← 프로젝트

데이터 플랫폼

YouTube 게재위치 타깃팅

사내 해커톤 준우승 · 팀 리드 — 상품 카테고리로 YouTube 채널·영상을 골라 광고 지면을 추천

기간
2026.07 – 진행 중
역할
팀 리드 · 기획 · UI/UX · 데이터 파이프라인
팀
5인 (개발본부장 · 개발 매니저 · 마케팅 매니저 2명 · 본인)
상태
해커톤 준우승 (6팀 중) · PoC A/B 테스트 준비 중
준우승
사내 해커톤 (6팀 중, 개발·싱글원본부 전원 참석)
15만
수집한 뷰티 영상 Pool
약 3,000개
수집 키워드로 쓴 최하위 상품 카테고리
81%
레포 커밋 기여 (100 / 123)

공개 범위 안내 — 회사 프로젝트로, 테스트 광고주 · 예산 · 스코어링 세부 가중치 · 성과 수치는 사내 정책상 공개하지 않습니다. 아키텍처 · 실험 기록 · 상세 수치가 담긴 자료는 메일로 요청해 주시면 보내드립니다.

한 줄로

YouTube 광고는 채널·영상 단위까지 게재위치를 직접 지정할 수 있지만, 수백만 개 중 어떤 채널·영상이 우리 상품과 맞는지 판단할 방법이 없어 결국 사람이 영상을 하나씩 열어보고 URL을 입력합니다. 매체가 주는 카테고리는 “뷰티”, “라이프스타일” 같은 대분류라 상품 단위 판단에는 너무 거칩니다. 이커머스의 상품 카테고리 체계를 그대로 광고 타깃팅 축으로 가져와, 상품에 맞는 채널·영상을 근거와 함께 추천하는 기능을 만들었습니다.

팀 리드로 한 일

  • 5인 팀(개발본부장 · 개발 매니저 · 마케팅 매니저 2명)을 이끌며 주제 선정 → 기획 → PRD → 화면·기능 기획 → 구현 → 발표까지 진행. 화면 기획, 기능 기획, 코드 구현은 Claude와 함께 작업
  • 실제 사내 광고 플랫폼(SingleONE)에 도입하는 것이 목표라, 기존 화면 기획을 SingleONE 마케터와 함께 진행하고 CEO 피드백으로 화면을 최종 수정
  • 초기 구상(인플루언서 컨택·제휴 중개)을 PRD 개정에서 “캠페인에 바로 반영할 게재위치 세트 추천”으로 좁히고, CEO 결정에 따라 브랜딩 광고용으로 방향을 맞춤
  • 기획, UI/UX 개발, 데이터 구축, 파이프라인 설계·구현, 해커톤 발표, A/B 테스트 준비 대부분을 직접 수행

핵심 1 — YouTube Pool 확보

  • 상품 카테고리는 4단계 구조이고, 최하위 카테고리만 약 3,000개. 이 카테고리명을 YouTube Data API 검색 키워드로 쓰는 수집 배치를 만들고, 일일 쿼터를 최대한 쓰도록 남은 쿼터를 계산해 주기적으로 실행
  • 카테고리명만 검색하면 쇼핑몰·브랜드 채널이 먼저 걸려서, “리뷰 / 추천 / 사용법 / 루틴” 같은 콘텐츠 의도어를 붙여 크리에이터 콘텐츠 쪽으로 검색을 치우치게 함
  • 새 채널·영상 발굴 배치와 기존 Pool 갱신 배치를 분리. 공식 API만 사용
  • PoC 대상은 뷰티 · 코스메틱, 현재 약 15만 개 영상 수집

핵심 2 — 채널·영상 분석으로 타깃팅

① 상품 카테고리 매핑. 영상의 제목·설명·태그·채널 정보를 상품 카테고리에 매핑합니다. 먼저 한·일·영 카테고리명 키워드 사전 매칭을 하고, 여기서 못 잡은 것만 다국어 임베딩(bge-m3) zero-shot 분류로 넘깁니다. 유사도가 기준에 못 미치면 억지로 분류하지 않고, 어떤 경우든 매칭 키워드나 유사도·원문 스니펫을 근거로 남깁니다. 이름이 같은 카테고리는 상위 경로까지 앵커에 넣어 오분류를 막았습니다.

② 브랜드 등장 매핑. 브랜드 목록과 별칭 사전을 만들어 영상 메타데이터에 어떤 브랜드가 등장하는지 매핑합니다.

③ 경쟁사 탐지. 브랜드명을 입력하면 경쟁 브랜드를 찾아 줍니다. 2년간 쌓은 이커머스 랭킹 데이터(상품명 · 브랜드 · 카테고리 · 가격 · 판매량 · 리뷰 수)를 활용합니다.

④ 투명한 랭킹. 키워드 관련성 · 부가 조건 · 인기도 · 실성과 이력을 명시적 가중치로 합산하고, 인기도 비중은 일부러 낮게 두었습니다(구독자 수가 광고 적합도를 보장하지 않으므로). 성과 데이터가 없는 신규 채널은 중립 점수로 처리해 “데이터 없음”을 “성과 나쁨”으로 오판하지 않게 했습니다.

검증 — A/B 테스트 준비

  • 사내 광고대행팀과 협의해 광고주 1곳을 선정, 일반 YouTube 광고와 이 기능으로 타깃팅한 광고의 성과를 비교
  • 건너뛰기 가능 / 불가 두 포맷 각각에서 대조군 vs 실험군을 두고, 게재위치 타깃팅 여부 하나만 다르게 설계(예산 · 소재 · 입찰 · 오디언스는 동일)
  • 포맷별로 핵심 지표를 분리 — 건너뛰기 가능은 조회율 · 재생 진행률 · CPV · CTR, 건너뛰기 불가는 CPM · CTR · Viewability

한계와 다음 단계

  • 광고 성과 수치는 아직 없습니다 — A/B 테스트 전 단계입니다
  • 자막을 매칭 신호로 쓰려고 자막 수집 기능도 만들었지만(팀원 개발), 수집 성공률이 약 46%에 그쳐 지금은 쓰지 않았습니다. 수집률을 높인 뒤 도입할 예정입니다
  • 관련성 판단은 학습된 모델이 아니라 키워드 매칭 + 사전학습 임베딩 zero-shot + 가중치 스코어링입니다. 테스트에서 쌓이는 실성과를 랭킹에 되먹이는 것이 다음 단계입니다