검수요청.png검수요청.png

"DMP"의 두 판 사이의 차이

위키원
이동: 둘러보기, 검색
잔글 (수집한 데이터의 소유권과 프라이빗에 관한 관심사항)
잔글
81번째 줄: 81번째 줄:
 
* [[ADAS]]
 
* [[ADAS]]
  
{{자동차 부품|토막글}}
+
{{자동차 부품|검토 필요}}

2021년 6월 9일 (수) 17:30 판

DMP는 데이터 매니지먼트 플랫폼(data management platform)의 약칭이다. 데이터 수집과 데이터 관리에 사용되며 빅 데이터와 AI 알고리즘을 사용하여 여러 소스에서 오는 사용자들의 데이터를 처리하고 분석을 추진할 수 있다. DMP를 사용하면 오디언스와 마켓의 통찰력을 키우고 유효한 광고 예산을 편성하는데 장점이 있으며 다른 한 면으로는 프라이빗 데이터를 가지고 있는 제3자 소프트웨어의 통합에 따라 개인 정보 문제를 처리해야 하는 문제가 있다. DMP 기술은 닐슨(Nielsen)이나 오라클 같은 글로벌 회사들에서 지속적으로 개발되고 있다.


개요

DMP는 데이터의 수집과 저장 및 조직 등의 관리를 실행하는 소프트웨어이며 이로서 마케팅 담당자, 퍼블리셔 및 기타 사업자들에 유용한 정보를 활용할 수 있는 편의를 제공한다. 수집한 데이터에는 고객정보, 인구통계자료(demographics), 모바일 신분(mobile identifiers) 또는 쿠키 IDs 등이 들어 있으며 DMP에서 분석되어 광고에 유용한 목표 세그먼트의 구축에 사용된다. DMP를 활용하여 브랜드들은 고객 세그먼트에 관한 정보를 취득하고 인수전략과 판매전략의 구축 및 광고 켐페인 효과에 관한 평가에 사용한다.

연혁

프로그래밍 언어의 1세대와 2세대

1950년대에 컴퓨터의 속도가 느리고 결과를 산출하는데 소요되는 인력이 많은 연유로 데이터 관리는 회사들의 문제사항으로 나섰으며 데이터의 저장방식도 창고에 저장하는 방식을 취했다. 초기 프로그래밍에는 2진법과 십진법이 적용되었으며 이는 절대적인 기계 언어(Absolute Machine Language)로 불리웠고 후에 프로그래밍 언어의 1세대라고 하였다.

그 뒤에 어셈블리 언어(Assembly Language)가 나타났으며 알파벳 자모로 코딩이 가능할 때 프로그래머들 가운데서 보편화되었다. 어셈블리 언어는 프로그램의 애로를 줄이고 코드의 가독성(readability)을 향상시켰으며 후에 프로그래밍 언어의 2세대로 불리웠다.

고급 언어

1960년대와 1970년대에 기술의 발전과 프로그래머들이 컴퓨터를 다루는 기회가 늘어나면서 1세대와 2세대 프로그래밍 언어는 고급언어(HLL, high-level programming language)로 진화하였다. 고급언어는 사람들이 읽기 쉽고 어느 컴퓨터 종류에 얽매일 필요 없이 일반 프로그램으로 역할하였다. 고급언어는 메모리와 데이터 관리를 강조하는 것으로 알려져 있으며 그 시대에 나온 여러 언어(예하면 COBOL, C, C++)는 지금까지도 널리 사용되고 있다.

온 라인 데이터 관리 & 데이터베이스

온라인 데이터 관리시스템이 나오면서 온라인 트랜잭션은 여러 산업에서 상당한 비중을 차지하였다. 온라인 데이터 관리시스템은 신속하게 정보를 분석하고 프로그램이 정보를 읽고 업데이트하여 사용자한테 전송할 수 있게 한다.

1970년대에 에드거 F. 커드(Edgar F. Codd)가 쉽게 배울 수 있는 언어 Structured Query Language(SQL)를 개발하였으며 영문으로 지령을 작성할 수 있게 하였다. SQL은 관계 데이터베이스(relational databases)를 다루고 데이터 처리능력을 향상시켰으며 복제되는 데이터를 줄였다. 이 관계 모델은 신속하게 큰 데이터를 처리하고 병행처리( parallel processing), 클라이언트-서버 컴퓨팅(client-server computing), 그래픽 유저 인터페이스(graphical user interfaces)를 향상시켰으며 여러 사용자들이 동시에 소통하게 하였다.

