에어브릿지는 LTA + MTA + MMM 통합 측정 스택 제공과 함께 Marketer-centric으로 나아갑니다

포브스가 선정한 탑 10 마케터 중 한 사람인 닐 파텔(Neil Patel)은 라스트 터치 어트리뷰션(Last Touch Attribution)은 거짓말을 하고 있다고 이야기합니다. 대부분의 마케터들이 알고 있듯이, 라스트 터치 어트리뷰션 모델은 정확한 성과 측정 방법이라고 할 수 없지만 적은 리소스로 합리적인 성과 분석을 위한 타협점으로서 주류 마케팅 성과 분석 모델로 활용되고 있습니다. 하지만 정확한 마케팅 성과 분석에 대한 니즈는 지속적으로 존재했습니다. 이와 더불어, Apple의 iOS 14.5 업데이트와 쿠키 수집의 제한, GDPR과 CCPA 등으로 대표되는 개인정보보호 강화로 인해 계속해서 유저 레벨의 데이터 수집을 제한받고 있습니다. 마케팅 전략을 수립하여 마케팅 비용을 집행했다면 그에 따른 효율과 성과를 분석하고, 이를 보다 나은 성과를 도출하기 위한 전략에 반영하는 것은 당연한 수순입니다. 그렇기 때문에 마케터들은 유저의 개인 정보를 보호하면서도 보다 정확한 마케팅 성과를 측정할 수 있는 방법을 찾아 헤매며 동시에 계속해서 다양한 챌린지를 마주하고 있습니다.

이번 포스트는 빠른 변화의 흐름 속에 챌린지를 마주한 마케터들을 위해 에어브릿지가 나아가고 있는 방향성을 공유합니다.

에어브릿지는 마케터들의 고민 해결을 위해 앞서가고 있습니다.

LTA의 한계와 MTA&Incrementality 제공

LTA(Last Touch Attribution) 모델은 대부분의 MMP/어트리뷰션 툴이 기반으로 하고 있는 마케팅 성과 측정 모델입니다. 복잡한 어트리뷰션 분석을 단순화하여 빠르게 진행할 수 있기 때문에 일반적으로 통용되고 있습니다. 전환을 발생시킨 채널을 확실하게 트래킹할 수 있으며 개별 캠페인이나 광고 소재의 성과를 빠르게 파악하여 최적화할 수 있다는 장점을 가지고 있습니다. 에어브릿지도 당연히 MMP로서 LTA에 기반한 마케팅 성과 분석 결과를 제공하고 있습니다. 다만, LTA는 가장 최근에 발생한 광고에 전환 이벤트에 모든 기여도를 인정하기 때문에 앞서서 유저에게 영향을 미친 다른 광고들의 성과와 기여도가 반영되지 않아 표면적인 분석 결과만 보여준다는 한계를 가지고 있습니다. 에어브릿지의 내부 분석 결과에 따르면 최소 30%의 유저가 2개 이상의 광고를 통해 전환 이벤트를 발생시킨 것으로 파악됩니다. 또한, 유저가 원래부터 가지고 있던 전환 이벤트에 대한 잠재적인 경향성을 고려하면, 마지막 광고가 100% 기여를 가져가기엔 마지막 광고에 대한 과대 성과 측정으로 이어질 수 있습니다.

이에 에어브릿지는 MTA(Multi Touch Attribution) & Incrementality 기능을 통해 이 한계를 보완할 수 있는 구체적인 솔루션을 제시합니다. MTA 분석으로 유저가 거친 여러 광고의 기여도를 보다 정확하게 이해할 수 있으며, 자체 Incrementality 모델을 통해 실제 광고로 인해 발생한 전환 성과, 즉 순수한 광고의 효과를 측정할 수 있게 도와줍니다. 구체적으로는 Propensity Score Matching (PSM) 분석 방법을 통해 광고와 전환 성과 간 실제로 발생한 증분 효과를 측정하며, 통계적 기법을 통해 실제로 광고가 순수하게 미치는 증분 효과를 파악합니다. 그리고 매일 업데이트되는 에어브릿지 대시보드의 Incrementality 리포트를 통해 매체별 증분 효과를 파악하고 효율적인 예산 분배를 위해 미디어 믹스에 바로 적용할 수 있습니다. 또한, 관측형(Observational) 방법론을 활용하기 때문에 실험형(Experimental) 방법에 비해 더 빠르고 유연하게 광고 효과의 Incrementatlity를 확인할 수 있다는 장점도 있습니다.

