DMCU의 매거진

고객 아이덴티티 식별 가이드

DMCU

2020.06.08 18:59
  • 600
  • 0
  • 0
  • 0

(참조 자료: What Is Identity Resolution? Definition, Process, Advantages with Examples)

 

고객 아이덴티티 식별이란?

아이덴티티 식별(Identity Resolution)은 고유한 식별자(identifiers)를 연결하여 실시간으로 통합된 단일 고객 ID를 그리는 과정입니다. 이 식별자에는 디바이스, 플랫폼, 및 채널 간에 동일한 개인을 연결하는데 도움이 되는 디바이스  ID, 브라우저 행동, 결제 및 기타 상황별 모든 데이터들이 포함됩니다. 그 결과는 각 고객에 대한 정확하고 완전하며 360도 시야로 가능한 한 가장 매력적이고 적절한 방식으로 전달될 수 있습니다.

 

아이덴티티 식별의 궁극적인 목표는 옴니 채널 환경에서 브랜드와 고객과의 인터렉션을 전체적인 관점에서 보는 것인데, 이는 데이터 복잡성을 예외적인 고객 경험을 위한 기회로 바꾸는 데 핵심입니다.

 

마케터들은 그들의 잠재고객들과 고객들이 디바이스 중심의 다채널 세계에 살고 있다는 것을 너무 잘 알고 있습니다. 마케터는 고객이 온라인이든 오프라인이든 어떤 디바이스, 플랫폼, 또는 채널을 선택하든 상관없이 일관된 브랜드 경험을 제공해야 합니다. 그것이 아이덴티티 식별의 문제를해결해 줄 것입니다.

 

이번 글에서는 고객 데이터 관리 전략에서 접근 방식을 통합하는 방법을 모색하는 동안에도 ID 식별의 개념, ID 식별이 필요한 이유와 방법, 그리고 가능한 ID 식별 유형 등을 이해하는데 관심이 있는 엔터프라이즈 마케터들을 위해 세부적인 지침을 소개하려고 합니다.

 

아이덴티티 식별이 필요한 기업과 그 이유, 시기, 문제점, 사례 등

뛰어난 마케터들은 항상 고객 여정을 이해하고 그들에게 가장 적절한 메시지를 전달하는데 초점을 맞춰왔지만 오늘 날 우리가 할 수 있는 종류의 세분화에 비해 기술이 충분히 정교하지 못했던 시대부터 오랜 진화가 이루어 졌습니다.

 

사실, 최신 아이덴티티 식별과 고객 데이터 관리 플랫폼 기술은 각각의 개별 고객이 자신의 특징, 행동 유발 요인, 여행 맵에 따라 개인화되고 고유한 브랜드 경험을 얻는 ‘하나의 세그먼트’라는 성배를 전달하는데 도움을 줄 수 있습니다.

 

 


고객을 트래킹하기 위한 방법으로 쿠키의 불충분한 증가와 디바이스, 플랫폼 및 채널 환경의 복잡성의 증가 사이에서 마케팅 효율성과 효과성, 그리고 그들의 잠재 고객에게 원활하고 마찰이 없고  최적의 고객 경험(CX)을 제공하는 데 초점을 맞추고 있는 고객 중심의 마케터는 고객보다 앞서게 될 것입니다. 고객을 효과적으로 참여시키고 유지하기 위해 보다 향상된 아이덴티티 식별을 구현할 것입니다.

 

고객 데이터 관리 성과를 높이기 위한 ID 식별 기술을 초기에 적극적으로 받아들인 비즈니스는 주로 소매업, 여행, 호텔, 그리고 e커머스 등과 같은 업종에 있습니다. 이는 이 기술이 고객이 점점 개인화된 서비스를 받길 원하는 소비자 중심 및 고객 중심의 산업일수록 유용하다는 의미입니다. 더욱 더 복잡해지는 시장 환경에서 개인화되고 상황에 맞는 고객 여정에 적합합니다. 아이덴티티 식별 기술의 주요 활용 사례는 고객 확보, 참여, 보존 및 충성도를 위한 애드테크 및 마케팅 기술 어플리케이션입니다.

