ROI 목표 초과하기
머신러닝 (AI) 기술

모바일 광고를위한 머신러닝

Aarki는 독점 데이터를 사용하여 최적의 구매 가격으로 인앱 이벤트의 확률을 예측하는 예측 머신 러닝 모델을 구축합니다.

모델

접근 방법

우리는 모바일 마케팅에 “one size fits all”이 없다는 것을 알고 있습니다. 다양한 앱 카테고리에 대한 당사의 전문성은 특정 캠페인에 가장 적합한 전략을 찾을 수 있음을 의미합니다. 고객의 목표를 지원하는 맞춤형 모델을 만든 다음 여러 KPI (핵심 성과 지표)에서 해당 모델을 최적화합니다.

앙상블 모델

광고주당 여러 KPI로 최적화

앱과 카테고리 별 맞춤 모델을 활용하여 퍼포먼스에 가장 적합한 조합을 찾습니다.

전통적이고 역동적인 모습

데이터 과학자가 제공하는 Aarki의 접근 방식에 대해 자세히 알아 보려면 여기를 클릭하세요.

더 알아보기

머신러닝의 구성 요소

고급 기능 엔지니어링

사후 설치 동작

사용자 프로필에서 기능을 추출하여 인앱 참여와 지출을 캡처합니다. 그런 다음 한 타이틀의 특정 행동을 다른 타이틀의 구매와 연관시킵니다.

변환 지연

예상 구매 횟수와 사용자가 전환하는 데 걸리는 시간을 모델링합니다. 불완전한 설치 코호트를 사용하여 구매 퍼널의 초기 단계를 모델링합니다.

활성화된 사용자

사용자 프로필에서 사용자 관심도나 활동의 측정치를 추출하고, 최신성, 빈도와 수익화에 기준으로 정량화합니다.

잠재 고객 속성

모델 예측을 알리기 위해 사전 경과된 활동과 과거 사용자 행동을 기반으로 사용자 세그먼트를 식별합니다.

앱 임베딩

신경망 임베딩(neural network embringding)을 사용하여 앱 공간 내에서 유사성 메트릭스를 정의할 수 있으며, 이를 통해 두 앱이 서로 얼마나 유사한지 정량화 할 수 있습니다.

인사이트

앱 마케팅 캠페인을 위한 설치 후 최적화

Post-Install Optimization for App Marketing Campaigns

대부분의 앱 마케팅 캠페인은 최대한 적은 비용으로 앱 설치 수를 극대화하는 것에 집중하곤 했습니다. 이는 초기에는 좋은 전략일 수 있지만 캠페인이 완성됨에 따라 다운스트림 중심 전략으로 점점 초점을 바꿔가야 합니다. 요즘 앱 광고주는 더 많은 수익을 올릴 수 있게 해주는 고품질 사용자를 위해 설치 후 이벤트를 사용한 최적화의 중요성을 점점 인식해 가는 중입니다.

대부분의 앱 마케팅 캠페인은 최대한 적은 비용으로 앱 설치 수를 극대화하는 것에 집중하곤 했습니다. 이는 초기에는 좋은 전략일 수 있지만 캠페인이 완성됨에 따라 다운스트림 중심 전략으로 점점 초점을 바꿔가야 합니다. 요즘 앱 광고주는 더 많은 수익을 올릴 수 있게 해주는 고품질 사용자를 위해 설치 후 이벤트를 사용한 ...

비특성 데이터를 사용해 ROI 예측 개선하기

Non-attributed data to improve ROI predictions

얼마 전까지만 해도 앱 마케팅 캠페인 중 대부분은 최대한 적은 비용으로 앱 설치 수를 극대화하는 것에 집중하곤 했습니다. 하지만 최근 마케터는 ROI(투자수익률)로 바로 이어지도록 앱 캠페인을 최적화하는 것에 더 많은 관심을 보이고 있습니다.