3부: Aarki 팀이 말하는 Apple 정책의 변화 - DSP의 관점에서


DSP Perspective of Apple Privacy Changes

광고 식별자는 오늘날 인앱 광고를 위한 매체 구매의 중심에 있습니다. 그런데 이러한 현실이 iOS14.5가 릴리즈되면서 구현될 Apple의 개인정보 보호정책 변경으로 변화하고 있습니다. 이때문에 광고주는 사용자를 추적하거나 사용자 기기의 광고 식별자에 액세스하려면 앱 추적 투명성 프레임워크를 통해 사용자의 허락을 받아야 합니다. iOS14.5가 곧 릴리즈됨에도, 답변이 필요한 문제들이 아직 남아 있습니다.

1부와 2부에서는 Apple의 개인정보 보호정책 변경이 끼치는 영향에 대하여 MMP와 애드 익스체인지의 예측을 공유해드렸습니다. 3부에서는 Aarki 팀의 멤버들을 인터뷰하였습니다. DSP(광고 구매 플랫폼)에 던져진 질문들에 종합적인 답변을 드리도록 하겠습니다.

Aarki Team headshots, Nicol, Anton, GraceAarki Team headshots, Igor, Kim


질문 1: DSP의 모델을 SKAdNetwork 포스트백에도 적용할 수 있습니까?

간단히 답하자면, 가능합니다. 자세히 말씀드리자면, 모든 구매 파트너, DSP, 네트워크, SAN은 SKAdNetwork에서 나오는 약한 신호, 완전히 커버되지 않는 이벤트와 씨름해야 하며, 특히 캠페인 초기에 더욱 그렇습니다.

Apple은 SKAN 포스트백에 대하여 두 가지 신호에 개인정보 보호를 위한 임계값을 둡니다.

  1. 소스 앱 - 설치를 유도하는 광고가 표시되던 곳
  2. 전환값 - 설치 후 광고주 앱에서 추적된 전환 이벤트를 나타내는 값

소스 앱에서 개인정보 보호 임계값이란 앱이 설치된 소스 앱에 도달하는 캠페인당, 소스당 설치의 임계값을 SKAN을 최적화하는 구매자가 알 수 없음을 의미합니다. 전환값도 같습니다. 이러한 값에는 임계값에 다다르기 전에 캠페인 ID당 설치에 대한 유의미한 값이 필요합니다.

전환값의 경우, 광고주가 선택한 전환 모델 및 이벤트도 전환값 신호가 수신될 가능성에 영향을 주므로, 광고주와 구매자가 측정된 SKAdNetwork 전환에 대하여 열린 마음으로 솔직히 논의를 하는 것이 중요합니다.

데이터가 지연되고 익명화되어 사용자의 개인정보를 보호하더라도, 구매 모델을 최적화하는 본질적인 방법은 변하지 않습니다. 구매 파트너는 전환값을 인앱 이벤트로 복호화하고, 모델을 트레이닝 및 배치하여 이러한 이벤트를 최적화할 수 있습니다.

.캠페인 최적화 및 모델을 위한 다른 데이터 소스는 계속 MMP로부터 얻을 수 있습니다. 데이터의 규모와 유용성은 광고주의 앱 캠페인마다 다를 수 있지만(편향도 파악해야 함), 사용자가 동의해야 하는 개인정보 보호 준수 포스트백은 풍부한 최적화 데이터를 제공할 수 있습니다.

SKAdNetwork 최적화에 대한 노하우를 쌓는 최선의 방법은 ATT가 시행되기 전에 SKAdNetwork가 어트리뷰트하는 캠페인을 최대한 큰 규모로 구동하는 것입니다.

- Nicol Cseko, 제품 담당 부사장

질문 2: SKAN 모델은 can-track 모델과 어떻게 다릅니까?

머신 러닝 모델에 있어 SKAN 어트리뷰션의 가장 어려운 부분은 각 노출을 전환(예: 설치, 인게이지먼트, 구매자)에 매치할 수 없는 것입니다. 이는 트레이닝 세트 자체를 바꿔 버리므로 다양한 모델을 적용해야 합니다.

데이터 세트를 예전처럼 이진 분류하지 않고 SKAN 캠페인 당 데이터를 집계해야 합니다.

IDFA이러한 데이터 세트에서 중요한 정보를 추출하는 한 가지 방법은 기능 세트(예: source_app, skan_campaign_id)별로 분포를 맞춘 다음 이 분포에서 표본을 구하여 예측하는 것입니다(톰슨 샘플링). 여기에서 중요한 문제는 핵심 기능이 될 최적의 SKAN 캠페인 ID를 생성하는 것입니다.

