마케팅 분석가를 위한 고급 마케팅 자동화에 관한 가이드다. 테크놀로지, 광고, 소매 업계에서 검증된 다양한 기법을 소개하고 최신 경제학 이론 및 인공지능 기술과 연결시킨다. 이 책에서 소개하는 내용은 알고리즘 기반의 실시간 의사결정을 요구하는 이커머스 검색, 추천, 가격결정, 제품 구성 최적화 등의 영역에서 유용하게 활용할 수 있다.
상세이미지
저자 소개
저자 : 일리야 캐서브(Ilya Katsov)
마케팅 기술과 소매업계의 분석 영역에서 다양한 경험을 쌓았다. 메이시스, 콜스, JC 페니, 애플, T-모빌, 세포라, 카탈리나 마케팅, 인테그럴 애드, 야후 등의 회사와 컨설팅 프로젝트를 진행했다. 마케팅 자동화와 분석 그리고 타깃팅, 성향 모델링, 매출 관리, 채널 어트리뷰션 등의 경제학 모델링에 대해 깊은 식견을 갖고 있다.
역자 : 조종희
데이터를 활용한 비즈니스 환경에서의 과학적인 의사 결정 및 업무 성과의 최적화가 주된 연구 분야다. 포드 자동차, JP 모건 체이스, 빅토리아 시크릿 등과 같은 세계적인 회사에서 10년 넘게 마케팅 데이터 분석 경력을 쌓았다. 카네기멜런대학교에서 분석적 마케팅 전공으로 MBA를 마쳤다. 하버드 비즈니스 리뷰 코리아의 객원 번역가로 활동하고 있으며 미국 조지아대학교, 한양대학교 등에서 강의했다.
목 차
01장. 개론
1.1 알고리즘 마케팅의 주제
1.2 알고리즘 마케팅의 정의
1.3 역사적 배경과 맥락
1.3.1 온라인 광고: 서비스와 시장
1.3.2 항공사: 매출 관리
1.3.3 마케팅 과학
1.4 프로그램 기반 서비스
1.5 누가 이 책을 읽어야 할까?
1.6 요약
02장. 예측 모델링 리뷰
2.1 기술적, 예측적, 처방적 분석
2.2 경제적 최적화
2.3 머신 러닝
2.4 감독학습
2.4.1 모수/비모수 모델
2.4.2 최대 가능성 추정
2.4.3 선형 모델
2.4.4 비선형 모델
2.5 표현 학습
2.5.1 중요 요소 분석
2.5.2 클러스터링
2.6 다른 특수 모델들
2.6.1 고객 선택 이론
2.6.2 생존 분석
2.6.3 경매 이론
2.7 요약
03장. 프로모션과 광고
3.1 환경
3.2 비즈니스의 목적
3.2.1 제조업체와 소매업체
3.2.2 비용
3.2.3 이익
3.3 타깃팅 파이프라인
3.4 응답 모델링과 측정
3.4.1 응답 모델링 프레임워크
3.4.2 응답 측정
3.5 구성 요소: 타깃팅과 생애 가치 모델
3.5.1 데이터 수집
3.5.2 계층별 모델링
3.5.3 RFM 모델링
3.5.4 성향 모델링
3.5.5 세그멘테이션과 페르소나 기반 모델링
3.5.6 생존 분석을 이용한 타깃팅
3.5.7 생애 가치 모델링
3.6 캠페인 디자인과 운영
3.6.1 고객 여정
3.6.2 제품 프로모션 캠페인
3.6.3 다단계 프로모션 캠페인
3.6.4 고객 유지 캠페인
3.6.5 보충 캠페인
3.7 자원 할당
3.7.1 채널에 따른 할당
3.7.2 목적에 따른 할당
3.8 온라인 광고
3.8.1 환경
3.8.2 목표와 애트리뷰션
3.8.3 CPA-LT 모델 타깃팅
3.8.4 다접촉 애트리뷰션
3.9 효율성 측정
