프로그래머틱 모바일 사용자 획득

앱의 성장을 가져오는 모바일 DSP 플랫폼.

저희 고유 입찰 및 머신러닝 알고리즘으로 투명하고 성과 중심적이며 고도로 타겟팅된 UA 및 재참여 솔루션을 큰규모로 제공합니다.

신뢰업체:

사례 연구

Ubisoft / Howrse

“Persona.ly를 사용하면 미디어 마케팅 조합을 다양화하고 다른 대형 SNS 광고 플랫폼과 유사한 사용 난이도를 보여줍니다. Persona.ly는 성과에 대한 우수한 분석 접근 방식을 통해 초기부터 고도로 개인화되고 빠른 지원을 제공했습니다.”

Ubisoft의 Growth Marketing Specialist- Lucas Rossi

결과

55%
더 많은 설치 건수

200%
7일차 우수한 리텐션

UA에 대한 과학적 접근법

저희 알고리즘은 DMP가 집계한 데이터를 포함 60개 이상의 데이터 포인트를 분석하여 어떤 사용자가 앱을 클릭하고 설치하여 수익을 올릴 수 있을지 안정적으로 예측하게 해줍니다.

실적을 한 눈에

대시보드는 광고 캠페인 별 세분화된 인사이트를 제공하고 잠재 사용자에게 노출된 광고의 위치와 소재별 실적을 보여줍니다.

정확한 타겟팅을 대규모로 수행

저희 머신러닝 알고리즘은 초당 400만 건의 광고 경매에 접근하고 광고를 노출하기 전에 60개 이상의 데이터 포인트를 분석합니다. 이를 통해 타겟팅된 인앱 이벤트로 광고 캠페인을 가장 성과가 높은 사용자군에게 최적화하여 광고 수익률(ROAS)을 극대화합니다.

보장된 고품질 사용자

지속적인 성과 최적화는 물론 실시간 데이터 분석과 DMP의 집계 데이터를 사용하여 이상 징후를 감지하고 사기 행위를 예방합니다.

신뢰할 수 있는 파트너

Persona.ly는 모든 주요 SSP(공급자측 광고플랫폼) 및 OEM과 직접 연동되어 광범위한 사용자에게 노출되며 자격이 있는 거의 모든 사용자에게 광고를 타겟팅할 수 있습니다.

경매 가격 예측

저희 플랫폼은 bid shading(낮게 입찰)을 적용하여 최저가격에 모든 관련 노출(impression)을 확보합니다. 저희 머신러닝 알고리즘은 과거 경매 데이터를 바탕으로 입찰 전에 다양한 잠재고객 속성을 검토하여 최적의 입찰가를 예측하므로 최초가 경매에서 초과 지출할 걱정이 없습니다.

데이터 기반 프로세스

특정 분야 내에서 앱 간에 유사점이 존재하지만 각 앱은 고유하며 참여도가 높고 충성도가 높은 사용자를 찾기 위해서는 데이터, 협력 및 창의성이 필요합니다. 수년간의 모바일 앱 캠페인 운영 경험을 통해 입증된 비즈니스 로직을 기반으로 지식을 수집하여 초기 타겟팅 모델 생성 프로세스를 주도하고 촉진함으로써 KPI에 도달하고 더 빠르게 확장할 수 있었습니다.

탐구
데이터 수집을 시작하기 위해 기본 인구통계학적 정의를 기반으로 노출에 대해 입찰합니다.
기본 로직 수준
초기에 수집된 데이터와 검증된 전략을 기반으로 하는 기본 타겟팅 알고리즘입니다.
고유 분류 모델
설치에 최적화된 맞춤형 타겟팅 알고리즘.
인게이지먼트 최적화
우리는 풀퍼널 데이터를 활용하여 리텐션 및 인앱 구매 개선을 위한 알고리즘을 최적화합니다.
확장하기

사례 연구

Rapido 자전거 택시 앱

“Persona.ly의 팀은 우수한 투명성으로 처음부터 비즈니스 목표와 KPI를 이해하고 전달할 수 있었습니다. 데이터 기반 실험과 플랫폼의 높은 확장성을 통해 Persona.ly는 곧 우리 획득 목표에 꼭 필요한 존재가 되었습니다.”

Rapido의 Performance Marketing Manager- Arsh Bhatt

결과

45%
KPI보다 낮은 CPA

x13
4개월 이내 캠페인 확장

블랙박스에 투명성을 추가

대시보드는 고객에게 캠페인에 대한 자세한 인사이트를 제공하고 잠재 사용자에게 광고의 표시 위치를 볼 수 있게 합니다. 또한 각 광고 소재의 성과가 실시간으로 표시됩니다.

창의적 분석
전환에서 클릭 및 설치, 인앱 이벤트, 리텐션 및 광고수익률에 이르기까지 다양한 광고 소재의 실적을 쉽게 보고 분석할 수 있습니다.
실적 보고서
전환에서 클릭 및 설치, 인앱 이벤트, 리텐션 및 광고수익률에 이르기까지 다양한 광고 소재의 실적을 쉽게 보고 분석할 수 있습니다.
인구통계학적 인사이트
전환에서 클릭 및 설치, 인앱 이벤트, 리텐션 및 광고수익률에 이르기까지 다양한 광고 소재의 실적을 쉽게 보고 분석할 수 있습니다.
배치 인사이트
전환에서 클릭 및 설치, 인앱 이벤트, 리텐션 및 광고수익률에 이르기까지 다양한 광고 소재의 실적을 쉽게 보고 분석할 수 있습니다.

창의적 성과에 대한 과학적 접근

저희 기계학습 기반 모델은 Multi-Armed Bandit(MAB) 알고리즘을 기반으로 나머지 광고를 지속적으로 테스트하면서 최고 실적의 광고를 노출하도록 조정되었습니다. 학습이 진행됨에 따라 기계학습 모델은 Contextual Bandits 접근 방식으로 점차 전환되며, 여기서 그룹 기능을 기반으로 다양한 사용자 그룹에 다양한 창의성 ″챔피언″이 표시됩니다.