잠재 고객이 앞으로 우리 브랜드의 앱에서 어떻게 행동할지를 예측할 수 있다면 이들이 이탈하는 것을 방지하거나 더 많은 설치나 구매 등 전환을 일으키도록 유도할 수 있습니다. 오늘날의 머신러닝은 브랜드가 이와 같은 예측을 보다 정확하고 신속하게 수행할 수 있도록 합니다. 이러한 이유로 신생 브랜드들 뿐만 아니라 성숙기에 들어선 브랜드들 또한 데이터를 활용한 예측 모델링을 적극적으로 활용하여 추가적인 성장을 도모하고 있습니다.
Google Analytics의 최신 버전인 Google Analytics 4(GA4)의 예측 모델링을 활용해 새로운 오디언스를 발굴하고 광고 효율을 높인 야놀자의 사례를 참고하여 브랜드 성장을 돕는 데이터 활용에 대해 알아 보세요.
프로젝트 목표
국내 대표 숙박 예약 앱인 야놀자는 Google 앱 캠페인을 효과적으로 운영해오며 지속적으로 성장해왔습니다. 야놀자는 성숙기에 들어선 앱인 만큼, 지금까지 운영해온 앱 캠페인의 고도화된 알고리즘을 유지하면서도 더 높은 효율을 내며 앱의 성장 모멘텀을 지속할 수 있는 새로운 방안을 찾고자 했습니다.
특히 현업 팀의 Google Ads에 대한 이해가 높기 때문에 지금까지 효과적으로 운영해온 광고 방식에 Google Analytics 4(GA4)를 활용한 더욱 심층적인 분석을 더해 이전보다 더욱 높은 광고 효율을 낼 수 있는 방안을 모색하고자 했습니다.
전략 및 활용 솔루션
야놀자는 광고 효율을 높이기 위해 Google Analytics 최신 버전인 GA4의 향상된 머신러닝 기반 분석을 활용할 수 있는 방안을 찾아나섰습니다. Google 전략 광고주팀 및 스페셜리스트 팀과 함께 진행한 ‘GA4 Readiness Project’를 통해 다양한 신규 기능이 추가된 GA4를 활용하기 위한 계획과 준비, 그리고 실질적인 활용까지의 모든 단계를 함께 고민했습니다.
야놀자는 우선 GA4 예측 모델링을 활용하기 위해 파트너사인 Jellyfish와의 협업을 통해 데이터 정합성을 확인하고 예측 모델링의 기본이 되는 학습 데이터를 28일 이상 쌓았습니다. 그 후 야놀자는 축적한 데이터를 기반으로 GA4의 예측 모델링 기능을 활용해 전환 가능성이 높은 ‘7일 내 첫 구매 가능성이 높은 유저'를 새롭게 발굴했습니다.
이렇게 새롭게 발굴한 예측 오디언스를 앱 캠페인에 적용하면서 야놀자는 오디언스를 확장하여 더 많은 고객에게 노출시킬 수 있었을 뿐만 아니라 앱 캠페인으로 유입되는 고객의 전환 비용 또한 낮출 수 있었습니다.
프로젝트 성과
야놀자는 GA4 예측 모델링을 활용한 신규 유저 발굴을 통해 특히 안드로이드 앱을 이용하는 고객에 대한 광고 효과가 확연히 개선되는 것을 확인했습니다. 머신러닝 학습 데이터를 통해 앱을 설치하여 구매할 가능성이 높은 고객군을 발굴했고, 이들을 대상으로 광고 캠페인을 진행한 결과 기존 캠페인 대비 전환당비용(CPA)을 현저히 낮출 수 있었습니다. 이와 같이 예측 모델링을 통한 뚜렷한 효과를 확인한 야놀자는 향후 GA4를 활용해 더 많은 분석과 예측 모델링을 진행하여 캠페인에 적용할 계획을 세우고 있습니다.
시사점
- GA4 예측 모델링을 활용하면 기존 데이터에 입각해 고객의 구매가능성, 이탈, 매출 등의 가능성을 예측하고 대응할 수 있습니다.
- 예측 모델링을 통해 추가적인 잠재고객을 발굴하여 광고를 노출시킴으로써 앱 설치 단가와 인앱액션의 전환당 비용을 낮추는 등 앱 캠페인 효율을 개선할 높일 수 있습니다.
활용한 Google 솔루션
“GA4 예측 모델링을 활용해보니 대조군 대비 설치 볼륨이 많으면서 CPI가 우수했습니다. 중장기적으로 최적화를 진행해왔던 기존 캠페인들과 견주어도 비슷한 성과를 기록하고 있습니다. 추후에는 iOS로도 확장하고자 합니다.”
— 차승원 야놀자 퍼포먼스광고팀 매니저