3.9.1 랜덤화된 실험
3.9.2 관찰 연구
3.10 타깃팅 시스템의 구조
3.10.1 타깃팅 서버
3.10.2 데이터 운영 플랫폼
3.10.3 분석 플랫폼
3.11 요약
04장. 검색
4.1 환경
4.2 비즈니스 목표
4.2.1 적합성 지표
4.2.2 상품 통제
4.2.3 서비스 품질 지표
4.3 검색의 기본: 매칭과 랭킹
4.3.1 토큰 매칭
4.3.2 불리언 검색과 구절 검색
4.3.3 정규화와 스테밍
4.3.4 랭킹과 벡터 스페이스 모델
4.3.5 TF3IDF 스코어링 모델
4.3.6 n-그램 스코어링
4.4 적합한 신호 믹싱하기
4.4.1 복수의 필드 검색
4.4.2 신호 엔지니어링과 평준화
4.4.3 신호 믹싱 파이프라인 디자인
4.5 의미 분석
4.5.1 동의어와 계층
4.5.2 단어 임베딩
4.5.3 잠재 의미 분석
4.5.4 확률적 토픽 모델링
4.5.5 확률적 잠재 의미 분석
4.5.6 잠재 디리클레 할당
4.5.7 Word2Vec 모델
4.6 상품을 위한 검색 기법
4.6.1 결합 구절 검색
4.6.2 통제된 정확도 감소
4.6.3 중첩 개체와 동적 그룹화
4.7 적합성 튜닝
4.7.1 랭킹 생성 학습
4.7.2 암묵적 피드백으로부터의 랭킹 생성 학습
4.8 제품 검색 서비스의 아키텍처
4.9 요약
05장. 추천
5.1 환경
5.1.1 고객 레이팅의 성질
5.2 비즈니스 목표
5.3 품질 평가
5.3.1 예측 정확도
5.3.2 랭킹 정확도
5.3.3 참신성
5.3.4 우연성
5.3.5 다양성
5.3.6 적용 범위
5.3.7 실험의 역할
5.4 추천 기법들의 개관
5.5 콘텐츠 기반 필터링
5.5.1 최근접 이웃 접근
5.5.2 나이브 베이즈 분류기
5.5.3 콘텐츠 필터링을 위한 특징 엔지니어링
5.6 협업 필터링 개관
5.6.1 베이스라인 추정
5.7 이웃 기반 협업 필터링
5.7.1 사용자 기반 협업 필터링
5.7.2 아이템 기반 협업 필터링
5.7.3 사용자 기반과 아이템 기반 기법의 비교
5.7.4 회귀 문제로서의 이웃 기법
5.8 모델 기반 협업 필터링
5.8.1 레이팅 예측에 대한 회귀 모델의 적용
5.8.2 나이브 베이즈 협업 필터링
5.8.3 잠재 요소 모델
5.9 하이브리드 기법들
5.9.1 스위칭
5.9.2 블렌딩
5.9.3 특징 증강
5.9.4하이브리드 추천에 대한 표현 옵션들
5.10 맥락 추천
5.10.1 다차원 프레임워크
5.10.2 맥락 기반 추천 기법들
5.10.3 시간 기반 추천 모델
5.11 비개인화된 추천
5.12 다중 목표 최적화
5.13 추천 시스템의 아키텍처
5.14 요약
06장. 가격 책정과 상품 구성
6.1 환경
6.2 가격 책정의 영향력
6.3 가격과 가치
6.3.1 가격 경계
6.3.2 인지된 가치
6.4 가격과 수요
6.4.1 선형 수요 곡선
6.4.2 상수-탄력성 수요 곡선
6.4.3 로지트 수요 곡선
6.5 기본적인 가격 구조
6.5.1 단위 가격
6.5.2 마켓 세그멘테이션
6.5.3 다단계 가격 책정
6.5.4 번들링
6.6 수요 예측
6.6.1 상품 구성 최적화를 위한 수요 모델
