iOS 14.5+: 싱글 소스 모델은 과연 효과적인가?

iOS 14.5+로 인해 까다로워진 모바일 측정을 지원하고자 MMP(Mobile Measurement Partner)와 애널리틱스 플랫폼들은 Apple의 2020년 4월 발표 이래 솔루션 개발에 주력해왔습니다. Adjust 또한 변화에 대응하기 위해 개인정보 보호를 최우선시하며 성장할 수 있는 차세대 솔루션을 개발하고 있습니다.

Adjust는 정확하고 가시성이 뛰어난 표의 형태로 기기 수준 데이터와 SKAdNetwork(SKAN) 데이터를 병렬 비교하는 종합 리포트 제공을 목표로 Apple이 안긴 과제에 접근했습니다. 반면, 일부 업계 솔루션은 '올인원' 또는 '싱글 소스(단일화된 데이터 공급원)' 솔루션을 제공하고 있습니다. 해당 솔루션은 SKAN 프레임워크에서 어트리뷰션된 설치 수와 ATT 프레임워크에서 어트리뷰션된 설치 수간의 중복을 '추정'하는 것에 집중하며, 이론상으로는 문제가 없어 보이더라도 실제로는 매우 치명적인 결함을 갖고 있습니다. 더욱이, '올인원' 또는 '싱글 소스’ 접근법을 사용하면 비트 하나를 온전히 포기해야 합니다.

SKAN과 ATT 설치 수간 중복 추정은 어느 SKAN 설치가 이미 ATT에 어트리뷰션되었는지 확인하는 작업으로, 이론상으로는 문제가 없어 보입니다. 마케터들은 집계된 수준에서 SKAN 설치 수 총계와 유료 MMP 설치 수 총계의 일치 여부를 확인하여, 두 데이터 세트 간에 편차가 있는지 파악할 수 있습니다. 그러나 이러한 모델로는 중요한 비트 하나를 사용하여 편차 여부 확인만 가능할 뿐, 그 이상의 정보 파악은 불가능합니다.

싱글 소스 모델의 한계를 보여주는 두 가지 시나리오

1. 첫 번째 시나리오:

   기간: 2022년 7월

   MMP 유료 설치: 80,000건

   MMP 오가닉 설치: 40,000건

   SKAN 설치: 100,000건. 어트리뷰션된 비트 기준으로는 80,000건이 1을 반환함(어트리뷰션 되었음을 의미).

   위 시나리오에서 UA 매니저는 모든 SKAN 설치가 어트리뷰션되었고, MMP의 유료 설치 수와 총계가 동일하기 때문에 데이터가 올바르게 보고되고 있다고 착각하기 쉽습니다. 그러나 이는 사실이 아닙니다. 얼핏 보기에는 모든 수치가 전부 맞아떨어지는 것 같아도 데이터를 상세히 분석하다 보면 오점이 눈에 띕니다. 80,000건의 SKAN 어트리뷰션 설치 중 40,000건은 Facebook에 어트리뷰션되고, 나머지 40,000건은 Google에 어트리뷰션되어 최소한의 캠페인 정보가 있다고 가정하는 경우, MMP의 리포트에서는 Facebook에 20,000건, Google에 20,000건, 웹 캠페인(현재로서는 SKAN을 통해 진행 불가능)에 20,000건, AppLovin에 20,000건이 어트리뷰션된 것으로 나타날 수 있습니다. 즉, 총계만 일치할 뿐 실제 각 파트너에 해당하는 어트리뷰션 수는 일치하지 않는 것입니다. MMP를 통해 어트리뷰션 윈도우를 교차 대조해볼 수 있으나, SKAN 윈도우는 확인이 안되어 두 데이터 세트를 정확하게 비교하는 것은 불가능합니다. 결국 총계만 일치하는 것에 불과하며, 모든 정확한 데이터를 한 곳에서 확인할 수 있는 싱글 소스는 아닙니다.

2. 두 번째 시나리오:

   기간: 2022년 7월

   MMP 유료 설치: 80,000건

   MMP 오가닉 설치: 40,000건

   SKAN 설치: 60,000건. 어트리뷰션된 비트 기준으로는 40,000건이 1을 반환함(어트리뷰션 되었음을 의미).

