데이터 과학자가 소셜 미디어 광고를 개선하는 방법

게시 됨: 2018-07-02

데이터 과학이 폭발적으로 증가하고 있습니다. 끊임없이 변화하는 문화와 빠르게 움직이는 손가락으로 무엇이든 배울 수 있는 능력을 고려할 때 이는 자연스러운 일입니다.

예를 들어, 내년쯤이면 인터넷 사용자가 50억 명에 이를 것이라고 생각해 보십시오. 한편, 사람들은 인터넷의 10억 개 이상의 웹사이트에 액세스하기 위해 연간 약 1조 2천억 건의 Google 검색을 수행할 것입니다.

각 Google 검색(및 기타 인터넷 활동)을 통해 사용자의 관심사, 행동 및 인구 통계에 대한 정보로 가득 찬 데이터 발자국이 생성됩니다. 이는 세상이 데이터로 헤엄치고 있음을 의미합니다. 따라서 Strike Social을 포함한 많은 마테크 회사는 어떤 정보가 유용하고 어떤 정보를 버려야 하는지를 분류하기 위해 데이터 과학자의 지력에 의존해야 합니다.


데이터 과학으로 불가능에 대한 재고

데이터 과학자는 종종 대답하기 불가능해 보이는 큰 질문을 던집니다. 그들의 호기심은 또한 기술의 최전선에서 새로운 모델을 개발할 수 있게 합니다. 매개변수를 재구성하거나 다양한 데이터 세트를 결합하는 것과 같은 구조화된 실험을 통해 이를 달성합니다.

따라서 많은 데이터 과학자가 생물학이나 물리학과 같은 분야에서 고급 학위를 취득한 학문적 배경을 가지고 있다는 것은 놀라운 일이 아닙니다.

파업 소셜 데이터 과학자Strike의 데이터 과학자 Bing Bu, Dmitry Bandurin, Jungku Lim은 시카고 본사에서 근무하고 있습니다.

후자는 정확히 Strike Social의 데이터 과학자 트리오 인 Dmitry Bandurin, Bing Bu 및 Jungku Lim의 경우입니다. 상호 작용). Strike에 합류하기 전에 Bandurin, Bu 및 Lim은 우주를 이해하기 위해 큰 가속기 내부의 기본 입자를 부수는 데 중점을 둔 연구 과학자였습니다.

이제 그들은 유료 소셜의 세계를 장악하고 있습니다.

Strike의 선임 데이터 과학자인 Bandurin은 자신의 연구 배경이 빅 데이터로 가능한 것을 재고할 수 있는 능력이라고 생각합니다. 그리고 그는 새로운 결과를 산출하기 위해 실제 실험 데이터로 작업하는 데 익숙합니다.

"그것은 결코 동일하지 않으며 항상 변화하고 있습니다. "라고 그는 말합니다.

Bandurin, Bu 및 Lim은 모두 데이터 과학자가 유료 소셜에 AI의 힘을 성공적으로 활용하려면 프로그래밍 기술뿐만 아니라 강력한 수학적 및 분석 기술이 필요하다는 데 동의합니다.

그렇다면 이들의 평균 하루는 정확히 어떤 모습일까요? Bandurin은 회의에 전체 시간의 약 25~30%를 사용하고 나머지 10%는 개발자와 작업하거나 데이터 과학 팀과 새로운 결과를 논의하는 데 사용한다고 추정합니다. 나머지 시간에는 이 데이터 과학자들이 모델을 테스트하고 개발한 다음 프로토타입 코드로 구현하는 데 집중합니다.

Bu는 또한 매일의 작업을 요약하고 장기 프로젝트가 올 경우를 대비하여 다음 날, 한 주 또는 한 달 동안 일정을 계획하는 것을 좋아한다고 말합니다.


데이터 과학자가 유료 소셜을 개선할 수 있는 방법

복잡한 모델링을 통해 생성된 클러스터는 데이터 과학자가 관리형 광고 캠페인에서 결과를 테스트하는 데 도움이 됩니다. Strike의 데이터 과학자와 미디어 팀은 데이터 조합의 개별 테스트를 가능하게 하는 마이크로 캠페인을 개발하기 위해 협력합니다. 조합이 핵심 성과 지표를 수행하거나 충족하면 광고 지출이 실적이 저조한 광고 세트에서 더 많은 광고 세트로 재할당됩니다.

그런 다음 캠페인 결과는 데이터 믹스로 피드백되며 여기에서 Strike의 과학자들은 성능 개선을 위해 계속해서 통계 모델을 개선합니다.

지속적인 조회, 모델링 및 테스트 프로세스는 데이터 분석의 세계에서 결코 멈추지 않습니다. 데이터는 끊임없이 변화하기 때문에 멈출 수도 없습니다. 사람은 자라면서 흥미를 얻고 오래된 습관을 버립니다. 개선된 커뮤니케이션 방법에서 알 수 있듯이 문화도 진화합니다.

기술을 통해 수년에 걸쳐 완성된 기술은 이제 AI로 사용할 수 있는 가속화된 학습 속도와 같이 몇 달 만에 가려집니다.

