Digital Marketing

디지털 마케팅의 효과를
감이 아니라 수치로 검증합니다.

대규모 소셜미디어 데이터를 직접 구축하고, 이미지·텍스트·행동 데이터를 결합해 인플루언서와 콘텐츠가 만드는 효과를 인과적으로 검증하는 연구입니다.

데이터와 방법

공개된 소셜미디어에서 대규모 게시물·이미지·계정 데이터를 수집하고, 컴퓨터 비전으로 이미지를 정량화한다. 게시물의 얼굴 노출 정도를 픽셀 단위로 판별하고, 브랜드·카테고리를 multi-label로 전개해, 수백 개 변수를 통제한 회귀로 순수 효과를 추정한다.

대규모 수집

인스타그램 게시물·계정·이미지 크롤링

이미지 AI

ResNet50 · YOLOv8 얼굴/객체 탐지

텍스트·메타

multi-label 브랜드·카테고리 전개

인과·회귀

국가 FE · 통제변수 · 조절효과

얼굴 노출과 인게이지먼트

인플루언서가 얼굴을 어떻게(전체·일부·비공개) 노출하는지가 게시물 반응에 체계적으로 영향을 준다. 계정 단위·게시물 단위로 분해해 효과를 분리 검증.

시각 진단성(Visual Diagnosticity) 조절

제품 효과가 사진으로 즉각 판단되는 카테고리(색조 메이크업)와 사용해야 아는 카테고리(스킨케어)에서, 노출 전략의 효과가 다르게 나타난다.

이미지·소셜 결합 조기경보

이미지와 소셜 데이터로 브랜드의 하강 전환을 미리 읽는 조기경보 시스템 연구로 확장(NRF 신진연구).

※ 한양대 석·박사과정 공동연구. 일부 결과는 학위논문·후속 연구로 진행 중입니다.

연구의 시각을 실무 독자에게 전합니다. 동아비즈니스리뷰(DBR)에 기고한 글.

AI 에이전트가 바꾸는 광고 문법. CPC(클릭당 과금) 모델이 흔들리는 시대, 제품 페이지에 검증 가능한 수치·데이터를 명시한 브랜드가 AI 인용과 광고 성과에서 앞선다.

DBR에서 읽기 ↗

검색의 시대가 끝나고 AI가 대화 중 결제까지 끝내는 '에이전틱 커머스'가 쇼핑의 판을 바꾼다. 아마존 루퍼스·오픈AI 결제 혁신 사례로 본, 플랫폼이 광고 대신 '추천의 신뢰'를 팔아야 하는 이유.

DBR에서 읽기 ↗

이 연구의 시각을 누구나 읽을 수 있게 풀어 쓴 글들도 발행합니다 — 플랫폼 알고리즘, 인플루언서, 바이럴 콘텐츠를 데이터로 해독한 인사이트.