타사 쿠키 없이 광고 관련성 제공: AI 기반 고급 컨텍스트 기법

광고 식별자가 사용 중지됨에 따라 광고주는 컨텍스트 타겟팅과 같은 잘 확립된 솔루션을 포함한 대체 솔루션으로 눈을 돌리고 있습니다. 이러한 새로운 관심은 확립된 기존 상품들이 예측 모델링 및 생성형 AI를 비롯한 최신 기술을 통합하여 다시금 일종의 전성기를 맞이하고 있다는 것을 의미합니다.

컨텍스트 타겟팅을 통해 광고주는 항상 소비자가 실시간으로 보는 관련 콘텐츠에 맞추어 광고를 게재할 수 있습니다. 아마존 광고는 아마존의 고유한 쇼핑 인사이트와 AI를 활용하여 컨텍스트의 의미를 재정의했고 “키워드가 페이지에 있으면 광고 게제”라는 단순한 휴리스틱을 넘어섰습니다. 아마존 DSP는 소비자의 쇼핑 여정에 맞추어 단어, 이미지, 비디오 콘텐츠 간의 복잡한 관계를 고려하여 미묘하고 확장 가능한 방식으로 컨텍스트를 분석합니다. 방대한 양의 비정형 데이터를 분석하고, 시맨틱 주제를 인식하고, 잠재고객의 현재 의도를 이해하는 AWS 기반 AI의 능력은 기존 키워드 일치 이상으로 컨텍스트 타겟팅을 개선합니다. 그 결과 광고주는 이전에는 불가능했던 카테고리와 컨텍스트를 타겟팅하거나 행동 신호만을 사용하여 타겟팅할 수 있게 되었습니다.

마케팅 담당자의 60%가 현재 광고에 AI를 사용하고 있으며 거의 절반이 컨텍스트별 적용에 초점을 맞추고 있기 때문에 이러한 혁신은 광범위한 업계 트렌드와 일치합니다. AI 광고 시장이 매년 35% 성장함에 따라 식별자에 구애받지 않는 전략에 대한 수요도 계속 증가하고 있습니다. AI 기반 컨텍스트 타겟팅에 대한 투자는 소비자 참여가 25% 증가하는 등 측정 가능한 결과를 가져오고 있으며, 이는 아마존 광고 고급 접근 방식의 가치를 여실히 입증합니다.

이 백서에서는 AI가 컨텍스트 타겟팅을 어떻게 혁신하고 있는지 자세히 설명하고 타사 쿠키의 필요성을 최소화하면서 가치를 제공하는 아마존 DSP의 혁신적인 솔루션을 소개합니다.

• 콘텐츠를 정교한 방식으로 이해하기 위해 대규모 언어 모델 (LLM)을 활용하는 방법
• 오픈 웹 및 모바일 공급 콘텐츠 분석을 위한 고급 기법
• 수요를 이해하기 위한 아마존의 고유한 상품 카테고리 기반 분류 방법론
• 모델 관련성 및 퍼포먼스를 평가하기 위한 프레임워크.
• 고객 사례 연구 및 결과를 통한 실제 영향