안녕하세요! 강남언니에서 퍼포먼스 마케팅을 담당하고 있는 제임스입니다.
iOS ATT 정책 도입 이후, 많은 마케터분들이 iOS 캠페인의 성과 측정에 어려움을 겪고 계실 거라 생각합니다.
1. ATT 도입에 따른 문제 상황
iOS 사용자에 대한 정확한 성과 측정과 타겟팅이 제한되면서, 저 역시 예산을 가장 많이 투입 했던 iOS 캠페인이 하루아침에 ‘성과가 가장 안 좋은 캠페인’으로 전락해 큰 상실감을 느꼈던 기억이 있네요.
퍼포먼스 마케터의 역할은 예산을 효율적으로 사용하여 최적의 성과를 내는 것인데, 정확한 지표 없이 iOS 캠페인 예산을 유지하는 것은 쉽지 않은 일이었어요. 그 결과, iOS 예산을 줄이거나 오가닉 지표를 참고해 조정하는 등 여러 가지 대응을 했던 기억이 납니다. 또한 ATT 동의율을 높이기 위한 다양한 테스트도 진행했었어요.
하지만…
✅ ATT로 하루아침에 성과가 달라졌다고 예산을 줄이는건 당연히 합리적인 판단이 아니고
✅ 오가닉 지표만으로 캠페인 성과를 측정하는 것은 한계가 있으며
✅ ATT 동의율을 높이는 노력은 효과가 크지 않았습니다.
많은 퍼포먼스 마케터분들이 저와 같은 고민을 하고 계실 거라 생각합니다.
퍼포먼스 마케터의 역할
데이터 측정을 최대한 정확하게 하는 것. 이것이 가장 중요한 첫 번째 단계라고 생각합니다. 퍼포먼스 마케팅의 핵심은 비즈니스 목표에 맞춰 외부 유저를 효율적으로 유입시키는 것이므로, 성과를 정확히 분석하고 판단하는 일은 가장 기본적이면서 중요한 과제입니다.
특히, 강남언니와 같이 20~30대 여성 유저가 주요 타겟인 플랫폼에서는 iOS 유저가 상당한 비율을 차지하기 때문에 더욱 신경을 써야 하는 부분입니다.
강남언니에서는 iOS 캠페인의 성과를 어떻게 측정하고 있을까?
다들 아시다시피, iOS 환경에서는 SKAN(SKAdNetwork)을 활용하는 것이 필수적입니다. 강남언니도 SKAN 데이터를 활용해 iOS 캠페인을 분석하고 있지만, SKAN만으로 모든 문제가 해결되지는 않습니다.
SKAN을 사용하는 데에는 명확한 한계가 존재하기 때문에, 강남언니는 이 한계를 보완하여 최대한 정확하게 데이터를 분석하고 있습니다.
2. SKAN의 한계를 극복하기 위한 보정 및 최적화 전략
SKAN 한계를 극복하는 보정 및 최적화 전략을 강남언니에서는 어떻게 하고 있는지 소개해 드릴게요.
SKAN의 한계를 아래 관점으로 분석 후 보정 했어요.
✅ 짧은 어트리뷰션 윈도우는 채널 별 기여 패턴 분석을 통한 보정
✅ 데이터 집계 지연은 채널 별 데이터 집계 지연을 파악하여 보정
✅ 광고 소재 단위의 성과는 다양한 소스 데이터를 활용한 입체적인 분석을 통해 보정
(1) 채널 별 기여 패턴 분석
[문제 상황]
✅ SKAN 3.0은 앱 설치 완료 후 24시간 이내의 Conversion Value 업데이트를 기준으로 포스트백이 전송됩니다.
✅ 그 결과, 구매 주기가 긴 앱은 전환이 포착되지 않아 성과가 저평가될 수 있어요.
[대응 방법]
각 채널별로 인스톨 이후 이벤트(가입, 구매 등)가 언제 기여되는지를 분석하여 성과를 보정하는 방식입니다. 설치 이후 3일 차에 구매가 채널에 기여 되는지, 혹은 7일 차에 기여 되는지를 파악하는 것이죠.
우리 서비스의 평균 구매 전환 주기가 7일이라고 가정해봅시다. 이 경우 SKAN 기준으로 데이터를 확인하면 설치 후 24시간 이내에 발생하지 않은 구매 이벤트는 매체 성과로 집계되지 않기 때문에 실제 성과가 누락될 수 있습니다. 예를 들어, 오늘 구글 광고를 통해 인스톨한 유저가 3일 뒤에 구매를 했다면, SKAN에서는 이 구매가 성과로 집계되지 않습니다. 결과적으로 SKAN 데이터 상에는 이 구매가 성과로 잡히지 않아, "가입은 많지만 구매율이 낮다"는 오판을 유도할 수 있습니다.