   이 시나리오에서 UA 매니저들은 MMP가 보고한 유료 설치 중 절반만 SKAN 총계에 나타나기 때문에 나머지 40,000건이 웹, 이메일, 인플루언서 등과 같이 SKAN이 지원하지 않는 캠페인의 데이터라고 생각할 수 있습니다. 하지만 MMP 데이터는 여러 웹 캠페인에 50,000건, Google에 20,000건, Facebook에 10,000건이 각각 어트리뷰션 되었다고 표시하고, SKAN 에서는 Google과 Facebook에 각각 30,000건씩 어트리뷰션되었다고 표시될 수 있습니다. 본 예시에서 기존에 SKAN 데이터를 통해 기타 캠페인 데이터라고 생각했던 40,000건은 MMP의 웹 캠페인에 어트리뷰션된 50,000건과 일치하지 않고, SKAN과 MMP가 보고한 Google과 Facebook에 어트리뷰션된 설치 수도 판이합니다. MMP 데이터의 경우 어트리뷰션 과정을 조사하여 이론상 정확한 이유를 파악할 수 있으나, SKAN의 경우에는 이조차 불가능합니다. 결국 이 상황에서는 정확한 인사이트 파악이 어려워집니다.

싱글 소스 모델에서 이론상 추론 가능한 퍼포먼스 KPI는 eCPI*,* CPE, 광고 지출 대비 투자 수익(ROAS)이지만 내재적인 정확도의 문제가 있습니다. 따라서, 단지 퍼포먼스의 추정에 불과한 계산에 기반해 캠페인 최적화(확장, 중단, 중지 등) 관련 결정을 내리는 것은 바람직하지 않습니다. 정확도와 관련된 한계는 아래에서 보다 자세히 다루도록 하겠습니다.

결론적으로, 싱글 소스 모델은 두 프레임워크로부터 집계된 iOS 설치 수 총계에 대한 추정값을 얻으려고 비트 하나를 포기해야 한다는 한계를 갖고 있습니다.

싱글 소스 모델에서는 6번째 비트(가장 높은 값)가 TRUE/FALSE 플래그에 사용되기 때문에 이벤트와 매출 범위 조건에 사용할 수 있는 63개 전환값의 절반이 사라지게 됩니다. 이진법의 경우는 다음과 같이 나타납니다.

싱글 소스 모델은 데이터의 정확성이 그 무엇보다 중요한 모바일 생태계에서 지나치게 많은 추정에 의존하고 있습니다. 올인원/싱글 소스 모델이 주로 사용하는 4가지 추정 방법과 각 방법의 내재적인 한계 및 문제는 다음과 같습니다.

1. 일관성 없는 추정 모델: 총 설치 수 계산법은 SKAN을 통해 어트리뷰션되고 ATT 플래그를 포함한 유료 설치 수의 총계가 ATT 프레임워크에서 어트리뷰션된 유료 설치 수의 총계와 동일하다고 가정합니다. 그러나 우리는 이러한 가정이 올바르지 않다는 것을 경험을 통해 잘 알고 있습니다. 그 이유는 다음과 같습니다.

• 데이터 매칭을 위해서는 캠페인 파트너들이 두 프레임워크를 모두 지원해야 하는데, 인플루언서나 웹 트래픽 캠페인의 경우 현재 이러한 지원이 되지 않습니다.
• SAN은 사용자의 동의가 없는 경우 ATT 프레임워크에서 설치를 클레임할 수 없으나, SKAN 프레임워크는 사용자의 동의 여부와 관계없이 어트리뷰션이 가능하여 해당 사용자를 SAN에 어트리뷰션할 수 있습니다.
• SKAN으로부터 인게이지먼트 정보와 어트리뷰션 워터폴에 대해 자세히 알 수 없기 때문에 설치가 특정 파트너에게 어떻게 어트리뷰션되었는지 파악하는 것이 불가능합니다.
• SKAN과 ATT는 서로 다른 어트리뷰션 윈도우를 사용합니다.

2. 프레임워크별 파트너 어트리뷰션: 이 계산법은 SKAN이 설치를 특정 파트너에게 어트리뷰션할 때 MMP도 동일한 어트리뷰션을 수행한다고 가정합니다. 그러나 위에서 다뤘듯, 설치가 ATT 프레임워크에서도 어트리뷰션되었는지 알려주는 정보를 포함한 비트에는 파트너 소스가 포함되지 않습니다. 즉, 정확한 파악이 불가능하므로 신뢰할 수 없는 정보인 것입니다. 총계만 보면 양 프레임워크에서의 설치 수가 일치한다고 가정할 수 있으나, 이는 위에서 언급한 바와 같이 양 프레임워크에서 파트너가 정확히 동일한 경우에만 성립되는 가정이며, 파트너 간에 차이가 있을 때는 더욱 복잡해집니다. 이러한 상황은 SKAN의 특성상 발생할 확률이 매우 높습니다. 또한 광고주는 ATT 프레임워크에서 내부적인 마케팅 캠페인(교차 프로모션, 이메일 마케팅, 인플루언서 캠페인, 모바일 웹 캠페인)만 진행할 수 있습니다. 하지만 싱글 소스 모델에서는 이러한 설치가 ‘true’ 값을 가진 어트리뷰션 플래그와 함께 전송되어, ATT 플래그가 있는 SKAN 설치 총계에 포함됩니다. 인벤토리 중복으로 인해 SKAN이 동일한 기기를 광고 네트워크에 어트리뷰션했다고 가정하기 때문입니다. 이러한 경우에는 'ATT 유료 설치 = SKAN 유료 설치(ATT 플래그 포함)'라는 가정이 성립되지 않으며, 이러한 가정에 기반한 eCPI나 ROAS 또한 부정확할 것입니다.