유저 레벨 어트리뷰션의 한계로 인한 개인 정보 보호에 앞장선 MMM 기능 제공

한편 개인정보보호 강화 트렌드 속에서 유저 레벨의 어트리뷰션이 어려워지는 환경이 만들어지고 있습니다. 이에, 에어브릿지는 유저 레벨의 데이터 없이도 마케팅 성과를 측정할 수 있도록 MMM(Marketing Mix Modeling)을 대안으로 제시하고자 합니다.

MMM은 거시적인 데이터 기반의 마케팅 활동과 영업 성과 사이의 관계를 파악하는 분석 방법으로, 크게 빈도주의(Frequentist) 또는 Bayesian 접근법으로 구분됩니다. 이러한 MMM은 최근에 새롭게 등장한 분석 방법은 아닙니다. 과거부터 대규모 마케팅 예산을 집행하던 비교적 큰 기업들에서 미디어 믹스를 결정하는 데에 사용하곤 했습니다. 다만, 전통적인 MMM 서비스의 경우 적어도 6개월에서 1년 치의 내부 데이터를 기반으로 장기간에 걸쳐 상당한 비용을 들이는 컨설팅 프로젝트의 형태로 MMM 분석이 진행되어 왔기 때문에 제한적인 접근성을 가지고 있었습니다.

하지만 개인 단위 데이터에 의존하던 기존의 마케팅 성과 분석 방법론들이 프라이버시 이슈로 인해 힘을 잃게 되면서 최근 다시 주목을 받고 있습니다. MMM은 유저 레벨의 데이터가 아닌 집계된(aggregated) 데이터만으로도 모델링 기반의 분석이 가능하기 때문입니다. 이로 인해 LTA 및 MTA 결과와 결합하여 iOS 14.5 업데이트 이후로 성과 측정이 어려워진 iOS에 대해서도 성과 추정에 활용할 수 있으며, CTV나 DOOH와 같은 비디지털 채널들의 성과 측정에도 활용할 수 있습니다. 또한 MMM 모델의 다른 장점은 예측과 시뮬레이션이 가능하다는 점입니다. 예를 들어서 다음 1개월의 매체별 성과를 예측하거나, 현재 예산 안에서 어떻게 재분배를 했을 시 가장 매출이 극대화될 수 있을지 등을 처방할 수 있습니다. 이러한 MMM의 기능은 성과 측정의 관점을 회고적 관점(retrospective)에서 실질적인 최적화 액션 아이템을 제시하는 처방적 관점(prescriptive)으로 발전시키는 것에 기여할 수 있습니다. 이러한 트렌드와 더불어, 에어브릿지와 같이 보다 좋은 접근성을 기반으로 마케터들이 실질적으로 MMM을 활용할 수 있도록 SaaS(Software as a Service) 프로덕트 형태의 현대적인 MMM 솔루션 제공사들도 생겨나고 있습니다.

특히 에어브릿지는 Meta의 MMM SaaS Incubator Program에 참여하여 Frequentist 모델을 활용한 다양한 기능 개발을 진행하고 있습니다. 에어브릿지의 MMM 솔루션은 자체 머신러닝 엔진을 통해 기존에 수집 중인 데이터를 활용하여 채널별 집행된 광고의 성과를 측정하고 향후 예산 효율을 극대화할 수 있는 방법을 제안합니다. 구체적으로는 _Marketing Mix Analytics 리포트_를 통해 학습된 에어브릿지 MMM 모델이 학습한 결과를 유저에게 리포트 형태로 제공할 예정입니다. 또한, _Budget Optimization 리포트_를 통해 학습된 머신러닝 모델에 의해 정해진 미래 예산으로 최대 성과가 달성 가능한 예산안을 제안하는 기능을 제공할 예정입니다.

다만 MMM도 마찬가지로 완벽한 마케팅 성과 측정 모델은 아닙니다. MMM은 과거 비즈니스 결과 데이터에 대한 마케팅 영향력을 ‘확률’에 기반해서 미래 성과를 예측하는 것이기 때문에 수치의 정확도에 대한 의문이 존재합니다. 에어브릿지는 이에 대한 문제를 주기적인 Calibration 작업을 통해 풀어나가려고 합니다.

