몰락 이후의 퍼포먼스 마케팅

Next Stage에서의 퍼포먼스 마케팅은 무엇일까?

퍼포먼스 마케팅 업계의 매크로 이슈

올해 들어 퍼포먼스 마케팅 업계의 분위기가 심상치 않다. 크게 보아 두 가지의 악재가 있었다. 하나는 애플 발 트래킹 불가 이슈, 하나는 금리인상이다. 트래킹이 어려워지면서 페이드 미디어 전반에 걸쳐 머신러닝 기반의 전환 최적화가 어려워졌는데, 각 매체에서는 이것을 해결하는 방법으로 더 많은 데이터를 축적하여 머신러닝의 풀을 늘리는 방향을 선택하였다. 여기에 금리인상으로 인한 여파가 소비심리의 위축과 기업의 마케팅 예산 감소에 영향을 미쳤고 머신러닝의 모수 풀을 늘려야 가능한 매체의 문제해결 방안을 어렵게 만들었다.

그동안 퍼포먼스 마케팅 업계에서 성과를 달성하기 어렵게 만드는 매크로 요인은 주로 "경쟁강도의 심화"였다. 한정된 광고 지면 내에서 CPM이 상승하는 추이를 보이고, 광고 노출 가격이 올라가니 궁극적으로 전환 성과에 영향을 미치는 것이었다. 성과를 내기 어려운 방향으로 시장이 흘러 가기는 하나 "기존에 해왔던 영역에서 경쟁을 더 잘하면" 문제를 해결할 수 있다는 점에서 업계 종사자들에게 극복할 수 있는 위기였다.

업계 내 플레이어들의 7가지 대응 방향

지금은 어떠한가? 앞선 두 가지의 이슈는 우리가 하던 것들을 더 잘한다고 해도 해결이 되지 않을 것이란 근본적인 위기감을 불러왔다. 이에 대해 시장 내 플레이어들은 다음과 같이 대응하려는 움직임을 보여주고 있다.

1. 구글과 애플이 만들어 갈 walled garden 매체

구글과 애플을 중심으로 새로운 Walled Garden 매체가 등장할 예정이다. 애플은 자신들의 플랫폼에 DSP를 이식하기 위해 최선을 다할 것이고, 구글 또한 3rd party cookie 제한 조치를 몇개월 간 유보하며 구글 애즈 중심의 생태계를 만들기 위한 준비에 박차를 가하고 있다. 생태계 조성자로서 구글과 애플은 향후 퍼포먼스 마케터가 가장 주목해야 하는 광고 플랫폼이 될 것이다.

보다 심각한 건, 이 플록 데이터 혹은 코호트 데이터가 개인을 식별할 수 있는 기술을 가진 조직들에게도 제공된다는 것이다. 예를 들어 ‘로그인 위드 구글(Log in with Google)’과 같은 서비스를 제공하는 사이트에서(그러므로 사용자의 구글 이메일 주소를 알고 있는 사이트에서) 플록 정보를 가져가면, 여러 정보를 결합해 사용자 프로파일링을 할 수 있게 된다는 뜻이다. 이렇게 될 경우 코호트의 브라우징 히스토리가 유출될 수 있으며, 코호트 배정 알고리즘(이를 심해시(SimHash)라고 한다)을 역설계 함으로써 어떤 사용자가 어떤 사이트에 구체적으로 접근했는지 알아낼 수 있게 된다고 EFF는 설명했다. 또한 코호트의 인구조사학적인 정보 역시 노출될 가능성이 높다고 한다.

기사1. 서드파티 쿠키 대신 플록 제안한 구글, 사실은 덫을 놓았나?

이날 디지데이에 따르면 애플은 광고사업 내 광고주 플랫폼(DSP)을 운영할 선임 매니저를 채용하겠다는 공고를 내놨다. 앞서 `앱 투명성(ATT) 정책`이란 이름으로 고객 프라이버시를 강화함으로써 디지털 광고 플랫폼들의 리타깃팅 광고에 타격을 줬던 애플은 현재 독자적인 DSP를 구축하고 있는 것으로 알려졌다.

