최근 들어, 어트리뷰션 솔루션 시장이 성숙함에 따라 대부분의 서비스가 기능별로 대동소이한 상황에 이르렀습니다. Airbridge에게 2019년은 이와 같은 시장에서 어떻게 하면 고객에게 더 도움이 될지 계속 고민해 온 해였다고 할 수 있습니다. 실제 마케터들의 리소스 투입을 줄이고 성과를 극대화할 수 있게 디테일한 부분까지 챙길 수 있도록 노력하였습니다. 이 노력의 결과물인 Airbridge 2019 프로덕트 개선 사항을 소개합니다.
Airbridge 대시보드 분류 체계를 기능 중심으로 재설계하였습니다. 기존 대시보드는 기능이 계속 추가되며 복잡도가 올라감에 따라, 어떤 기능이 어디에 있는지 파악하기 어려운 문제점이 있었습니다. 또한, Airbridge 입장에서도 앞으로도 계속 추가될 새로운 기능들을 담기에 어려움이 있었는데요. 대시보드 구성을 한눈에 쉽게 파악하실 수 있도록 기능 별 분류 체계를 정리하였으며, 메뉴 바를 2단계로 구성하여 확장성이 있는 디자인으로 개선하였습니다.
Airbridge의 주요 기능인 Report는 전체적으로 기존 기능을 유지하면서 편의성을 높였습니다. Actual Report에서는 앱 전환 데이터 뿐만 아니라, Airbridge WEB SDK를 통해 수집된 웹 전환 데이터까지 확인할 수 있도록 기능을 개선하였습니다.
또한 Active Users Report를 추가하여 Active User는 물론, Paying User와 Revenue, ARPU, ARPPU의 지표 변화를 하나의 화면에서 파악할 수 있도록 했습니다. 이제 Airbridge 에서 이 5가지 중요 지표를 한 눈에 모니터링할 수 있습니다.
Airbridge를 비롯한 기존 어트리뷰션 솔루션들은 Last Click 모델을 활용하고 있습니다. 그러나 Last Click 모델의 한계는 분명합니다. Last Click 이전의 터치포인트의 영향력을 전혀 측정하지 않기 때문입니다. 이로 인해 Multi Touch Attribution에 대한 다양한 연구가 이뤄지고 있으며, 몇몇 어트리뷰션 솔루션에서는 Last Click 이전의 터치포인트들을 나열한 형태로 리포트를 제공합니다.
Airbridge는 시간 흐름에 따른 Touchpoints Analysis를 제공하여 Multi Touch 분포의 날짜별 변화를 시각적으로 파악할 수 있게 도와줍니다. 또한, 여기서 더 나아가 Multi Touch Attribution 계산에 사용되는 확률적 방법론 중 Markov Chain 모델을 활용하여 Last Click 성과와 비교할 수 있게 하였습니다.
이러한 비교를 통해 Last Click과 Markov Chain의 성과가 크게 차이나는 채널의 경우, 광고비 믹스를 조정하거나 타겟팅 변경, 크리에이티브 변화 등을 통해 성과를 개선시킬 수 있습니다.
Airbridge에서는 Airbridge가 제공하는 118개 필드(App 로그 기준)의 데이터를 CSV 포맷으로 추출할 수 있습니다. 추출을 원하는 이벤트 로그와 해당 로그의 필드를 커스터마이징하여 필요한 정보만 뽑아낼 수 있습니다. 덕분에 불필요한 데이터까지 뽑아서 따로 처리를 할 필요가 없으며, 너무 큰 사이즈의 데이터로 인해 엑셀과 같은 툴에서 열리지 않는 문제점을 방지할 수 있습니다. 또한 대행사 권한 설정으로 광고주가 오픈한 데이터 필드만 확인할 수 있기 때문에 보안 이슈를 사전에 컨트롤할 수 있게 했습니다.
Real-time Log는 Airbridge에서 쌓는 Raw Data를 디버깅하기 쉽게 대시보드에 구현한 기능입니다. 실시간으로 수집되는 데이터를 확인할 수 있으며, 특정 디바이스 또는 쿠키 ID를 검색하면 해당 ID로 기록된 로그와 로그 내의 상세 데이터를 체크할 수 있습니다. 이 기능을 활용하여 SDK 설치, 데이터 확인, 디버깅 등을 쉽게 할 수 있습니다.
트래킹 링크는 추적을 위해 반드시 필요한 요소이기 때문에 Airbridge에서 가장 많이 사용되는 기능 중 하나입니다. Airbridge는 그동안 채널, 캠페인, 광고 그룹, 하위매체 등 다양한 파라미터를 지원하여 데이터를 구분해 볼 수 있는 장점이 있었습니다. 그러나 그동안 파라미터 간 구분이 모호하고 어디에 어떤 정보를 넣어야 할지 어렵다는 피드백을 많이 받았습니다.
이에 따라 가장 먼저 광고주와 매체가 설정하는 캠페인 파라미터를 따로 나눠 구분하였으며, 특히 매체 파라미터의 경우 수정하기 어렵게 하여 오류를 방지하였습니다. 뿐만 아니라, 트래킹 링크 미리보기를 구현하여 유저가 생성할 트래킹 링크를 미리 보면서 링크 구성 파라미터를 쉽게 인식할 수 있게 하였습니다.
생성한 모든 트래킹 링크를 한 화면에서 관리하고, 재생성할 수 있는 리스트도 Tracking Link 분류에 함께 추가하였습니다.
