Industy : 콘텐츠/미디어
콘텐츠 개인화/추천
콘텐츠 및 뉴스 미디어는 웹/앱의 페이지뷰 또는 정독률, 체류시간등에 의한 간접적 광고매출 성과와 직접적인 유료 콘텐츠 및 뉴스/미디어의 유료 구독회원의 증대가 주요 목표입니다.
이 성과 기준 달성을 위해서 전자의 경우에는 잠재고객/고객의 반송률을 낮추고 연관 콘텐츠의 추천과 개인화가, 후자의 경우에는 소비율이 높은 콘텐츠와 관심사를 기준으로 지속적인 인게이지먼트를 관리하는 것이 중요합니다.
Challenges
고객의 개별적인 취향과 선호도를 반영하지 못하는 콘텐츠를 제공하고 있나요?
Pain Point 1
사용자 유입 및 참여 유도 어려움
인터넷에는 수많은 콘텐츠 및 뉴스 미디어가 존재하며, 사용자의 관심을 끌기 위한 경쟁이 매우 치열합니다.
Pain Point 2
콘텐츠 제작 및 관리 어려움
사용자의 요구를 충족시키는 고품질 콘텐츠를 지속적으로 제작하는 데에는 많은 시간, 노력, 비용이 필요합니다.
Pain Point 3
사용자 분석 및 개인화 어려움
사용자별 맞춤형 콘텐츠를 제작하고 제공하는 데에는 기술적, 인적, 예산적 어려움이 있습니다.
Solutions
Growth Platform™은 기업의 문제를 해결하고
목표를 달성할 수 있도록 지원합니다.
Business Solution 1
콘텐츠 개인화/추천
콘텐츠 내용의 자연어 처리(NLP)를 통해 최근 관심사 그룹내, 전체 콘텐츠 그룹내 상호 연관 콘텐츠를 연결하고, 타겟 세그먼트의 행동과 검색어, 유사 잠재고객군의 관심 콘텐츠 조회 이력등을 결합하여 다양한 콘텐츠의 개인화/추천을 수행합니다.
각 수행결과는 세션내 조회 콘텐츠 수, 콘텐츠의 스크롤/정독률의 지표에 의해서 스코어링한 후 정기적으로 개인화/추천을 튜닝하여 고객의 경험을 개선합니다.
Business Solution 2
지속적인 인게이지먼트 관리
이메일 구독 또는 기타 유료콘텐츠 구매 고객에 대해서는, 커머스 산업군의 일반적인 데이터드리븐 마케팅 및 캠페인을 전체적으로 적용하여 수행합니다.
예시로 특정 고객의 뉴스레터 구매시각대, 마케팅 피로도 기준의 적정치 이하, 가장 반응이 좋은 채널(메일/푸시/카카오등)을 선별하여 지속적으로 그 속성을 고객별 업데이트하여 최적화 합니다.
Performance
콘텐츠 개인화/추천과 지속적인 인게이지먼트 관리를 통해 고객 만족도를 높이고,
비즈니스 성과를 향상시키며,
데이터 기반 의사 결정을 통해 효율적인 서비스 운영을 가능하게 합니다.
고객 만족도 향상
개인의 관심사와 선호도에 맞는 콘텐츠를 제공하여 사용자 참여도와 만족도 향상
관련 없는 콘텐츠 노출을 줄여 사용자의 정보 탐색 시간을 단축하고 불필요한 스트레스 감소
비즈니스 성과 향상
콘텐츠 참여도가 높아짐에 따라 사이트의 트래픽, 체류시간, 완독률 향상
충성고객 확보를 통한 유료화 비즈니스 기회 획득
브랜드 가치 제고
고객과의 긍정적인 관계를 통해 긍정적인 브랜드 이미지 구축
차별화된 고객 서비스 제공을 통한 경쟁 우위를 확보
관련 솔루션과 서비스
Growth Platform™은 비즈니스 과제 해결을 위한
최고의 Growth Platform™ 솔루션과 범용 솔루션을 통합하여 제공합니다.
인트렌치 컨설팅
사용자 행동 데이터 수집과 활용 환경 구축
Behavioral Event Data를 수집 및 빅데이터화
방문자 행동 트래킹툴을 활용하여 온라인 고객 행동 이벤트를 수집하고 제품주도성장 및 AI등에 활용할 수 있는 환경을 구축하고 관리합니다.
인트렌치 컨설팅
고객경험 최적화 그로스해킹
고객 여정(customer journey) 최적화
뛰어난 사용자 경험을 통해 브랜드 친밀도를 구축하고, 추천 고객 점수를 높이며(NPS), 고객의 평균 주문 금액과 만족도를 높일 수 있습니다.
관련 사례 및 연구
비즈스프링이 직접 경험하고 연구한 다양한 고객들의 사례를 확인해보세요.
활용 방법/사례
AI 추천 시스템을 통한 목표 전환수 개선 사례 #미디어/언론사
인공지능을 활용한 콘텐츠 추천 시스템으로 목표 전환수를 향상시킨 한 미디어/언론사의 사례를 소개합니다.
테크
개인화 추천 방식
사용자 기반 추천 알고리즘은 ‘나와 취향이 비슷한 사용자들이 조회 / 구매한 상품 중 아직 내가 조회 / 구매하지 않은 상품을 추천’ 합니다. 사용자 기반 추천 알고리즘을 사용하면 사용자 별로 추천 점수가 정해지고 추천 점수가 높은 순으로 상품을 추천하게 됩니다.
활용 방법/사례
넷플릭스 추천엔진 이해하기
넷플릭스는 개인의 취향을 어떻게 알고 추천해주는 것일까요? 바로, 데이터마이닝 알고리즘 중 크게 ‘협업 필터링(Collaborative filtering)’ 기법을 사용합니다. ‘협업 필터링’ 기법은 ‘사용자 기반 필터링(User-based filtering)’ 과 ‘아이템 기반 필터링(Item-based filtering)’으로 나뉩니다.
테크
Engine Of Growth 그리고 AARRR
점점 산업은 다양해지고 분석해야 하는 범위는 넓어지면서 ARM으로는 다양한 산업에 대해 분석하기 힘들어집니다. 서비스 사업이 지속 가능하기 위해서는 또 다른 데이터 분석 프레임워크가 필요합니다.
관련 자료
실제 사례로부터의 샘플과 활용을 위한 자료를 확인해 보세요.