6.6.2 계절 세일에 대한 수요 모델
6.6.3 재고 부족이 있는 경우의 수요 예측
6.7 가격 최적화
6.7.1 가격 차별화
6.7.2 동적 가격 책정
6.7.3 개인화된 할인
6.8 자원 할당
6.8.1 환경
6.8.2 2개의 클래스가 있는 할당
6.8.3 다중 클래스의 할당
6.8.4 다중 클래스에 대한 휴리스틱
6.9 상품 구성 최적화
6.9.1 스토어 레이아웃 최적화
6.9.2 카테고리 관리
6.10 가격 관리 시스템의 아키텍처
6.11 요약
부록 A. 디리클레 분포
출판사 서평
이 책의 대상 독자
고급 마케팅 소프트웨어 시스템을 개발하고자 하는 사람들을 위한 책이다. 이 책은 다양한 마케팅 및 소프트웨어 전문가들에게 유용하며 크게 두 집단을 염두에 뒀다. 첫 번째는 마케팅 소프트웨어에 사용하는 기술과 이 기술의 이론적 배경에 대해 배우고자 하는 마케팅 소프트웨어 개발자 프로덕트 매니저 및 소프트웨어 엔지니어들이다. 두 번째는 어떻게 마케팅 조직이 머신 러닝과 빅데이터로부터 도움을 받는지 그리고 어떻게 현대의 기업이 고급 의사 결정 자동화 방법론을 활용할 수 있는지에 대해 배우고 싶은 마케팅 전략가와 기술 분야 리더들이다.
이 책은 독자가 통계와 대수, 프로그래밍에 대한 기본적인 이해는 하고 있다고 가정했다. 이 책에 설명한 방법들은 대부분 기본적인 수학을 사용한다. 이 책은 마케팅의 비즈니스적인 측면에만 관심이 있는 사람들에게는 적합하지 않다. 왜냐하면 이 책은 전통적 마케팅 교과서가 아니라 마케팅 자동화에 관한 책이기 때문이다.
이 책의 구성
이 책은 6개 장으로 나뉜다. 1장, ‘소개’는 개론으로, 알고리즘 마케팅의 개념과 원리를 설명하고 알고리즘적 접근 방식의 유용성을 보여주는 멋진 케이스 스터디들을 소개한다. 2장, ‘예측 모델링 리뷰’는 예측 모델링으로서 알고리즘 마케팅의 수학적 기초를 다룬다. 그 이후 4개의 장은 마케팅의 네 가지 다른 영역 즉 광고 및 프로모션, 검색, 추천 그리고 가격 책정을 소개한다. 이 4개의 장은 똑같은 알고리즘 방법론을 따르기 때문에 구조도 비슷하다. 각각의 장은 최적화 대상인 변수와 제약 조건을 이해하기 위한 환경을 기술하고 최적화 문제를 정의하기 위한 비즈니스 목적을 다룬 후 각 분야에 나타나는 업무와 시나리오에 대한 의사 결정 자동화 방법론을 논한다. 이 4개의 장은 각기 다른 영역을 기술하므로 대체로 독립적이다. 따라서 독자들은 관심 있거나 필요한 부분만 따로 골라 읽어도 되고 처음부터 끝까지 모두 읽어도 된다.
이 책을 읽으면서 독자의 백그라운드와 맞지 않거나 관심이 없는 분야라면 넘어가도 상관 없다. 예를 들어 확률 및 통계 그리고 머신 러닝에 친숙한 독자는 2장, ‘예측 모델링 리뷰’를 대충 읽거나 넘어가도 괜찮다. 알고리즘적 접근의 비즈니스 응용에 관심 있는 독자는 환경, 비즈니스 목적, 최적화 문제에 관한 부분에 집중하고 수학적으로 디테일한 부분은 넘어가도 된다. 반면 마케팅 시스템을 구현하는 데 관심이 있는 독자는 알고리즘, 수리적 예제 그리고 상세 구현에 관한 내용을 읽는 것이 좋다.