Fraud는 모바일 광고 성과 최적화에 있어서 가장 강력한 적입니다. Airbridge는 그동안 Fraud를 성과에서 제외시킬 수 있게 Lag Time Report와 Raw Data Export 등 어트리뷰션 이후의 데이터 분석을 지원해왔습니다. 이제는 Fraud Validation Rules에서 규칙을 설정하여 어트리뷰션의 순간부터 Fraud 데이터를 구분하여 처리할 수 있습니다.
모바일 디바이스의 정보를 기준으로 데이터를 필터링하는 기본적인 룰부터 Lag Time, Frequency Capping, Blacklisting IP까지 Fraud의 룰을 설정하여 Fraud를 방어할 수 있습니다. 뿐만 아니라, 하나의 레벨(Attribute 제외, Fraud 표시 등)로만 설정되었던 기존 어트리뷰션 툴의 Fraud 방어 로직에서 더 나아가 각각의 룰에 따라 프리벤션 레벨을 3단계로 설정하여 Fraud 자체도 합리적으로 판단하고 관리할 수 있게 되었습니다.
어트리뷰션 툴이 마케팅에 대한 성과를 측정하는 역할을 하다보니 잘못된 셋팅으로 인한 문제가 발생하는 경우가 존재합니다. 그러나 한 명의 유저만 사용하는 것이 아닌 다양한 이해관계자(광고주, 에이전시, 매체)가 함께 사용하는 솔루션이기 때문에 이슈가 발생하면 부득이하게 책임을 가려야 하는 때가 있습니다.
Activity History는 Airbridge를 활용하는 모든 유저의 활동을 기록하여 누가 어떤 Create, Request, Delete, Edit 활동을 했는지 확인할 수 있게 합니다. 또한 에이전시와 매체에서 어떤 데이터를 봤는지도 모니터링 할 수 있기 때문에 정보 보안 측면에서도 도움을 줍니다.
마케터의 목표는 마케팅 ROI를 극대화하는 것입니다. ROI(Return On Investment)라는 단어에서 볼 수 있듯이 분자인 성과(Return)를 높이거나, 분모인 비용(Investment)을 줄이면 ROI를 높일 수 있습니다. 이에 따라, 그동안 마케터들은 다양한 퍼포먼스 마케팅 활동을 통해 분자인 성과를 극대화하기 위해 노력해왔습니다. 최근 마케팅 시장은 여기서 한 발 더 나아가 분모인 비용을 줄이는 방법을 고민하고 있습니다. 비용이 적게 들어가고 데이터 수집을 통해 효율적인 마케팅을 가능케 하는 Owned Media에 대한 관심이 커지는 것도 이와 비슷한 맥락이라고 할 수 있습니다.
지금까지 Airbridge는 반복적인 리소스 투입을 줄이고 마케터가 더 나은 캠페인을 집행할 수 있는 환경을 만들기 위해 노력해왔습니다. 2020년에도 Airbridge의 목표는 캠페인 전반에 대한 불필요한 운영 비용을 줄이고 마케터의 손을 도울 수 있는 프로덕트이면서, 궁극적으로 ROI를 높일 수 있게 도움이 되는 프로덕트를 만드는 것입니다.
전통적인 어트리뷰션 솔루션은 하나의 통일된 고객 아이덴티티를 생성할 수가 없다는 문제점이 있습니다. 특히 데스크탑 웹사이트와 모바일 웹&앱을 하나로 이을 수 있는 아이덴티티는 더더욱 어렵습니다. 이와 같은 아이덴티티의 파편화는 중복된 고객 아이덴티티를 생성하여 고객 단위의 개인화된 마케팅이 불가능하게 만들며, 부정확한 성과 측정으로 이어집니다.
Airbridge는 이처럼 분절된 아이덴티티를 통합하여 고객 단위의 아이덴티티를 만들어 마케팅 캠페인에 활용할 수 있도록 지원하려 합니다. 이를 위해 고객 단위별로 데이터를 모으고 관리할 수 있는 CDP(Customer Data Platform) 개념을 활용할 계획입니다.
Incrementality는 어트리뷰션 측정에 있어서 글로벌 시장에서 최근 화두가 되고 있는 개념입니다. 이 개념은 광고 성과 분석을 할 때 어떤 광고(매체)에 대한 실제 성과 증가분이라는 의미로 사용됩니다. 좀 더 풀어서 얘기하자면, 광고를 집행하지 않았어도 나왔을 성과, 즉 자연적인 성과를 제외하고 실제 광고를 통해 증가한 성과를 말합니다.
이 Incrementality를 측정하는 방법은 일반적으로 RCT(Randomized Controlled Trial), Ghost Ads, Baseline Calculation의 크게 3가지로 꼽힙니다. Airbridge는 여기서 과거 데이터를 활용하여 Baseline을 설정하고 이를 통해 광고주의 Incrementality 계산을 돕고자 합니다.
아이덴티티 통합과 Incrementality 분석이라는 큰 화두를 던졌지만, 실제로 마케터들이 캠페인을 진행할 때 가장 필요한 것은 실질적인 데이터에 대한 활용입니다. 아무리 좋은 데이터가 있다고 해도 이를 접근해서 활용할 수가 없다면 무용지물이라고 할 수 있겠죠. Airbridge는 앞으로도 계속해서 데이터를 활용하기 쉽게 추출과 분석을 도와주는 기능 개발을 이어갈 계획입니다.