빅 데이터의 처리와 연구의 필요로 NoSQL이 나타났으며 이의 가장 큰 능력은 거대한 데이터를 저장할 수 있다는데 있었다. NoSQL은 1998년에 소개되었으나 2005년 뒤에 개발자들이 보편적으로 사용하기 시작하였다.

클라우드 & AI

오늘날의 데이터관리는 현지 스토리지에서 클라우드로 넘어갔다. 1990년대 말과 2000년대 초기에 미국의 클라우드 기반 소프트웨어 회사 세일즈포스(Salesforce)와 아마존(Amazon)은 인터넷 기반 서비스의 컨셉을 보편화하면서 내부 유지 원가를 낮출 수 있고 비즈니스의 소요에 따라 변경을 추진하는 과정에 유연성을 키워준다고 소개하였다.

인공지능이 나날이 유행됨에 따라 방대한 데이터의 저장과 정리는 어느 때보다 쉬워졌으며 전 세계 사용자들의 천문학적인 데이터 수량이 처리되어 마케팅 목적으로 회사들에 소개되면서 DMP의 두각이 나타났다.

데이터 파이프라인

DMP는 원시 데이터를 수집하면서 시작되었으며 온라인에서 찾을 수 있는 다양한 소스의 데이터를 수집해야 하였다. 나아가서는 찾을 수 있는 데이터도 컴퓨터에 제한하지 않고 모바일 디바이스, 소셜 네트워크와 같이 안정한 소스로 역할할 수 있는 모든 스마트 디바이스의 원시 데이터로 늘였다. 기술적인 입지에서 JavaScript 추적기와 API는 사용자의 동작이 완료되어 서버에 기록과 저장이 필요할 때 사용된다.

DMP는 데이터를 한 번 수집한 뒤에 추후 처리절차로 이동하고 전체를 통합한다. 처음에 쓸모없거나 결측치를 필터링 방식으로 정리하고 그 다음 머신 러닝 알고리즘을 활용하여 사용자 집합에서 패턴을 찾은 뒤 넓은 규모로 이를 조직한다. 이는 각 측의 데이터 유형을 하나의 데이터베이스에 통합하는데 유리한 전반적인 고객의 견해 모음의 구축에 도움이 된다.

이어서 데이터 관리 단계에 진입하며 여기에서 DMP는 데이터가 필요한 기타 회사를 도와 유저 프로파일을 구축한다. 유저 프로파일은 특정 고객 통계 세그먼트이며 전반 산업의 패턴과 경향을 시각화하는데 유용하고 발굴대기 시장 기회를 포착하는데 유용하다.

마지막 단계는 활성화 단계이다. 모든 데이터의 수집과 처리가 완료되고 적절하게 조직되고 세그먼트화 되면 이는 서버 또는 DSP(Demand-side platform)를 통해 시장에 투입된다. 이 때부터 광고주는 기타 제3자 서비스를 이용하여 DMP에 엑세스하며 소원하는 오디언스에 타겟화한 컨텐츠를 제공한다.

기능

DMP는 프로파일링과 분석에 사용되며 디지털 마켓의 온라인 고객을 대상으로 한다. 구체적으로 아래에 기술되는 분야에서 사용된다.

  • 타겟팅 광고(Ad targeting) - 오디언스 세그먼트를 구축하고 특정 고객을 타겟으로 맞춤 광고 켐페인을 추진한다. 예하면 신차 구입 계획이 있다고 판단되는 사용자한테 차량 광고를 보낸다.
  • 사용자 정보수집(User profiling) - 사용자 소요, 흥취 및 습관 등의 정보를 수집하고 수동 또는 머신 러닝 알고리즘을 활용하여 프로파일을 구축한다.
  • 유사 패턴 모델링(Look-alike modeling) - 신 고객이 맞춤 광고 켐페인의 현재 고객과 유사한지 여부를 확인한다.
  • 사업 통찰(Business insights) - 데이터 분석과 기존 고객관계 관리시스템(CRM)을 활용하여 고객과 서비스에 관한 새로운 인사이트(new insights)를 발견한다.
  • 콘텐츠와 제품 권장(Content and product recommendations) - DMP 권장을 사용하여 모든 사용자를 위한 개인화 경험을 개발한다.
  • 수익 창출 또는 데이터 판매(Monetizing or selling data) - DMP 데이터를 판매하여 추가 수익을 창출한다.
  • 오디언스 발굴(Audience enrichment) - DMP 분석으로 오디언스의 특별한 소요를 발견하는 방식으로 오디언스를 발굴한다.
  • 고객규모 육성(Grow your customer base) - DMP분석을 활용하여 신규 고객을 발굴하고 브랜드 인식과 로열티를 키운다.

