트립닷컴 X MOP API CENTER

8개의 계정, 약 80만개에 이르는 방대한 키워드 수.

트립닷컴은 효율적으로 검색광고를 운영하기 위해 23년 말 MOP를 도입한 후, CVR(전환율) 약 24.8% 상승, CPA(전환당 단가) 약 32% 개선이라는 놀라운 성과를 만들어 냈습니다.

트립닷컴은 여기서 한걸음 더 나아가 추가 성과 개선을 희망하였고, MOP API CENTER 의 API-IN 서비스 도입으로 내부전환 데이터를 연동하여 추가적인 성과 개선을 이루어냈습니다. MOP API CENTER의 성공적인 도입 사례를 확인해보세요! 😉

MOP API CENTER 도입 목적: 앱설치, 앱 내 유저의 행동을 반영!

트립닷컴은 네이버 매체 전환 데이터 연동 후 MOP의 입찰최적화 알고리즘 활용으로 이미 광고 실적을 크게 개선하였으나, 내부에서 지표로 삼는 주요 KPI를 추가로 개선하기를 희망하였습니다. MOP API CENTER의 API-IN 서비스를 도입하여 그동안 MOP에 연동하기 어려웠던 신규 전환 타입의 ‘앱 설치’와, ‘최종 구매 완료’를 유닛 전환값으로 설정하였고, 알고리즘이 보다 정교하게 동작하여 주요 KPI의 목표치를 상회하여 달성할 수 있었습니다.

Ⅰ. 앱 설치 (Install)

D2C 강화를 위한 앱 활성화 목표에 따라, 검색광고에서도 앱 설치(Install)가 주요 KPI로 설정되었습니다. 그러나 네이버 프리미엄로그 분석으로는 앱 설치수 측정에 한계가 존재하였고, 내부 전환 데이터를 MOP의 API-IN 서비스로 연동하여 입찰최적화를 진행하였습니다.

📢 적용 후 앱 설치수 3.7배 상승, CPI 69.9% 개선

Ⅱ. 최종 구매 완료 (Purchase)

유저의 행동(주문 변경, 취소 등) 및 매체 트래킹 방식으로 인한 오차로 인해 내부 데이터와 매체 데이터 간 데이터수에 차이가 존재하였습니다. 이에 실제 유저의 행동을 반영한, 비즈니스에서 바라보는 내부 실제 전환수를 MOP의 API-IN 서비스로 연동하였습니다.

📢 API-CENTER 적용 후 구매 완료수 1.9배 상승, CPA 37.9% 개선

실적 증가 사유 :전환 패턴의 차이

MOP는 각 ‘유닛*’ 단위로 시간/요일 패턴을 학습하여 머신 러닝 모델을 생성하고, 마케터가 입력한 예산과 최적화 목표에 맞춰 매일 키워드 운영 계획을 수립합니다. 따라서 유닛을 생성할 때 맵핑하는 전환툴과 전환값이 최적화 결과에 중요한 영향을 미칩니다.

트립닷컴의 경우, 아래 이미지에서 확인할 수 있는 것처럼 기존에 연동했던 매체의 전환과 내부 전환 데이터 간 요일별 / 시간대별 패턴이 매우 상이했습니다. API-IN 서비스를 활용한 내부 데이터 연동 후 머신 러닝 모델이 내부 전환 데이터에 맞춰 업그레이드 되면서 (1) 각 캠페인 별 요일/시간대별 예산이 재분배되었고 (2) 각 키워드의 운영 순위가 변경되면서 광고 효율이 크게 개선될 수 있었습니다.

🤷‍♀️‘유닛’이 궁금하다면? Click

데이터가 이끄는 성공적인 비즈니스

내부 전환 데이터를 기반으로 광고를 운영하면, 단순히 광고 지표를 확인하는 것을 넘어, 실제 비즈니스 목표 달성에 초점을 맞춘 데이터 기반의 의사 결정을 가능하게 합니다.

MOP API-CENTER의 API-IN 서비스를 도입하여 기존 매체 또는 분석툴 전환의 한계를 극복하고, 더욱 정교한 광고 운영으로 광고 효율을 한 단계 더 업그레이드 해보세요.

ⓒ MOP 블로그의 모든 콘텐츠 저작권은 LG CNS MOP에 있습니다. 인용 시에는 반드시 출처를 표기해야 하며 복사·무단 전재·재배포는 금지되어 있습니다.