 

고객을 트래킹하는 방법으로써 쿠키의 불충분성 증가와 디바이스, 플랫폼 및 채널 환경의 복잡성 증가 사이에서 효율적이고 효과적인 마케팅과 그리고 그들의 잠재 고객과 고객들에게 원할한 최적의 고객 경험(CX)을 제공하는데 초점을 맞추고 있는 마케팅 담당자는 고객과의 인터렉션과 유지를 위해 고객 아이덴티티를 식별하는 것을 매우 중요시할 것입니다.

 

고객 데이터 관리 성과를 높이기 위한 아이덴티티 식별 기술을 조기에 도입하고 있는 업종은 주로 소매업, 관광 및 호텔, e커머스 분야입니다. 이는 어떠한 고객 중심의 많은 산업들이 점점 복잡해지고 있는 환경에서 개인화되고 상황에 걸맞는 고도화된 경험을 받길 원하는 고객들에 대응하기 위해 준비하고 있다는 것을 의미합니다. 고객 아이덴티티 식별 기술을 위한 주요 활용 사례는 신규 고객 확보, 참여, 유지 및 충성도를 위한 애드테크와 마케팅 어플리케이션들이 있습니다.

 

고객 아이덴티티 식별 시스템의 핵심 요소와 구성 요소 

What Is Identity Resolution? Definition, Process, Advantages with Examples 

 

1. 데이터 온보딩(Data onboarding): 활용 가능한 모든 온라인 고객 데이터를 단일 시스템으로 가져오는 프로세스, 여기서 속도와 정확성, 보안은 데이터 온보딩 성공을 위한 가장 핵심 요소입니다.

 

2. 규모에 따른 실시간, 지속적 매칭 및 식별(Real-time and persistent matching and resolution at scale): 모든 데이터가 한 곳에 있으면 일반적으로 아이덴티티 식별 시스템 벤더나 고객 데이터 플랫폼(CDP), 중복제거 프로세스(확률적이고 결정론적) 일치, 해싱 또는 익명화, 그리고 억제 시작* 최종 도출물은 각 고객의 고유한 개별 프로필 생성으로, 지속성(고객의 디바이스, 채널, 플랫폼 또는 주소의 변경과 함께 변경)과 그리고 이 모든 것이 실시간으로 이루어집니다.

 

3. 아이덴티티 그래프(Identity Graph): 전용 아이덴티티 그래프 모델은 벤더마다 다르지만, 아이덴티티 그래프의 기본 아이디어는 디지털 아이덴티티 역할을 할 수 있는 추가적인 외부 채널, 디바이스 또는 행동 데이터를 통해 고객 프로파일에서 수집된 PII(개인적으로 식별할 수 있는 정보)를 더욱 풍부하게 하는 것이다. 여기에는 마케팅 파트너 또는 데이터 벤더의 제3자 데이터, 주택 또는 자동차 소유권 또는 투표자 데이터와 같은 공공 영역의 시 데이터, 온라인 조사, 이벤트 참석, 쿠키 및 IP 데이터, 장치 데이터, 모바일 광고 ID 등이 모두 포함됩니다. 그 결과는 캠페인 설계와 고객 경험을 알릴 수 있는 완전한 고객 아이덴티티(디지털 및 온라인) – 자체 및 외부 데이터 소스에서 모두 생성됩니다.

 

4. 통합 및 활성화(Integration & Activation): 완전하고 활용가능한 고객 프로필을 다른 마케팅 플랫폼에 제공함으로써 캠페인 진행과 보다 좋은 고객 경험을 전달하는 데 있어서 데이터를 더욱 활성화할 수 있습니다.

