5 Min. Read

SKAdNetwork 전환 값 활용하여 캠페인 가치 측정 및 예측하기

Avatar Shani Rosenfelder May 05, 2021

Apple이 iOS 14에서 확정적 어트리뷰션을 하기 위해 개인정보 보호 중심으로 개발한 솔루션, SKAdNetwork는 기존의 다른 어트리뷰션 방식에 비해 제약사항이 많고 복잡도가 높습니다. 

다행히, SKAdNetwork의 제약사항을 해결하여 유입된 유저의 가치를 거의 기존과 같은 수준으로 측정하고 예측할 수 있는 방법이 있습니다.

SKAdNetwork가 진가를 발휘하도록 하려면, Apple의 전환 값 메커니즘을 이해해야 합니다. 이 블로그에서는 SKAdNetwork에서 측정하는 전환 값에 대해 설명드리겠습니다. 전환 값이 무엇인지, 전환 값을 구성하는 비트란 무엇이고 비트를 어떻게 사용하는지를 자세히 알아보겠습니다.

 

비트란 무엇이고 어떻게 작동하나요?

전환 값은 앱 개발사가 앱 설치 후 발생하는 앱 사용 활동을 측정하고 이런 인앱 활동을 앱 설치와 연결시키기 위해 설SKAdNetwork에서는 iOS가 애드 네트워크에 전송하는 일회성 포스트백에 전환 값이 단 하나만 포함됩니다. 그러므로 이 전환 값 내용이 (유저가 ‘추적’에 동의하지 않을 경우) 유저의 인앱 활동에 대해 얻을 수 있는 유일한 정보이기 때문에, 전환 값은 매우 중요합니다.

그런데 전환 값은 실제로 어떻게 구성되어 있으며, 의미있는 인사이트를 얻으려면 어떻게 설정해야 할까요? 

여기에서 비트가 필요합니다. 전환 값은 6비트로 정의됩니다. 비트는 2진수 측정법 입니다. 켜거나 끈 상태(0 혹은 1)를 표시합니다. 비트를 전등 스위치라고 생각해보세요.

SKAdNetwork Conversion values six bits

6비트로 0~63까지 총 64가지 조합을 만들어 (64가지) 다양한 값을 측정할 수 있습니다.

SKAdNetwork 64 bit conversion value table

6비트로 0~63까지 총 64가지 조합을 만들어 (64가지) 다양한 값을 측정할 수 있습니다.

측정 옵션이 64가지로 제한되어 있지만, 수익, 인게이지먼트, 마케팅 퍼널 진입 단계, 성별, 기기 등 꽤 다양한 정보를 측정할 수 있습니다. 

이 전환 값들은 앱 개발사가 원하는대로 설정할 수 있습니다. 여러분에게 가장 중요한 KPI(핵심성과지표)에 따라 측정 값을 설정하세요. 그리고 이 전환 값을 내부 로직에 따라 매핑하세요. 

앱 개발사/광고주는 6가지 전환 값에 각각 고유한 해석을 설정하고, 해당 앱 설치에 기여한 소스의 기여도를 측정하여 캠페인 성과를 측정하고 최적화합니다.

 

전환 값을 측정하기 위한 비트 활용법

SKAdNetwork의 한계를 극복하고 활용성을 극대화하려면 측정 방식을 마스터하는 것이 중요합니다. 

6비트로도 인게이지먼트, 리텐션 및 수익화 초기 신호를 측정할 수 있으며, 이 신호들로 유저 생애 가치를 예측할 수 있습니다. 

유저의 초기 인게이지먼트를 측정하여 생애 가치를 예측하려면, SKAdNetwork 측정 값 비트 분배 전략을 잘 정립해야 합니다. 여러분이 유저 생애 가치(LTV)를 계산할 때, 가장 중요하게 여기는 이벤트는 무엇인가요? 그 이벤트를 SKAdNetwork에서 측정할 전환 값과 매핑합니다. 

