예측 기술이 마케팅에서 중요한 이유

UA(user acquisition, 유저 유입) 마케팅은 지난 몇 년 간 비약적으로 발전하였고, 모바일 세계가 고도화되면서 그 중요성이 더욱 커졌습니다.   

UA 매니저는 캠페인을 효과적으로 최적화하여 고가치 유저를 획득하는 방법을 모색합니다. 유저 획득 비용을 정하고, 비용 대비 유저 생애 가치(LTV)를 높이며 UA 마케팅 ROI의 정확도를 높이기 위해 여러 BI 솔루션과 서드 파티 기술을 이용합니다. 

하지만 데이터가 충분하지 않아, 캠페인 성과를 예측할 때는 UA 매니저의 직감을 이용하는 경우가 적지 않습니다.

UA 최적화, 어떻게 하나요?

모바일 앱 개발사는 당연히 앱 사용자를 늘리려고 합니다. 사용자 수는 자연스럽게 증가할 수도 있고 다양한 광고 채널과 마케팅을 통해서 늘릴 수 있습니다.  보통 UA 마케팅은 광고 네트워크(Tapjoy, Unity, IronSource 등)나 큰 광고지면(Facebook, Google, Twitter 등)을 통해 유저 획득 비용을 지불하는 방식으로 이루어집니다. 광고 캠페인은 성별, 연령대, 지역, 광고지면 앱 등 다양한 기준으로 타겟 고객을 세분화하여 기획합니다.  

예를 들어, 광고주는 영국의 틴더 유저나 페이스북에서 게임을 좋아하는 20~34세 여성을 광고 타겟층으로 설정할 수 있습니다. 

그 다음, 각 타겟 그룹(코호트)에 대해 캠페인 요소를 정의합니다. 예산, 일일 광고 노출 최대 횟수, 그리고 가장 중요한 유저 획득 단가, PPU(pay per user)를 지정합니다.

UA 매니저는 앱 다운로드와 앱 사용 활동을 모니터링하면서 유저 여정 전체를 추적합니다. 유저 가치는 다음과 같은 KPI(핵심성과지표)에 따라 측정할 수 있습니다. 

• 수익화 – 인앱 구매, 광고 조회, 구독, 오퍼월(offer wall, 보상형 광고) 등으로 발생하는 수익 
• 인게이지먼트 – 앱 경제에 기여하는 앱 사용 활동
• 리텐션 – 유저의 앱 사용 빈도 및 앱 고착도(stickiness)

UA 매니저의 역할은 유저 창출 가치 총합이 유저 유입 비용을 넘도록 하는 것입니다. 이를 위해서는 유저의 앱 사용 기간 전체(user’s lifetime)를 통틀어 발생한 인앱 이벤트를 정확히 측정하는 일이 가장 중요하고 어렵습니다. 유저 인앱 이벤트 측정 기간은 3주에서 12개월까지 앱마다 다양합니다.

유저 유입 비용을 유입된 유저 생애 가치(LTV)가 확실할 때만 정할 수 있으면 좋겠죠. 그러나 실제로 유저 유입 비용을 먼저 지불해야 하기 때문에 캠페인을 얼마나 어떻게 집행해야 할지에 대한 불확실성이 큽니다.

유저 생애 가치(LTV) 찾기

광고주는 BI 시스템, 전담 팀에 상당한 리소스를 투자하고 데이터 사이언스를 활용하지만 사용자 여정에서 사용자 LTV를 암시하는 다양한 터치포인트를 파악하기란 어렵습니다. BI 설정을 고도화할수록 UA 매니저는 더 정확한 포인트를 찾을 확률이 높습니다. 

앱을 설치한 후 유저의 앱 사용 활동 초기에 LTV에 대한 인사이트를 얻으려면 대략 7~14일 동안 데이터를 충분히 쌓아야 합니다. 이 인사이트의 신뢰도를 높이고 데이터 분석을 “정제된” 환경에서 하려면 이 기간 동안 캠페인에 어떠한 변화도 있어서는 안됩니다. 

입찰가, 광고 소재, 타겟팅을 변경하여 캠페인을 최적화하는 작업은 신뢰할 수 있는 인사이트를 얻은 다음에야 가능합니다.

데이터가 쌓이기를 더 기다릴수록 데이터 분석 결과 정확도는 높아집니다. 그러나 정확도를 위해 기다리는 동안 성과 없는 캠페인에 예산이 낭비됩니다. 실패하는 캠페인에 돈을 낭비하거나 성공할 수 있는 캠페인을 더 활용하지 못합니다.

