서로 다른 두 종류의 소비자 데이터를 결합한 관심사 기반 광고 타겟팅 구축
이용자 데이터를 기반으로 광고 타겟팅을 제공하는 광고 플랫폼 기업이, 형식이 서로 다른 두 원천의 소비자 데이터를 표준화해 결합하고 관심사 기반 세그먼트를 추출하는 자동화 대시보드를 구축한 사례.
핵심 요약
- 서로 다른 원천의 로우 데이터를 결합하려면, 결합 이전에 필드 정의와 단위를 표준화하는 정제 단계가 전체 프로젝트에서 가장 큰 비중을 차지한다.
- 원시 이벤트를 그대로 쓰기보다, 규칙 기반 텍소노미로 관심사·카테고리를 부여하면 타겟팅에 바로 활용 가능한 세그먼트로 전환된다.
- 위치·시간처럼 외부 API로 보강 가능한 속성은 자동 연동해두면 데이터 정합성과 활용도를 동시에 높일 수 있다.
- 세그먼트 모수를 실시간 대시보드로 노출하면, 광고 예산 산정처럼 반복적인 의사결정을 자동화된 근거 위에서 내릴 수 있다.
무엇이 문제였나
이용자 데이터를 기반으로 광고 타겟팅을 제공하는 한 광고 플랫폼 기업이, 형식과 정의가 서로 다른 두 원천의 소비자 데이터를 결합해 이용자의 행동·소비 패턴 기반 타겟팅을 고도화하고자 했다. 두 데이터는 필드 정의와 단위가 서로 달라 그대로는 결합이 불가능했다.
과제
분리된 두 원천 데이터를 표준화해 하나의 데이터 마트로 만들고, 관심사 기반 세그먼트를 추출하며, 마케팅 담당자가 예상 광고비와 모수를 실시간으로 확인할 수 있는 환경까지 갖춰야 했다.
접근
- 두 원천 데이터의 정보 항목을 통일하고 필요한 필드만 추출해 데이터 마트 구축
- 위치 정보가 필요한 원천 데이터에 위경도 API를 연동해 자동으로 결합
- 업종 코드를 한글로 변환해 업종별 사용자 식별이 가능하도록 표준화
- 소비 이벤트를 규칙 기반으로 분류하는 데이터 텍소노미 설계 (예: 특정 금액 이상의 패션 관련 소비 이벤트를 '패션' 관심사로 분류)
구축 내용
- 이종 데이터 전처리 및 정제 파이프라인, 1주 단위 자동 갱신 데이터 마트
- 관심사 기반 세그먼트 추출 텍소노미 체계
- 성별·연령·업종·지역 필터를 갖춘 세그먼트 모수 확인 자동화 대시보드
- 확인된 모수를 광고 캠페인 예산 산출에 연동할 수 있는 기반 마련
이 사례에서 배울 수 있는 것
- 서로 다른 원천의 로우 데이터를 결합하려면, 결합 이전에 필드 정의와 단위를 표준화하는 정제 단계가 전체 프로젝트에서 가장 큰 비중을 차지한다.
- 원시 이벤트를 그대로 쓰기보다, 규칙 기반 텍소노미로 관심사·카테고리를 부여하면 타겟팅에 바로 활용 가능한 세그먼트로 전환된다.
- 위치·시간처럼 외부 API로 보강 가능한 속성은 자동 연동해두면 데이터 정합성과 활용도를 동시에 높일 수 있다.
- 세그먼트 모수를 실시간 대시보드로 노출하면, 광고 예산 산정처럼 반복적인 의사결정을 자동화된 근거 위에서 내릴 수 있다.
자주 묻는 질문
왜 두 데이터를 그냥 합칠 수 없었나요?
두 원천 데이터는 필드 정의와 단위가 서로 달라서 그대로는 결합이 불가능했습니다. 그래서 정보 항목을 통일하고 필요한 필드만 추출해 표준화하는 작업이 선행됐습니다.
관심사 세그먼트는 어떻게 만들어지나요?
소비 이벤트를 규칙 기반으로 분류하는 데이터 텍소노미를 설계해서, 예를 들어 특정 금액 이상의 패션 관련 소비 이벤트를 '패션' 관심사로 분류하는 방식입니다.
데이터 마트는 얼마나 자주 갱신되나요?
1주 단위로 자동 갱신되는 데이터 마트로 구축되었습니다.
마케팅 담당자는 이 결과를 어떻게 활용할 수 있나요?
성별·연령·업종·지역 필터를 갖춘 세그먼트 모수 확인 자동화 대시보드를 통해 확인된 모수를 광고 캠페인 예산 산출에 연동할 수 있습니다.
이 프로젝트에서 가장 비중이 컸던 작업은 무엇인가요?
서로 다른 원천의 로우 데이터를 결합하기 전에 필드 정의와 단위를 표준화하는 정제 단계가 전체 프로젝트에서 가장 큰 비중을 차지했습니다.