기사2. 앱스토어 매출 성장 둔화?…그래도 애플은 달린다

Mysk는 아이폰이 애플에 전송하는 데이터 가운데 DSID(directory Services Identifier)라는 ID 번호가 포함돼 있는 것을 발견했습니다. 그런데 이 DSID는 한번 만들어지면 고정적으로 사용되고 변경이 되지 않습니다. 게다가 애플 ID와 연결돼 있습니다. 결국 DSID를 안다는 것은 애플 ID가 알고 있는 이름, 전화번호, 생년월일, 이메일 주소를 안다는 것과 같은 뜻입니다. Mysk측은 기즈모도에 “DSID를 아는 것은 이름을 아는 것과 같다”고 했습니다. DSID는 아이폰 사용과 관련된 모든 움직임의 세부 정보가 포함돼 있습니다. Mysk의 테스트에 따르면 앱스토어에서 탭한 항목, 검색한 앱, 시청한 광고, 특정 앱을 본 시간도 DSID 정보에 포함됩니다. 사실상 전세계 아이폰과 아이패드 사용자들이 하는 모든 일을 애플이 거의 실시간으로 보고 있다는 뜻입니다.

기사3. 도청까지 가능? 사악한 애플은 당신의 모든 걸 보고 있었다 [박건형의 디코드 2.0]

2. 보유한 모수의 퀄리티를 기반으로 성과 보완

네이버 GFA는 타 매체에 비해 모수의 구매의도가 정교하게 파악되어 있다. 형성된 모수가 네이버 쇼핑 모수를 기반으로 하고 있어 전환 최적화 머신러닝 성능이 충분하지 않더라도 구매를 일으킬 가능성이 상대적으로 높은 편이다. 이 외 DMP 서비스를 제공하고 있는 서비스들은 각자 보유한 모수를 활용하여 성과를 보완할 수 있다고 주장하고 있다. 다만 이러한 방식은 해당 플랫폼에서 제공하는 모수 데이터가 얼마나 구매의도를 많이 반영하고 있는지, 그리고 그 모수 데이터와 광고가 노출되는 지면의 핏이 적합한지에 따라 성과가 천차만별일 수 있을 것이다. 

3. 광고 지면을 확장하거나, 고품질의 지면을 개발해 냄

카카오모먼트는 최근 오픈채팅방에 광고를 노출할 수 있도록 광고 지면을 확대하였다. 이는 2번의 구매의도를 포함한 모수를 확보하는 것과 다른 방식으로, 광고가 노출되는 새로운 광고 지면을 개발하여 광고 영역을 확장한 것이다. 앞으로도 유저가 모이고 광고가 가능한 영역이 있다면 새로운 광고 지면은 지속적으로 늘어날 것이다.

기사4. 오픈 채팅방에 ‘광고’ 붙었다…남궁훈표 카톡 개편안 가동

이 외에도 같은 네트워크 지면하에서 더 고품질의 광고경험이 가능하도록 광고 지면 자체의 기능을 개선하는 Teads와 같은 광고 매체가 있다. Teads는 동일한 네트워크 지면 하에서도 AR 경험 및 보다 좋은 동영상 경험을 할 수 있다. 그동안 신규 매체 혹은 신규 지면이 등장하였을 때 성공 공식을 빨리 발견하는 것이 성과 개선의 키포인트 였으므로, 광고 지면이 늘어나는 트렌드에 맞추어 발빠르게 테스트해 볼 필요가 있다.

4. 주어진 데이터 하에서 매체의 머신러닝 기능을 보완/강화함

생태계 조성자의 위치에 있지 못한 매체들은 머신러닝에 활용할 데이터를 확보하는 것 자체가 어려워지고 있는 상황이며, 한정된 조건 하에서 더 많은 행동 데이터를 확보하여 머신러닝 성능을 보완하고자 노력하고 있다. 메타는 최근 옵션이었던 타겟 확장 기능을 디폴트로 설정하여 더 많은 행동데이터를 확보하려고 하고 있다. 네트워크 매체 중 하나인 RTB 하우스는 구글와 제휴하여 타겟팅을 더욱 정교화하는 방향으로 움직이고 있는데, 이 또한 매체의 머신러닝 기능을 보완하려는 시도 중 하나이다.

