24시간 입찰 경쟁에 놓인 교육 업종, 시원스쿨랩의 성과 개선 비결은?
당신의 성장을 위해 달려가는, 시원스쿨랩
시원스쿨랩은 누구나 쉽고 재미있게 영어를 습득하고자 하는 목표로 시작된 브랜드입니다. 시험 영어 중심의 온라인 강의를 제공하며, 토익, 토플, 오픽 등 다양한 시험을 준비하는 수험생의 학습을 돕는 이러닝 전문 기업입니다.
치열한 온라인 교육 콘텐츠 플랫폼 시장 속의 ‘시원스쿨랩’과 MOP, 그 도입 성공 사례를 소개해드리겠습니다.
실시간으로 변화하는 고객: ’시간 단위’의 치열한 경쟁에 놓인 교육 업종
시원스쿨랩은 고객의 패턴이 실시간으로 변화하는 온라인 교육업이 주력 사업입니다. 온라인 교육업은 코로나 전후로 비대면 학습, 인터넷 강의가 발전함에 따라 매우 심한 경쟁에 놓인 시장이기도 합니다. 일례로, 대표 키워드의 최고 입찰가는 시기에 따라 5~8만원까지 치솟을 정도입니다.
그러나 기존에는 이러한 시장 속에서 ‘마케터의 인사이트’에만 의존해 주요 전환 키워드의 월 별, 요일 별, 시간대 별 전환 최대 시기를 예측해 왔습니다. 따라서 시원스쿨랩은 모든 키워드를 소수의 마케터가 직접 관리하는 것에 큰 고충을 느끼고 있었습니다.
하여 시원스쿨랩은 온라인 강의 특성 상 유입 패턴이 명확한 월 초, 월 말, 휴일에 대한 빠른 대응과, 전환 및 ROAS 확보라는 중요한 과제 이행을 위해 MOP를 도입을 결정하였습니다.
MOP 알고리즘 엿보기: 검색 유입이 많은 시간대는 언제인가?
상품을 구입할 때, 어떤 시간대에 주로 검색을 하시나요?
대부분의 사람들은 각자의 일정한 패턴에 따라 생활하지만, 개개인의 패턴 자체는 타인과 동일하지 않습니다. 그렇다면 시원스쿨랩의 온라인 교육 콘텐츠 유효 수요층을 떠올려 봅시다. 주로 시험을 준비하는 학생이 대부분이므로, 청장년층이 관심을 가지고 검색 광고를 거쳐 시원스쿨랩의 강좌 결제까지 이어나갈 것입니다. 이들을 효과적으로 공략하기 위한 황금 시간대는 언제일까요?
MOP는 이 단순한 생각에서부터 출발합니다.
항상 인기 있는 시간대에만 예산을 과다하게 쓰는 것은 비효율적입니다. 그렇지만, 다른 잠재 시간대를 발굴하기 위해 기존에 예산을 투입하지 않던 시간대에 무작정 예산을 증액하는 것도 상당히 무모합니다. 이처럼 어떤 키워드에, 얼마의 금액을, 그리고 어느 시간대에 증액할지부터 마케터에게는 몹시 막막한 일이라고 할 수 있습니다.
MOP는 기존에 저효율로 여겨지던 키워드에도 실험적으로 예산을 조금씩 증액하면서 성능을 확인합니다. 마찬가지로, 고효율로 여겨지던 키워드도 감액해보면서 성능이 어느 수준으로 유지되는지 확인합니다. 여러가지 경우의 수를 확인해서 결론적으로는 최적의 조합을 찾아냅니다. 이는 사람이 계산할 수 있는 정도를 넘어선 복잡성이기에, MOP만이 할 수 있는 작업입니다.
MOP의 효과: 시원스쿨랩, 치열한 경쟁 속 ROAS 45.3% 상승!
시원스쿨랩은 MOP 도입 이후 CPA 30% 감소, ROAS는 45.3% 상승하는 등 개선된 성과를 달성하였습니다.
MOP 운영 전략: 시간대 별 예산 재조정을 통한 효과적인 전환 발굴!
MOP는 기존 데이터를 통해 많은 전환이 발생하는 일자, 특정 요일, 시간대까지 모두 학습하여 인지하고, 입찰 계획에 반영합니다. 이 데이터를 바탕으로, 기존에 주로 전환이 발생하였던 시간대인 낮의 예산을 절감하여 비효율 구간으로 여겨지던 00시부터 05시까지의 새벽 시간대에 예산을 투자하였습니다. 그 결과 그간 놓쳤던 전환을 추가적으로 발굴해 내며, 궁극적으로 전체적인 전환 실적 개선을 이루어 내었습니다.
시간대 별 예산 재분배는 입찰 경쟁 심화도 등, 변화하는 추세를 반영해 계속해서 변경됩니다.
시원스쿨랩 사례가 보여주는 것: AI가 가져온 인식의 변화
기존의 전환량이 미비했던 새벽 시간대에 예산을 투자하는 것은 어쩌면 무모한 도전일지 모릅니다. 그러나 MOP는 ‘데이터’를 근거로 투자하였고, 그 결과 기존 대비 많은 전환량을 확보할 수 있었습니다.
MOP 도입을 통해 퍼포먼스를 극대화하고, 심화되고 있는 경쟁 상황에서 최적의 순간을 찾아가세요.
Special Offers from Amazon
ⓒ MOP 블로그의 모든 콘텐츠 저작권은 LG CNS MOP에 있습니다. 인용 시에는 반드시 출처를 표기해야 하며 복사·무단 전재·재배포는 금지되어 있습니다.