체리피커를 막는 AI가 있다고?

이전 콘텐츠에서는 체리피커에 대한 정의와 함께 광고 특성에 따라 체리피커를 필터링해야하는 이유, 또 이 과정에서 유저의 기대 생애 가치(pLTV)를 활용하는 방식에 대해 설명하였습니다.

>> 이전 콘텐츠가 궁금하다면? '광고 시장에서 고가치 유저를 찾는 방법' (클릭)

이어서 이번 콘텐츠에서는 측정한 pLTV 기반으로 중가치 유저와 저가치 유저를 대상으로 한 체리피커 필터링 방식에 대해 알아보려고 합니다.

중가치 유저, 고가치 유저로 키우기

중가치 유저는 pLTV(유저 생애가치)가 아직은 충분히 크지 않지만, 증가할 여지가 있는 유저 그룹입니다. 이들은 광고 노출 시 기대되는 캠페인 성과가 고가치 유저에 비해 낮은 만큼, 더 많은 서비스 경험을 유도해 서비스의 본질적인 매력을 체감시키고 고가치 유저로 진화시키는 방법을 활용합니다.

중가치 유저가 서비스 경험을 더 많이 하도록 유도할 때 '멀티 리워드'를 활용할 수 있습니다. 멀티 리워드는 단일성 참여를 유도하는 다른 리워드 광고 형태와 달리, 액션 완료 후 반복 참여나 다음 단계의 행동을 유도하는 연속적인 미션을 제공하는 광고 형태입니다. 멀티 리워드의 예시를 간략히 들면, 유저가 앱 설치를 완료해 리워드를 받은 이후, 회원가입까지 완료하도록 다시 한 번 유도해 또 다른 리워드를 지급하여 더 심층적인 퍼널까지 유저가 경험하도록 만들 수 있습니다.

중가치 유저를 대상으로 어려운 난이도의 미션을 즉시 유도한다면, 해당 액션 완료 전 단계에서 유저가 이탈할 가능성이 높습니다. 때문에 보다 깊은 단계까지 순차적으로 경험하도록 유도해야 합니다.

실제 버즈빌의 실험 결과, 단일 리워드를 제공하는 광고에 참여한 유저보다 멀티 리워드 캠페인에 참여한 유저들의 서비스 잔존율이 꾸준히 높음을 확인할 수 있었습니다. 유저들에게 더 많은 서비스 경험을 제공하기 위해 멀티 리워드를 활용하면, 유저들이 실제로 서비스의 진짜 가치를 체감할 기회가 많아지면서 고가치 유저로 진화하게 되는 것이죠.

그렇지만, 이때 이런 의문이 들 수 있습니다. 유저들이 구체적으로 어떤 경험을 할 때 리워드를 제공하는 것이 좋을까요?

다층적인 유저 퍼널 중 유저가 필수적으로 경험해야하는 단계를 찾아, 그 단계까지 멀티 리워드를 활용해 유저들을 끌어들여야 합니다. 이 단계에서 '아하모먼트' 라는 개념이 활용됩니다. 아하모먼트는 '유저들이 서비스를 꾸준히 사용할지 말지를 결정짓는, 제품의 핵심 가치를 경험하는 순간'입니다.

그리고 이 아하모먼트는 대다수의 고가치 유저가 서비스 사용 중 공통적으로 경험합니다. 아하모먼트를 경험한 유저들은 이 경험을 통해 서비스의 활용성을 체감하고 본격적으로 잔류하면서, 고가치 유저로 진화하게 됩니다. 대표적인 예시로 토스는 '4일 이내 송금 2번'하는 것을 아하모먼트라고 정의하고 있어요.

아하모먼트를 찾는 과정에서도 AI 모델이 활용됩니다. 버즈빌의 AI 모델은 유저가 경험하는 퍼널별 이벤트 발생 수 및 인앱 구매 확률을 계산하여, 구매 확률이 뚜렷하게 높아지는 퍼널을 도출해냅니다. 유저 행동 데이터를 학습한 추론형 AI 모델이 이벤트별 구매 확률을 계산함으로써 아하모먼트로 적합한 액션을 선정합니다.

이렇게 중가치 유저들에게 아하모먼트 경험을 유도할 때에도 앞서 언급한 멀티 리워드 캠페인을 활용할 수 있습니다. 순차적, 반복적으로 아하모먼트를 경험하는 중가치 유저들은 서비스의 본질적인 가치를 체감하면서 고가치 유저로 진화합니다.

저가치 유저의 참여 의욕을 낮추는, 다이나믹 리워드

그러나 멀티 리워드를 활용하더라도 가치를 크게 끌어올리기 어려운 유저 그룹도 존재합니다. 바로 저가치 유저 그룹입니다. 저가치 유저 그룹의 경우 광고 노출 시 기대 성과가 낮기 때문에, 가능한 한 광고 참여 의욕을 저하시킴으로써 필터링하는 방식을 택합니다.

저가치 유저들의 참여 의욕을 저하시키기 위한 방법으로 리워드를 적게 제공하는 '다이나믹 리워드' 기술이 활용됩니다. 다이나믹 리워드는 같은 광고가 노출되어도 유저 가치에 따라 지급하는 리워드 금액을 다르게 설정해, 가치가 낮은 유저의 참여를 제한하는 기술입니다. 다이나믹 리워드 기술은 저가치 유저에게는 적은 리워드를, 고가치 유저에게는 많은 리워드를 지급합니다.

다이나믹 리워드 기술은 리워드 금액을 차등 지급하는만큼, 저가치 유저를 필터링하는 동시에 고가치 유저에게는 광고에 참여할 이유를 제공합니다. 실제로 게임 광고에서 동일한 수의 유저 그룹을 2개 생성해 리워드 금액을 차등적으로 지급한 결과, 앱 설치는 물론 레벨 5, 10, 15를 달성한 비중이 모두 뚜렷하게 높았습니다. 이처럼 리워드를 차등적으로 지급하는 전략은 참여 유저 중 고가치 유저의 비중을 끌어올림으로써, 캠페인 전체 성과를 상승시키는 결과로 이어집니다.

이렇게 두 편의 글을 통해서, 체리피커에 대한 정의부터 버즈빌이 AI 기술을 활용해 체리피커를 필터링하는 방법까지 소개하였습니다. 유저는 어떤 브랜드의 광고냐에 따라 광고 참여 직후 이탈할 수도, 구매까지 완료할 수도 있습니다. 따라서 유저를 단순하게 체리피커로 단정지을 수 없기 때문에 각 광고에 맞춰 개별적인 체리피커 필터링 방식이 필요합니다.

현재의 리워드 광고는 AI 기술과 결합해 체리피커에 대한 우려에 대응하고 있습니다. 퍼포먼스 맥시마이저(예측형 AI 모델), 다이나믹 리워드(상호작용형 AI 모델)와 같은 기술을 통해 저가치 유저의 참여 기회를 고가치 유저들에게 제공하면서, 광고주의 캠페인 성과를 향상시키기 위한 다양한 전략을 제공합니다. 더욱 유의미한 광고 성과를 만들어 낼 앞으로의 버즈빌을 기대해주세요.

🍀 고가치 유저를 대상으로 리워드 광고를 운영하고 싶다면?

>> 버즈빌 리워드 광고 문의하기 (클릭)

🍀 더 많은 버즈빌의 AI 기술이 궁금하다면?

>> '리워드 광고가 AI를 만났을 때 생기는 변화' 콘텐츠 보러 가기 (클릭)