관계자에 따르면 알티비하우스는 현재 구글 제휴 업체 중 하나로 구글 프라이버시 샌드박스의 제안 중 하나인 ‘플레지 테스트(FLEDGE Test)’에 참여해 구글과 함께 쿠키리스 환경에서도 적용 가능한 타겟팅 솔루션을 개발 완료했다. 다가올 쿠키리스(Cookieless) 시대에 서드 파티 쿠키 없이도 마케터들에게 정교한 타겟팅이 가능한 솔루션을 제공하겠다는 의도다.

기사5: 애드테크 기업 알티비하우스(RTB House), ‘쿠키리스 시대’ 대비해 구글과 협업 강화

이 부분은 온전히 매체의 머신러닝 기능의 향상 여부에 퍼포먼스 마케팅 성과를 맡겨야 하는 것이기 때문에 매체 업데이트 사항을 지속적으로 팔로업 하면서 시장 내 성공 레퍼런스를 탐색하고, 업데이트 사항을 브랜드에 적용하며 추이를 지켜 보아야 한다.

5. 1st party 데이터를 수집하는 방향

1st party 데이터를 수집하는 방향 중 가장 대표적인 것은 1st party cookie 데이터를 수집하는 것이다. 아주 간단하게 이야기 하면, A라는 온라인 몰에 접속했을 때 A 사이트에 기록되는 쿠키는 앞으로도 남아있을 것이지만 A 사이트에서 메타, 구글 등 외부 도메인에 쿠키를 기록하는 것이 막히기 때문에 A 사이트에 기록되는 쿠키 데이터를 확보하여 활용하고자 하는 방향이다. 다만 이러한 방향은 트래픽이 대규모로 유입되는 서비스에 유리할 것이며, 주로 CRM에 활용될 것이기 때문에 중소 규모의 캠페인을 집행하는 브랜드에 있어 대비하기 어려운 방법일 수 있다.

크리테오 역시 마찬가지다. 회사는 퍼스트 파티 데이터가 더욱 중요해진 만큼, 자체적인 ‘퍼스트 파티 미디어 네트워크’를 구축하기 위해 마케터 및 매체사들과 긴밀한 협력을 추진 중이다. 퍼스트 파티 미디어 네트워크란 광범위한 마케팅과 수익 최적화를 원하는 마케터와 매체사들이 그들의 데이터를 제공하는 일종의 집합체다. 크리테오는 이들이 성공적인 성과를 낼 수 있도록 돕는 조력자의 역할을 한다.

기사6: 김도윤 대표 "크리테오는 마케터·매체사의 든든한 커머스 미디어"

6. zero party 데이터를 수집하는 방향

zero party 데이터는 설문지 등을 통해 수집한 고객의 데이터를 말한다. 고객이 적극적으로 자신의 데이터를 제공한 데에 의의가 있다. 기존 VOC 등을 통해 고객의 니즈를 파악해 왔다면 이미 zero party 데이터를 수집하고 있었던 것이다. zero party 데이터는 다른 데이터들과 다르게 매체의 머신러닝의 기능강화에 직접적으로 활용되기가 어려우나, 고객의 니즈를 파악하여 마케팅 액션을 수행할 수 있다는 점에서 보다 본질적인 마케팅의 중요성이 강조되고 있는 트렌드를 확인할 수 있다.

