2022년 Google 앱 캠페인 성과를 측정할 때 알아야 할 것

By Alex Recourt

2020년 1월, Google은 쿠키 없는 미래상을 발표하며 개인 정보 보호를 향한 첫 걸음을 내딛었습니다.

Apple이 모든 iOS 앱은 사용자에게 데이터 추적 권한을 요청하도록 하는 ATT(AppTrackingTransparency, 앱 추적 투명성) 정책을 시행하자, Chrome에서 써드 파티 쿠키를 단계적으로 폐지하는 방안(현재 2023년으로 연기됨)이 나왔습니다. 이후, Google은 개인 정보 보호 강화를 목적으로 세운 안드로이드 ‘프라이버시 샌드박스(Privacy Sandbox)’ 체제의 한 정책으로 2024년까지 Google 광고 식별자, GAID(Google Advertising Identifier) 사용 중단 계획을 발표했습니다.

Google의 이러한 움직임은 Google 앱 캠페인을 집행할 때 타겟팅, 측정 및 어트리뷰션 측면에서 중대한 의미가 있습니다. 이 블로그에서는 ATT의 영향과 앱 캠페인을 잘 측정하려면 왜 AAP를 사용해야 하는지에 대해 살펴보겠습니다. AAP는 App Attribution Partner의 약자로 일반적으로 사용되는 ‘MMP(Mobile Measument Partner, 모바일 측정 파트너)’를 Google에서 지칭하는 용어입니다.

ATT가 일으킨 지각 변동

앞서 언급했듯이, Apple의 ATT 정책은 앱 기업이 사용자에게 추적에 대해 동의를 구하도록 하는 정책입니다. 이에 따라 Google은 광고주에게 세 가지 주요 변화를 예고했습니다.

첫째, 캠페인 볼륨이 크게 출렁일 것이며, 특히 광고 도달 범위가 줄어들 것을 알렸습니다.

둘째, Apple의 새로운 프레임워크, 즉, SKAdNetwork API를 구현하여 애드 네트워크로부터 받는 인스톨 데이터를 검증할 것을 제안했습니다. 또한 Firebase에서 SKAdnetwork의 어트리뷰션을 위해 앱이 자동으로 등록되고 동의한 사용자의 ‘첫 앱 오픈’ 전환 이벤트를 측정할 수 있다고 발표했습니다.

마지막으로 Google이 직접 측정하고 식별할 수 없는 전환은 Google 자체 데이터를 이용하여 전환 측정 모델링 기법의 활용 범위를 확대하겠다고 밝혔습니다. 상세 설명은 뒷 부분에서 하겠습니다.

여러분은 현재 앱 캠페인의 성과를 어떻게 측정하고 있나요?

iOS가 IDFA에서 벗어나면서 Google은 더욱 ‘데이터에 기반한’ 예측 모델링으로 옮겨가야 했습니다. 광고주에게는 설상가상으로, iOS 14에 이어 Google이 자사가 소유하고 운영하는 유튜브나 Gmail 같은 앱에서 사용자에게 추적 허용 선택 팝업창을 제공하지 않아 유저 레벨 어트리뷰션(유저 개인별 캠페인 성과 측정)을 원천봉쇄했습니다.

앞서 언급했듯이, Google은 캠페인 성과 보고 및 최적화를 유지하기 위한 전환 모델링을 출시했습니다. Google은 자체적으로 캠페인 성과를 측정하는 Self-Reporting Network(SRN)이지만, 모델링으로 측정된 전환에 대해서는 개인정보보호 문제 때문에 기여도를 주장하지 않습니다. 이 모델링된 전환 데이터는 MMP가 독립적으로 검증할 수 없고 타 매체에 반하여 어트리뷰션으로 인정할 수도 없습니다. 또한 Google은 MMP에서 전환 또는 앱 인스톨에 대한 데이터를 가져오지 않습니다.

iOS 제약 사항과 관련하여 Google은 모델링 신호를 포함한 리포팅 및 최적화를 위해 Firebase용 Google 애널리틱스를 추가로 홍보했습니다. Firebase는 본질적으로 앱 개발자가 앱을 빌드하고 성장시키는 데 도움이 되는 도구이지만 주로 Google을 위해 설계되었습니다.

따라서 Google 이외의 채널까지 폭넓게 캠페인 성과를 측정하는 MMP와 함께 사용하는 것이 좋습니다. (Firebase는 주요 애드 네트워크들이 거의 연동되지 않아 앱 인스톨, 나아가 인앱 이벤트에 기여한 캠페인을 측정하기 어렵습니다.)

마지막으로, 안드로이드 생태계에서는 여전히 사용자가 추적에 동의하면 앱 사용자의 기기 ID로 결정적 매칭을 통해 캠페인 성과를 측정할 수 있습니다. 즉, MMP가 안드로이드 플랫폼에서 발생하는 모든 광고 성과 정보를 수집할 수 있습니다. (앞서 말씀드린대로, 구글의 광고 식별자인 GAID는 2024년이 되서야 사라지고 Google은 앱 개발사들과 협업하여 적절한 대안을 그 전에 마련할 것을 약속했습니다.)