예측 분석이란?

어떤 앱은 단순히 일정 시간 경과 후 LTV를 측정하는 것으로 충분하지만, 앱 대부분은 더 정교한 예측 방식으로 캠페인 성패가 달라질 수 있습니다.  

예측 분석에서는 캠페인 집행 첫 하루 이틀 간 유저의 앱 활동을 측정하여 장기 LTV와 얼마나 정확히 연관지을 수 있는가가 관건입니다. 

그런데 캠페인 초기에 유저 활동과 유저 생애 가치 사이의 상관성 맺기는 직감으로 하는 일이 아닙니다. 유저가 앱을 설치한 뒤 첫 한두 시간이나 하루 이틀 동안 무수히 많은 행동과 패턴을 측정해야 하며 여러 복잡한 분석 및 예측 툴을 사용해야 합니다. 이러한 연구 분야를 ‘예측 분석’이라고 합니다.

마케팅 분야에서 뿐만 아니라, 예측 분석 과학은 다양한 분야에서 과거 데이터를 분석하여 패턴을 찾고 미래를 예측하는 일에 쓰입니다. 예를 들어 주식 시장의 변동에서부터 건강의 적신호를 예측할 수 있습니다.

예측 분석 기술을 퍼포먼스 마케팅에 적용하는 일은 당연한 듯 보이지만, 실제로 수행하는 일이 쉽지 않습니다. 다양한 데이터 플랫폼이 상용화 된 지금도, 유저 생애 가치를 예측 분석하려면 상당한 자원과 방대한 데이터가 필요합니다.

PredictSK에 대해 더 궁금하신가요?

데모를 신청하세요.

예측 분석 방법에는 딥 러닝, 스마트 라벨 정의, 다니내믹 피처 엔지니어링(dynamic feature engineering)이 있습니다. 이런 예측 모델을 실행하려면 서버 비용이 어마어마하게 늘어날 수 있습니다.

 예측 분석의 장점은 UA 마케팅 분야에 널리 알려졌지만, 실제로 이를 활용하는 UA 매니저는 소수에 불과합니다. 앱 마케터들은 대부분 캠페인을 이렇게 섬세하게 운영할 리소스가 없고, 제한된 계산 모델에 의존하거나 더 열악한 경우, 직감에 따라 마케팅을 합니다.

예측 마케팅에서 풀어야 할 문제 – 예측 편향성

이상적인 LTV 예측을 할 수 있는 복잡한 딥러닝 예측 모델을 구축하고 훈련시키려면, 대규모 유저 행동 데이터베이스에 대한 접근이 필요합니다.

하나의 앱을 예측하기 위해 그 앱에만 속하는 데이터를 사용할지라도, 예측 모델을 훈련시키고 최적화하려면 수 백 개의 앱 데이터를 사용해야 정확도를 최대한 높일 수 있습니다. 

모든 광고 채널의 모든 앱 캠페인을 한 눈에 분석할 수 있는 기업은 거의 없습니다. 소수의 기술력 높은 기업들만 수익화 정보와 비용 발생 채널 등 UA 내용 전반을 관망할 수 있습니다.  

예를 들어, 한 광고주가 매체사 다섯 곳과 협력한다면, 각 매체사는 상당량의 데이터를 조회할 수는 있겠으나 모든 UA 캠페인에 대한 단독 접속 권한은 없을 것입니다. 각 매체사의 데이터는 자사의 캠페인과 매체에 한정됩니다. 이 매체사들의 데이터는 본질적으로 편향될 수 밖에 없습니다.

예측 마케팅이 필요한 이유

매체별 캠페인 성과 기여도를 측정하고 종합 분석하는 어트리뷰션 기술은 현재 중요한 변화를 겪고 있습니다. 개인 정보 보호가 중요해진 시대에는 새로운 측정 기준을 세워야 합니다. 측정 기간은 줄이고, 프라이버시는 보호하면서 유저 가치를 예측하여 마케팅을 최적화해야 합니다.

예측 마케팅이 필요한 이유입니다.

앱스플라이어는 독립적인 입장에서 독보적으로 방대한 어트리뷰션 데이터베이스를 활용하여 정확하고 신뢰할 수 있는 인사이트를 제공합니다. 모바일 생태계 전반을 아우르는 종합적인 관점, 업계 최대 규모의 전문가 및 컴퓨팅 자원, 한 쪽으로 치우치지 않는 공정한 입장에 기반하여 정확한 예측 인사이트를 최단시간에 제공합니다.