7. 성과측정의 정교화 

성과측정의 정교화는 트래커 사에서 발전시키고 있는 방법으로, 최근 미디어 믹스 모델링(마케팅 믹스 모델링)이 가장 핫한 키워드로 떠오르고 있다. 미디어 믹스 모델링은 성과에 영향을 미치는 요인들을 다변량 회귀분석을 통해 추정함으로써 어떤 요소에 리소스를 집중해야 하는지 분석하는 방법이다. 비슷한 방법론으로 의사결정나무 모델에서의 information gain, 랜덤포레스트를 활용한 feature seletion 등을 활용할 수 있고, 구글의 CausalImpact 패키지를 활용하여 인과분석을 시도해볼 수도 있다. 이러한 분석 방법론은 유저 레벨에서의 트래킹이 불가하더라도 성과에 영향을 미치는 요소들을 분석할 수 있는 장점이 있으나, 모델링을 어떻게 하느냐에 따라 완전히 다른 결과가 나오기 때문에 주의를 요한다.

Feature Importance 분석에 따른 성과에 영향을 미치는 요소 내림차순 예시

링크1. Random Forest Classifier + Feature Importance

이 개입 효과를 파악하기 위해 CausalImpact 방법론은 관측된 결과 (Observed outcome)와 개입이 없었다면 생길 가상의 결과 (Expected outcome, Counterfactual) 간의 차이를 계산합니다. 즉, 현재는 사회적 거리두기 완화 정책으로 코로나 확진자수가 몇 명인데, 만약 이 완화 정책이 없었다면 몇 명이 되었을지 가상의 결과를 예측하고, 그 차이를 개입 효과라 보는 것입니다.

링크2. CausalImpact로 COVID-19를 분석해보자, Product Analysis Playground

위 요소들을 정리해보면 생태계 조성자의 입장와 생태계 비조성자의 입장으로 크게 나뉘는 것을 알 수 있다. 우리는 이 중 생태계 비조성자의 입장에서 "어떻게 하면 하던 것들을 다시 잘하게 될 수 있을까?"에 집중하고 있는 모양새이다. 생태계 조성자들이 소유한 도구들을 발전시키는 과정을 면밀하게 살펴보면서, 성과가 떨어지고 있는 다른 여러 도구들을 어떻게 다시 잘 활용해볼 수 있을지 고민하는 것이다. 하지만 이것만으로는 부족하다는 생각이 든다.

우리는 어떻게 대응해야 하나?

제목에서 도발적으로 퍼포먼스 마케팅의 "몰락"을 이야기 한 것은, 손쉽게 데이터를 모으고 이를 기반으로 리스크를 최소화 하며 매출을 일으킬 수 있었던 호시절의 몰락을 의미한 것이었다. 사실은 누구나 쉽게 접근하고 성과를 낼 수 있었던 방식의 몰락이 퍼포먼스 마케팅 전반의 몰락으로 호도되는 것은 아닌가 하는 의구심 또한 든다. 우리가 현 상황에 대처하려면 어떤 역량들을 준비해야 할까? 한가지 케이스를 살펴보자.

프로모션과 대규모의 예산을 기반으로 타겟 커버리지 극대화 - 온라인 채널에서의 부익부 빈익빈 현상 심화될 것

프로모션 중심으로 대규모의 예산을 투입하여 타겟 커버리지를 극대화 하고, 모든 타겟에게 낮은 비용으로 광고 노출 및 유입을 시도하고, 장기적으로 전환성과가 최적화 되는 대규모 머신러닝 최적화를 시도하는 것이 가장 성공률이 높을 것이다. 부족해진 광고매체의 기능을 예산과 프로모션으로 커버하는 것이다.

이로 인해 현재 예산을 공격적으로 투입할 수 있는 소수의 회사들이 각 카테고리에서 온라인 시장을 과점하는 형태로 가게 될 것이다. 한번 과점이 형성되면 이것을 뚫고 들어가기에 부담이 가중된다. 온라인에서의 규모의 경제를 실현할 수 있는 회사와 아닌 회사로 양분되는 형태가 나타나게 될 것인데, 실제로도 몇가지 사례가 관찰되고 있다.