Bu는 "스마트폰, 스마트 TV 및 기타 고급 전자 제품의 사용이 기하급수적으로 증가함에 따라 개인화된 정보를 수집할 수 있으며 이를 통해 개인화된 광고를 전용으로 전달할 수 있습니다."라고 말했습니다. "앞으로 네트워크는 더 저렴해지고 사용 범위는 더 넓어질 것이므로 비디오 광고 대상이 빠르게 증가할 것입니다."

Strike의 데이터 과학자들의 호기심 많은 마음과 데이터 실험에 대한 그들의 두려움 없는 헌신이 없었다면 AI의 기술 발전은 불가능했을 것입니다.

그들의 작업이 소셜 미디어 광고를 어떻게 변화시키고 있는지 다음과 같습니다.

파업 소셜 데이터 과학자 2 Strike의 데이터 과학자 임정구, Dmitry Bandurin, Bing Bu는 모두 실험 물리학 또는 기초 물리학 박사 학위를 소지하고 있습니다.

더 나은 청중 관리를 위한 데이터 과학

매초 엄청난 양의 데이터가 생성되는 상황에서 마케터는 내재된 편견, 불완전한 데이터 세트 또는 너무 적은 샘플로 인한 잘못된 결과를 통제해야 합니다.

데이터 과학자는 잠재고객이 인구 통계에만 기반한 것이 아니라 다양한 행동, 고충 및 관심사를 가진 사람들로 구성되어 있음을 이해합니다.

품질 데이터 분석은 쿠키, 웹 분석, 사용자 생성 콘텐츠 및 기타 빅 데이터 소스의 행동 단서를 통합합니다. 상세하고 유용한 대상을 구축하기 위해 데이터 과학자는 대규모 데이터 세트를 융합하여 빅 데이터가 고객 행동에 대한 실질적인 통찰력을 제공하는 세그먼트를 형성할 수 있도록 합니다.

양질의 청중은 광고 캠페인 테스트를 통해 확인되며 데이터의 최신성, 빈도 및 깊이에 따라 달라집니다.

청중 생성은 알려진 변수와 목표를 기반으로 한 가설로 시작된다는 점을 기억하십시오. 예를 들어, 보험 회사의 초기 가정은 다음과 같을 수 있습니다. 온라인 자동차 보험을 찾고 있는 18세에서 50세 사이의 개인으로 최소 한 대의 자동차를 소유하고 있습니다. 잘 구성된 가설은 행동 및 동기 부여 통찰력을 발견하기에 충분한 결과를 산출하면서 분석 범위를 충분히 좁힙니다.

적절한 속성 모델링을 위한 데이터 과학

적절한 마케팅 속성 또는 어떤 메시지가 구매를 유도했는지 결정하는 과학은 전환자와 비전환자 모두의 데이터에 의존합니다. 이 데이터는 매우 클 수 있으므로 사용자 전환으로 이어진 이벤트를 올바르게 식별하고 평가하려면 고급 모델링이 필요합니다.

AI와 같은 향상된 기술 덕분에 브랜드는 이제 소비자의 구매 경로를 더 잘 이해합니다. 충분한 데이터를 통해 과학자는 마케팅 채널과 장치를 살펴보고 접점을 개선하고 메시지를 강화할 수 있습니다.

더 나은 실시간 입찰을 위한 데이터 과학

오디언스 세분화의 발전과 전환 이벤트에 대한 더 깊은 이해로 인해 광고를 사고 파는 방법인 RTB가 실행되었습니다. RTB를 사용하면 사용자의 웹사이트 방문과 동시에 개별 광고 노출을 구매할 수 있습니다.

웹 사이트에서 제품을 본 후 소셜 미디어 피드를 확인하기 위해 전환했는데 동일한 제품에 대한 광고만 본 적이 있다면 타깃 광고를 통해 RTB를 경험했을 것입니다.

또는 처음으로 집을 샀고 플라스틱 접시를 먹는 데 지쳤다고 가정해 보겠습니다. 당신은 새로운 플랫웨어를 찾기 위해 메이시스 온라인을 방문하기로 결정합니다. 아직 구매할 준비가 되지 않은 상태에서 Facebook을 방문하여 가족과 친구들에게 무슨 일이 일어나고 있는지 확인하기로 결정했습니다. 피드를 스크롤하는 동안 방금 본 디너 접시의 정확한 이미지가 포함된 광고를 발견했습니다.

RTB는 구매 프로세스를 확장하고 개별 사용자를 직접 타겟팅할 수 있습니다. 프로세스에 참여하기 위해 데이터 과학자는 방대한 양의 데이터에 액세스할 수 있어야 하며 실행 가능한 통찰력을 위해 유용한 정보를 분류하고 검색할 수 있는 올바른 전문 지식을 보유해야 합니다.


데이터 과학이 향하는 곳

때때로 데이터 과학 분야는 Bandurin, Bu 및 Lim이 수년 동안 탐험한 우주만큼 빠르게 확장되는 것처럼 보입니다.

Bandurin은 "데이터 과학은 다양한 비즈니스가 문제를 해결하는 데 계속 도움을 주어 일을 더 자동화할 것입니다."라고 말합니다. "자율주행 자동차의 개발이 한 예이지만 항공기, 체스 게임, 장애인 지원, 인간 생활의 모든 영역에서 진정한 안드로이드를 포함한 다른 차량의 자동화도 있습니다."

그 결과는 우리가 알고 있는 완전히 새로운 세상이 될 것입니다.