트래킹 URL을 활용한 데이터 수집에 대해 알아본 지난 글에서 이어지는 내용입니다. 유저가 광고를 클릭하면 트래킹 URL로 연결되고, 트래커는 이 URL을 이용해 어떤 유저가 어떤 매체의 광고를 언제 클릭했는지 알게 된다는 것으로 지난 글을 요약할 수 있겠네요.
또한 단말기로 다운로드된 앱이 실행될 때, 앱 안에 있는 분석 SDK는 어떤 유저가 어떤 매체의 광고를 통해 언제 앱을 실행 했는지에 대한 데이터를 수집하여 트래커로 전송한다는 것도 빼놓을 수 없습니다. 이렇게 되면 트래커는 두 가지 데이터 – 광고 클릭에서 발생한 데이터와 앱 실행에서 발생한 데이터 – 를 대조하여 광고 클릭으로부터 연결된 정상적인 앱 설치를 찾아내고 해당 설치를 광고에 의한 것으로 인정하는데 이것을 인스톨 어트리뷰션이라고 부릅니다.
데이터 대조를 통한 인스톨 어트리뷰션에는 크게 네 가지 방법이 활용됩니다. 각 방법마다 대조하는 데이터가 다른데요, 이 글에서는 각 방법의 적용 우선순위와 특징을 자세하게 설명하려고 합니다.
네 가지 방법
거의 대부분의 앱 어트리뷰션 툴이 동일한 방법을 활용합니다. 단지 적용 우선순위에서 일부 차이가 있을 뿐입니다. 각각의 인스톨 어트리뷰션 방법을 와이즈트래커가 적용하는 순서로 나열하면 다음과 같습니다.
- Identifier Matching
- Click ID Matching
- Google Play Install Referrer
- Fingerprint Matching
각 방법의 세부 내용을 살펴 볼까요?
1. Identifier Matching
- 정의: 스마트폰에 부여된 고유 광고 식별자(Identifier)를 기준으로 어트리뷰션 하는 방식입니다.
- 설명: 유저가 트래킹 URL을 클릭하면 해당 유저의 광고 식별자가 파라미터에 추가됩니다. 트래커는 파라미터에 담긴 유저의 광고 식별자를 수집하고 유저를 최종 목적지로 리다이렉트 합니다. 유저가 최종 목적지에서 다운로드한 앱을 실행하면, 앱 안에 있던 분석 SDK가 광고 식별자를 수집하여 트래커로 전송하고, 트래커는 광고 클릭 시점에 수집한 식별자와 앱 실행 시점에 수집한 식별자를 대조하여 어트리뷰션 합니다.
- 특징: 광고 식별자는 각 단말기마다 부여된 고유 식별자 중에서도 마케팅 목적으로 활용하도록 고안된 값입니다. Android 단말기의 식별자는 ADID(Advertising ID) iOS 단말기의 식별자는 IDFA(Identifier for Advertisers)라고 부릅니다. 이 식별자들은 유저의 선택에 따라 비활성화 또는 리셋이 가능하며 개인정보도 아니기 때문에 마케팅에 활용할 수 있습니다. 각 단말기마다 고유한 값이라는 점, 비활성화 또는 리셋을 하는 유저가 극히 드물다는 점에서 어트리뷰션 정확도가 매우 높습니다.
- 한계: 식별자를 수집할 수 없는 환경을 통해 유입된 유저에 대해서는 어트리뷰션 할 수 없습니다. 식별자를 비활성화 또는 리셋하는 경우, 그리고 웹 환경에서 발생한 광고 클릭, 다시 말해 웹 브라우저(크롬, 사파리, 기본 브라우저 등) 상에서 발생한 광고 클릭이 식별자 수집이 불가능한 환경에 해당합니다.
2. Click ID Matching
- 정의: 각 광고 클릭에 부여하는 고유한 Click ID를 기준으로 어트리뷰션 하는 방식입니다.
- 설명: 유저에 의해 광고 클릭이 발생하면 해당 클릭의 고유한 Click ID가 파라미터에 추가됩니다. 트래커는 파라미터애 담긴 Click ID를 수집하고 유저를 최종 목적지로 리다이렉트 합니다. 만약 유저가 플레이 스토어를 통해 다운로드한 앱을 실행하면 앱은 구글로부터 리퍼러를 받아오게 되는데, 분석 SDK는 이 리퍼러 정보를 검출하여 트래커로 전송합니다. 검출된 리퍼러에는 Click ID가 포함되어 있으며, 트래커는 클릭 시점에 발생한 Click ID와 앱 실행 시점에 발생한 Click ID를 대조하여 인스톨을 어트리뷰션 합니다.
- 특징: 많은 광고지면을 보유한 매체라면 하루에도 수억 건의 클릭을 처리하게 될 것입니다. 이렇게 되면 어떤 지면의 어떤 광고에서 언제 클릭이 발생했는지에 대한 데이터를 체계적으로 관리해야 할 필요가 있습니다. 그래서 각 클릭마다 고유한 식별자를 붙이는 방법을 활용합니다. 이런 Click ID는 고유한 값이라는 점에서 광고 식별자와 동등한 정확도를 가지면서, 웹 환경에서 발생한 클릭에 대해서도 어트리뷰션이 가능하기 때문에 광고 식별자 매칭으로는 어트리뷰션 할 수 없었던 영역을 보완한다는 장점이 있습니다.