6비트를 활용하여 원하는 전환 값을 측정하는 방법은 다양합니다. 비트 활용 방식은 크게 세 가지, 나누지 않기, 측정 항목으로 나누기, 측정 항목 + 측정 유형으로 나누기가 있습니다.

 

1. 전환 값 하나에 몰아쓰기

단 하나의 KPI(핵심성과지표)를 측정하는데 6비트를 모두 다 사용하는 방식입니다. 예를 들어, 아래 그림처럼 앱 개발사가 ‘수익’을 측정하기 위해 6비트를 모두 다 사용합니다. 

6비트가 2진법으로 110001이라는 값을 나타내면, 이에 해당하는 전환 정보인 유저가 수익 특정 금액, 49 USD(위 표 참조)를 발생시켰다는 정보를 리턴합니다.

 

한 전환 값에 비트 몰아쓰기

2. 측정 항목으로 나누기

6비트를 KPI(핵심성과지표) 하나에 올인하기 보다는 다양한 유저 행동을 측정하도록 나눠 쓰는 방식입니다. 예를 들어 3비트는 수익 측정에, 3비트는 게임 레벨 달성 측정에 할당하여 한 유저에 대해 두 가지 행동을 측정할 수 있습니다.

 

 

비트 분배

예를 들어, 전환 값을 다음과 같은 로직으로 설정할 수 있습니다.

 

비트할당

전환 값 46은 게임 25 레벨을 달성하고 $20 이상 구매했음을 의미합니다.

 

3. 측정 항목 + 측정 유형으로 나누기

마지막 비트 활용법은 조금 더 복잡합니다. 비트를 측정 항목으로 나누는 방식에 비트 하나를 on/off해서 값을 결정하는 방식을 추가하는 복합형입니다. 예를 들어 유저의 로그인/로그아웃 값을 비트 on/off로 표시할 수 있습니다.

 

전환 값을 활용한 예측 분석

지금까지 전환 값의 구조적인 내용을 살펴보았습니다. 이제 전환 값이 예측 분석에서 왜 중요한지 알아보겠습니다. 

앞서 말씀드린 바와 같이, SKAdNetwork의 속성 때문에, 전환 값은 대부분 유저 여정의 초기 신호(앱 설치 직후 유저 행동 데이터)에 근거하여 측정됩니다. 또, SKAdNetwork는 타임스탬프 없이 포스트백 한 건만 전송하는 제약사항 때문에 유저를 동질 집단(코호트)으로 나누고, 그 집단의 가치를 예측하는 기술에 큰 영향을 끼칩니다. 

그 결과, 유저 여정 초기 신호를 최대한 활용하여 효과적인 예측 모델을 구축하는 일이 그 어느 때보다 중요해졌습니다. 

마케팅이 고도화된 기업들은 SKAdNetwork가 대대적으로 사용되는 환경 이전부터 유저 가치를 마케팅 프로세스 조기에 예측하고 재빨리 최적화하기 위해 예측 모델을 사용해왔습니다.

이제, iOS 14.5 이상부터는 (사용자의 개인정보 공유 동의 없이는) SKAdNetwork가 제공하는 유저 인게이지먼트 초기 신호들만 사용할 수 있기 때문에 예측 모델링은 퍼포먼스 마케팅에서 선택이 아니라 필수입니다.

 

SKAdNetwork 이전과 이후 예측 기술

앱마다 유저 생애 가치를 계산하는 방법이 다릅니다. 각 앱 기업의 인앱 이벤트, 벤치마크, 가중치를 활용하여 계산합니다. SKAdNetwork 이전의 예측 모델링도 머신 러닝을 적용했습니다. MMP(mobile measrement partner)의 SDK를 통해 측정된 과거 데이터로 머신을 훈련시켜, 완료된 인앱 이벤트에 따라 점수를 매기는 메커니즘입니다. 아래 예시에서 유저 행동이 마케팅 퍼널 깊숙한 단계에서 일어날수록 LTV(유저 생애 가치) 예측에서 더 큰 가중치가 주어집니다.

