Adjust Automate: 기기 수준 데이터와 SKAdNetwork 데이터 병렬 비교

마케팅 캠페인 성과 파악을 위해서는 측정이 필수적입니다. 그러나 iOS 14.5+와 SKAdNetwork의 등장은 수많은 도전 과제와 함께 전반적인 마케팅 전략과 절차에 큰 변화를 가져왔습니다. 마케터와 개발자들은 iOS 캠페인에 대해 AppTrackingTransparency(ATT)로부터의 동의 유저 데이터와 집계된 SKAdNetwork 데이터를 동시에 활용하는 측정 전략으로 방향을 설정하였으며, 이는 iOS 어트리뷰션의 새로운 현실이 되었습니다.

두 데이터 세트에는 각기 고유한 장단점이 존재합니다. 디바이스 수준 데이터는 상세하고 세분화된 리포트를 제공하고, 매출 지표에 매핑된 유저 코호트를 구축할 수 있지만 유저 동의가 필요하기 때문에 최종 결과물이 불완전하거나 일부 부정확할 수 있습니다. SKAdNetwork 데이터의 경우, 파트너별 전체 수치를 살펴볼 때 상대적으로 정확도가 높지만, 상세한 퍼포먼스 리포트가 부족하다는 자체적인 한계를 지닙니다. 이로 인해 마케터들은 마케팅 의사 결정의 기준점이 될 데이터 포인트를 찾는데 어려움을 겪고 있으며, 보다 통일화되고 읽기 쉬운 리포트에 대한 수요가 높아지고 있습니다.

그러나 기기 수준의 MMP 데이터를 집계된 SKAdNetwork 데이터와 병합하면 신뢰도와 절차 측면에서 여러 문제가 발생합니다. 바로 이러한 이유에서 Adjust는 Automate에서의 데이터 병렬 비교를 권장드립니다.

MMP 데이터와 SKAdNetwork 데이터 병합 시 발생할 수 있는 문제

1. 중복 제거: SKAdNetwork 설치 데이터와 ATT 수준 설치 데이터의 병합을 고려하기에 앞서, 양 소스에 중복 어트리뷰션된 설치 중 하나를 제거하는 과정이 반드시 이루어져야 합니다. 집계된 SKAdNetwork 데이터는 기기 수준이 아니기 때문에, 기기 수준의 어트리뷰션된 설치를 어트리뷰션되지 않은 설치와 구분할 수 있습니다. 그러나 중복 제거의 초기 단계에 불과한 이 방식만으로도 전환값의 최소 1 비트를 사용해야 하고, ATT 데이터와 SKAdNetwork 데이터 병합에서 발생하는 기타 문제를 전부 해결하지는 못합니다.
2. 무작위 설치 일자: SKAdNetwork는 임의의 날짜를 설치일로서 발송하므로 정확한 설치 일자 파악이 불가능합니다. 또한, SKAdNetwork 설치는 수신된 시점으로부터 0~48시간 사이에 발생한 설치이기 때문에, 데이터세트에서 제거하는 것이 까다로워집니다.
3. Google 관련 설치: Google로부터의 SKAdNetwork 설치에 대한 설치일은 더욱 복잡합니다. Google은 일정 수준의 모델링을 적용하여, 광고 반응(클릭/노출)의 날짜를 결정하고 이를 설치에 연결하고 있습니다. Google은 대형 셀프 어트리뷰션 네트워크(SAN) 중 하나로 대부분의 채널이 일부 혼합되기 때문에 데이터 병합에 큰 영향을 줄 것입니다.
4. 어트리뷰션 방법 SKAdNetwork와 기기 수준 어트리뷰션은 각기 다른 방식으로 작동하며, 채널 간 분포(distribution) 또한 매우 상이합니다. 따라서 위의 중복 제거 과정 이후에도 집계 시 일부 채널 간 중복이 여전히 발생할 것입니다. 예를 들어, 멀티 터치 마케팅에서 Facebook에 어트리뷰션된 기기 수준 설치가 SKAdNetwork에서는 Twitter에도 어트리뷰션될 수 있습니다.
5. 전환값 수준의 무작위성: SKAdNetwork에서는 특정 수의 전환값이 null로 설정됩니다. 설치의 어트리뷰션 여부에 관한 정보가 전환값 자체에 패킹되기 때문에, 해당 값이 null인 경우 해당 설치의 어트리뷰션 여부를 파악할 수 없습니다. null 값의 분포는 전체 전환값에서 선형적으로 이뤄지지 않으며, 캠페인 ID당 설치 수에 따라 결정됩니다. 즉, 'null 값'과 '전환값을 가진 설치수' 간의 비율을 간단히 추론하는 것이 불가능합니다. 전체 SKAdNetwork 설치에는 최대 40%의 null 값이 있을 수 있습니다. 이 비중을 뛰어넘기 위해 높은 수준의 설치수를 달성하고 충분한 데이터 세트를 확보하려면, 상당한 규모의 캠페인 지출이 발생할 것입니다. 대부분의 마케터는 이미 개인정보 방침 변경으로 고군분투하고 있기 때문에, 해당 비중을 뛰어넘을 만큼의 설치 수를 기대하는 것이 아니라면 여러 캠페인에서 굳이 예산을 나누는 것은 바람직하지 않습니다. 이는 중복 제거에 매우 큰 영향을 미치므로, 기기 수준 데이터와 SKAdNetwork 데이터의 병합 시 유의해야 할 주요 요소 중 하나입니다.
6. 국가/지역별 차이: 여러 국가와 언어를 대상으로 하는 마케터의 경우, 시장별로 비용과 퍼포먼스가 상이하기 때문에 국가별로 정보를 구분하는 것이 매우 중요합니다. 그러나 SKAdNetwork 설치의 경우 국가 정보가 없기 때문에, 두 데이터를 병합한 이후 국가별 데이터를 확인한다면 효율성과 정확성이 크게 떨어질 것입니다.
7. 퍼포먼스 부정확성: 위와 같이 설치수와 관련된 부정확성 외에도, 데이터 병합 시 추가되는 별도의 설치에 대한 퍼포먼스를 알 수 없다는 문제가 있습니다. 채널별 유효한 전체 비용은 위에 열거된 문제들을 무시한 추론으로 어느 정도 확인할 수 있겠지만, 마케팅 결정을 내리기 위해 꼭 필요한 캠페인 수준에서는 무용지물일 것입니다. 캠페인 수준의 리포트를 위한 7일차 매출, 30일차 매출과 같은 관련 퍼포먼스 지표 또한 부정확할 것입니다.

