새로운 데이터 리얼리티 구축을 통한 신호 손실 극복 방법

개인정보 보호 강화 시대가 도래해 데이터 신호 손실이 불가피 해짐에 따라 마케터들의 캠페인 타겟팅, 측정 및 최적화 능력이 현격히 저하되었습니다. Mckinsey는 신호 손실로 인해 발생할 수 있는 잠재적 손실 규모가 미국 내에서만 최대 100억 달러에 달하는 것으로 분석하고 있습니다.

그러나 혁신과 변화를 통해 기존 데이터의 갭을 채우고 새로운 데이터 신호를 만들어내는 새로운 데이터 리얼리티를 수립한다면, 이러한 어려움은 충분히 해결할 수 있습니다.

이번 포스팅을 통해 지금의 상황이 발생한 원인과 신호 손실이 마케팅 전반에 미치는 영향, 그리고 이를 해결할 수 있는 방안을 살펴보겠습니다. 그럼 자세히 알아보겠습니다!

신호 손실이란?

신호 손실이란 사용자 레벨 데이터 식별자의 감소로 인해 데이터 신호가 누락되는 현상을 의미합니다. 이러한 식별자들은 성과 기반 마케팅 측정의 근간이 되어 왔으며, 지금도 일부 영역에서 활용되고 있습니다. 그러므로 신호 손실은 디지털 마케팅 생태계에 있어 거대한 변화인 동시에 극복해야 할 과제입니다.

배경: 이러한 현실이 초래된 이유

최근 몇 년 사이, 다양한 규제(대표적으로 GDPR, CCPA, DMA 등)를 통해 사용자 개인정보를 보호하려는 입법 및 소비자의 감시가 강화되었습니다.

핵심은 사용자 레벨 데이터가 서로 다른 기업들 사이에서 공유되는 과정을 통제하고, 데이터 공유 동의를 구하고 표시하는 방식을 관리하는 문제라고 할 수 있습니다.

이와 병행하여 Google과 Apple은(대응 차원이든 선제적 차원이든) 다음과 같은 방식을 도입하여 사용자 레벨 데이터를 제한하거나 폐지하는 메커니즘을 마련했습니다.

• iOS – App Tracking Transparency(ATT): 앱 추적 투명성 정책으로 인해 IDFA 수집이 가능한 설치 비율이 (광고 추적 제한 설정으로) 80% 수준에서 단 27%로 급락했습니다(여전히 모델링에는 매우 중요한 수치입니다).

• Android – Google Advertising ID(GAID) 폐지: Google이 결국 Android의 사용자 레벨 식별자를 완전히 폐지할 것으로 예상되나, 그 시점은 2025년 이후가 될 것으로 보입니다.

• 웹 – 제3자 쿠키(3rd party cookies): Chrome 브라우저의 쿠키 폐지를 수년간 예고했던 Google은 2024년 7월 마음을 바꾸어 이를 존치하기로 했으며, ATT와 유사한 접근 방식을 취할 것으로 예상됩니다. Google은 성명을 통해 “제3자 쿠키를 폐지하는 대신, 사용자가 정보에 기반한 선택을 할 수 있도록 Chrome에 새로운 경험을 도입할 것… 우리는 이 새로운 경로에 대해 규제 당국과 논의 중이며, 이를 배포하면서 업계와 협력할 것”이라고 밝혔습니다.
  
  Google이 언급한 ‘사용자의 선택권을 보장하는 새로운 Chrome 환경’의 구체적인 내용은 아직 베일에 싸여 있지만, 신호 손실은 동의하지 않은 사용자의 데이터를 전면 폐기하는 대신 부분적으로만 제한하는 방향으로 완화될 전망입니다. 다만 구체적으로 어느 정도의 영향이 있을지는 미지수입니다. Google이 옵트인 방식을 도입할지 혹은 옵트아웃 방식을 유지할지, 광고주와 매체사 모두의 승인이 필요한 이중 동의 구조를 가질지, 문구와 UX 가이드를 경직되게 운영할지 혹은 자율성을 부여할지 등 확인되지 않은 변수가 많기 때문입니다. 결국 정확한 결과는 시간이 지나야 명확해질 것입니다.

