추가 적립 안내

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.

★ 추천의 글 ★
권력이 소비자에게 옮겨 가는 시대에 있어 브랜드와 소매업체는 여기저기 옮겨 다니는 소비자의 주의를 끌기 위해 노력하고 있고 고객을 유치하거나 유지하기 위해 데이터를 대규모로 활용할 수 있는 능력을 바탕으로 경쟁하고 있다. 마케팅 전문가와 기술 제공자들 모두 마케팅 가치 체인과 이를 어떻게 디지털화할 것인지에 대해 알고자 한다면 이 책을 유용하게 활용할 수 있을 것이다. 이 책은 알고리즘에 기반을 둔 마케팅으로의 여행을 떠나는 모든 사람에게 필수불가결한 참고서가 될 것이다.
-알리 부후치(세포라 미국 담당 CTO)

지금은 모든 것이 가능하다. 이 책은 몇 년 전만 해도 이론에 불과했던 개념들을 실제로 적용하고 있다. 또한 최고의 마케터들이 느끼고는 있었지만 표현할 수 없었던 것들을 발견하는 원칙에 입각한 프레임을 제공한다. 명쾌한 수학적 분석은 전통적인 비즈니스 모델링에서 찾기 힘든 중요한 관계들을 설명해준다. 이 책은 스프레드시트 예제가 없는 것에 대해 사과하지 않는다. 대부분의 세계는 불확실성이 없는 몇 개의 차원으로 설명되지 않는다. 그 대신 이 책은 실제 현상에 대해 보다 나은 통찰을 제공하는 철저한 프레임들을 포용한다. 이 책은 데이터 과학자와 마케터 모두를 위해 쓰여졌다. 이는 실제 효과로 이어질 두 부서 사이의 파트너십이다. 이 책은 그 파트너십이 시작돼야 하는 지점이다.
-에릭 콜슨(최고 알고리즘 임원, 스티치 픽스)

이 책은 마케팅에서의 디지털 변환에 관련된 생생한 초상화다. 이 책은 어떻게 데이터 과학이 모든 마케팅 활동의 핵심적인 부분이 되는지, 어떻게 데이터 기반의 접근과 영리한 알고리즘이 전통적인 노동 집약적 마케팅 활동들을 높은 수준으로 자동화하는지를 설명해준다. 의사 결정은 더 나아질뿐 아니라 더 신속해지고 있으며 이는 날로 가속화되는 경쟁 환경에서 매우 중요하다. 이 책은 데이터 과학자들과 마케팅 임원 모두에게 필독서이고 두 사람이 함께 읽으면 더 좋다.
-오드리 시브랜트(전략적 마케팅 디렉터, 얀덱스)

이 책은 어떻게 회사의 마케팅 활동을 전부 디지털화할 것인지에 대한 완벽하고 전체적인 청사진을 제공한다. 디지털 마케팅의 미래에 대한 개념적 구조에서 출발해 마케팅 활동의 각 부분에서의 베스트 프랙티스에 대한 분석으로 들어간다. 이 책은 조직의 임원, 중간 관리자, 데이터 과학자들에게 어떻게 더 나은 통찰력과 의사 결정을 한 단계씩 발전시켜 나갈 것인지에 대한 구체적이고 행동 가능하고 점진적인 추천 사항들의 집합을 제공한다.
-빅토리아 리브시츠(창업자 겸 CTO, 그리드 다이내믹스)

이 책은 마케팅 전문가들에게 고객 행동을 이해하고 제품 오퍼링을 개인화하고 인센티브를 최적화하고 고객과의 접촉을 통제하기 위해 어떻게 머신 러닝과 데이터 과학의 고급 기법들을 사용할 것인지에 관련된 레시피의 집합을 제공한다. 따라서 이 책은 마케팅 시스템에 대한 데이터 기반 분석 플랫폼의 새로운 세대를 창조한다.
-키라 마카곤(최고 혁신 임원, 링센트럴, 연속적 창업가, 레드아릴과 옥탄의 창업주)

대부분의 비즈니스 관리자는 데이터 분석과 머신 러닝의 개념적 중요성을 이해하고 있지만 데이터 과학에 기반을 둔 실제로 경쟁력이 있는 솔루션을 구현하는 데는 어려움을 느끼고 있다. 데이터 과학 인재의 부족과 더불어 학문적 모델, 일반적 오픈 소스 소프트웨어와 알고리즘을 산업별 환경에 실제로 적용하는 것은 세계의 디지털 마케터들이 직면하고 있는 어려움들이다. 일리야 캐서브가 그의 그리드 다이내믹스에서 개발한 깊은 산업별 전문 지식에서 추출한 이 책은 커다란 조직들이 혁신적인 동시에 실용적인 디지털 마케팅 솔루션을 개발하고 그들로 하여금 성공적으로 경쟁하고 의미 있는 상태로 남아 있고 새로운 데이터 분석의 시대에 적응할 수 있게 도와준다.
-에릭 벤하모(창업자 및 제너럴 파트너, 벤하모 글로벌 벤처스, 3콤과 팜의 이전 CEO 및 의사회 의장)

★ 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.

추천의 글
지은이 소개
감사의 글
옮긴이 소개
옮긴이의 말

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
____5.9.4 하이브리드 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

찾아보기