모바일 어트리뷰션의 정의와 측정 방법
어트리뷰션(Attribution)이란 직역하면 `귀인`이란 뜻으로, 귀인(歸因)이란 심리학 용어로 `사람이 어떤 행동이나 결과, 사건의 원인을 찾는 과정`을 말한다. 이 말을 그대로 모바일 어트리뷰션에 대입해보면 `사람(마케터)이 어떤 행동이나 전환, 사건(유저의 앱 내 전환, 주로 인스톨을 의미)의 원인(캠페인, 광고 소재 등)을 찾는 과정이라고 정의할 수 있다.
즉 모바일 어트리뷰션 플랫폼들은 앱 내 발생한 전환이 어느 광고 매체를 통해 일어났는지 찾아주는 기술을 서비스한다. 모바일 어트리뷰션 플랫폼마다 가지고 있는 어트리뷰션 측정 방식은 조금씩 다르나 기본적으로 다음과 같은 프로세스로 진행된다.
유저가 트래킹 링크(유저의 어트리뷰션을 측정하기 위해 트래킹 툴에서 발급 받는 링크, 광고 매체에 해당 링크가 삽입되어야 트래킹이 가능)가 들어있는 광고를 클릭하면 `유저의 정보`가 트래킹 툴의 서버로 발송되고, 그대로 유저가 앱을 다운 받고 실행하면 앱에 설치된 트래킹 툴 SDK가 서버에 설치 유저의 정보를 보낸다. 앱 다운 전의 유저 정보와 앱 다운 후의 유저 정보가 매칭되면 앱 인스톨로 인정한다.
(이런 구조이기에 트래킹툴에서 인스톨은 정확히 말하자면 앱 다운 후 실행을 뜻한다. 유저가 앱을 다운받고 실행을 하지 않으면 인스톨로 찍히지 않는다.)
이때 어트리뷰션에 이용하는 유저의 정보가 결정적(고정)이냐 확률적(추정)이냐에 따라 어트리뷰션 방식에는 결정론적 방법과 확률론적 방법이 존재한다.
- 결정론적 방법 : 고유식별자를 이용해서 매칭하는 방법
- 확률론적 방법: 여러 가지 유저 정보를 조합하여 앱을 설치했을 것이라고 추정하여 매칭하는 방법. 고유식별자로 100% 매칭하는 결정론적 방법보다 덜 정확하지만, 결정론적인 방법을 이용하지 못할 때 사용한다.
결정론적 방법에 사용되는 고유식별자는 대표적으로 2가지가 있다.
1. 구글 플레이 설치 리퍼러
리퍼러란 유입 경로를 알려주는 URL을 뜻하고 설치 리퍼러는 설치한 유저의 유입 경로를 알려주는 URL이다. 구글에서는 구글 플레이 스토어에서 설치한 앱에만 이 설치 리퍼러를 넘기는 방식으로 앱 설치의 유입 경로를 파악할 수 있도록 하고 있다. 광고를 클릭하고 구글 플레이 스토어에서 앱을 다운받으면 유저의 설치 리퍼러가 구글 플레이에 저장되고 앱 다운 후 실행하면 구글 플레이에 저장된 설치 리퍼러와 앱 다운 후의 리퍼러가 매칭되면 어트리뷰션으로 간주한다. 가장 정확도가 높은 방법이지만 구글 플레이 웹을 통해 다운받거나 IOS 등 모바일 구글 플레이 스토어를 통하지 않는다면 사용할 수 없는 방법이다.
2. ADID = GAID/IDFA (광고 식별자/디바이스 ID)
구글(안드로이드)과 애플(IOS)에서는 광고주들에게 개인화된 마케팅을 가능케 하도록 `디바이스` 당 고유의 일렬번호를 제공하는데 구글에선 GAID(Google Advertising ID, 보통 ADID로 부른다), IOS에서는 IDFA(Apple ID for Advertisers)라고 부른다. (핸드폰의 설정에서 확인할 수 있으며 알파벳과 숫자로 구성되어 있다.)
구글 플레이 설치 리퍼러와 같이 앱 다운 전 광고를 통해 수집된 유저의 ADID와 실행 후 유저의 ADID를 매칭되면 어트리뷰션으로 간주한다.
다만 IOS는 최근 14.5버전 업데이트와 함께 애플의 개인정보 보호 강화 정책으로 IDFA를 유저의 동의 없이는 수집할 수 없게 되었다. IDFA를 수집하려면 앱 내에 ATT(App Tracking Transparency, 유저에게 IDFA 수집 동의를 얻는 팝업창)를 구현해야 한다. 다만 EU GDPR을 시작으로 전세계적으로 개인정보 보호에 대한 인식이 커지고 이에 따른 규제가 심해지는 추세라 앞으로 IDFA는 점차 소멸될 것으로 보인다.
구글 플레이 설치 리퍼러와 ADID 모두 일대일로 매칭을 확인할 수 있다는 점에서 결정론적 방법에 속한다. 반면 이렇게 100% 대조해볼 수 있는 유저의 정보가 없다면 그땐 확률론적 방법을 사용해야 한다. 확률론적 방법엔 크게 2가지가 있다.
1. 핑거프린팅
핑거프린팅이란 IP, 휴대폰 종류, OS, 통신사, 국가 및 언어 등과 같은 디바이스 정보를 조합해 고유 ID 만들고 이를 가지고 유저를 매칭하는 방법이다. 핑거프린팅에서 주로 사용하는 IP는 이동성이 자유로운 모바일에선 자주 바뀔 수 있기에 광고 클릭 시점의 IP와 앱 다운 후 IP가 바뀌면 핑거프린트가 바뀐다. 따라서 핑거프린팅은 생성 이후 시간이 지날수록 정확도가 떨어지므로 다른 어트리뷰션 방식보다 어트리뷰션 윈도우를 짧게 설정한다.
결정론적 방법을 사용할 수 없을 때 핑거프린팅 기법은 더 없이 유용하지만 최근 애플의 개인정보보호 규정으로 핑거프린팅 기법을 사용해 유저를 트래킹하는 방법은 IOS에선 이제 사용할 수 없게 되었다. (예시로 올해 핑거프린트 기법을 사용한 애드저스트 SDK 삽입한 앱이 애플에 리젝 당한 사례가 있었다.)
2. 확률적 모델링
확률적 모델링이란 유저의 행동 패턴, ATT 옵트 인한 유저의 IDFA, 등 유저의 개인정보보호 규정 아래에 사용할 수 있는 데이터를 바탕으로 통계학적으로 유저의 유입 경로 파악하는 방법이다. MMP 마다 사용하는 확률적 모델링의 알고리즘은 다르다. 핑거프린팅 기술을 비롯해 IDFA를 사용할 수 없게 된 요즘 각 모바일 어트리뷰션 플랫폼에서 개발한 확률적 모델링의 정확성이 중요한 경쟁 요소가 될 예정이다.
그렇다면 핑거프린팅과 확률적 모델링의 차이점은 무엇인가?
핑거프린팅 기법은 어트리뷰션을 위해 유저의 디바이스 정보로 고유 ID를 만든다. 반면 확률적 모델링은 매칭을 위한 고유 ID를 만들지 않는다. 작년 애플에서 IDFA 폐지 선언 이후 `사용자 식별을 위해 어떤 데이터도 추출할 수 없다`고 규정했다. 따라서 핑거프린팅 기술은 유저의 디바이스 정보를 허용 없이 사용자 식별(ID)을 만든다는 점에서 사용이 불가하지만, 확률적 모델링은 계속 사용할 수 있다.
