하면 2018년 모바일 부정광고 비율(Ad Fraud rate)은 전년대비 두 배가 됐다고 한다. 모바일 광고비가 증가하면서 다양한 부정광고 기법들이 만들어지고 있는 것이다. AD Just 리서치에 의하면 다음의 기법들이 최근 증가하고 있는 부정광고 대표 유형들이다.
SDK 스푸핑(Spoofing)은 부정광고의 37% 비중을 차지하고 있다. 트래커의 SDK를 직접 해킹하여 트래커의 서버를 속이는 행위이다. 즉 SDK와 서버 간의 통신을 해킹하여 가짜 설치(Install)을 만들어 내는 수법이다. 이러한 공격은 실제로 발생한 적이 없는 설치에 대해 비용을 지불하도록 함으로써 광고주의 예산에 큰 타격을 줄 수 있다.
클릭 인젝션(Click Injection)의 비중은 27%이다. 클릭 인젝션은 사용자가 앱을 다운로드 하려고 할 때 악성 소프트웨어가 이를 감지하고 바로 클릭을 생성한다. 다시 말해서 이렇게 중간에 삽입된(injection) 클릭이 트래킹 되도록 하여 중간에서 설치/전환(install/conversion)을 가로채는 것이다.
가짜 설치(Faked install) 및 클릭 스패밍(Click Spam) 같이 타 매체에서 발생한 설치와 클릭을 가로 채는 활동이 각각 부정광고의 20% 및 16% 비중을 차지하고 있다. Forrester는 월간 디지털 광고 예산이 100만 달러를 상회하는 마케팅 담당자의 69%가 모바일에서 광고 사기로 예산의 20% 이상이 낭비됐다는 조사 결과를 발표했다.
이러한 부정광고를 감지하는 것은 데이터에 대한 24시간 모니터링과 거의 실시간 분석이 필요한 복잡한 과정이다. 따라서 AI가 가장 우선적으로 해결할 수 있는 솔루션이 된다. 지능형 알고리즘은 사람의 분석보다 훨씬 정확한 속도로 대량의 데이터를 취급하고, 이상을 발견하고 추가 조사를 위해 경고를 촉발할 수 있다. 또한 발전된 딥러닝이 적용되면 새로운 AI기반의 부정광고 방지 시스템은 시간이 지남에 따라 성능을 자체 조정하고 새로운 위협을 예측, 감지 및 완화하는 방법을 학습 할 수 있다.
넷마블의 경우 이러한 부정광고 방지를 위해 구글의 클라우드 AI 서비스를 이용했다. 넷마블은 구글 클라우드의 빅쿼리, 빅테이블 등의 서비스와 텐서플로 라이브러리를 활용해 AI 모델을 만들어 광고 사기에 대처했다. 다양한 광고 사기에 대처하기 위해 머신러닝을 통해 다양한 종류의 트래픽을 분류하는 부정광고탐지 시스템을 구축했다. 이를 통해 새로운 미디어와 채널을 테스트할 수 있어 유효하지 않은 클릭과 전환을 막을 수 있게 됐다.
2) 향상된 광고 타깃팅
타깃팅은 몇 번의 시도 및 실패, 다시 최적화하는 반복된 과정의 연속이다. 이러한 점에서 머신러닝은 광고에 대한 사용자 행동을 학습하고 특정 광고에 대한 사용자의 반응을 비교할 수 있다. 이러한 비교 분석을 통해서 그 특정 광고가 더 집중해야 할 타깃 유저 그룹을 만들 수 있다. 알고리즘은 특히 많은 양의 데이터를 처리하기 위해 전송될 때 사람의 눈보다 패턴을 감지하는데 더 적합하다. 머신러닝을 통해 과거 브랜드와의 상호 작용, 인구 통계학적 데이터 및 온라인 브라우징 행동을 기반으로, 해당 데이터를 효과적으로 그룹화하고 클러스터링하여 다양하고 새로운 측면의 사용자 프로필을 생성할 수 있다. 이것은 더 이상 “서울에 기반을 둔 여성(25~35세)”의 광범위한 인구 통계를 타깃팅 하지 않음을 의미한다.
머신러닝 알고리즘은 방대한 양의 기록 데이터를 통해 광고 구매 과정에서 어떤 광고가 가장 효과적인지를 파악할 수 있다. 이 데이터를 사용하여 적시에 가장 효과적인 광고 메시지를 전달할 수 있다. 머신러닝을 사용해 수천 개의 변수를 지속적으로 최적화하면 기존 방법보다 효과적인 광고 배치 및 광고 성과를 얻을 수 있다. 머신러닝을 사용하여 이전 데이터를 기반으로 고객을 사이트로 다시 유치 할 가능성이 높은 메시지를 설정할 수 있다. 다양한 유형의 고객을 만족시키기 위해 어떤 광고 메시지가 가장 효과적인 지에 대한 정확한 예측 모델을 구축하여 리 타깃팅(Re-targeting) 광고를 가능한 한 효과적으로 만들 수 있다.