- 한계: 기본적으로 Install Referrer 방식의 일종이므로 해당 방법의 한계점을 모두 가지고 있습니다. 이 방법의 한계점은 아래 3번 내용에서 확인할 수 있습니다. 또 하나의 한계는 모든 매체가 Click ID를 지원하지는 않는다는 점입니다. 매체 성격에 따라 Click ID를 사용할 필요가 없을 수도 있으며 Click ID를 사용할 환경을 갖추지 못한 매체도 있을 것입니다. 이렇게 Click ID를 지원하지 않는 매체에는 Click ID 기반의 어트리뷰션을 적용할 수 없습니다.
3. Google Play Install Referrer
- 정의: 구글의 앱 플랫폼인 플레이 스토어에서 넘겨주는 리퍼러를 기준으로 어트리뷰션 하는 방식입니다.
- 설명: 구글로부터 받아온 리퍼러에 Click ID가 존재한다면 Click ID Matching 방식을 사용하는데, 리퍼러 안에 Click ID가 없다면 Install Referrer 방식을 적용하게 됩니다. Click ID Matching 방식은 리퍼러 전체에서 Click ID 값만 뽑아서 대조하는 것이며, Install Referrer 방식은 리퍼러 전체를 대조한다는 것이 두 방식의 차이점입니다.Install Referrer 방식은 앞에서 설명했던 Click ID Matching과 거의 유사한 프로세스로 진행됩니다. 광고 클릭 시 수집한 정보들을 리퍼러 파라미터에 붙여서 유저를 플레이 스토어로 보내고, 유저가 이 곳에서 다운로드한 앱을 실행하면 분석 SDK는 이 리퍼러를 검출하여 트래커로 전송합니다. 트래커는 광고 클릭에서 발생한 리퍼러와 앱 실행에서 발생한 리퍼러를 대조하여 어트리뷰션 합니다.
- 특징: 구글을 통해서 리퍼러를 재확인 받는다는 점에서 광고주와 매체 모두가 어트리뷰션 결과를 신뢰하게 됩니다. 또한 정상적인 환경에서는 리퍼러가 유실될 우려가 없기 때문에 어트리뷰션 정확도가 매우 높습니다.
- 한계: 리퍼러 확인은 플레이 스토어 앱을 통해 앱이 다운로드되는 경우에만 사용할 수 있는 방법입니다. 다시 말해 iOS 플랫폼에는 적용할 수 없고, 안드로이드라고 하더라도 플레이 스토어 웹사이트(https://play.google.com)를 통한 다운로드에도 적용할 수 없습니다.
4. Fingerprint Matching
- 정의: 유저 단말기의 다양한 정보를 조합해서 생성한 핑거프린트를 기준으로 어트리뷰션 하는 방식입니다.
- 설명: 핑거프린트가 무엇인지에 대한 쉬운 설명으로 시작 해야 할 것 같습니다. 어떤 사고가 발생했는데 범인은 현장에서 도주했고 몇몇 목격자가 있다고 가정해 보겠습니다. 경찰은 목격자들에게 범인이 누구인지를 알고 있냐고 먼저 물어봅니다. 만약 누구든지 범인의 이름, 주민등록번호, 전화번호를 알고 있다면 쉽게 범인을 찾아낼 수 있을 것입니다.하지만 범인의 정확한 인적사항에 대해 알고있는 목격자가 없으면, 경찰은 범인에 대한 다른 정보들을 탐문합니다. 성별, 키, 신체적 특징, 입었던 옷, 목격한 지점 등을 확인하게 되겠지요. 확인한 정보로 몽타주를 만들고 용의자를 특정합니다. 이렇게 되면 사고현장 근처를 지나갔으며 알리바이가 없었던 수많은 불특정 다수가 용의자에서 제외됩니다.
이름, 주민등록번호, 전화번호 등의 고유값으로 범인을 찾아내는 것이 Install Referrer나 Identifier Matching에 해당하며, 다수의 특정 조건을 만족하는 용의자를 찾아내는 것은 Fingerprint Matching이 됩니다. 인스톨 어트리뷰션을 위한 핑거프린트는 IP주소, 브라우저 정보, 통신사, 단말기 모델, OS 버전, 국가 및 언어 설정 등 다수의 조건으로 구성됩니다.
- 특징: 앞의 두 가지 방법인 리퍼러와 광고 식별자를 모두 적용할 수 없는 상황에 한해 적용합니다. 어떠한 기술적 환경에도 적용할 수 있으며 고유값이 없는 상황에서는 가장 정확한 방법입니다. 핑거프린트 생성 후 24시간 이내에는 통계적으로 약 90%의 정확도를 보입니다.
- 한계: 리퍼러나 식별자 매칭과는 달리 핑거프린트 매칭은 추정적(Heuristic) 방법입니다. 고유한 값이 아닌 다수의 가변적인 값으로 결과를 판단하기 때문입니다. 예를 들어 데이터를 사용하다가 와이파이에 연결하면 IP 주소가 달라지며, 해외에서 SIM 카드를 교체하면 통신사도 변경됩니다. 이로 인해 시간이 지남에 따라 클릭 시점의 핑거프린트와 앱 실행 시점의 핑거프린트가 달라질 가능성이 있기 때문에 100%의 정확도를 보장할 수는 없습니다.
앱 설치가 어떤 광고에 의한 것인지를 어트리뷰션 하는데 사용하는 네 가지 방법을 살펴 보았습니다. 이렇게 측정한 데이터는 툴 사용자뿐만 아니라 광고를 노출한 매체사들에게도 전달 되는데요, 애드테크 업계에서는 이것을 포스트백이라고 부릅니다. 포스트백에 대한 정확한 개념과 구체적인 방법은 다음 글에서 다루겠습니다.
