11번가

최적화 아이템 설정 TIP: 목표 설정부터 캠페인 클러스터링까지

대한민국 대표 이커머스 플랫폼, 11번가

국내 대표 이커머스 플랫폼 11번가는 성공적인 데이마케팅 중 하나인 ‘월간십일절’을 진행하며 소비자들 사이에서 하나의 문화로 자리 잡았습니다. 또한 식품·패션·뷰티 등 전략 카테고리의 판매를 확대하고, 다양한 참여형 콘텐츠를 통해 고객의 유입을 유도하여 높은 경쟁력을 확보하고 있습니다.

유입과 매출 증대라는 핵심 니즈를 가진 11번가의 MOP 도입 사례를 살펴보겠습니다.

이엠넷의 카카오 검색광고 운영 전략 : MOP 최적화 자동입찰

Q1. MOP를 도입하게 된 배경은 무엇인가요?

검색광고는 구매의도를 가진 고객을 유입시키는 만큼 다른 광고 대비 구매전환율이 가장 높지만, 어떤 키워드에서 유입이 많이 발생하는지, 그리고 몇 순위에 노출해야 비용 효율을 개선할 수 있는지 등을 고려하여 끊임없이 전략을 수립해야 합니다. 또한 키워드들의 실적 트렌드도 계속해서 변화하기 때문에 원하는 성과를 달성하기 위한 노력이 많이 필요합니다.

이런 상황에서 솔루션의 도움을 받아 유입을 확대하고 전환 효율을 확보하고자 MOP를 사용하게 되었습니다.

Q2. MOP의 가장 큰 장점은 무엇인가요?

MOP는 기존에 사람이 수동으로 관리하던 영역을 넘어서 수많은 키워드를 자동으로 관리할 수 있다는 점이 가장 큰 장점인 것 같습니다. 하루에도 수백~수천 개의 키워드의 입찰가를 자동으로 변경해 주기 때문에 입찰 관리에 소요되던 시간과 인력이 50% 이상 절감되었습니다.

1. 캠페인 KPI에 맞는 최적화 목표 설정

MOP 최적화 입찰 적용 시, “클릭 최적화”, “전환 최적화”, “다중 목표 최적화” 중 1개의 목표를 선택하게 됩니다.

MOP의 최적화 목표

클릭 최적화	- 예산 내 가장 많은 클릭 확보를 목표로 소재 입찰 계획을 도출 - 잠재 클릭 확보를 위해 노출과 클릭을 동시에 최적화 - 신제품 런칭/프로모션 등 사이트 유입 확대가 필요한 경우에 선택
전환 최적화	- 예산 내 가장 많은 전환 확보를 목표로 소재 입찰 계획을 도출 - 잠재 전환 확보를 위해 클릭과 전환을 동시에 최적화 - 성수기 포함 최대한 많은 전환을 확보하고자 하는 경에 선택
다중 목표 최적화	- 여러 광고 지표를 동시에 최적화 하기 위한 목표로 소재 입찰 계획을 도출 - “Reveneu” 지표 선택 시, ROAS향으로 알고리즘이 작동 - Average CPC, Average CPA를 설정하여 비용 효율 동시 관리 가능

11번가의 경우 적용 초반에는 ROAS 목표로 운영하였습니다. 이후 최적화 아이템 별로 KPI에 맞춰 유동적으로 노출(Impression)과 클릭(Clikck) 지표를 선택/제외하며 운영하고 있습니다.

위 그래프는 최적화 목표에 따른 클릭(Click)과 매출(Revenue) 실적 트렌드입니다. ROAS 목표로 매출(Revenue) 지표만을 선택한 기간 대비 (①, ③번 기간), 클릭(Click) 지표를 함께 추가한 기간 (②번 기간)에 클릭과 매출이 모두 상승한 것을 확인할 수 있습니다. 또한, 최적화가 지속되면서 ROAS는 우상향하는 트렌드를 보였습니다.

MOP의 알고리즘은 선택한 광고 지표를 최대한으로 달성하기 위한 방향으로 입찰 전략을 수립하므로, 해당 시점의 광고 KPI에 맞춰 유동적으로 광고 목표를 변경하는 것을 추천 드립니다.

2. 원활한 학습을 위한 캠페인 클러스터링

MOP의 머신러닝은 최대 60일의 기운영 데이터를 미리 학습하여, 요일/시간/시즈널리티 등의 패턴과 상관관계를 찾아냅니다. 그리고 이러한 분석 내용을 반영하여 매일 키워드 단위의 광고 실적을 예측하게 됩니다.

예측 정확도를 높이기 위해서는 가능한 많은 데이터가 필요하며, 데이터 내에서 모델 학습이 원활하게 진행되기 위해서는 최적화 아이템 생성 시 캠페인과 애드그룹을 적절하게 클러스터링 하는 작업이 중요하게 작용합니다. 특히, 11번가와 같이 수많은 캠페인/그룹/키워드를 운영하고 있는 계정이라면, 카테고리 별 최적의 알고리즘이 적용되기 위해서 꼭 필요한 과정입니다.

‘클러스터링’ 이란, 서로 유사한 속성을 갖는 데이터를 묶어준다는 의미로, 이 과정이 잘 진행되면 MOP의 머신러닝이 적용되기 쉬운 구조가 적용되면서 최적화에 긍정적인 영향을 미치게 됩니다.

아래 그래프에서 확인하실 수 있는 것처럼, 실제 데이터 상으로도 클러스터링 이후 클릭, 전환 실적이 모두 상승하였음을 확인할 수 있습니다

11번가 사례가 보여주는 것: 예측/최적화 알고리즘의 고도화된 활용

11번가의 카카오 검색광고 운영 사례를 통해, 최적화 설정에 따른 실적 변화를 상세하게 알 수 있었습니다. 카테고리 별 맞춤 알고리즘 적용과 다수의 광고 지표 동시 확보에 대한 니즈가 있으시다면 MOP의 고도화된 알고리즘을 활용해 보세요.