 

5. 컴플라이언스(Compliance): 특정 지역, 산업 또는 어느 기간 동안 ‘개인 정보’가 무엇을 의미하는지 정의하는 일반적인 규정을 준수합니다. 일반적으로 이것은 개인이나 가정과 연관되거나 연계될 수 있는 모든 것이 사생활과 데이터 보안 준수의 대상이 된다는 것을 의미합니다. 고객 아이덴티티 식별 솔루션은 브랜드 맥락에서 적용 가능한 모든 것을 충족시켜야 합니다.

 

맞춤형 고객 경험: B2B 마케터의 과제

What Is Identity Resolution? Definition, Process, Advantages with Examples 

 

개별 고객을 위한 개인화된 고객 여정을 만들려고 할 떄 마케터가 직면하는 어려움은 일반적으로 다음과 같습니다.

 

1. 고객에 대한 구체적인 정보가 없다: 고객은 단지 숫자, ID 또는 거래 데이터일 뿐이며, 선호도, 사용하는 디바이스 등에 대한 구체적인 정보는 없습니다.

 

2. 일관성 없는 온라인 및 온라인 ID: 여러 벤더가 관여함에 따른 기술의 사일로, 비영구 데이터, 데이터 손실 등으로 인해 고객 개개인의 온라인 및 온라인 ID를 연결하는 것은 복잡한 작업입니다.

 

3. 단편화된 아이덴티티: 고객은 다양한 채널과 수많은 디바이스에서 다양한 접점을 통해 참여합니다. 각 디지털 소스를 식별하고 고객 ID를 연결하는 것은 어려운 일입니다.

 

4. 캠페인은 교육되어진 예측에 기초하여 설계됩니다. 예를 들어 쿠키 – 기본 디바이스에 대해 말해줄 수 있지만 다른 모든 것은 가정일 뿐입니다.

 

5. 일률적인 캠페인: 개별적인 고객 선호도를 파악할 수 없기 때문에, 잠재 고객이나 고객의 참여를 유도하지 못하는 일반적인 캠페인을 만들어 낼 수 밖에 없습니다.

 

6. 고객 스위치 디바이스로서의 참여 상실: 고객이 디바이스를 변경하거나 플랫폼 및 터치 포인트 선호도를 진화시킬 때, 이전 장치에 구축된 모든 고객 참여가 상실되는 상황에 직면하게 됩니다.

 

Experian Marketing Services의 부사장, Christine Frohlich는 MTA에 관한 이 기사에서 “많은 브랜드 광고주들이 도전하는 것은 데이터의 엄청난 양입니다. 이름, 주소, 이메일 주소, 쿠키, 생년월일, 거래 내역, 모바일 디바이스 식별자, 목록 등 겉으로 보기에 무한한 오프라인 및 온라인 속성이 있습니다. 이러한 각각의 속성만으로도 고객을 엿볼 수 있지만, 이러한 상이한 데이터 세트를 프라이버시 준수 방식으로 연결할 수 있는 능력은 고객에 대한 360도 관점을 만들고 마케터들이 올바른 결정을 내리도록 도울 수 있습니다. 그리고 이 모든 것은 올바른 분해능과 매칭 과정으로 시작하게 됩니다.”

 

ID 식별이 개인화된 마케팅 및 고객 경험에 어떻게 도움이 되나요?

한 고객을 한 개인(만나는 장소와 무관하게)으로 취급하나요? 아니면 여러 개인으로 대하고 있나요? 그들이 브랜드와 어떤 플랫폼이나 디바이스와 인터렉션하든 그들의 경험은 매끄럽고 일관적인가요? 아니면 그들은 이미 말한 검은 드레스를 구매한 지 오래 된 후에도 여전히 그  검은 드레스를 위한 광고가 노출되고 있나요?

 

정기적으로 가게나 레스토랑을 방문할 때,  고객이 ‘기업이 내 취향이나 선호도를 알기 위해 내가 굳이 매장에 방문할 때마다 멤버십 카드를 들고 다니는 로열티 프로그램 회원이 되어야 할까?’하고 스스로 묻게 됩니다. 만약 고객이 자신이 테이블을 예약한 매장의 전화번호가 즐거운 레스토랑 경험으로까지 이어진다면 충분히 만족하지 않을까요?

