데이터 관리 플랫폼

Data management platform

데이터 관리 플랫폼(DMP)은 데이터 수집 및 관리에 사용되는 소프트웨어 플랫폼이다. 그들은 기업들이 온라인 광고 캠페인의 특정 사용자와 맥락을 겨냥하는 데 사용될 수 있는 시청층 부분을 식별할 수 있도록 한다. DMP는 빅데이터와 인공지능 알고리즘을 사용하여 다양한 출처의 사용자에 대한 대용량 데이터 세트를 처리하고 분석할 수 있다.[1] DMP를 사용할 때의 장점으로는 데이터 조직, 청중과 시장에 대한 통찰력 향상, 효과적인 광고 예산 편성 등이 있다.[2] 반면 DMP는 제3자 소프트웨어와 개인 데이터가 통합돼 프라이버시 우려에 대처해야 하는 경우가 많다. 이 기술은 닐슨, 오라클 등 글로벌 기업이 지속적으로 개발하고 있다.[3]

특성.

목적

DMP는 마케터, 출판사 및 기타 사업체에서 유용한 정보를 활용할 수 있도록 데이터의 수집, 저장 및 구성을 관리하는 모든 종류의 소프트웨어다. 저장된 데이터에는 고객 정보, 인구 통계, 모바일 식별자 또는 쿠키 ID가 포함될 수 있으며, DMP는 이를 분석하여 기업이 광고에 대한 표적 세그먼트를 만들 수 있도록 할 것이다. DMP는 브랜드가 그들의 고객 부문에 대해 더 많이 알게 하여 인수 전략을 알리고 매출을 증가시킬 수 있도록 도울 수 있다. 그들은 또한 기업들이 그들의 광고 캠페인의 효과를 측정하도록 허용한다.[4]

역사

1세대 및 2세대 프로그래밍 언어

1950년대에는 컴퓨터 연산 속도가 빠르지 않고 결과를 전달하기 위해 많은 노동력이 필요했기 때문에 데이터 관리가 기업들에게 문제가 되었다. 기업들은 창고에 데이터를 저장하는 것부터 시작했다. 초기 프로그램들은 이진법과 십진법으로 쓰여졌고 이것은 나중에 1세대 프로그래밍 언어라고 불리게 된 절대 기계 언어라고 알려져 있다.[5]

데이터 관리 초기 데이터 저장 방법의 예.

그 후, 2세대 프로그래밍 언어로 알려지게 된 어셈블리 언어가 생겨났다. 이 상징적인 기계 코드는 프로그래머들이 코딩에 알파벳 문자를 사용할 수 있게 되면서 인기를 끌었다. 이로 인해 프로그램에서 오류가 줄어들고 코드 가독성이 향상되었다.[5]

고급 언어

1960년대와 1970년대에 걸쳐 기술이 계속 발전하고 프로그래머들이 컴퓨터와 더 많이 접촉하면서 1세대와 2세대 프로그래밍 언어는 고수준 언어(HLL)로 진화했다. 이러한 언어는 사람이 쉽게 읽을 수 있는 것으로 알려져 있으며, 사용하는 컴퓨터의 종류에 의존하지 않는 일반적인 프로그램을 쓸 수 있도록 하는 데 중요했다. HLL은 메모리와 데이터 관리를 강조하는 것으로 알려졌으며, 이 시대에 나온 많은 언어들(즉 COBOL, C, C++)은 오늘날에도 널리 사용되고 있다.[5]

온라인 데이터 관리 & 데이터베이스

온라인 거래는 곧 많은 산업의 큰 부분이 되었다. 이것은 온라인 데이터 관리 시스템을 통해 가능했다. 이러한 시스템은 정보를 빠르게 분석할 수 있고 프로그램이 정보를 읽고 업데이트하고 사용자에게 전송할 수 있도록 한다.

1970년대에 에드가 F. Codd는 배우기 쉬운 언어인 구조화된 질의 언어(SQL)를 개발하여 영어 명령어를 가지고 있다. 이 언어는 관계형 데이터베이스, 데이터 처리 개선, 중복 데이터 감소 등을 다루었다. 이 관계형 모델은 대량의 데이터를 신속하게 처리할 수 있게 했고 병렬 처리, 클라이언트-서버 컴퓨팅, 그래픽 사용자 인터페이스를 개선시켰으며, 여러 사용자가 동시에 상호작용하도록 했다.[5]

빅 데이터의 처리 및 연구를 처리하기 위해 NoSQL이 존재하게 되었다. NoSQL의 가장 큰 장점은 방대한 양의 데이터를 저장할 수 있다는 것이다. NoSQL은 1998년에 존재했지만 2005년 이후 개발자들 사이에서 인기가 증가했다.[5]

