[프로그래매틱 광고] (6) 크리에이티브와 캠페인 운영: 광고를 만들고 올리기
SP 화면을 처음 켜면 결정해야 할 항목이 수십 개입니다. 캠페인 목적, 타겟팅, 입찰 전략, 빈도 제어, 기여 기간. 각 항목의 의미와 그 뒤에서 작동하는 메커니즘을 모르면 화면 위의 결정은 그저 기본값으로 채워집니다. 프로그래매틱 광고 시리즈 6편은 그 결정들이 무엇을 의미하는지, 어떤 메커니즘과 연결되는지 정리합니다.
카테고리
기술 83
소프트웨어 개발, 시스템 아키텍처, 데이터 엔지니어링, AI, 자동화, 개발 생산성 등 디지털 제품을 구축하고 운영하기 위한 기술적 개념과 실무 경험을 다룹니다. 복잡한 기술적 의사결정을 더 명확하게 내리기 위한 관점을 정리합니다.
[프로그래매틱 광고] (5) 데이터와 식별자: 광고가 “나에게 맞는 광고”가 되는 원리
같은 시간에 같은 페이지를 두 사람이 열어도 보이는 광고는 다릅니다. 한 사람에게는 어제 장바구니에 넣었던 운동화가, 다른 사람에게는 최근 검색한 항공권이 나타납니다. 이 차이를 만드는 것이 데이터와 식별자입니다. 데이터의 종류부터 DMP와 CDP, 쿠키의 역사와 프라이버시 샌드박스 폐기, 쿠키 대체재, 법규와 CMP까지 9개 섹션으로 정리합니다.
[프로그래매틱 광고] (4) RTB와 헤더 비딩의 메커니즘: 100ms 안의 경매
페이지를 여는 순간, 광고가 뜨기까지의 시간은 0.1초도 되지 않습니다. 그 100ms 안에 전 세계 수백 개 입찰자가 광고 한 자리를 두고 경매를 한 번 치릅니다. 누가 참여하고 어떤 정보가 오가며 어떤 가격으로 낙찰되는지가 모두 그 안에서 끝나고, 이 시간 제약이 광고 산업의 거의 모든 기술 인프라를 결정했습니다. RTB 한 사이클부터 헤더 비딩, 거래 4유형, 1차가 경매와 비드 셰이딩, ads.txt까지 메커니즘 전체를 정리합니다.
[RAG] (2) 온톨로지와 지식 그래프: 의미가 있는 데이터, 그리고 GraphRAG
벡터 RAG는 비슷한 페이지는 잘 찾지만, 페이지 사이의 관계는 알지 못합니다. 그 빈자리를 채우는 흐름이 온톨로지, 지식 그래프, 그리고 둘과 RAG를 결합한 GraphRAG입니다. 각 개념이 무엇이고 어떻게 연결되는지, 다중 홉 추론에서 어떤 차이를 만드는지, 그리고 실제 도입에는 어떤 비용이 따르는지를 짚어봅니다.
[RAG] (1) 검색 증강 생성(RAG): LLM이 외부 지식을 꺼내쓰는 방법과 한계
ChatGPT는 셰익스피어를 분석하면서도, 정작 우리 회사 위키는 모릅니다. 도메인 지식의 부재와 시간적 단절을 푸는 방법 중 사실상의 표준이 된 것이 RAG(검색 증강 생성)입니다. 오픈북 시험을 떠올리면 됩니다. 모델은 그대로 둔 채 답할 때마다 외부 문서를 꺼내다 끼워주는 방식이죠. 정의와 파이프라인, 임베딩과 벡터 DB의 작동 원리, 그리고 다중 홉 추론에서 왜 막히는지까지 살펴봅니다.
[클라우드] (3) 멀티클라우드와 메타클라우드
멀티클라우드는 두 개 이상의 퍼블릭 클라우드를 함께 쓰는 방식이고, 메타클라우드는 그 위에 추상화 레이어를 얹어 통합 관리하는 다음 단계입니다. 두 개념의 차이, 도입 이유, Anthos·Tanzu·OpenShift·Arc 등 주요 제품까지 한 번에 정리해 보세요.
[클라우드] (2) 클라우드 마이그레이션: 6R, 클라우드 파운데이션, FinOps
클라우드로 옮기면 비용도 줄고 민첩해진다"는 말이 무색하게, 대규모 마이그레이션을 끝낸 기업들은 늘어진 일정과 예상을 넘어선 비용을 호소합니다. 문제는 클라우드 자체가 아니라 클라우드를 다루는 방식에 있습니다. 모든 워크로드를 옮기는 게 정답인지, 옮긴다면 어떤 방식이 적합한지, 그리고 가치가 새는 것을 막으려면 무엇이 필요한지 6R과 파운데이션·FinOps를 통해 짚어봅니다.
[클라우드] (1) 클라우드란 무엇인가: 정의·특성·종류·활용
우리도 클라우드로 가야 한다"는 말은 익숙하지만, "클라우드가 정확히 뭐야?"라는 질문에는 의외로 막힙니다. AWS, Azure, GCP는 들어봤어도 IaaS·PaaS·SaaS, 퍼블릭·하이브리드로 가면 점점 흐릿해지죠. 이 글은 클라우드의 정의와 5가지 본질적 특성, 서비스·배포 모델, 빅3의 6가지 카테고리 대표 서비스를 한 편에 정리합니다.
[데이터 프로덕트와 아키텍처] 데이터 아키텍처와 데이터 역량
우리 조직은 데이터 레이크를 써야 할까요, 레이크하우스로 넘어가야 할까요? 데이터 메시는 정말 답이 될까요? 데이터 아키텍처의 유형과 사례들을 실제 서비스로 살펴보고, 데이터 역량도 어떻게 강화해야할지 알아보세요.