이에 따라 강남언니는 각 채널별로 인스톨 이후 이벤트가 언제 기여되는지를 정밀하게 분석하여, 누락된 성과를 보정하는 방식으로 대응하고 있습니다. (Android뿐만 아니라, 일부 iOS 데이터도 병행 분석하여 활용하고 있습니다.)
채널 별 기여 패턴을 분석하는 과정은 샘플 사이즈 제한 등의 여러 기술적 제약이 있었지만, 반복적인 검증과 기준 정교화를 통해 마케팅 의사결정에 활용 가능한 수준까지 정밀도를 확보할 수 있었습니다.
물론, SKAN 4.0에서는 최대 3번의 포스트백을 통해 최대 35일 동안의 사용자 이벤트를 측정할 수 있도록 개선되었지만, 포스트백 티어 구조에 따라 일부 데이터가 제한되거나 누락될 가능성이 존재합니다. 또한, 포스트백 전송 타이머의 연장으로 인해 데이터 수집 및 집계가 지연되는 문제가 발생할 수 있어, 여전히 완벽한 해결책이라고 보기 어려워요.
그래서 우리만의 방식이 필요한거라 각자의 상황에 맞는 보정 방식을 적용하면 될 것 같아요. 이건 강남언니에 맞는 보정 방식이었고 실제로 위와 같은 보정을 통해 iOS 캠페인에 대한 성과가 저평가 되지 않도록 관리 할 수 있게 되었어요.
(2) 채널 별 데이터 집계 지연 파악
[문제 상황]
✅ SKAN은 포스트백 전달이 지연된다는 고유 특성이 있어요.
✅ 즉, 랜덤 포스트백 타이머에 따라, 마케터가 실시간으로 캠페인 성과를 알기 어렵습니다.
✅ 더욱이 매체에 따라 데이터 집계 완료까지 추가 지연이 생길 수 있어요.
[대응 방법]
채널 별 SKAN 지연 프로파일을 분석하여 지표를 보정 하고 있어요.
지연 프로파일 분석을 위해서 아래와 같은 단계를 거칩니다.
① SKAN 데이터 적재 (에어브릿지 -> 내부 DB(스노우플레이크))
② 이벤트 수치에 대한 각 채널 별 패턴화 분석
③ 분석 된 패턴화 공식에 따라 각 채널 별 1~2일 차 데이터 보정
④ 보정 된 수치는 리포트(태블로)를 통해서 확인
각 채널별 데이터 반영 패턴 분석에 대해서 조금 더 자세히 설명 드릴게요.
강남언니는 채널별 SKAN 데이터 반영 '시점'의 차이 를 분석해 성과를 더 정확히 해석하고 있어요. 이를 위해 매체별 SKAN 데이터 전달 구조의 차이를 이해하는 것이 중요합니다.
매체별 SKAN 데이터 전달 구조 요약
Meta, Moloco : Aggregator 서버를 거치지 않고 직접 수신 → 데이터 지연 없이 즉시 확인 가능
Google, TikTok : Aggregator 서버를 통해 전달 → 데이터 지연 발생
특히, 데이터 지연으로 이슈가 큰 매체가 구글이기 때문에 구글 채널을 예시로 들어서 다시 설명 드릴게요. 구글의 경우 SKAN 데이터가 지연되어 반영되기 때문에 D+1, D+2 시점의 수치를 성과로 판단하면 정확하지 않은 수치로 판단에 오류가 생길 수 있어요. 그렇다고 전일 성과를 전혀 보지 않으면 캠페인 이상 징후나 급격한 변화 등을 제때 파악하지 못해 대응이 늦어질 수 있다는 점에서, 지연을 고려한 추정치라도 활용해 확인하는 것이 중요합니다.
| 앱 설치 후 | 구글 (MMP 집계 시점) |
|---|---|
| 설치 1일 후 | 0% (성과 파악 불가) |
| 설치 2일 후 | 20~50% (실제 대비 저평가된 데이터) |
| 설치 3일 후 | 100% (완전한 데이터 확보 가능) |
즉, D+1, D+2 데이터를 볼 때 구글의 전환 집계 지연 패턴을 기반으로, D+1~2 수치에 보정계수를 적용한 추정치를 산출하여 실제 성과에 가까운 판단을 내리고 있습니다. 이를 통해 이상 탐지 및 빠른 액션을 가능하게 합니다.