또 다른 접근은 모델을 구축하여 모든 문맥 피처를 이용해 CTR을 예측하는 것입니다. 이렇게 하면 노출 수준 어트리뷰션을 얻을 수 있습니다. 그리고 나서, 나머지 클릭을 모델링하여 상기한 접근법을 통해 집계된 데이터에 대한 전환 퍼넬을 설치하면 됩니다. 이렇게 하면 사용자 클릭 성향에 대하여 많은 신호를 얻을 수 있습니다. 하지만 이런 접근은 미끼용 링크, 프로드, 클릭 실수에서 오는 노이즈에 영향을 받기도 합니다.

- Anton Protopopov, 데이터 과학자

질문 3: iOS 14.5 캠페인에서는 새로운 크리에이티브를 어떻게 테스트합니까?

크레이티브 테스트에는 창의력이 필요합니다! 오늘날 크리에이티브는 심지어 특정 버전의 다이내믹 크리에이티브도 명백하게 어트리뷰트된 설치 후 행동을 통해 노출부터 설치, 설치 후까지 측정할 수 있습니다. 하지만 SKAdNetwork는 이제 크리에이티브와 광고 노출로부터 설치에 혼란을 가하여 이 세분화된 측정을 차단합니다.

그럼에도 크리에이티브를 테스트하고 최적화할 방법이 몇 가지 있습니다. 첫 번째, 클릭 수, 소요 시간, 인게이지먼트와 같은 상위 퍼넬 메트릭에 초점을 맞춘 크리에이티브 최적화는 SKAdNetwork에 영향을 받지 않으므로 계속해서 사용할 수 있습니다.

최적화를 통해 간단해 보이는 옵션을 설치하려면 크리에이티브의 SKAdNetwork 캠페인 ID가 필요합니다. 항상 SKAdNetwork의 설치 신호를 받게 될 테니까요. 그러나 이 방법은 퍼넬 하단의 크리에이티브를 최적화하려는 광고주에게는 효과가 없습니다.

SKAdNetwork 캠페인 ID에 개인정보 보호 임계값이 있다는 것은, 많은 캠페인이 올바른 범위 내에 없으면 전환값을 통한 설치 후 이벤트 관련 학습이 빠르게 차단되고 정보 습득에 대한 비용과 시간이 매우 많이 든다는 의미입니다. 이럴 때 해당하는 광고주는 다음과 같은 몇 가지 접근 방법을 고려해보시기 바랍니다.

  1. 문제를 해결하는 한 가지 방법은 기존의 완성된 SKAdNetwork 캠페인의 크리에이티브를 테스트하는 것입니다. 새로운 크리에이티브에 착수해서 성과 변화를 추적해볼 수 있겠습니다.
  2. 접근에 유도된 더 많은 데이터를 캠페인 자체 내의 트래픽(예: 위치)으로 분할한 후 성과를 위치 분할 별로 살펴보아 크리에이티브 수준 성과를 파악하는 것입니다. 아직은 이 방법이 가능합니다. 일부 지리적 데이터가 SKAdNetwork 포스트백에서 파생되기 때문입니다. 위치는 편향을 최소화하려면 주의해서 분할해야 하지만, 이렇게 하면 설치 후 전환을 크리에이티브 수준에서 측정할 방법이 생깁니다.
  3. 학습은 Android 캠페인이나 인앱 추적에 동의한 사용자에도 적용할 수 있습니다. 하지만 이러한 학습은 전송되지 않을 수도 있음에 유의해야 합니다.

확실한 크리에이티브 성과를 얻는 것은 모바일 마케팅 생태계에 있는 모두가 원하는 것이며 Apple이 이를 받아들이는 것 같습니다. SKAdNetwork의 최신 버전인 2.2는 광고를 설명하는 adType, adDescription, adPurchaserName이라는 새로운 3가지 요소를 표시합니다. 이러한 요소들이 현재는 사용되지 않고 있고 2.2 포스트백의 일부도 아니지만 Apple이 SKAdNetwork를 계속 업데이트해서 유의미한 크리에이티브 수준 어트리뷰션을 제공하리라고 조심스레 기대해봅니다.

- Grace Oabina, 분석 담당 차장

질문 4: SKAdNetwork 캠페인 ID는 어떻게 사용합니까?

SKAdNetwork는 광고주 앱, DSP 또는 광고 네트워크당 100개의 캠페인을 제공합니다. Apple이 세분화 캠페인에 대한 포스트백 유틸리티를 제한함에 따라, 사용할 최적의 캠페인 수를 찾기 위해 여러 고민을 해야 합니다. 이런 걱정은 잠시 접어두고, 캠페인 예산을 활용할 몇 가지 방법을 알아보겠습니다.

SKAN 캠페인은 궁극적으로 다음 두 가지를 위한 것입니다.

  1. 성과를 보고 및 평가하는 데에 유용한 코호트(예: 광고 형식이나 지역별로 트래픽 분할)를 정의하면 DSP와 광고주가 성과 지향적인 캠페인 관리 결정을 할 수 있습니다.
  2. 다운스트림 정보를 최대화하는 코호트로 트래픽을 분할하면 트레이닝을 통해 예측 가능한 모델을 얻을 수 있습니다.