 

ID 식별을 하세요. 고객에 대한 통합된 프로필은 CDP의 가장 핵심이지만, 통합된 고객 뷰를 구축하는 데 있어 중요한 집합은 다양한 디바이스, 플랫폼, 채널 및 장소에 걸쳐 다양한 고객의 아이덴티티을 일치시켜 동일한 개인으로부터 오는 다수의 인터렉션을 식별하는데 도움을 주는 것입니다.

 

아이덴티티 식별은 다른 기술과 달리 뒤늦게 고객 데이터 관리 내에서 독립적인 솔루션 범주로 성장했습니다. ID 식별을 위해 어떤 기술과 방법론을 사용하고 있는지에 따라, 마케팅 담당자는 디바이스, 플랫폼 및 온라인/오프라인 채널에 걸쳐 고객의 데이터를 확률론적 또는 결정론적 매칭을 할 수 있습니다..

 

예를 들어 스타벅스는 고객의 360 ID 스티칭을 위해 CDP 플랫폼인 Amperity를 사용하여 보다 전체적인 고객 경험을 창출합니다. 이전에 그들은 인지할 수 있는 충성 고객들과 그들이 인지할 수 없는 많은 충성 고객 둘 다 모두에 대해 복합적인 데이터를 많이 가지고 있었습니다. 스타벅스에 있어서 고객 아이덴티티 식별은 바리스타가 개별 고객 아이덴티티를 바탕으로 그들에게 제공할 수 있는 음식과 음료를 포함하여 훨씬 더 일관성 있는 마케팅 캠페인을 진행하게 하고 그들이 많은 고객 데이터를 조정하고, 개별 고객들을 식별하고, 경험을 개인화하는데 도움을 준다. 모바일 앱 이용자에게는 ‘위치 기반 알람’를 보내 위치 뿐 아니라 고객 선호도 등을 고려해 주변에 있을 때 특별 프로모션을 할 수 있도록 합니다.

 

마찬가지로, 소매업체 FinishLine은 유료 검색 캠페인 및 쇼핑 캠페인 전반에 걸쳐 LiveRamp의 ID 식별 솔루션을 사용하여 온라인 및 스토어에서 구매 고객을 포함하는 세그먼트를 식별하고 이러한 고객 행동에 따라 보다 강력한 오퍼를 제공했습니다.

 

아이덴티티 식별 프로세스

아이덴티티 관리의 최종 도출물은 개별 고객에 대한 가능한 한 완전한 뷰 구축입니다. 아이덴티티 식별은 마케팅 담당자들이 잠재 고객과 브랜드가 연결되는 온·오프라인 모든 터치포인트들의 점들을 연결할 수 있도록 돕습니다. 여기에는 모든 디지털, 전화, 가상, 모바일, 매장과 같은 물리적 접촉 채널, 그리고 미래에 나타날 수 있는 또 다른 새로운 터치포인트들이 모두 포함됩니다. 이러한 터치포인트는 일반적으로 개개인의 Terrestrial, 디바이스, 디지털 아이덴티티*의 조합입니다.

 

[****Terrestrial Identity: 집 주소, 직장 주소, 집 전화 번호 등의 데이터를 통칭함]

디바이스 아이덴티티(Device Identity): 개인과 관련된 다양한 디바이스의 IP/기타 식별 데이터를 포함합니다.

 

디지털 아이덴티티(Digital identity): 다양한 이메일 ID, 소셜 프로필, 블로그, 웹사이트 등록 등을 포함합니다.

 

만약 예를 들어, 3개의 기록이 있다면 각각의 3개의 고유한 고객 기록이 있다고 여길 수 있습니다..

 

첫 번째 기록은 이름, 성, 이메일 주소가 연결되어 있습니다.

두 번째 기록은 이름 이니셜, 성, 전화 번호가 연결되어 있습니다.