이 관점에서 가장 주목하고 있는 회사는 에코마케팅의 대행 브랜드들과 데일리앤코의 자체 브랜드, 브랜드 사이드에서는 에스더포뮬러가 있다. 이들 브랜드는 프로모션과 CRM을 촘촘하게 설계하고 온라인에서의 노출/유입 채널을 공격적으로 점유하고 있다. 적게는 연간 100억, 많게는 연간 200억 이상의 예산을 페이드 미디어 채널에만 집중하는 것으로 생각된다. 중요한 점은, 단순히 광고비를 크게 집행만 하는 것이 아니라 제품 설득과 프로모션, 상품 설계, CRM이 촘촘하게 설계되어 있는 상황 하에서 온라인상에서의 과점을 시도하고 있다는 점이다.

이러한 방식은 매체의 머신러닝 성능이 극대화 된 2018~2019년 이전에도 통했던 것으로, 서비스 랜딩 이후 유저 경험을 높은 수준으로 설계해두고 가망 유저 전체에 대해 온라인 상에서 지속적으로 광고 노출을 함으로써 승부를 보는 방식이다. 산술적으로 연간 예산 100억일 때 2500만명에 대해 CPM 12,500원 기준으로 월 3회, 연간 32회 광고를 노출 시킬 수 있으므로 타겟팅 중심의 퍼포먼스 마케팅이 아닌 매스 마케팅으로 보는게 더 적합할 것이다.  

다만 이 방식을 선택할 수 있는 브랜드는 많지 않다.

항상, 매체의 머신러닝이 고객을 대신 설득해 주지는 않았다.

위 케이스는 온라인에서 구매를 이끌어 내는에 있어서 가장 중요한 요소가 매체의 머신러닝만 있는 것은 아니라는 사실을 알려준다. 그동안 매체 성능이 강력했던 이유는 매체의 머신러닝이 구매 설득이 잘 될만한 유저를 찾아내는 성능이 강력했기 때문이지, 어떤 유저든 머신러닝이 "설득해 냈기 때문"이 아니다. 따라서 현 상황에서 마케터로서 가장 필요한 능력은 고객에 대한 브랜드의 설득력을 강화시키는 능력일 것이다. 보다 본질적인 마케팅 역량이 필요해지는 시점이다.

지금 혼란을 겪고 있을 대부분의 퍼포먼스 마케터들은 매체 내에서 소재, 타겟팅 옵션, 매체 기능 등에 포커스를 맞추고 한정된 예산 하에서 CPC와 CPA를 낮추는 시도를 할 것인데, 앞서 언급한 문제들로 인해 머신러닝의 유저를 찾아내는 성능이 저하되고, 동일한 예산 하에서 모수의 풀을 늘릴수도 없으므로 점점 악화되는 성과를 지켜볼 수 밖에 없을 것이다. 이 상황에서 도입부에서 이야기 한 것 처럼 "하던 것을 더 열심히 하는 방향"은 근본적인 문제들을 해결할 수 없다. 

우리는 마케팅을 해야 한다.

고객을 데이터로 보기 시작한 이후부터 우리는 자연스럽게 고객을 기계적인 관점에서 이해하려고 시도하였다. 하지만 나는 어떤가? 하나의 제품이나 서비스를 구매하기에 앞서 브랜드와의 모든 접점에서 브랜드를 검토하고, 쉽게 드러나지 않는 접점까지 검색을 거듭하여 비교하여 구매를 하지 않나? 고객구매여정이 길어질 수록 우리는 고객 설득의 관점에서 어떻게 하면 고객이 구매를 결정하기에 충분한 정보를 제공할 수 있을지 고민해야 할 것이다. 그동안 해왔던 페이드 미디어에서의 소재 테스트와 타겟팅 변경보다 더 많은 것을 고려하여 온라인에서 고객 설득을 효과적으로, 집요하게 할 수 있는 모든 방법을 강구해야 할 때다. 미디어 오퍼레이션이 아닌 보다 본질적인 의미에서의 마케팅을 온라인에서 구상해야 할 때다.