티스토리 뷰
이번에는 모바일 어트리뷰션이 어떤 원리로 광고 성과를 측정하는지 아주 간단하고 쉽게 알아보겠습니다. 먼저, 어트리뷰션 툴이 수집한 앱 데이터는 극단적으로 말해 그 자체만으로는 아무런 의미가 없습니다. 그 데이터가 포함하는 정보(기기 식별정보인 디바이스 ID, 전환 형태나 종류, 전환 시점 등)만으로는 이 전환이 어떤 매체의 기여를 통해 발생했는지 알 수 없기 때문입니다. 그래서 어트리뷰션 툴 서버는 이 데이터를 매체 측 데이터와 매칭하는 과정을 거칩니다. 즉, 어트리뷰션의 가장 핵심 원리는 바로 이러한 ‘데이터 매칭’입니다.
그렇다면 구체적으로 어떤 방식으로 데이터가 매칭되는지 살펴보겠습니다. 유저가 앱 다운로드 후 첫 실행 시 다양한 정보가 어트리뷰션 업체 서버로 전송됩니다. 이 정보를 통해 어트리뷰션 업체는 이 사용자가 기존 사용자인지 신규 사용자인지 판별할 수 있습니다. 신규 사용자인 경우에는 어느 광고 매체가 이 사용자의 유입에 기여했는지를 알아내기 위해 특정 광고와 사용자의 인게이지먼트(조회, 클릭) 여부를 확인하는 과정을 거칩니다. 이 과정에서 사용자의 신규 여부를 파악하기 위해 어트리뷰션 업체들은 일종의 식별자(identifier)를 사용합니다. 데이터를 매칭하는 방식은 크게 아래와 같이 두 개로 구분할 수 있습니다.
1. 결정적 매칭 방식
모바일 기기마다 고유하게 부여되는 디바이스 ID(구글은 GAID, 애플은 IDFA), 구글 플레이 리퍼러, 고객 식별자 정보(익명화된 로그인 데이터 등)를 활용해 유저를 정확하게 식별하는 방식입니다.
1) 디바이스 ID
디바이스마다 고유하게 부여되는 식별자로, 사용자가 초기화를 하지 않는한 계속 유지됩니다. 구글 광고 ID(GAID)는 구글 플레이 스토어 등 안드로이드 앱 스토어에서 발생한 설치를 측정하는 데 사용합니다. IDFA는 애플 앱스토어에서 발생할 설치를 측정하는데 쓰입니다. 디바이스 ID는 모바일 웹에서는 지원되지 않습니다.
2) 구글 플레이 리퍼러
안드로이드 폰이라면 구글 플레이 스토어에서 제공하는 리퍼러를 통해서도 데이터를 매칭할 수 있습니다. 이 리퍼러는 구글 플레이 스토어를 통해 발생한 앱 다운로드에만 적용되며, 기타 안드로이드 아웃 오브 스토어(out-of-store)에서는 지원되지 않습니다. 어트리뷰션 제공업체는 구글 플레이 리퍼러를 통해 구글 플레이 스토어에 트래킹 파라미터를 전송할 수 있고, 앱이 다운로드될 때 이를 매체에 재전송합니다.
3) 셀프 리포팅 네트워크 ID 매칭
셀프 리포팅 네트워크(SRN)와 ID 매칭을 수행할 때에는 별도의 방식을 택합니다. 어트리뷰션 업체는 신규 설치 시 확인한 고유 디바이스 ID를 사용해 연동된 모든 SRN에 쿼리를 호출합니다. 이는 주요 SRN이 공인하는 전용 모바일 측정 파트너(MMP) API 연동을 통해 이뤄지는 방식입니다. 이러한 방식은 일반적인 ID 매칭 방식과는 달리 인스톨 데이터가 네트워크 측 서버에 보관되며, 자동으로 어트리뷰션 업체에 전송되지 않습니다.
2. 확률적 매칭 방식
IP 주소, 디바이스 유형, 브라우저 종류, OS 등 보다 일반적인 특성을 사용해 통계적 연결성을 추측하는 방식의 매칭입니다. 결정적 매칭 방식만큼 확실하지는 않기 때문에 어트리뷰션 업체들도 확률적 매칭 방식의 비중을 줄이려 노력합니다. 핑거프린팅은 특정 기기의 어트리뷰션 요소와 통계적으로 일치하는 디지털 핑거프린팅 ID를 생성하는 방식입니다. 이 과정에서 공개적으로 이용 가능한 일반적 파라미터(디바이스 이름, 디바이스 유형, OS 버전, 플랫폼, IP 주소, 통신사 등)를 사용합니다.
정확도가 낮은 핑거프린팅 방식의 위험성은 이미 잘 알려져 있습니다. 특히나 사람들이 많이 모이는 지역에서 공용 와이파이 사용 등을 통해 IP 주소가 공유되는 경우, 앱 다운로드에 대한 기여가 잘못 어트리뷰트될 수 있습니다. A라는 사람이 특정 브랜드의 광고를 보고 클릭했는데, 잠시 후 동일 IP 주소를 쓰는 B라는 사람이 해당 브랜드 앱을 다운받았다고 가정해보겠습니다. 이 경우 B는 광고를 보지 않았음에도, A가 본 광고를 전송한 매체가 B의 다운로드에 대한 기여를 인정받게 될 수도 있습니다.
그럼에도 핑거프린팅 방식은 결정적 매칭 방식이 불가능한 경우 이를 보완하는 방편으로 여전히 사용되고 있습니다. 특히 iOS에서는 구글의 구글 플레이 리퍼러와 같은 리퍼러가 없기 때문에 유저 프로필을 생성할 방법이 거의 없습니다. 따라서 iOS에서 일어나는 앱 설치는 여전히 핑거프린팅 방식으로 어트리뷰트되는 경우가 약 4분의 1에 달합니다.
이러한 문제를 극복하기 위해 일부 어트리뷰션 업체들은 IP 주소를 수집한 후 나름대로 여기에 고유성 등급을 지정하기도 합니다. 특정 IP 주소를 사용하는 디바이스의 규모에 따라 어트리뷰션 윈도우 기간을 조정하는 방식입니다. 또한 몇몇 어트리뷰션 툴에서는 사용자가 직접 확률적 매칭 방식 옵션을 꺼두거나 비중을 조절할 수 있는 경우도 있습니다. 이러한 과정을 거쳐 어느 광고 매체가 해당 앱 설치를 유도했는지가 밝혀지면, 그 매체가 기여를 인정받게 됩니다. 반면, 끝내 매칭되는 값을 찾지 못하는 경우, 해당 앱 설치 및 실행은 오가닉(organic, 자연 유입)으로 기록됩니다.
결정적 1:1 매칭 방식의 등장으로 어트리뷰션 정확도는 크게 높아졌지만, 여전히 모든 상황에서 이 방식을 사용할 수 있는 것은 아닙니다. 확률적 매칭 방식을 얼마나 신뢰할지, 또는 신뢰하지 않을지 결정하는 건 결국 광고주의 몫입니다. 그러니 이미 어트리뷰션 툴을 사용 중이라면, 어떤 어트리뷰션 방식이 기본값으로 설정되어 있는지 파악하고 필요에 따라 이를 조정할 수 있음을 염두해야 합니다. 광고주의 필요에 따라 어트리뷰션 정확도를 높여야 마케팅 성과 측정도 의미가 있기 때문입니다.