장단점

장점

DMP를 사용하면 여섯 가지 장점이 있다. 1) 한 곳에서 데이터를 얻을 수 있고 2) 제3자를 통해 새로운 시장을 발굴할 수 있으며 3) 오디언스 인사이트(audience insights)를 얻을 수 있고 4) 고객의 전반적인 상황을 구축할 수 있으며 5) 오디언스를 타게팅할 수 있고 6) 효율적인 마케팅 예산을 편성할 수 있다.

단점

DMP는 쿠키 기술로 행동을 확인하는데 깊이 의존한다. 최근에 애플과 구글이 제3자 광고 쿠키를 차단하는 방향으로 나가면서 DMP의 가치 주장은 위험한 상황에 처했다.

데이터 취합기술이 복잡하고 이를 실현하는데 정확한 기술적인 요해를 요구하기에 어떤 조직이 현재 환경에서 이러한 플랫폼을 채택하는데 어려움이 있을 수 있다.

주의를 해야 할 다른 하나의 부분은 수입하는 데이터의 품질이며 낮은 품질의 데이터일 경우 DMP는 유용한 결과를 산출하기 어렵다.

수집한 데이터의 소유권과 프라이버시에 관한 관심사항

통상적으로 데이터의 유형은 세가지가 있다.

  • 1차 파티 데이터 - 수집된 데이터는 회사 자체에 소유권이 있다. 예하면 웹사이트 데이터, 모바일 어플리케이션 데이터, CRM 데이터 등이 있다.
  • 2차 파티 데이터 - 수집된 데이터는 회사 합작의 결과물로 되어 있다. 이에는 온라인 켐페인 데이터와 고객 체험 데이터 등이 포함된다.
  • 3차 파티 데이터 - 데이터는 데이터 제공업자에서 제공되었다. 이는 시장 구매로 실현된다.

DMP에서 수집한 데이터의 유형도 세가지 있다.

  • 관찰된 데이터(Observed data) - 인터넷 사용자의 디지털 기록 즉 검색 역사 또는 사용했던 웹 브라우저의 유형 등 이다.
  • 추론된 데이터(Inferred data) - 인터넷 사용자의 동작에 기반한 결론이다.
  • 공표한 데이터(Declared data) - 사용자가 명확하게 제공한 데이터 예하면 온라인 형식(online form) 또는 어플리케이션 등록(application sign ups) 등 이다.

DMP는 제3자(third-party) 데이터를 기반으로 디지털 마케팅 담당자를 협조하여 신규 오디언스를 발굴하면서 수익을 얻는다. 비록 이 것도 사례이지만 개인정보보호규정(GDPR, General Data Protection Regulation)의 영향으로 DMP가 제3자 데이터를 취득하기가 어려워졌다. 전에 DMP는 쿠키를 통해 제3자 데이터를 처리하였으며 기존 법규는 이러한 데이터의 수집에 사용자 동의를 거쳐야 한다는 요구가 없었으나 현재 GDPR은 사용자 동의가 있는 경우에만 쿠키를 사용하여 데이터를 수집하도록 요구하고 있다. 추후 회사를 위한 제3자 데이터의 수집은 더 어려울 것으로 예상되며 DMP 역시 법적인 의무를 짊어질 것으로 예상된다. 결과적으로 미래에 DMP는 1차 파티와 2차 파티에서 나오는 데이터에 깊이 의존할 수 밖에 없다.

각주

참고자료

같이 보기


  검수요청.png검수요청.png 이 DMP 문서는 자동차 부품에 관한 글로서 검토가 필요합니다. 위키 문서는 누구든지 자유롭게 편집할 수 있습니다. [편집]을 눌러 문서 내용을 검토·수정해 주세요.