룩알라이크 오디언스

룩알라이크 오디언스는 광고 플랫폼이 기존 시드 목록(일반적으로 과거 전환자나 업로드된 고가치 고객 목록)을 분석하고 통계적으로 유사한 특성과 행동을 공유하는 다른 사용자들을 찾아 생성하는 새로운 사용자 그룹입니다. 구매자가 나이, 관심사, 지역과 같은 타겟팅 매개변수를 직접 선택하는 대신, 이미 전환한 사람들의 목록을 플랫폼에 제공하고 알고리즘이 그들과 유사한 더 많은 사람들을 찾도록 합니다.

모델링 작동 방식, 개요#

플랫폼은 시드 목록을 더 넓은 사용자 기반과 비교 분석하여, 시드 오디언스를 일반 인구와 구별하는 브라우징 행동, 인구통계학적 신호, 기기 또는 앱 사용 패턴을 찾은 다음, 나머지 사용자 기반을 해당 패턴과의 유사성에 따라 점수화합니다. 구매자는 일반적으로 매치의 정밀도 또는 범위를 설정할 수 있으며, 이는 종종 특정 국가 내 플랫폼 전체 사용자 기반의 백분율로 표현됩니다. 더 작은 백분율은 시드와 더 가까운 매치를 의미하고, 더 큰 백분율은 정밀도를 범위와 교환합니다.

시드 목록의 출처#

시드의 품질은 거의 모든 다른 입력 요소보다 룩알라이크의 품질을 더 크게 좌우합니다. 실제 구매자나 고LTV 고객으로 구성된 시드는 전환 여부와 관계없이 모든 사이트 방문자로 구성된 시드보다 더 강력한 룩알라이크를 생성하는 경향이 있습니다. 모델은 주어진 데이터의 패턴만큼만 좋기 때문입니다. 견고한 퍼스트파티 데이터 파이프라인과 구매 가치에 깔끔하게 연결된 픽셀 기반 전환 이벤트를 구축한 구매자는 일반적으로 얇거나 노이즈가 많은 목록에서 시드를 추출하는 구매자보다 더 유용한 룩알라이크를 얻습니다.

룩알라이크 오디언스 대 리타겟팅#

둘 다 기존 데이터에 의존하기 때문에 혼동되지만, 반대되는 문제를 해결합니다. 리타겟팅은 이미 브랜드와 직접 상호작용한 사람들을 다시 참여시킵니다. 룩알라이크 타겟팅은 동일한 상호작용 데이터를 훈련 시드로 사용하지만, 그런 다음 브랜드를 한 번도 접하지 않은 완전히 새로운 사람들을 찾아, 기존 오디언스를 재포착하는 대신 도달 범위를 확장합니다. 리타겟팅만 하는 퍼널은 결국 작업할 풀이 고갈될 것입니다. 룩알라이크 타겟팅은 그 퍼널에 새로운 잠재고객을 계속 공급하는 표준 방법 중 하나입니다.

네이티브 및 콘텐츠 플랫폼의 역할#

룩알라이크 모델링은 사용자에 대한 풍부한 퍼스트파티 행동 데이터를 보유한 소셜 및 검색 플랫폼과 가장 많이 연관되지만, 동일한 논리가 네이티브 광고에서도 나타납니다. 네이티브 캠페인이 오디언스 확장을 위해 연결할 수 있는 DSP 및 DMP를 통해 구현됩니다. Taboola나 Outbrain을 통해 어필리에이트 오퍼를 실행하는 구매자가 룩알라이크 스타일 확장을 원할 경우, 일반적으로 네이티브 네트워크 자체의 오디언스 도구에 의존하기보다는 연결된 DMP 또는 DSP 레이어를 통해 해당 타겟팅을 라우팅해야 합니다. 네이티브 플랫폼은 역사적으로 퍼스트파티 룩알라이크 모델링보다 컨텍스트 및 지리적 타겟팅에 더 의존해 왔기 때문입니다.

실용적인 크기 조정 조언#

잘 정의된 고품질 시드와 더 좁은 룩알라이크 백분율로 시작한 후, 지출하기에 볼륨이 너무 적은 경우에만 점차 확장하는 것이, 넓게 시작한 후 좁히는 것보다 더 나은 성과를 내는 경향이 있습니다. 먼저 넓은 룩알라이크를 실행하면 더 좁은 시드가 처음부터 피했을 약한 패턴을 확립하는 데 예산을 소모하는 경우가 많습니다. 새로운 룩알라이크 확장에 상당한 예산을 투입하기 전에 특정 각도로 이미 확장 중인 광고주가 누구인지 확인하는 것은 유용한 상식 점검입니다.