Adjust Automate가 제시하는 해답: 데이터 병렬 비교

마케터와 개발자들은 앱의 비즈니스 모델, 캠페인당 설치 수, 광고 비용, 채널별 분포, 전체 캠페인 수와 같은 개별 비즈니스 상황과 24시간 이내에 중요한 시그널을 파악할 수 있는 전반적인 역량에 따라, 높은 신뢰도로 활용할 수 있는 데이터소스와 양 데이터 소스 지표간의 상관관계를 이해해야 합니다. 이러한 상관관계를 바로 확인할 수 없는 경우, 더욱 심도있는 분석 과정이 필요합니다.

각 데이터 세트의 한계를 고려할 때, Adjust는 Automate 솔루션을 통해 두 리포트를 나란히 비교하는 것을 권장합니다. 다양한 SKAdNetwork 관련 KPI(전환, 매출, 이벤트)를 통해 SKAdNetwork 캠페인에 대한 총체적인 리포트를 구축하고, 해당 템플릿을 활용하여 Adjust의 어트리뷰션 데이터와 병렬 비교할 수 있습니다. 이를 통해 두 소스 모두로부터의 iOS 캠페인 데이터를 읽기 쉬운 표 형식 리포트로 확인 가능합니다.

정확도를 보장하기 위해서는 두 데이터 세트를 구분하여 병렬비교 하는 것이 가장 좋은 방법입니다. 그러나 고객사의 상황에 따라 중복 제거를 통한 ATT 및 SKAdNetwork 데이터 병합을 원하는 경우에도 Adjust는 필요한 지원을 제공할 수 있습니다. Adjust는 100% 투명성을 제공하기 위해 고객사들이 중복 제거에 필요한 컨트롤을 제공하며, SDK 실시간 콜백을 통해 전환값 구성에서 활용 가능한 이벤트를 확인할 수 있도록 지원합니다. 자세한 정보는 Adjust 담당자에게 문의하시기 바랍니다.

Adjust는 더욱 총체적인 리포트 구축 및 어트리뷰션 데이터의 높은 정확성을 보장하는 여러 방안에 대해 끊임없이 연구하고 있습니다. 그러나 현재로서는 리포트를 나란히 병렬 비교하여 언급된 문제를 방지하고, 데이터 세트의 무결성을 보존하시기를 권장드립니다. iOS 14.5+에 관한 자세한 내용은 Adjust의 리소스 센터에서 확인하실 수 있습니다.