디지털 퍼스트의 트레이딩 웍스의 경우 머신러닝으로 유추된 게임 장르별 사용자 타깃팅을 진행하고 있다. 국내 최대 규모의 게이머 데이터를 기반으로 24개 장르 및 3단계로 세분화하고 상위 1% 고과금 및 1000시간 이상 플레이 한 게임유저 타깃팅 등이 가능하다.
3) 프로그래매틱 바잉(Programmatic Buying)
미디어 구매 및 광고 게재의 일부 또는 전부가 자동화 된 프로그래밍 방식으로 진행되는 프로그래매틱 광고 구매가 활성화되고 있다. 프로그래매틱 바잉은 수동 게재 신청서 및 기타 시간이 많이 걸리는 광고 구매 구성 요소를 제거함으로써 광고주와 매체사가 보다 효율적으로 캠페인을 진행하게 한다.
AI는 이러한 프로그래매틱 바잉의 실시간 광고 입찰에서 그 효율성과 ROI를 높여 준다. 광고 경매에서 이기기 위해 광고주는 얼마를 입찰해야 할까? 타깃팅할 이상적인 사용자 프로필은 무엇이며 언제 광고에 대한 수용도가 높은가? 어떤 광고 소재를 사용해야 하며 어떤 매체 콘텐츠를 함께 사용해야 하나? AI는 이러한 질문에 대해 실시간으로 응답 할수 있다.
AI 기반 실시간 광고 입찰이 얼마나 경쟁력이 있을까? 중국 최대의 전자 상거래 플랫폼인 Taobao에서 한 과학자 그룹이 수행한 최근 실험에 따르면 알고리즘이 인간보다 우수하다는 것이 입증됐다.
· 수동 입찰 캠페인은 지출된 예산의 99.52%로 100% ROI
· 알고리즘 입찰은 예산 지출의 99.51%로 340%의 ROI
AI는 프로그래밍 방식의 광고에 적용될 때 광고를 게재하기에 가장 좋은 시간, 노출 전환 가능성 또는 사용자가 읽고있는 기사의 중간에 나타나는 광고에 사용자가 참여할 가능성 등을 결정할 수 있다. 또한 AI는 CVL(고객 평생 가치)를 기반으로 입찰 전략을 조정하고 잠재적으로 고가치 고객에게 더 많은 투자를 하는 데 사용될 수 있다.
Moloco는 광고주의 고유 데이터를 기반으로 머신러닝 기술과 테라 바이트 규모의 빅데이터를 활용하여 실시간 자동 비딩(RTB, Real-time bidding)을 통해 매체를 구매하고 운영하는 DSP(Demand-side platform) 회사이다. 고유의 빅데이터와 머신러닝 모델링 기술을 통해 광고 노출에서 앱 인스톨로 전환되는 수십만 분의 1 레벨의 확률을 예측할 수 있어, 각 광고에 적합한 ‘소비자’를 찾아내어 광고를 내보내고 있다. 또한, 실시간 데이터를 활용한 머신러닝 학습을 통해 모델이 매 순간 진화하도록 구축하여 게임, E-커머스, 여행 등 다양한 산업의 모바일 광고에 대해 높은 효율과 퍼포먼스를 내고 있다.
4) 광고 소재 제작(Ad Creatives)
모바일 광고는 광고에 대한 결과가 수치화 되어 효율을 빠르게 판단할 수 있기 때문에 소재의 수명이 짧다. 프로모션 상품들이 매번 바뀌는 커머스의 경우도 거의 매일 바뀌기도 한다. AI는 이렇게 광고, 마케팅의 목표에 맞추면서 많은 광고 소재를 만드는 데에도 그 솔루션을 제공하고 있다. AI가 최적의 광고 표현을 자동을 만들어 내는 방법은 높은 성과를 낸 광고 표현을 여러 크리에이티브 요소로 분해하여 각각의 요소들을 분석하고 효과적인 요소를 어떻게 구성하면 광고, 마케팅 목표에 부합하는 효과적인 광고가 산출되는지 판단하여 제작하는 것이다.
알리바바 루벤(LuBan): 알리바바 그룹에서 중국의 전설적인 엔지니어의 이름을 따서 지은 AI인데 초당 8,000개의 광고배너를 만들어 낼 수 있다. 특히, 머신러닝 등의 다양한 기법들이 사용되는데 좋은 배너인지를 판단하기 위해서는 심미적인 기준과 광고 효율이 있는지에 대한 비지니스 기준 두가지로 판단한다. 소재 자체를 만들어 주는 것이 아니라 고객 반응을 학습해서 각기 다른 소재/형식/내용 등이 바뀌는 일종의 다이내믹 광고(Dynamic Ads) 등은 구글/페이스북/프로그래매틱 광고 영역에서 이미 활발히 활용되고 있다. 실제로 스마트 알고리즘을 사용하여 광고 문구를 작성하는 시스템도있다. 이 시스템은 인공 지능 처리 기술인 자연 언어 처리(NLP)와 자연 언어 생성(NLG)을 활용하여 사람이 작성한 카피보다 훨씬 더 나은 결과를 나타내는 광고 문구를 단기간에 대규모로 작성한다.
