Predictive Cohort 기능을 소개합니다.

Amplitude를 통해서 이제 과거의 데이터를 기반으로 미래 행동을 예측하여 사용자 집단을 코호팅 할 수 있는

Predictive Cohort 기능을 소개하려 합니다.

 

최고의 마케팅 캠페인은 적시에 적절한 사용자에게 적절한 메시지를 보내는거죠.

적절한 타깃 마케팅은 고객에게 이상적인 경험을 제공하고 마케터가 기대하는 컨버전을 극대화하는 검증된 방법입니다. 고객의 입장에서는 스팸을 줄이고 전환 가능성이 높은 캠페인만 연계될 수 있고, 마케팅 팀은 광고 지출 및 이메일 전송의 효율성이 증가하는 것을 확인할 수 있을 겁니다.

 

이러한 작업을 수행하는 건 결코 쉬운 일이 아니라는 게 마케터의 가장 큰 고민입니다. 흔히 개인화로 저명한 브랜드를 생각하면 Netflix 및 Amazon을 생각하지만, 이 두 브랜드의 개인화 추천 마케팅은 매우 비쌉니다. 데이터를 사용자 수준의 예측 통찰력으로 변환하기 위한 머신러닝 시스템과 함께 고객에 대한 고품질 자사 데이터에 액세스해야 하니깐요.

 

하지만,

Amplitude의 Predictive Cohorts가 바로 이러한 개인화 마케팅을 적은 비용으로 도울 수 있습니다.

 

Predictive Cohorts를 사용하면 과거 행동이 아닌 미래 행동을 기반으로 사용자를 그룹화할 수 있습니다. Nova AutoML로 구동되는 이 기능은 머신 러닝 모델의 모든 단계를 자동화하고, activation, retention, 평생 가치 (LTV)와 같은 원하는 결과를 설정하고 몇 분 내에 Amplitude가 그 결과를 달성할 가능성이 가장 높은 사용자 집단을 추출합니다.

이는 잠재 고객을 구축하고 타기팅할 적합한 사용자를 찾는 방법에 있어 매우 큰 변화입니다.

수십 가지 다른 규칙을 기반으로 캠페인에서 최고의 사용자를 식별하는 추측은 이제 진부합니다. 대신 마케터는 이제 구매 가능성이 가장 높은 사용자를 위한 개인 맞춤 광고, 유지 가능성이 가장 낮은 사용자에게 보내는 이메일 예상 LTV가 가장 높은 사용자를 위한 인앱 제안과 같은 단일 캠페인의 목표에 따라 잠재 고객을 생성할 수 있습니다.

모든 결과를 예측합니다.

Predictive Cohort로 디지털 경험을 개인화하려면 먼저 코호트가 달성하고자 하는 결과를 예측해야 합니다. 과정을 간단하게 만들었습니다.

Amplitude Cohorts 내에서 이벤트, 사용자 속성 및 원하는 기간을 지정합니다. 다음과 같은 결과를 생성합니다.

• 다음 7 일 이내에 구매
• 향후 30 일 이내에 스타터에서 엔터프라이즈로 업그레이드
• 또는 향후 6 개월 동안 LTV $ 500에 도달

Amplitude의 Nova AutoML 시스템은 자동으로 머신 러닝 모델을 구축하여 몇 분 안에 이러한 예측 집단을 만듭니다.

머신 러닝 모델은 이전 기간에 원하는 결과를 달성한 사용자와 달성하지 못한 사용자 (예 : 지난 6 개월 동안 LTV가 $ 500 미만인 사용자)를 분석하고 수백 개의 과거 행동이 결과에 어떤 영향을 미쳤는지 평가합니다. 그 결과, 원하는 기간에 실시간으로 계산되는 모든 사용자에 대한 확률적인 개별 스코어링으로 개별 사용자의 가능성을 식별합니다.