LTA + MTA+ MMM으로 완성되는 Unified Measurement Stack

에어브릿지는 이처럼 LTA 모델의 한계를 극복하고자 하는 광고주/마케터의 니즈, 그리고 플랫폼과 가이드라인의 변화로 인한 환경 변화 속에서 마케터의 고민을 해결해 가기 위해 앞서서 연구하고 기능을 제공하고자 노력하고 있습니다. MMP로서 LTA 기반의 광고 성과 분석을 기본으로 제공하며, MTA 솔루션을 통해 보다 정확한 그리고 순수한 광고 효과를 측정하도록 돕고, 나아가 MMM으로 유저 레벨 분석이 어려운 환경에서 마케팅 성과 측정이 가능한 **통합된 측정 스택(Unified Measurement Stack)**을 제안합니다. 에어브릿지의 다양한 솔루션을 활용하여 개별 솔루션의 단점은 보완하고 장점은 취하는 완전한 마케팅 성과 분석을 제공하고자 합니다.

그리고 단지 다양한 솔루션을 제공하는 것에서 더 나아가 마케터의 다음 걱정을 함께 고민하고 있습니다. 각각의 솔루션이 분석하여 제공하는 성과를 어떻게 하면 제대로 활용할 수 있을지, 그리고 이용자의 관점에서 업무에 유연하게 적용할 수 있는 진정한 통합 측정 스택으로 어떻게 거듭날 것인지를 고민하고 있습니다.

우리 서비스 및 프로덕트에 가장 적합한 솔루션을 적용해야 진정한 마케팅 성과로 이어질 수 있습니다.

지금까지는 마케터의 고민을 해결하기 위해 에어브릿지가 Unified Measurement Stack을 갖춰가는 과정에 대해 알아보았습니다. 사실 이 세 가지 솔루션은 각기 다른 데이터 및 모델을 기반으로 성과를 분석하기 때문에 수치상 완전히 똑같은 결과를 도출하는 것은 불가능에 가깝습니다. 또한, 솔루션이 다양화되고 선택지가 늘어나게 되면서 각 솔루션을 언제 어떻게 활용하면 좋을지에 대한 혼란이 발생하기도 합니다. 이에 이번에는 다양한 솔루션을 우리 서비스 및 프로덕트에 어떻게 적용해야 할지 살펴보겠습니다.

어떤 때에 어떤 솔루션을 활용해야 한다는 정답이 있는 것은 아닙니다. 각 서비스 및 프로덕트가 놓인 상황이 다르기 때문입니다. 비즈니스의 규모나 업계 상황 등을 고려하여 가장 필요한 솔루션을 선택하고 자신의 서비스 및 프로덕트에 맞는 하나의 통합된 측정 스택을 찾아가야 합니다. 다만 그럼에도 불구하고, 솔루션을 공급자로서 단순하게 정답은 없다고 결론지어 버리는 것은 마케터에게 다시 고민을 넘기는 무책임한 행위라고 생각합니다.

에어브릿지는 마케터의 고민에 앞장서서 해결 방안을 찾아가고 있는 만큼, 마케터의 Full-cycle 여정 즉 마케팅 전략을 수립하고 광고 효율을 모니터링하고 고도화된 전략의 실행까지의 흐름에 따른 각 솔루션의 활용을 아래와 같이 제안합니다. 아래 내용을 참고하여 여러분의 서비스 및 프로덕트에 맞는 진정한 의미의 Unified Measurement Stack을 구성해 보는 데에 도움이 되기 바랍니다. 에어브릿지가 정답이 되어드릴 수 있습니다.

마케팅 전략 설정 단계에 효과적인 MMM(Marketing Mix Modeling)

MMM은 다양한 종류의 집계된 데이터를 활용하는 시계열의 회귀 분석 방법이라는 것이 가장 큰 특징입니다. 그렇기 때문에 분석 결과를 미시적으로 확인하는 것은 어려우나 전반적인 추세나 앞으로의 방향성을 파악하는 데에는 매우 용이합니다. 또한, 다양한 종류의 집계된 데이터에는 터치포인트 데이터(광고 클릭이나 조회) 수집이 불가능한 TV 광고와 잡지 지면 등의 오프라인 매체에 대해서도 성과를 파악할 수 있다는 장점도 가지고 있습니다.

