디지털 광고 Bidding System에 대한 이해
디지털 환경에서의 광고가 게재되는 원리에 대해 이해하기
퍼포먼스 마케팅은 디지털 마케팅 환경을 구성하는 일부로서 비딩 시스템에 대한 이해가 있어야 제대로 된 접근이 가능하다. 이에 대한 이해가 부족할 경우 전환 최적화에 대한 더 깊은 고찰이 불가능 하다. 왜 그럴까? 어떤 로직으로 누구에게 어떤 광고가 얼마의 가격으로 노출되는지 결정하는 것이 비딩 시스템인데 이것에 대해 이해하고 있지 않다면 소재를 계속 만들거나 타겟팅 옵션을 바꿔보는 것 외에는 생각의 지도를 넓힐 수 없기 때문이다.
(※아래 내용에서 이해하기 힘든 용어들은 이전 글 디지털 환경에서의 마케팅 용어집을 참고해주세요.)
Realtime Bidding System(RTB시스템)은 왜 생겼을까?
Step1. 웹페이지에서의 트래픽을 활용한 광고 상품의 등장
온라인 광고 생태계가 구축되는 과정을 이해하기 쉽게 스토리를 만들어보면 다음과 같다. 먼저, 온라인상의 한 공간에 트래픽이 유입되기 시작했다. 어떤 정보를 얻기 위해 특정 페이지에 사람들이 많이 몰리기 시작하였다. 사람이 몰리면 당연하게도 광고를 게재할 수 있다. 온라인 상의 공간의 주인은 웹페이지의 한 켠을 비워두고 광고 게재를 원하는 광고주에게 일 단위, 시간 단위로 배너 광고를 판매한다. 이러한 광고 형태는 CPT(Cost Per Time), CPD(Cost Per Day) 광고의 기원이 된다.
Step2. 트래픽의 증가로 인한 광고가격의 상승
시간이 조금 더 흘러 트래픽의 크기가 커진다. 웹페이지가 발전하는 만큼 더 많은 사람들이 더 많은 정보를 보기 위해 몰려들게 되었다. 이에 따라 광고비 대비 수익성이 좋아지기 시작하며 해당 웹페이지에 광고를 게재하고자 하는 광고주 또한 더 많아졌다. 웹페이지의 주인은 광고를 위한 공간을 몇 개 더 마련하고 광고 슬롯의 수를 점차 늘려나갔다. 웹페이지의 주인도 수익성이 좋아지고, 베스트 게재 위치는 아니지만 수익성이 좋은 웹페이지에 광고를 더 많이 게재할 수 있게 되어 광고주들에게도 이익이 되었다. 웹페이지 방문자 또한 콘텐츠 외에 추가적인 정보들을 광고로부터 얻을 수 있게 되었다. 이 과정에서 광고가격 P는 크게 상승하고, 광고의 양 Q도 상승하나 P의 상승에 비해서는 미미하다.
Step3. 판매되지 않는 광고 구좌 증가 해결을 위한 맞춤형 광고의 등장
그런데 문제가 생긴다. 광고 슬롯의 수가 많아지고 광고주의 유입 또한 증가했지만 인기 있는 슬롯의 인기 있는 시간대가 아니면 모든 슬롯이 판매되지 않는다. 광고 슬롯의 미판매와 더불어 인기 있는 슬롯의 인기 있는 시간대에 대한 광고주의 대기열이 길어지게 되어 웹페이지의 주인와 광고주 모두에게 시간과 금전상의 손실이 발생하게 된다. 이 문제를 해결하기 위해서는 웹페이지에 유입되는 사람들에 대한 데이터가 필요해진다. 어떤 사람들이 들어와서 어떤 상품과 서비스에 관심이 있을지 알 수 있다면 개개인에게 맞춤형으로 광고를 보여줌으로써, 인기 있는 슬롯의 인기 있는 시간대가 아니더라도 광고주가 수익을 창출할 수 있게 된다. 전장에 융단폭격을 가하면 당연히 모든 적을 섬멸할 수 있지만, 전략거점을 핀 포인트로 유도탄 타격을 가하면 훨씬 효과적으로 방해물을 제거할 수 있는 것이다.
