버즈빌ㅣ예측형 AI를 활용한 버즈빌의 유저 가치 예측 엔진

Technology

Performance Maximizer

퍼포먼스 맥시마이저는 광고주의 KPI를 달성할 가능성이 높은 고가치 유저 랭킹을 도출하고 도출된 랭킹을 기반으로 광고를 할당하여 광고주 KPI 지표를 극대화합니다.

유저 가치를 추론해 광고 노출 순위 결정

기존의 유저 활동 데이터를 학습해 유저가 KPI에 해당하는 액션에 참여할 확률을 예측하고, 예측한 확률에 기반해 유저의 가치를 판단해 광고 노출 순위를 부여합니다. 버즈빌의 Performance Maximizer는 유저 획득, 구매 극대화 등 캠페인 목표 성과에 맞는 데이터를 각각 학습함으로써 광고를 노출할 유저를 선별해 캠페인 성과를 개선하는 데에 기여하는 AI 모델입니다. 버즈빌이 보유한 수억 개 이상의 광고 데이터와 2천만명의 유저 데이터를 기반으로, 유저들의 행동을 정확하게 예측할 수 있는 신경망 모델(NNM)을 적극적으로 활용해 광고주 퍼포먼스를 극대화하고 있습니다.

(1) UA Maximizer

유저를 획득할 가능성을 예측하는, UA Maximizer

단순히 리워드만 받고 이탈하는 유저가 아닌, 실제로 우리 서비스의 고객이 될 수 있는 고객들을 찾으려면 어떻게 찾아야할까요? 우리 서비스의 진짜 고객이 될 수 있는 타겟을 찾는 UA Maximizer는 유저들의 광고 데이터를 학습하는 Seed 증폭 모델과, 버즈빌의 6억 개 이상의 데이터를 학습하는 유사도 추론 모델을 복합적으로 적용하여, 유저간 유사성 비교를 통해 광고를 할당하기에 가장 적합한 유저를 찾아냅니다.

적은 수의 유저 특성과 유사한 유저 집단 생성

캠페인 기간 내 획득한 유저들의 데이터를 분석해, 유저의 패턴을 찾고 유사한 패턴을 지니는 타겟 그룹을 생성합니다.(Seed 증폭)

유저 간 유사성을 바탕으로 광고 요청 유저 랭킹 정립

6억개 이상의 버즈빌 데이터를 기반으로, 기존 유저와 광고 요청 유저 간의 유사성을 분석해 유저 가치 랭킹을 부여합니다.

사전 시뮬레이션을 통한 캠페인 성과 예측, 할당 집행 시스템

상위 랭크 유저들을 대상으로 오프라인 추론 성능 분석을 통해 광고 참여율을 사전에 예측하고, 예측 결과를 바탕으로 유저에게 선별적으로 광고를 할당합니다. 이 과정에서 타겟팅을 정기적으로 업데이트해 성능을 지속적으로 개선합니다.

(1) UA Maximizer

유저를 획득할 가능성을 예측하는, UA Maximizer

적은 수의 유저 특성과 유사한 유저 집단 생성

캠페인 기간 내 획득한 유저들의 데이터를 분석해, 유저의 패턴을 찾고 유사한 패턴을 지니는 타겟 그룹을 생성합니다.(Seed 증폭)

유저 간 유사성을 바탕으로 광고 요청 유저 랭킹 정립

6억개 이상의 버즈빌 데이터를 기반으로, 기존 유저와 광고 요청 유저 간의 유사성을 분석해 유저 가치 랭킹을 부여합니다.

사전 시뮬레이션을 통한 캠페인 성과 예측, 할당 집행 시스템

(2) GMV Maximizer

구매 전환 극대화를 위한 GMV Maximizer

광고 캠페인의 구매 성과를 극대화하기 위한 GMV Maximizer는 커머스 플랫폼에서 제품을 구매할 의향이 있는 유저를 찾아냅니다. 특정 유저가 특정 커머스에서 발생시킬 구매 전환 확률을 추론하는 과정에서 GMV Maximizer는 유저와 커머스 데이터를 모두 학습합니다.

커머스 플랫폼별 차이를 반영하기 위한 플랫폼 단위의 Specialized 데이터 학습

커머스 플랫폼마다 조금씩 다른 유저 활동의 차이를 고려하여 플랫폼별로 유저 데이터를 구분하여 집중적으로 학습합니다.

커머스 내 데이터 학습을 통한 정확한 구매 확률 예측

유저의 실제 구매 데이터를 포함한 다양한 행동 데이터를 반영해 실제로 광고에 노출된 유저가 제품을 구매할 확률을 예측하여 광고 노출 순위를 부여합니다.

사전 시뮬레이션을 통한 캠페인 성과 예측, 할당 집행 시스템

상위 랭크 유저들을 대상으로 캠페인 시뮬레이션을 운영해 광고 참여율을 사전에 예측하고, 예측 결과를 바탕으로 테스트 유저에게 광고를 할당합니다.

커머스별 구매확률 예측 성능

C사