미래의 결과를 예측할 수 있는 이러한 확장성은 의미가 매우 큽니다. 최근 행동 기반 기준 (예 : "최근 조회 한 항목")에 따라 사용자를 분류하는 대신 , 이제 미래 예측 기준 (예 : "1 개월 리텐션")으로 사용자를 식별할 수 있습니다.따라서  최근에 본 항목을 사용자가 구매하도록 장려하는 것과 같은 단기 결과를 극대화하는 대신 사용자의 장기적인 관심으로 캠페인을 최적화합니다. 이러한 방식으로 고객에게 더 개인화된 경험을 맞춤화 할 수 있습니다.

충성 고객 식별하기

모든 사용자에게 할당된 확률적 점수를 통해 Amplitude를 사용하면 원하는 결과에 대해 누가 충성고객이고 그렇지 않은 사용자인지 쉽게 식별할 수 있습니다.

Predictive Cohorts에서는 향후 원하는 결과를 수행할 가능성에 따라 순위가 매겨진 모든 사용자의 분포를 볼 수 있습니다. 상위 5 %, 중앙값 10 % 또는 하위 20 % 와 같은 동질 집단을 선택하고 해당 집단에서 사용자 수와 예상 전환율을 즉시 확인할 수 있습니다. 위의 예에서 예측 LTV로 상위 20 % 의 사용자를 선택했습니다.

이 세분화가 주는 영향은 매우 인상적입니다. 소수의 행동 신호로 사용자를 수동으로 그룹화하는 대신 수백 개의 행동 신호를 기반으로 하는 예측 가능성에 따라 순위를 매깁니다.

그러나 이 예측 가능성은 블랙박스가 아닙니다. 신뢰와 무결성은 특히 생성 된 예측 모델을 사용할 시기에 대한 윤리적 결정을 내리는데 중요 합니다. 따라서 우리는 기본 모델의 정확성에 대한 투명성을 제공하고 어떤 행동 신호가 가장 중요한지에 대한 통찰력을 제공합니다.

행동 신호는 중요도 비율 (코호트에 속하지 않은 사용자에 비해 이벤트 또는 이벤트 속성을 수행 한 선택된 코호트의 사용자 비율)에 따라 순위가 지정됩니다. 이 예에서 예상 LTV의 상위 20 %에 속하는 사용자는 지난 90 일 동안 친구를 추가할 가능성이 14.3 배 더 높았고 커뮤니티 콘텐츠에 기여할 가능성이 9.8 배 더 높았습니다.

모델에 대한 충분한 확신을 가지고 원하는 사용자 집합을 예측 코호트로 저장할 수 있습니다. 코호트에는 선택한 확률 범위의 모든 사용자가 포함되며 사용자의 행동과 확률이 변경됨에 따라 매시간 코호트 멤버십을 조정합니다.

디지털 경험 개인화

흥미로운 점은 단순히 충성고객을 식별하는데 그치지 않습니다. Amplitude를 사용하면 해당 사용자가 자격이 생기는 즉시 디지털 경험을 커스터마이징 할 수 있습니다.

Amplitude Engage를 사용하면 Predictive Cohort를 이메일, 광고 및 기능 플래그 지정 플랫폼에 직접 동기화할 수 있습니다. 즉, 사용자가 예측 코호트에 들어오거나 나가는 즉시 올바른 디지털 경험에 자동으로 동기화됩니다.

다음 주 이탈에 가장 높은 선호도를 갖는 사용자를 예측하고 유지하기 위해 더 높은 할인을 제공하여 Braze 이메일을 통해 개인화할 수 있습니다. Facebook 광고에서 향후 30 일 동안 구매할 가능성이 가장 높은 사용자는 어쨌든 구매할 예정이므로 제외할 수 있습니다. 이제 LaunchDarkly를 사용하면 한 제품에 대해 다른 제품에 대해 가장 높은 선호도를 가진 사용자에게 다른 제품 플래그를 표시할 수 있습니다.

 

 

앰플리튜드를 더욱 알고 싶다면 데모 시연 신청을 통해 알아보세요.

데모 신청하러 가기