5) 마케팅 자동화(Marketing Automation)
마케터들이 관리해야 하는 채널과 분석해야 하는 데이터의 양이 급격히 늘어났다. 그만큼 고객들과 만나는 접점이 다양해졌기 때문이다. 구글(유튜브)/페이스북/네이버 등의 주요 플랫폼들을 관리해야 하고, 각 플랫폼들 마다 일일이 캠페인을 셋업하고, 진행하고 운영해야 한다. 또한 다양한 애드 네트워크/프로그래매틱 등의 매체들도 존재하기 때문에 관리 운영해야 할 채널이 실제적으로 많다. 또한, 앱 내에서 벌어지는 고객의 지표도 확인해야 하고, 고객 별로 세분화된 푸쉬 메시지 등을 보내야 한다. AI를 기반으로 하는 마케팅 자동화의 니즈가 높아 지고 있다.
마케팅 자동화를 통해 반복적인 작업을 쉽고 효율적으로 수행할 수 있지만, 인공지능 기술은 여기에서 더 나아가 마케팅자동화 소프트웨어에 예측 분석(Predictive Analysis) 및 개인화 엔진(Personalization Engines)이라는 새로운 가치를 덧붙였다. 구글/페이스북/네이버 등의 주요 광고 플랫폼들의 API를 바탕으로 광고를 효과적으로 집행하도록 도와주는 주요 솔루션들의 경우, 원하는 오디언스, 고객 종류 등을 입력하면 수십, 수백 개의 광고 캠페인이 자동적으로 만들어지며 심지어 일부 솔루션에 대한 최적화도 알아서 진행한다.
아드리엘은 AI 기술을 활용해 비전문가도 적은 예산으로 다양한 채널에 최적화된 광고를 집행할 수 있는 솔루션을 개발했다. 해당 솔루션은 3~4가지 질문에 답하면 광고 타깃, 채널 등을 자동으로 최적화해준다. 또한 개발한 배너 광고 자동 생성 기술을 활용하면, 메인 이미지와 텍스트만으로도 최적의 배너 디자인을 자동으로 만들 수 있다. 구글, 페이스북 및 인스타그램 등 온라인 플랫폼을 통해 광고를 집행할 때 필요한 모든 단계를 간소화하고 인공지능 기술로 광고 셋팅을 지속적으로 최적화함으로써 광고주가 적은 예산으로도 최대의 성과를 낼 수 있도록 하는 데 목표를 두고 있다.
모바일 광고 사업의 핵심 경쟁력으로서 AI
AI, 머신러닝, 딥러닝 그 기술적 내용은 다르지만 사람이 다룰 수 없는 많은 양과 규모의 데이터를 다루고 분석하고 예측한다는 점이 광고/마케팅 측면에서 가장 중요하며 기본이 되는 요소이다. 다시 말해 광고 마케팅적으로 인공지능을 유용하게 활용하기 위해서는 데이터의 양과 규모가 가장 우선시 해야할 기본적인 요소라는 것이다.
AI가 기본 기능이 되어가고 있는 스마트폰의 경우AI 기능을 바탕으로 수집되는 데이터를 통해, 기존 매체 및 고객조사에서는 볼 수 없었던 고객에 대한 새로운 사실과 통찰력을 가질 수 있게 해주고 있다. 또한 AI는 데이터 수집의 기능뿐만 아니라 고객을 분석하고 예측하고 도달하는 기능 역시 스마트폰 내에서 수행하고 있다.
부정광고 방지, 향상된 타깃팅, 프로그래매틱 바잉, 광고소재 제작, 마케팅 자동화 등이 현재 모바일 광고 시장에서 AI가 사업화 되어 활용되고 있는 영역이다. 회사 별로 기술력 및 데이터 양 등의 차이로 인해 그 품질 및 성과는 다를 것이다.테스트 및 지속적인 검증을 통해 선별하고 활용해야 할 것이다.
현재 모바일 광고 시장에서 AI의 활용과 광고/마케팅의 성과에 기여하는 바는 그리 크지 않을 것이다. 하지만 5G의 상용화로 대변되는 모바일 상에서의 대규모 데이터의 생성, 처리, 전송 등이 가지는 파급력으로 볼 때, AI는 모바일 광고/마케팅 사업과 비즈니스를 진행하는데 빼놓을 수 없는 필수불가결한 핵심 경쟁력이라 하겠다.