(물론 시간이 지나면 당연히 완벽하게 업데이트 된 데이터를 볼 수 있지만 우리는 매일 성과를 체크하고 관리하고 있기 때문에 빠른 액션과 의사결정을 위해서는 필요한 작업이라고 생각해요.)
또한, LockWindow 기능을 전략적으로 활용하는 방법도 있습니다. 이번에는 다루지 않겠지만 SKAN 4.0 기준으로 다룰 때 다시 설명 드릴게요!
(3) 다양한 소스 데이터를 활용한 입체적인 분석
[문제 상황]
✅ SKAN 환경에서는 광고 소재 별 성과를 확인할 수 없으며, 캠페인 단위의 aggregated 데이터만 제공 합니다.
(일부 매체의 경우 Ad Group까지도 제공 하지만, 구글/메타의 경우에는 캠페인 단위까지만 제공 해요)
✅ SKAN 4.0의 소스 식별자 확장으로 이론상 4자리 중 일부를 소재 ID로 활용할 수 있지만, 이는 충분한 설치 수(티어 2 이상)가 뒷받침되지 않으면 뒷자리 두 자리를 받지 못해 유효하지 않아요. 즉, 소재 개별 단위로는 설치수가 충분하지 않을테니 거의 집계가 안된다고 봐도 무방 합니다.
[대응 방법]
아래와 같은 다양한 방법을 통해 소재 별 성과를 파악하고 있어요.
① 크로스플랫폼 데이터 활용 (Android 데이터 참고)
② A/B 테스트를 통한 소재 효율 검증
③ iOS SKAN에 맞춘 캠페인 구조 재설계
④ SKAN 데이터와 iOS MMP 기본 수치의 차이를 활용하여 소재 별 성과 보정
또한, 강남언니에서는 장기적으로 iOS 분석 모델링을 구축하여 보다 정교한 최적화가 가능하도록 발전시킬 예정 입니다.
3. ATT 도입 이후, 강남언니 대응 방법
위 내용을 종합적으로 요약해서 다시 설명 드리면, iOS의 ATT 정책 도입 이후, SKAN 데이터를 활용 할 수 밖에 없었기 때문에 사실상 선택지는 하나였어요 다만, SKAN이 제공하는 데이터만으로는 iOS 캠페인의 실제 성과를 정확히 파악하기 어렵다는 한계가 분명 존재합니다.
강남언니는 이 문제를 해결하기 위해 우리만의 방식으로 접근했어요.
- 어트리뷰션 윈도우가 짧은 문제는 각 채널별 전환 주기를 분석해 보정하고,
- 데이터 집계 지연 문제는 채널별 지연 패턴을 기반으로 수치를 보정해 빠르게 판단할 수 있도록 했습니다.
- 광고 소재 단위의 성과 측정 불가 문제는 Android 데이터를 참고하거나 A/B 테스트, MMP 수치와의 비교 등 다양한 방식으로 입체적으로 접근했어요.
이러한 전략들을 통해 iOS 캠페인의 실제 성과를 더 정확하게 파악할 수 있게 되었고, 그 결과 성과가 저평가되는 리스크를 줄이며 안정적으로 캠페인을 운영할 수 있게 되었습니다. 그만큼 예산도 더 사용할 수 있게 되었고 결과적으로 강남언니 서비스 성장에도 큰 기여를 했어요.
4. 마치며
개인정보 보호 강화로 인해 앞으로는 iOS뿐 아니라 디지털 마케팅 전반에서 데이터 측정의 제약이 확대될 가능성이 큽니다. 그렇기에 지금부터 대응 방법을 고민하고 체계를 갖추는 것이 중요합니다. 위 소개한 내용이 정답은 아니며, 강남언니에서도 더 나은 방식에 대해서 계속 고민하고 있어요. 결국 어떻게 하면 더 정확하게 볼지 고민하는 자세가 중요한 것 같습니다.
강남언니 퍼포먼스 마케터들은 단순히 광고 운영이 아닌, ATT와 같은 사항들을 포함하여, 데이터 기반의 정교한 성과 분석과 최적화를 함께 고민하고 있습니다. 강남언니에서는 국내 외에도 글로벌 시장을 대상으로 한 다양한 퍼포먼스 마케팅을 기획하고 실행 할 수 있으며, 이를 통해 퍼포먼스 마케팅의 새로운 해법을 함께 만들어 갈 수 있어요. 또한, 다양한 조직과의 협업을 통해 마케팅과 제품, 비즈니스를 아우르는 종합적인 사고력과 전략적 통찰력도 발전 시킬 수 있습니다.
관심 있으신 분들은 아래 강남언니 채용 페이지에서 확인해주세요