현재는 ATT로 인해 사용자 레벨 데이터의 손실이 iOS에 국한된 현실이지만, 조만간 Android와 웹으로까지 확대되어 모든 디지털 마케터들에게 영향을 미칠 것입니다. 각 시나리오는 서로 다르지만, 그 밑바탕에 깔린 맥락은 동일합니다.

신호 손실이 광고주에게 미치는 영향

이러한 생태계의 변화는 사용자 데이터의 만연한 오용에 대응하기 위해 반드시 필요한 단계이지만, 타겟팅, 측정 및 최적화를 위해 사용자 레벨 데이터에 의존해 온 마케터들에게는 고통스러운 적응의 과정이었습니다.

1) 측정

신호 손실은 측정에 중대한 영향을 미치며, 마케터들에게 다음과 같은 두 가지 주요 과제를 안겨주었습니다:

a) 데이터 파편화는 오래전부터 지속된 난제였으나 iOS 14.5 출시를 기점으로 더욱 심각해졌습니다. 주요한 데이터 소스만 꼽아보아도 그 범위가 매우 넓습니다:

• MMP 어트리뷰션(확정적 및 확률론적) 및 후속 인앱 데이터
• OS 및 스토어(SKAN 및 향후 Sandbox) 데이터와 후속 인앱 데이터
• SRN 어트리뷰션 데이터
• iOS 동의 사용자 데이터
• Apple Search Ads 데이터
• 하향식 측정 데이터(증분 분석 및 MMM)
• 모바일 이상의 데이터: CTV, 웹, PC 및 콘솔, 오프라인

심지어 이는 오직 iOS에서 발생하는 데이터들일 뿐입니다.

성과를 파악하기 위해 이토록 많은 소스와 프레임워크의 데이터를 어떻게 통합하고 조정할 수 있을까요?

b) 제한적이고 지연된 데이터:

SKAN과 AdAttributionKit(SKAN의 후속작)은 의도적으로 지연된 신호를 제공하며, 최대 64개의 값(후속 포스트백에서는 단 3개)만을 제공합니다. AdAttributionKit과 Sandbox 데이터가 개선되어 30일 LTV 측정이 가능해질 것이라고는 하나, OS 데이터는 여전히 지연되고 제한적인 상태로 제공될 것입니다. 마케터들은 최적화를 위해 실시간 포스트 인스톨 신호에 의존하기 때문에, OS 데이터가 지연되고 제한적이라는 사실은 중대한 걸림돌이 됩니다.

2) 타겟팅

사용자 레벨 데이터를 사용할 수 없을 경우:

• 광고주가 리마케팅 세그먼트를 구축할 수 없게 되어, 기존 인게이지먼트 유저들을 대상으로 한 효율적인 캠페인 전개가 불가능해지고 이는 곧 액션당 비용 상승을 초래합니다.
• 제외 리스트 작성이 불가능해짐에 따라 이미 확보된 유저에게 광고가 중복 노출되고, 결과적으로 신규 유입 단가가 증가합니다.
• Ad networks 도달 최적화 역량이 크게 약화되어, 모든 영역에서 운영 비용이 높아지는 결과를 낳습니다.

간단히 말해, 개인정보 보호 강화에 따른 신호 손실은 데이터의 완성도를 떨어뜨려 오독의 위험을 높이고, 결국 왜곡된 분석 결과와 잘못된 판단을 유도할 수 있습니다. 이로 인해 신호 손실 시대 마케터의 과업과 측정의 난이도는 이전보다 10배나 더 힘들어졌습니다!

측정 신뢰성 확보를 위한 신호 손실 극복 방안

ATT 도입 전, 마케터들은 울트라 HD 8k 해상도 영상처럼 사용자 레벨 데이터의 아주 세세한 단위까지 들여다볼 수 있는 입체적인 시각을 가질 수 있었습니다.

하지만 사용자 레벨 데이터가 감소하는 새로운 데이터 리얼리티는 부정할 수 없는 사실이며 과거로 돌아갈 수는 없습니다. 이러한 현실 속에는 많은 데이터 공백이 존재하며, 이로 인해 전체적인 그림을 파악하기가 어려워졌습니다.