위와 같은 MMM의 장점과 특징을 살펴보았을 때, MMM은 마케팅 전략 설정 단계에 활용하는 것이 좋습니다. MMM은 거시적인 맥락에서 non-digital 채널을 포함한 전체 마케팅 채널의 트렌드 및 미래 전략 방향성을 도출해 줄 수 있기 때문입니다. 이때, 에어브릿지에서 제공할 기능인 Budget Optimization 리포트를 활용하면 미래 최적의 예산 분배 안을 확인할 수 있습니다.

광고 효율 모니터링 단계에 효과적인 MTA(Multi Touch Attribution)&Incrementality

Incrementality 솔루션을 통해서는 멀티 채널에 대한 성과 분배 및 실제 광고 효과에 해당하는 ‘증분(incrementality)’ 결과를 확인할 수 있습니다. 전체적인 트렌드를 보기엔 어렵지만, 개별 매체의 실질적인 효율을 확인하기에 가장 적합한 방법입니다.

그렇기 때문에 MTA&Incrementality 솔루션은 광고의 성과와 효율을 확인하고 검증하는 모니터링 단계에 사용하는 것이 좋습니다. 매체와의 정산과 무관하게 실제로 각 서비스 및 프로덕트의 마케팅에 진짜 도움이 되는 매체를 파악할 수 있는 분석 방법이기 때문입니다. 이를 통해 디지털 매체 간 효율 비교를 통해 가장 좋은 효율이 좋은 매체를 파악하고, 해당 매체에 더 많은 예산을 분배하는 식으로 성과를 개선해갈 수 있습니다.

마케팅 전략의 고도화 및 실행 단계에 효과적인 LTA(Last Touch Attribution)

LTA의 경우 가장 보편적으로 활용되고 있는 성과 측정 방법이자, Raw Data를 활용하는 만큼 가장 세밀한 성과 측정이 가능합니다. 그렇기 때문에 마케팅 전략을 고도화하고 세부 캠페인과 소재를 최적화하는 단계에 활용하는 것이 좋습니다.

LTA는 MTA에 비해 광고 매체들에 대한 전반적인 효과를 확인하기엔 한계를 가지고 있습니다. 다만, MTA 솔루션을 통해 확인한 광고 효과가 높은 채널 내에서 실제로 어떤 소재나 캠페인의 성과가 높은지에 대한 세부적인 전략을 수립할 때 활용하기 좋습니다. 예를 들어, 에어브릿지의 Actuals 리포트를 통해 소재별 및 캠페인별 광고 성과를 확인하여 다음 캠페인 기획을 위한 인사이트를 얻을 수 있습니다.

Marketer-centric, 에어브릿지는 오늘날 마케터가 실제 일하는 환경에 맞는/필요한 솔루션 제공을 지향합니다.

앞서 언급한 것처럼 에어브릿지는 이용자 즉 마케터의 관점에서 진정한 통합 측정 스택으로 어떻게 거듭날 것인지를 고민하고 있습니다. 마케팅 전략의 수립부터 실행 단계까지의 Full-Cycle에 함께할 수 있는 솔루션을 제공하는 것만으로 마케터가 바라는 Unified Measurement Stack이라고 결론짓지 않습니다. 여기서 더 나아가 실제 활용을 하는, 마케터의 실제 업무 환경과 통합된 측정 솔루션을 지향하고 있습니다. 즉, ‘Marketer-centric’으로, 오늘날 마케터가 실제 일하는 환경에 맞고 필요한 유연한 솔루션으로 개발하는 것을 항상 중요시하고 있습니다. 그렇기 때문에 에어브릿지의 Unified Measurement Stack을 구성하는 주요 솔루션인 MMM과 MTA 기능은 다음과 같은 차별점을 가지고 실제 마케터에게 필요한 기능을 제공해가고 있습니다.

비용과 시간 투자 없이도 Incrementality를 산출할 수 있는 관측형 모델

Incrementality는 실험(Experimental)과 관측(Observational)이라는 두 가지 대표적인 방법론이 존재합니다. Incrementality 성과를 제대로 측정하기 위해서는 Meta 또는 Google에서 운영 중인 Lift Study와 같은 실험 방법을 활용하는 것이 좋습니다. 이 실험 방법은 랜덤하게 선정된 test와 control 그룹을 대상으로 광고 노출도를 통제하는 방식으로 실제 광고의 차이를 파악하는 방식으로 진행되기 때문에 상대적으로 긴 시간이 소요되며 실제 비용이 발생하게 됩니다. 반면, 에어브릿지 Incrementality는 직접 실험을 진행하지 않는 대신 과거 유저의 행동 데이터에 머신러닝과 통계학적 기법을 접목시켜 ‘관측형 모델’을 기반으로 Incrementality를 산출합니다. 즉, 비용과 긴 시간을 투자하지 않고 운영하며 매일 실험과 유사한 광고 효과의 Incrementality를 확인할 수 있습니다.