 

예측분석

SKAdNetwork에서는 이 예측 모델에서 추가되는 단계가 있습니다. 일정 기간 머신 트레이닝 기간이 지나고 이벤트 값을 설정하면, 주어진 6비트 활용 전략을 세워야 합니다. SKAdNetwrok에서 측정할 이벤트 값을 정하고 고가치 유저를 판별할 수 있는 기준이 되도록 조합해야 합니다.

 

SKAN 비트 분할

SKAdNetwork에서는 앱 개발사와 광고주가 이러한 전환 값(측정할 이벤트 값)에 기반해 정교한 예측 모델을 구축해야 합니다. 예측 분석으로 유저의 앱 사용 초기 며칠 동안 유저 행동을 측정하여 이를 장기적인 유저 생애 가치와 연관시킬 수 있습니다. 

예측 분석의 장점은 다양합니다. 고위험 마케팅 활동 초기에 손실을 줄이거나, 반대로 성공 가능성이 높은 마케팅 활동을 일찍 발견해 효과를 배가할 수 있습니다. 소모적인 시행착오 기간을 대폭 줄이고 조치를 취할 수 있습니다.

전환 값은 앱 개발사가 필요에 따라 유연하게 설정할 수 있기 때문에, 이런 전환 값의 유연성을 이용해 미래 가치를 예측하고 적절히 최적화할 수 있습니다. 

 

전환 값 관리

SKAdNetwork의 효용성을 극대화하기 위해서는 전환 값을 이해하고 활용하는 일이 매우 중요합니다. 그런데 전환 값을 다루는 일이 쉽지는 않습니다. 특히 캠페인 성과를 높이려고 할수록 전환 값 관리가 복잡합니다. 

전환 값 관리는 전적으로 모바일 앱 광고주나 개발사가 하기 나름입니다. 그러나 해결할 문제들이 많기 때문에 반드시 광고주를 대표하는 단 하나의 주체만이 전환 값을 관리하도록 하세요. MMP(mobile marketing partner) 도입이 가장 효과적입니다

MMP는 신뢰할 수 있는 편향되지 않은 데이터를 제공할 뿐만 아니라 여러 매체사들과 폭넓게 연동되어 있어 원하는 매체와 쉽게 연동할 수 있습니다. 궁극적으로 SKAdNetwork는 단독으로 존재하지 않으며, 다른 어트리뷰션 모델과 보강하여 캠페인 최적화를 더욱 강화할 수 있습니다.

기술적인 측면에서 MMP는 클라이언트/서버 – SKAdNetwork 간 안정적인 연동, 대규모 데이터 기반 머신 러닝 등 광범위한 기술 지원을 제공하여 향후 SKAdNetwork 업데이트 버전에 대해서도 안정적으로 대비할 수 있도록 합니다.

 

요점 정리 

Although iOS 14과 SKAdNetwork는 모바일 마케팅 환경에서 큰 변화를 일으켰지만, 유저 생애 가치 측정 능력이나 예측 기술 수준을 크게 떨어뜨리지 않고 이러한 변화를 탐구하고 활용할 여지가 있습니다. 

일러두기:

  1. 전환 값을 구성하는 6비트가 제한적으로 보일 수 있지만, 비트 활용 전략을 효과적으로 세워 폭넓은 측정 범위를 확보할 수 있습니다.
  2. SKAdNetwork의 제약사항으로 인해, 예측 모델링은 이제 마케팅에서 필수입니다.
  3. MMP는 캠페인 성과가 향상되도록 지원하며 MMP에서 전환 값을 관리하도록 하면 큰 장점이 있습니다.

 

iOS 14 성공 전략 웨비나 보러가기