세 번째 기록에는 첫 번째와 마지막 이니셜, 그리고 이메일 아이디와 전화번호가 연결되어 있습니다.

 

아이덴티티 식별이 없다면 이 모든 3세트에 커뮤니케이션을 하면서 고객을 짜증나게 하고 마케팅 비용을 낭비하게 될 것입니다. 실제로, 이 기록들 중 어떤 두 가지 기록도 비교에 실패할 수 있지만, 아이덴티티 식별을 한다면 이것은 거의 확실히 같은 고객이라는 매우 높은 신뢰도의 매치를 줄 수 있고, 그리고 마케터는 해당 고객에게 훨씬 더 목표적이고 집중적인 캠페인을 할 수 있습니다.

 

포괄적인 아이덴티티 식별 프로세스에는 다음과 같은 몇 가지 구성 요소가 포함됩니다.

 

아이덴티티(Identify): 고객 여정을 지배하는 다양한 채널, 플랫폼 및 디바이스 식별

연결(Connect) – 고객의 구매 경로 또는 전체 생에 걸친 더 큰 구매 여정에 따라 디바이스, 플랫폼 및 채널 간의 점들을 연결한 것*

매칭(Match) – 정의된 속성 집합에 기반하여 개인 또는 가정으로의 개별 디바이스 및 디바이스/플랫폼 세트

검증(Validate) – 모든 디바이스/플랫폼에서 동일한 사람임을 검증

활성화(Activate) – 이러한 이해를 바탕으로 관련 맞춤형 애드테크 또는 마케팅 캠페인을 조정하는 데이터[* 채널에는 매장 내, 전자상거래 또는 모바일 앱 등이 포함됩니다]

플랫폼은 온라인, 오프라인, 소셜 미디어, 웹사이트 등을 포함합니다. 

디바이스에는 스마트폰, 노트북, 태블릿, 스마트 스피커, IoT, PoS 키오스크, SmartHome IoT 등이 포함됩니다.

 

아이덴티티 식별을 위한 두 가지 방법: 확률론적 및 결정론적 아이덴티티 식별

ID 식별 솔루션을 사용하면 거의 실시간으로 수백 만 개의 데이터 포인트와 기록을 조합하여 복잡한 매칭 작업을 수행할 수 있습니다. 아이덴티티 식별 시스템이 기술과 데이터 세트에 따라 모든 지상, 디지털 및 장치 데이터를 수집하면 두 가지 유형의 매칭, 즉 확률적 매칭 또는 결정론적 매칭 중 하나를 제공할 수 있습니다.

 

본질적으로 이러한 매칭의 유형은 단순히 데이터 포인트 간의 연결을 만드는 것이 아니라, 매칭이 이루어지는 정확도 수준입니다.

 

확률론적 ID 일치(Probabilistic ID Matching)

확률론적 일치를 사용하면 두 개의 ID가 동일한 고객일 가능성이 높다고 판단되는 예측 데이터를 기준으로 프로파일을 일치시킵니다. ‘식별자(identifiers)’는 사실 IP 주소, 디바이스 종류, 브라우저 또는 OS, 위치 데이터, Wi-Fi 네트워크 유형, 검색 및 기타 행동 데이터를 포함한 다양한 디지털 소스의 수백 만 개의 익명화된 또는 익명의 데이터 지점을 의미합니다. 어떤 것을 개연성 높은 일치로 정의할 것인지 그 논리나 일치 확률은 각각의 매칭 사례에서 선택된 속성의 조합에서 비롯됩니다. 확률적 일치를 위해 활용할 수 있는 수십 억 개의 데이터 포인트의 ‘창의적 데이터 뱅크’를 만든 데이터 벤더가 여럿 있습니다. 유사한 기록이 여러 개 있으며 모두 다른 디바이스를 사용하지만 일부 연결 식별자를 찾을 수 있는 경우, 이 사람이 동일하다고 결론을 내릴 수 있습니다. 확률적 매칭은 디지털 광고 세분화 및 타겟팅 목적으로 ‘유사(look-alike) 타깃’을 모델링하는데 특히 매우 유용합니다.