클라우드 & AI

오늘날에는 데이터 관리가 로컬 스토리지에서 클라우드로 전환되고 있다. 1990년대 후반과 2000년대 초반에 판매포스(Salesforce)와 아마존은 인터넷 기반 서비스 개념을 대중화했는데, 이는 사내 유지보수 비용을 절감하고 비즈니스의 니즈를 바꾸는 유연성을 높여 고객들에게 어필했다. 인공지능(AI)의 보급률이 높아짐에 따라, 이제 그 어느 때보다도 방대한 데이터 세트를 저장하고 분류하는 것이 쉬워졌다. 전 세계 천문학적인 사용자 데이터를 처리해 마케팅 목적으로 기업에 제시할 수 있게 되면서 DMP가 두각을 나타낸 것은 이 시대다.[5]

데이터 파이프라인

DMP를 통해 데이터를 처리하는 방법에 대한 개요.

DMP는 먼저 원시 데이터를 수집하는 것으로 시작한다. 이를 위해서는 온라인에서 발견되는 웹페이지 방문, 등록 양식 등 다양한 출처의 데이터를 수집해야 한다. 더욱이 모바일 기기, 소셜 네트워크, 스마트 기기 등이 모두 원시 데이터의 일정한 출처 역할을 하기 때문에 이용 가능한 데이터는 자신의 컴퓨터에 한정되지 않는다. 기술적 관점에서, 자바스크립트 추적기와 API는 사용자가 기록되고 저장되어야 하는 작업을 수행할 때 서버에 알리기 위해 사용된다.[4]

DMP는 일단 데이터를 수집하고 나면, 모든 데이터를 처리하고 통합한다. 먼저 정크나 결측값을 걸러내 데이터를 정리한다. 그런 다음 머신러닝 알고리즘을 활용해 사용자 집합에 걸친 패턴을 찾아 광범하게 정리한다. 이를 통해 일차, 제2차 및 제3자 데이터 유형을 하나의 데이터베이스로 통합하는 데 도움이 되는 360도 고객 뷰를 만들 수 있다.[4]

다음은 데이터 관리 단계다. 여기서 DMP는 자신의 사용자 데이터를 활용하고자 하는 다른 회사인 그것의 고객들에게 사용자 프로필을 만드는 데 도움을 준다. 사용자 프로필은 특정 산업 전반의 패턴과 경향을 시각화하는 데 도움이 되도록 고안된 특정 고객 인구 자료의 세그먼트다. 그들은 또한 발견되지 않은 시장 기회를 조명하는데 유용하다.[4]

이 과정의 마지막 단계는 활성화 단계다. 모든 데이터가 수집, 처리되고 적절하게 정리되고 세분화되면 서버나 DSP를 통해 시장에서 활용된다. 여기서부터, 광고주들은 다른 제3자 서비스를 이용하여 DMP에 접속하고, 의도된 시청자들에게 표적 콘텐츠를 제공한다.[4]

기능성

DMP는 디지털 마케팅에서 온라인 고객을 프로파일링, 분석 및 타겟팅하는 데 사용된다. 이들은 다음과 같은 영역에서 작업한다.

  • 광고 타겟팅 - 관객층을 만들고, 신차 구매에 관심을 보이는 사용자에게 자동차 광고를 보여주는 등 개인 맞춤형 광고 캠페인으로 특정 사용자를 타깃으로 한다.[6]
  • 사용자 프로파일링 - 요구, 관심사 및 행동과 같은 사용자 관련 정보에 대한 데이터 세트를 사용하는 실제 사용자를 나타낸다. 프로필은 수동으로 만들거나 인터넷 사용자를 자동으로 분석하고 프로파일링하는 머신러닝 알고리즘을 통해 만들 수 있다.[7]
  • 닮은꼴 모델 [4]- 타겟 광고 캠페인에 대해 현재 고객과 비슷하게 행동하는 새로운 고객 식별
  • 비즈니스 통찰력 - 데이터 분석을 통해 고객과 서비스에 대한 새로운 통찰력을 발견하고, 기존 CRM 시스템을 사용자의 속성이나 온라인 제품과의 상호 작용과 같은 추가 외부 데이터로 보완한다.[4]
  • 컨텐츠 [6]및 제품 권장 사항 - DMP 권장 사항을 사용하여 모든 사용자에게 적합한 맞춤형 경험 개발
  • 데이터 수익화 또는 판매 - 추가 수익을 창출하기 [1]위해 DMP 데이터 판매
  • 청중 집중 - DMP 분석을 통해 청중을 분석하고 알게 함으로써 청중의 구체적인 요구를 파악한다.
  • 고객 기반 확대 - DMP 분석과 증가하는 인지도 [4]및 브랜드 충성도를 통해 새로운 고객 부문 발굴