여기에 분기 혹은 반기에 따라서 관측형 모델의 결과가 실제 실험과 유사한지 검증 및 조정(Calibration)하는 과정을 거치면 보다 정확한 결과를 파악할 수 있습니다. 실제로 에어브릿지 고객사인 다노는 LTA, 에어브릿지의 Incrementality, Meta의 Lift Study 결과 간 비교 분석을 통해 Incrementality가 실제와 유사한 분석 결과를 제공한다는 사실을 파악한 사례가 있었습니다. 이를 통해 다노는 진행 중인 캠페인 전략에 확신을 가질 수 있었으며, 에어브릿지의 MTA 분석을 통해 빠르고 정확하게 성과를 분석하고 있습니다.

👉다노의 케이스 스터디 더 자세히 알아보기

빠르게 변화하는 환경에서도 성과 분석과 다음 단계를 제안하는 MMM

MMM은 Full-Cycle 중 마케팅 전략 수립 단계에 활용하는 것이 좋지만, 마케팅 결과에 대한 평균을 결정하기 위해 과거의 데이터에 의존한 모델이기 때문에 최근에 발생한 채널의 변화나 비즈니스 변화에 대해서는 확인하기 어렵다는 한계를 가지고 있습니다. 하지만 오늘날의 마케팅 시장은 빠르게 변화하고 있으며 마케터들은 이 변화 속에서 빠르게 대응하여 효과적인 마케팅 전략을 기획해야 합니다.

전통적인 MMM 서비스 제공사와는 다르게, 에어브릿지는 신속하고 유연한 MMM 솔루션을 제공합니다. 에어브릿지의 MMM 솔루션을 활용해 마케터들은 각 채널별로 집행된 광고가 목표 성과에 얼마나 기여했는지 더 빠르고 손쉽게 이해할 수 있습니다. 특히 에어브릿지 MMM은 최소 3개월 치 데이터만으로도 머신 러닝 기반의 자체 MMM 모델 학습이 가능하며, Daily로 업데이트된 결과를 제공하여 빠른 변화의 대응과 미디어 믹스 조정이 가능합니다. 또한, 이미 집행된 마케팅 전략에 대한 효율을 파악하는 것에서 나아가 다음 단계인 미디어 믹스 조정에 가장 효과적인 성과를 낼 수 있는 방법을 제안해 준다는 점에서 조금 더 적극적으로 마케터에게 필요한 솔루션을 제공하는 방향으로 나아가고 있습니다.

Next MMP는 단순히 솔루션 공급자가 아닌, 마케팅 여정에서 진정한 솔루션을 제공해야 합니다.

LTA의 한계와 개인정보보호 트렌드 속에서 다양한 마케팅 성과 측정을 위한 방법론과 솔루션들이 등장하고 있습니다. 다양해진 솔루션에 대한 마케터들의 선택의 폭이 넓어진 만큼 보다 효율적인 성과 측정을 위한 통합 측정 솔루션 스택에 대한 니즈도 증가하고 있습니다. 이에 대해 에어브릿지는 단순히 마케팅 성과 측정 솔루션을 제공하는 공급자로서, LTA + MTA + MMM의 솔루션을 모두 함께 제공하는 Unified Measurement Stack에 머물러있지는 않을 겁니다. 마케터의 완전한 마케팅 여정을 모두 함께하고 실제 업무 환경에 잘 녹아들 수 있는 유연한 구조로 서비스를 제공해갈 예정입니다. 또한, 단지 측정만을 위한 것이 아닌 측정을 통해 마케팅이 성공하는 과정에 일조해가고자 합니다. 앞으로도 에어브릿지는 마케터에게 진정 필요한 솔루션으로서, 마케터 관점에서 유용할 수 있는 다양한 사용 사례와 인사이트를 제공해가겠습니다.