 

결정론적 ID 일치(Deterministic ID Matching)

결정론적 일치를 통해 해시 이메일, 전화 번호 또는 로그인한 사용자 이름과 같은 식별자 간의 동일성을 분석하여 고객 기록들을 일치시킵니다. 높은 신뢰도의 이 접근법은 제 1자 데이터를 쉽게 이용할 수 있을 때 가장 잘 작동됩니다. 이 ‘제1자’ 데이터는 일반적으로 이메일 주소, 집 또는 직장 주소, 전화 또는 신용카드 번호, 로그인 및 로그인 등 개인 식별 가능 정보(PII)를 포함합니다. 보통 그 개인이 누구인지에 대해서는 의심의 여지가 없습니다. 예를 들어, 만약 누군가가 자신의 데스크톱으로 기업의 웹사이트에 로그인한 다음 며칠 후에 스마트폰으로 모바일 앱에 로그인한다면, 마케터는 이것이 확실히 다른 디바이스에서 접속된 동일인이라는 높은 확신을 가지고 결론을 내릴 수 있습니다.

 

What Is Identity Resolution? Definition, Process, Advantages with Examples

엔터프라이즈 마케터를 위한 ID 식별의 주요 이점과 결과

 

어떠한 규모든 적용이 가능한 지능적 아이덴티티 식별은 엔터프라이즈 레벨에서 놀라운 마케팅 혁신을 이끌 수 있습니다.

 

1. 마케팅 효율성 증대

1.1. 고객 확보 및 유지 비용 절감: 다양한 터치 포인트와 디바이스에 걸친 커뮤니케이션을 효율화하여 겹치거나, 중복 또는 과함으로 인한 메시지 낭비를 감소, 그리고 교차 및 업셀링 작업으로 인한 수익 향상 등 그것은 단지 누구를 목표로 하는 것이 아닙니다. 그것은 또한 당신이 더 이상 누구를 목표로 하지 않는지에 관한 것입니다. 이미 제품을 구매했거나 찾는 것을 중단한 사람들에게 낭비되는 모든 마케팅 비용을 생각해 보십시오.

 

1.2. 향상된 캠페인 효과: 통합 데이터에 기반하여 마케팅 전반에서 활성화된 캠페인(마케팅 자동화 플랫폼, DSP 또는 DMP)은 모두 적합한 채널에서 적시에 올바른 메시지를 전달하여 전환율과 캠페인 ROI를 향상시킵니다.

 

1.3. 기여, 추적 및 의사 결정 개선: 무엇이 작동하고, 작동하고, 어떤 디바이스에서 작동하는지(그리고 작동하지 않음) 알고 있으면 데이터 중심의 의사 결정으로 이어지고, 이후 캠페인 결과를 개선하는 데 도움이 됩니다.

 

1.4. 기능(금융, 영업, 고객 서비스, 마케팅) 간의 통합 및 협업을 개선하여 구매 여정을 넘어 단일 고객에게 원활하게 서비스를 제공할 수 있도록 합니다.

 

2. 마케팅 효과 증대

2.1. 비즈니스 성장

매크로(Macro, segment) 수준에서, 아이덴티티 식별은 마케터들이 ‘유사(look-alike)’ 타깃 오디언스를 더 잘 정의하고 심지어 규모에 따라 더 많은 타깃되어진 캠페인을 제공하기 위해 새로운 오디언스를 발견하도록 도와줌으로써 세그먼트화 및 타겟팅 개선을 가능하게 합니다.

 

마이크로(Micro, individual) 수준에서, 마케터들은 새로운 교차 판매, 상향 판매 및 재활성화 기회를 식별할 수 있으며, 분리된 데이터보다 구매자의 여정에 걸쳐 이러한 기회를 더 잘 수익화할 수 있습니다.