이렇게 하면 캠페인을 다음과 같이 대략 할당할 수 있습니다.

  1. M1 캠페인을 광고주에 할당합니다.
  2. 수동 피처 탐색을 위해 M2 캠페인을 내부에 보유합니다.
  3. M3 = 100 – (M1 + M2) 캠페인 식으로 얻은 값을 최적화하여 다운스트림 모델을 트레이닝합니다.

위 카테고리에서 3번에 가장 흥미로운 문제가 나타납니다. 어떻게 보면 위 방법은 필연적으로 발생한 차원 감소 문제를 해결하려는 시도입니다. 우리는 500K 이하인 차원 피처 공간을 M3 수준인 하나의 카테고리형 피처로 압축해야 합니다. 이렇게 하면 근본적인 표본에 대한 가장 많은 양의 정보를 인코드할 수 있습니다. 몇 가지 접근이 떠오르는군요.

  1. 결정 트리 기반. 결정 트리는 데이터 세트를 분할하여 정보 획득을 최대화합니다. 그러니 이 문제에 대한 자연스러운 선택안입니다.
  2. 클러스터링 기반. 문맥 벡터의 임베딩을 학습하고 이러한 벡터를 클러스터화할 수 있습니다. 이는 이를 통해 임베드된 공간 내에 있는 유사한 사용자들은 유사한 전환 패턴을 보임을 의미합니다.
  3. 인공 신경망(오토인코더) 기반. 최적의 코호트를 학습할 수 있고 이러한 코호트를 기반으로 전환 가능성을 학습할 수 있습니다.

Aarki는 이러한 모든 전략으로 활발히 탐색 및 실험하고 있습니다.

- Igor Raush, 데이터 과학자

질문 5: 사람들이 SKAdNetwork가 준비되었는지에 대해 이야기합니다. Apple의 앱 추적 투명성이 지연된 것이 SKAdNetwork가 공급 측에서 준비되는 것에 영향을 미쳤습니까?

SKAdNetwork로 어트리뷰션을 하려면 광고가 게재된 앱만 준비되면 되는 것이 아니라 퍼블리셔측의 노출 기회부터 구매자에게 비딩 요청을 브로드캐스트하는 익스체인지에 이르기까지 전체 공급망이 준비된 상태여야 합니다.  

DSP의 입장에서, Aarki는 iOS 14.5의 지연이 다음 두 영역에 도움이 되었다고 봅니다.

  1. 퍼블리셔가 SKAdNetwork가 인증한 구매 파트너사 목록이 있는 info.plist 파일을 추가 또는 업데이트하여 수익을 창출할 시간을 벌어주었습니다. 이 목록을 추가하거나 갱신하지 않으면 퍼블리셔가 향후 iOS 앱 퍼포먼스 마케팅 수요를 놓치게 되고, 시장에서 SKAdNetwork ID가 없는 입찰자는 비딩할 기회를 놓칩니다.
  2. 더 많은 익스체인지와 SSP가 SKAdNetwork를 지원할 시간을 주었습니다. 익스체인지를 통해 구매하는 입찰자의 경우, SKAdNetwork 캠페인 파라미터와 광고 구매 플랫폼이 Apple에 서명할 때 그것을 통과하는 데에 매체 측 플랫폼의 소프트웨어 개발 키트가 필요합니다. 즉, 광고를 게재하는 모든 소프트웨어 개발 키트는 이 어트리뷰션 프레임워크를 지원해야 하는 것입니다. 대부분의 모바일 퍼스트 인앱 공급 측은 SKAN을 대폭 지원하지만 일부 경쟁사들은 아직도 뒤처져 있습니다. 이들이 순수한 모바일 공급원이 아닐지라도 이 채널에서 모바일 퍼포먼스에 대해 상당한 투자가 이루어지고 있습니다.

좋은 소식은, 공급 면에서 Aarki가 봤을 때 iOS 14 이상에 대해 받은 비딩 요청 중 62%가 SKAdNetwork 사용이 가능하다는 것입니다.

또한, 공급 시장을 더욱 깊이 살펴보면 Aarki가 구매한 대부분이 iOS 14 이상인 사용자에게 거래되었고, 퍼블리셔의 91%는 이미 SKAdNetwork를 지원합니다.

- Kim Aquino, 사업 개발 담당 부장

Aarki는 개인정보 보호를 의식하는 향후 광고 생태계에서도 예전처럼 최고의 모바일 마케터가 기대하는 뛰어난 캠페인 성과를 제공하기 위해 끊임없이 노력하고 있습니다. Aarki가 개발한 전략에 대해 더 알고 싶으시면 여기에 메시지를 남겨 주세요.

 

Topics: Creative Insights, Marketplace Insights