따라서 마케터들은 활용 가능한 모든 데이터 신호를 활용해야 하며, 서로 다른 데이터 소스들을 단일 진실 공급원(Single Source of Truth, SSOT)으로 통합하여 캠페인 성과를 확신을 가지고 측정해야 합니다.

새로운 ‘데이터 그림’을 그리기 위해서는 가능한 모든 곳의 공백을 메워야 하며, 이를 보완하기 위한 새로운 데이터 신호들을 추가해야 합니다. 이에 대해 자세히 알아보겠습니다.

 1) 모델링을 통한 기존 데이터 세트 공백 보완

모델링은 수년 전부터 존재해 왔으나, 과거에는 대부분의 데이터가 확정적이었기에 그 필요성이 크지 않았습니다. 하지만 신호 손실이 발생한 현실에서 모델링은 필수 요소가 되었으며, 이는 사용자 개인정보를 침해하지 않는 모델을 통해 구현 가능합니다. 특히 AI 기술의 지원으로 모델의 정확도는 비약적으로 향상되고 있습니다.

모델링은 다음 영역의 공백을 메우는 데 사용됩니다:

1. OS 어트리뷰션: SKAN 데이터는 지연되고 제한적으로 제공되기 때문에(Sandbox의 데이터 역시 마찬가지일 것입니다), 데이터에 공백이 생기게 됩니다. 모델링을 활용하면 실시간 신호, (SKAN에서는 제공되지 않는) 지오 레벨 데이터, 그리고 7일 차, 30일 차 및 그 이후의 LTV 데이터를 확보할 수 있습니다.

• 매체사 모델링 활용: SKAN의 한계로 인해 셀프 리포팅 네트워크(SRN)는 측정에 난항을 겪고 있으며, 기존의 확정적 어트리뷰션 방식만으로는 성과를 온전히 포착하지 못하고 있습니다. 확정적 모델링 위에 확률론적 모델링을 더하면 유실된 전환 성과를 되찾을 수 있습니다. 앱스플라이어의 분석에 따르면, Snap은 iOS 인스톨 비중을 138% 증가시켰고 eCPI는 46% 절감했습니다. 이러한 이익은 동의하지 않은 개별 사용자를 추적해서가 아니라, SKAN과 동의 데이터, 집계형 모델링 데이터를 통합 관리하고 중복을 제거하는 SSOT 방식을 전면 도입함으로써 가능했습니다.

Google 및 Meta와 같은 대형 매체사들도 광고 및 마케팅 전략 수립 시 데이터 신호 손실 문제를 해결하기 위해 모델링의 비중을 높이고 있습니다.

예를 들어, Google Ads는 머신러닝 모델을 활용해 입찰 전략을 정교화하며, Meta의 광고 관리자 플랫폼은 예측 모델링을 적용하여 광고 노출과 타겟팅을 최적화합니다. 아울러 두 기업 모두 데이터 모델링을 통해 개인화된 경험을 제공하고, 관련성 높은 오디언스에게 도달하며, 캠페인 성과를 극대화하고 있습니다.

• 탑다운 측정: 증분 분석과 MMM은 라스트 터치 방식의 바텀업 신호 외에도 캠페인 퍼포먼스를 다각도에서 분석할 수 있는 보충적 관점을 제시합니다.

고해상도 이미지 비유를 이어가자면, 모델링이 데이터의 빈틈을 어느 정도 채워주긴 했지만 여전히 충분한 수준은 아닙니다.

 2) 새로운 신호 발굴 및 활용

1. 퍼널 상단 크리에이티브 및 캠페인 데이터: 퍼널 하단의 신호가 귀해지면서, 크리에이티브와 캠페인 단에 데이터가 풍부하게 쌓여 있는 퍼널 상단 영역이 주목받고 있습니다. 이는 크게 두 갈래로 나뉩니다:

• 크리에이티브 데이터: 개별 광고 소재 내의 장면 유형(예: UGC, 애니메이션 혹은 실사, 도입부 및 결말부)과 세부 요소(색감, 풍경, 사물, 텍스트 등)를 분석하여 매우 정교하고 입체적인 신호를 확보할 수 있습니다.