 

2.2. 전환, 유지 및 로열티 유도: 적절한 디바이스 또는 채널에서 적절한 시기에 고도로 개인화된 제안이 비즈니스 성과 개선으로 이어집니다.

 

2.3. 모든 터치 포인트와 디바이스에 걸친 성과 및 기여도 트래킹을 통해 개별 수준과 익명화된 옴니 채널 관점 모두에서 완전히 투명한 측정도를 보여줍니다.

 

2.4. 변화하는 시장 역학관계에 적응하고 유연하게 대처할 수 있는 능력: 개별 고객이 진화하고 선호도를 변화시킵니다. 강력한 아이덴티티 식별 능력을 통해, 마케터들은 이러한 변화와 함께 쉽게 진화할 수 있고 계속해서 관련성을 유지할 수 있습니다.

 

2.5. 컴플라이언스: 고객의 지속적인 선호에 대한 관점은 브랜드가 모든 규제 및 윤리적 프라이버시 요구사항을 준수하도록 보장할 것입니다.

 

2.6. 마케팅 성과 제시: 지금까지 ID를 포함한 고객 데이터 관리는 가능한 최저 비용과 최고 효율로 고객을 전환하고 유지하는 마케팅의 역할을 가장 강력하고 설득력 있는 방법입니다.

 

 

확률론적 대 결정론적 아이덴티티 식별: 누가 어떤 것이 필요한가?

일반적으로 결정론적 식별은 확률적 식별보다 더 정확한 편입니다. 그러나 그것이 하나가 다른 것보다 낫다는 것을 의미하는 것은 아닙니다. 그것은 마케터 사용 사례로 귀결됩니다. 이러한 방식으로 접근하면 두 가지 종류의 매칭이 사용 사례에 더 적합할 수 있습니다.

 

마케터들이 제1자 데이터로 작업하는 경향이 있고 규모보다는 정확성(매칭에 대한 높은 신뢰성)에 더 관심이 있을 때 결정론적 매칭 방법론이 더 적합할 것입니다. 일반적으로 개인화된 마케팅 애플리케이션(예: 알려진 고객에게 보험 정책을 상향 판매하거나, 웹사이트에서 반품하는 사용자에게 특정 유형의 콘텐츠를 보여주거나, 충성 고객에게 개인 맞춤 제공)은 결정론적 매칭 방법을 사용합니다.

 

목표 도달과 규모 확장이라면 확률적 매칭이 더 나을 것이다. 이 경우 정확도는 가장 좋은 목표 구간(응답하거나 변환할 가능성이 가장 높은 사람)에 도달하는 것만큼 중요하지 않을 수 있습니다. 일반적으로 프로그램 애드테크 플랫폼은 이러한 종류의 매칭을 사용하여 광고 비용에 대한 ROI를 극대화하기 위해 가장 적합한 잠재 고객 세그먼트를 찾을 수 있습니다.

 

물론 기업 마케터들은 한 그룹이나 다른 그룹과의 의사소통에서 살아남기 힘듭니다. 최상의 시나리오는 두 가지 기능의 조합을 보장하는 것입니다. 결정론적 일치를 기반으로 알려진 고객에게 개인화를 제공할 수 있는 솔루션. 정의된 속성 집합에 대한 확률론적 일치를 기반으로 미지의 고객에게 가장 적절한 제안을 제공할 수 있는 솔루션. 실제로 결정론적 매칭을 바탕으로 한 구매자 행동에 대한 인사이트를 적용해 대형 데이터 세트의 확률론적 매칭을 통해 더 많은 ‘유사(look-alike) 타깃’ 집단을 발굴할 수 있으며, 이에 따라 가장 잘 알려진 유사(look-alike) 잠재 고객 세트로 캠페인을 확대할 수 있습니다.

  • #고객 데이터 플랫폼
  • #고객분석
  • #고객 아이덴티티
  • #고객데이터
  • #DMCU

추천 콘텐츠

더보기