3. 설치일: SKAN 포스트백은 정확한 타임스탬프를 포함하지 않기 때문에 설치일 또한 추정에 기반합니다. 이러한 추정은 사용된 전환값 윈도우와 포스트백이 전환값 0을 포함하는지 여부에 따라 계산됩니다. 그런데 Google의 경우 다른 파트너와 달리 SKAN 타임스탬프가 Google이 포스트백을 수신한 날짜가 아니라, Google이 인게이지먼트가 발생한 것으로 추정한 날짜를 의미합니다. 따라서, Google이 추정한 인게이지먼트 시간에 기반하여 SKAN 설치일을 재차 추정해야 하는 것입니다. 지나치게 많은 추정에 기반한 방법은 신뢰도가 떨어질 수밖에 없습니다.

4. 개인정보 보호 기준: Apple의 개인정보 보호 기준은 싱글 소스 모델의 계산법을 더욱 어렵게 만드는 또 다른 요소입니다. SKAN에서 파트너에게 전송되는 포스트백의 일부는 전환값이 null로 반환되어, '이 SKAN 설치가 ATT 프레임워크에서도 어트리뷰션 되었는가?'라는 중요한 질문에 대해 원하는 대답을 얻지 못할 수 있습니다. 전체 포스트백에서 이러한 null 값의 비중은 파트너와 캠페인에 따라 10%~40%로 달라지며, 한 캠페인이 다른 캠페인보다 null 값 비중이 더 높은 이유는 분명하지 않습니다. 개인정보 보호 기준의 미달 여부를 결정하는 것이 무엇인지는 Apple만 알고 있기 때문입니다. SKAN 유료 설치(ATT 플래그 미포함)의 경우, 이러한 개인정보 보호 기준이 어떻게 적용되는지 모호하기 때문에 추정이 거의 불가능합니다.

iOS 캠페인 데이터의 올인원/싱글 소스 모델은 지나치게 많은 추정에 의존합니다. 현재 업계에 출시된 SKAN과 ATT 데이터를 결합하는 솔루션들은 여러 단계의 추정에 기반하며, 고객사가 이용할 수 있는 전환값의 절반 이상을 희생하고 있습니다. 변화하는 모바일 업계에서 앱 성장 목표를 달성하려면 명확하고 정확하며 실용적인 데이터에 기반한 예산 할당, 캠페인 조정(중단 또는 확대), 주력 채널 파악과 같은 전략적인 의사결정이 필수적입니다.

Adjust는 이러한 모든 SKAN의 한계를 고려하여, Adjust의 애널리틱스 솔루션인 Datascape를 통한 교차 리포트 확인 방식을 권장하고 있습니다. Datascape는 모든 데이터를 이해하기 쉬운 형식으로 표시하고, 지름길이 아닌 정도를 걷는 방식을 채택하여 진정한 싱글 소스 솔루션으로 사용될 수 있습니다. Datascape에서는 다양한 SKAN 관련 KPI(전환, 매출, 이벤트)를 통해 종합적인 리포트를 구축할 수 있고, 이를 기존 Adjust 어트리뷰션 데이터와 나란히 비교 확인하며 정확성이 보장되는 최고의 방법을 제공합니다.

복잡한 iOS 생태계에서의 효과적인 측정을 위한 최선의 방법은 머신 러닝과 예측을 활용해 정확한 eCPI, CPE, 광고 지출 대비 투자 수익률(ROAS)을 파악하는 것입니다. Adjust는 바로 이러한 차세대 솔루션을 개발하고 있습니다. 캠페인 비용당 캠페인이 창출하는 매출을 명확히 보여주는 툴은 앱 성장 목표 달성을 위한 중요한 마케팅 결정의 토대가 될 것입니다.

자세한 정보는 Adjust 담당자에게 문의하시기 바랍니다.