• 강화된 인게이지먼트 유형(Enriched-engagement types, EET): 클릭이나 조회만을 따지는 현재의 어트리뷰션 표준은 결함이 있습니다. 그 사이에는 가치 있는 퍼포먼스 데이터를 제공하고 어트리뷰션 로직을 재정의할 수 있는 수많은 신호가 존재합니다.

2) [더 많은] 제1자 데이터(1st party data): 기업 간의 데이터 공유가 제한됨에 따라 제3자 데이터의 가치는 하락하고 있습니다. 대신 마케터는 제1자 데이터의 활용도를 높이고 데이터 수집과 활용에 우선순위를 두어야 합니다. 여기에는 다음 내용이 포함됩니다:

• 데이터를 올바르게 수집하고 사용자에게 정보를 요청하는 방법 (UX 및 법적 사항 포함)
• 데이터의 무결성을 확보하고 즉각적으로 활용 가능하게 만드는 방법
• 온드 미디어를 활용하는 방법
• 페이드 미디어에서 데이터를 활용하는 방법 (리마케팅, 커머스 미디어 등)

이러한 데이터가 반드시 기업 내부 환경에만 머물러야 하는 것은 아닙니다. 데이터 협업 플랫폼을 활용하면 제1자 데이터의 수익 창출, 타겟 오디언스 발굴, 성과 측정 등을 안전하게 수행할 수 있는 신뢰 기반의 환경이 구축됩니다. 개인정보 보호 규정을 준수하면서 타사와 데이터를 공유함으로써, 마케터는 자사가 보유한 고가치 데이터의 가치를 최대로 끌어올릴 수 있습니다.

3) 옴니채널 신호: 앱, 웹, CTV, PC 및 콘솔을 비롯하여 커머스 미디어 네트워크와 옥외 광고는 모두 디지털 방식으로 사용자 기반을 확보하고 소통할 수 있는 고유한 기회를 제공합니다. 채널 간 어트리뷰션을 연결함으로써, 마케터는 다양한 플랫폼에 걸친 새로운 데이터 포인트와 사용자 행동을 결합하여 크로스 플랫폼 마케팅이 비즈니스 성과를 어떻게 견인하는지에 대한 총체적인 이해를 얻을 수 있습니다.

4) 단일 진실 공급원(Single Source of Truth, SSOT): 앞서 언급했듯이, 데이터 파편화는 마케터가 실질적인 조치를 취하기 어려운 매우 복잡한 현실을 만들어냈습니다.

이때 여러 소스의 데이터를 결합하여 단일한 현실을 구축하는 SSOT가 해결책이 될 수 있습니다. SSOT는 강력한 기술 솔루션을 적용하여 중복 설치를 식별 및 제거하고, 지역별 데이터 공백이나 웹-투-앱 전환, 장기 LTV, Null CV 모델링, 오가닉 및 리마케팅 데이터의 누락된 부분을 채워줍니다.

수치를 통해 확인한 결과, 통합 뷰를 구축한 앱들은 평균적으로 어트리뷰션 설치는 29% 상승, eCPI는 40% 하락했으며, 마케팅 기여 매출은 62%나 증가했습니다.

지금은 iOS에 최적화된 단계이지만, 향후 웹과 안드로이드에서도 유사한 매커니즘의 솔루션이 도입될 예정입니다.

새로운 데이터 신호가 더해질수록 마케팅의 전체 지형을 더 선명하고 넓게 파악할 수 있는 힘이 생깁니다.

핵심 요약

신호 손실은 퍼포먼스 마케터들에게 매우 도전적인 환경을 조성했습니다. 사용자 레벨 데이터가 점차 감소함에 따라 성장을 견인하기가 훨씬 더 어려워졌습니다. 기존 데이터의 공백을 메우고 새로운 데이터 신호를 생성할 수 있는 혁신적인 솔루션이 필요하며, 이를 통해 퍼포먼스 마케터들은 다시 주도권을 확보하고 확신을 가지고 캠페인 성과를 측정할 수 있을 것입니다.