호주미디어·콘텐츠2023 – 진행 중탭코프
고객 혜택과 안전 도박 개입을 위한 머신러닝 모델
탭코프의 혜택 배분 모델이 연간 3억 8,500만 호주달러 규모의 관대함 예산을 12% 줄였다
문제
탭코프의 고객 데이터는 여러 레거시 시스템에 나뉘어 있었다. 고객 여정 하나를 맞추는 데 며칠이 걸려 혜택과 고객 관리에 대한 결정이 늦어졌다.
접근 방식
탭코프는 데이터브릭스 플랫폼에 단일 고객 뷰를 만들고 MLflow로 머신러닝 모델을 관리했다. 모델에는 추천 엔진인 넥스트 베스트 익스피리언스, 앱 내 혜택을 채우는 일일 배분 모델, 안전 도박 개입을 위한 이용자 위험 모델이 있다. 회사는 2023년 AI 넥스트 랩을 세우고 레거시 시스템 7개를 없앴다. 운영 중인 모델은 5개에서 40개 이상으로 늘었다.
주요 수치
12%모델 추천에 따른 연간 3억 8,500만 호주달러 관대함 예산 절감, 탭코프 FY24 연차보고서 인용
70-90%관대함 효율 개선, 데이터브릭스 기준
시사점
탭코프는 모델을 이미 관리하던 예산 항목인 고객 혜택과 연결했다. 그 덕에 절감 효과가 연차보고서에 드러났다.
분류
- 규모
- 중견·성장기업
- 산업
- 미디어·콘텐츠
- 경영 기능
- 마케팅·영업
- 혁신 유형
- 프로세스 혁신
- 도입 방식
- 플랫폼·범용 도구 활용
- 근거
- 공급사 사례
출처
출처 요약
[1]Databricks2025년 3월 18일
데이터브릭스는 탭코프가 분리된 레거시 데이터를 단일 고객 뷰로 바꾸고 혜택, 추천, 이용자 위험을 다루는 머신러닝 모델을 더한 과정을 소개했다. 관대함 효율이 70-90% 개선되고 연간 3억 8,500만 호주달러 규모의 관대함 예산이 12% 줄었다고 밝히며 탭코프의 FY24 연차보고서를 인용했다. 운영 중인 모델이 5개에서 40개 이상으로 늘었다는 내용도 있다.
자세한 내용은 원문에서 확인하실 수 있습니다.
등록일 2026년 11월 4일 · 수정일 2026년 11월 4일