장점과 단점

이점

데이터 관리 플랫폼을 사용하는 데는 6가지 주요 이점이 있다. 즉, 데이터를 한 곳에서 수집하고, 타사 데이터를 사용하여 새로운 시장을 발굴하고, 고객에 대한 통찰력을 얻고, 고객에 대한 전체 뷰를 생성하고, 청중을 대상으로 하며, 마케팅 비용을 효과적으로 책정하는 것이다.[2]

단점들

데이터 관리 플랫폼은 행동을 식별하기 위해 쿠키 기술에 크게 의존한다. 최근 애플과 구글의 움직임은 데이터 관리 플랫폼 가치 제안을 위험에 빠뜨리는 제3자 광고 쿠키를 차단하는 방향으로 나아가고 있다.

더욱이, 그러한 플랫폼의 채택은 조직의 현재 환경에서 어려울 수 있다. 데이터 집계 기술이 복잡하고 구현을 위해서는 정확한 기술지식이 필요하기 때문이다.

또 다른 우려되는 부분은 수입 데이터의 품질이다. 만약 그것이 낮은 품질이라면, DMP는 의미 있는 결과를 제공하지 못할 것이다.[2]

수집된 데이터의 소유권 및 개인 정보 보호 관련 문제

일반적으로 세 가지 주요 유형의 데이터가 있다.

  • 1차 당사자 데이터 – 회사가 직접 수집하고 소유하는 데이터. 예를 들어 웹 사이트 데이터, 모바일 애플리케이션 데이터 및 CRM 데이터.
  • 제2자 데이터 – 기업 협력의 결과로 수집된 데이터. 여기에는 온라인 캠페인 데이터와 고객 여정 데이터가 포함된다.
  • 타사 데이터 – 데이터 공급자가 제공하는 데이터로, 시장에서 구입할 수 있음.[5]

또한 DMP가 수집하는 데이터에는 다음과 같은 세 가지 주요 유형이 있다.

  • 관찰된 데이터 – 인터넷 사용자의 디지털 설치 공간, 즉 검색 기록 또는 사용된 웹 브라우저 유형.
  • 추론된 데이터 – 사용자의 인터넷 행동에 근거한 결론
  • 선언된 데이터 – 온라인 양식 또는 애플리케이션 등록과 같은 사용자로부터 명시적으로 제공되는 데이터.[1]

DMP는 디지털 마케터들이 제3자 데이터를 기반으로 새로운 청중을 발견할 수 있도록 돕는 데 도움이 된다. 사정이 이런데도 GDPR(General Data Protection Regulation)은 DMP가 제3자 데이터를 얻기 어렵게 만든다. 기존에는 DMP가 쿠키를 통해 제3자 데이터를 처리했고, 기존 법률은 이러한 데이터 수집에 사용자 동의가 필요 없었다. 그러나 GDPR은 이제 쿠키를 이용해 수집한 데이터를 포함한 개인 데이터는 사용자 동의가 있어야만 사용할 수 있다고 요구하고 있다. 앞으로 제3자 데이터 수집이 기업에게 어려워지고, DMP는 법적 의무가 더 커진다는 의미다. 결과적으로, 미래 DMP는 제1자 및 제2자 데이터에 더 많이 의존할 수 있다.[5]

참조

  1. ^ a b c Levy, Heather (2015-07-28). "How Does a Data Management Platform Work?". Gartner. Retrieved 2019-10-30.
  2. ^ a b c Matuszewska, Karolina (2018-08-31). "Data Gathering Platforms: Pros and Cons of DMPs, CDPs, DWs & CRMs". Piwik PRO. Retrieved 2019-10-30.
  3. ^ "Data Management Platform". Nielsen Nederland – Nielsen (in Luxembourgish). Retrieved 2019-10-30.
  4. ^ a b c d e f g h Golovan, Eugene (2018-11-26). "What Is Data Management Platform, How It Works and Why You Really Need It in Your Business". Medium. Retrieved 2019-10-30.
  5. ^ a b c d e f g h Foote, Keith D. (2018-03-20). "A Brief History of Data Management". DATAVERSITY. Retrieved 2019-10-30.
  6. ^ a b Elmeleegy, Hazem; Li, Yinan; Qi, Yan; Wilmot, Peter; Wu, Mingxi; Kolay, Santanu; Dasdan, Ali; Chen, Songting (2013). "Overview of Turn Data Management Platform for Digital Advertising". Proc. VLDB Endow. 6 (11): 1138–1149. doi:10.14778/2536222.2536238. ISSN 2150-8097.
  7. ^ Butt, Mahmood (2018-05-07). "Why — and How — to Use a Data Management Platform". MarTech Advisor. Retrieved 2019-10-30.