Google의 ‘모델링된 전환’ 측정 원리

Google은 광고에 대한 소비자의 반응(광고 클릭, 광고 조회)을 측정할 식별자가 없을 때, 다음과 같은 단계에 따라 모델링된 전환을 측정한다고 설명합니다.

광고에 대한 반응을 광고가 전환으로 이어지는지 여부에 따라 구분합니다.
Google은 시간, 기기 유형, 운영체제 등의 요소를 기반으로 유사한 행동을 하는 사용자의 전환율을 측정합니다.
Google은 머신 러닝 모델을 적용하여 광고에 반응한 모든 사용자들의 전환 가능성을 예측합니다. 학습 내용이 각 광고주에 적용됩니다.
각 모델은 과거 전환 트렌드를 포함한 Google의 보정 신호로 검증됩니다.

별도의 컬럼에 집약된 형태로 모델링된 전환을 보고하는 업체도 있겠지만, 구글이 보유한 모델링 기술의 성격상, 어떤 써드 파티도 어트리뷰션을 목적으로 모델링된 전환을 검증할 수 없습니다.

따라서 Google의 모델링된 전환이 포함된 모든 리포팅은 Google 광고의 맥락에서만 해석되어야 합니다.

Google 캠페인 성과를 MMP로 측정하는 이유

Google Ads 리포팅은 기본적으로 Google에서 측정된 전환만 수집하여 보고합니다. 이 전환이 일어나기까지 사용자가 거처 온 경로에 여러 터치포인트, 즉 Google 외 여러 광고 플랫폼에서 집행한 광고들이 존재할 수 있습니다.

MMP는 여러 애드 네트워크가 보고한 전환 성과 중 중복을 제거하여, 광고 성과를 편향되지 않게 측정하는 정확한 정보원 역할을 합니다. iOS 데이터가 구조적인 이유로 일부만 측정되었을지라도(예: Google에서 앱 사용 활동 추적 허용 요청 메시지 창을 보이지 않아서 캠페인 성과 측정 범위가 제한될 때), 이 일부 어트리뷰션 신호를 기준선으로 활용하여 전 채널에 걸친 종합 광고 성과를 모델링할 수 있습니다.

최소 두 군데 이상의 플랫폼에서 광고를 집행하면 MMP를 사용하는 것이 좋습니다. 그러나 Google 한 곳에만 캠페인을 진행하더라도 MMP를 사용하면 오디언스 관리, 성과 증분 측정, 프로드 탐지, 유저 참여 유도 등 캠페인에 대한 인사이트를 얻기 위한 작업을 할 수 있습니다.

MMP는 수천 매체사와 연결되어 한 프로젝트의 전반적인 가치를 정확히 나타낼 수 있습니다.

요컨대 MMP는 여러 네트워크와 미디어 소스를 사용할 때 Google Ads를 정확하게 측정하는 가장 좋은 방법입니다.

적절한 MMP를 선택하는 방법

Google에 광고할 때 성공하려면, MMP에서 다음 세 가지를 확인하세요.

첫째, MMP는 개인 정보를 보호해야 하며 사전 예방적인 개인 정보 보호 조치를 취해, 광고주와의 연동을 지속적으로 유지할 수 있어야 합니다.

둘째, MMP는 마케팅 비용 분석, 타겟 오디언스 세그멘테이션, 딥링킹, 프로드 탐지 및 예측 분석과 같은 어트리뷰션 이상의 기능을 제공하는지 확인하세요.

셋째, 데이터가 편향되지 않고 특정 애드 네트워크의 영업 이익과 무관한지 확인하는 것이 중요합니다.

MMP가 Google 측정 옵션 보완하는 법

광고주는 Firebase 같은 Google의 측정 솔루션을 사용하기도 합니다. Firebase를 MMP와 같이 사용하면 충돌이 나지 않고 Firebase에 광고 입찰과 오디언스 설정을 위한 신호를 수집하는 기능이 있어, 구글 애즈 캠페인을 최적화하는데 도움이 될 수 있습니다.

그러나 멀티 터치 어트리뷰션이나 iOS14에 관한 구글의 정책으로 측정 제약, Google의 기여로 보고되지 않은 모델링된 전환 데이터 등 여러가지 요인으로 MMP와 Google 사이에 데이터 차이가 태생적으로 존재하게 됩니다.

이러한 차이는 잘못된 것이 아니라 각 플랫폼의 구조적인 차이로 발생할 수 밖에 없는 현상이며, Google 본연의 기능과 MMP 어트리뷰션 기술을 결합하면 광고 성과에 대한 정확도를 높일 수 있습니다.