Step4. 맞춤형 광고의 등장으로 인한 수익성 증가
이제는 같은 시간에 같은 웹페이지에 접속하더라도 유입자들의 개별 특징에 따라 다른 광고를 보게 된다. 덩어리로 팔던 광고 슬롯을 개인 단위로 쪼개어 팔 수 있게 되었다. 웹페이지의 주인은 시간 단위로 아주 높은 가격에 팔던 광고 슬롯이 개인 단위로 쪼개지면서 개별 단가 P는 매우 낮아지게 되었으나, 광고의 양은 유입자의 수 Q만큼 기하급수적으로 늘어나게 되어, 최종적인 수익의 크기 P*Q가 획기적으로 증가할 수 있는 계기가 된다.
Step5. 시장 참여자의 증가로 인한 광고 관리의 복잡성 증가
시간이 흐름에 따라 광고를 게재할 수 있는 웹페이지의 수 자체도 늘어난다. 광고주는 어떤 웹페이지에 광고
를 게재할지 선택할 수 있는 여지가 늘어났지만 관리의 번거로움 또한 증가했다. 또한 개별 웹페이지마다 꼭 맞는 타겟들을 검증하여 광고를 게재해야 하는 수고로움 또한 생겨났다. 웹페이지의 주인들 또한 마찬가지다. 광고주의 수가 증가함에 따라 광고 슬롯을 분배하는 일이 어려워졌고, 광고를 게재할 수 있는 웹페이지의 수가 너무나 많아져서 광고의 경쟁강도가 심해짐은 물론 자신들의 웹페이지가 스팸성 광고 웹사이트가 되는 일도 피해야 했다. 웹페이지의 주인들은 광고주에게 최대한 광고를 판매하면서도 방문자들이 피로도를 느끼지 않을 만한 적정선을 스스로 찾아내야 하는 어려움에 직면했다.
Step6. RealTime Bidding System의 등장
이러한 문제점을 해결하기 위해 DSP(Demand Side Platform)와 SSP(Suply Side Platform), Ad Network, Ad Exchange가 등장하게 된다. DSP는 광고주들을 대신하여 웹페이지의 주인들과 광고 게재 협상을 진행해주는 플랫폼으로, 광고주는 DSP에 광고 게재에 지불할 비용만 제시하면 DSP는 그 가격으로 광고를 노출할 수 있는 웹페이지를 찾아준다. SSP는 광고 구좌를 가지고 있는 웹페이지의 주인들(이하 퍼블리셔)을 대신하여 광고주와 광고 비용에 대한 협상을 진행해주는 플랫폼으로, 퍼블리셔가 받고자 하는 광고 비용을 지불하고자 하는 광고주를 찾아준다. DSP와 SSP는 Ad Network를 통해 광고주와 퍼블리셔의 수익을 극대화 하는 지점에서 광고 구매가 이루어질 수 있도록 움직이며, Ad Network는 Ad Exchange에서 광고주와 광고 인벤토리를 교환함으로써 단일 Ad Network보다 효율적인 광고 구매가 이루어지게 된다. 이렇게 크게 보아 DSP, SSP, Ad Network, Ad Exchange로 구성된 광고 구매 결정 시스템을 Realtime Bidding System(RTB 시스템)이라 하며, RTB 시스템에서 광고 구매 프로세스는 0.1초 내에 이루어진다.
출처: Display Advertising with Real-Time Bidding(RTB) and Behavioural Targeting, July 18, 2017RTB시스템의 도식
RTB 시스템을 조금 더 자세히 살펴보자. 한 유저가 웹을 탐색하는 것을 가정해보자. A 유저가 부동산과 관련된 정보를 찾기 위하여 웹을 돌아다니던 중 한 티스토리 블로그에 도달하였고, 블로그의 콘텐츠를 살피던 중 콘텐츠 사이에 위치해 있는 B사의 오피스텔 분양 광고를 클릭하여 분양 홈페이지에 랜딩하였다. 이 과정을 아래의 RTB시스템 도식에 따라 살펴보도록 하자.
출처: Display Advertising with Real-Time Bidding(RTB) and Behavioural Targeting, July 18, 2017 먼저 B사는 DSP에 광고 게재를 요청한다. 요청을 받은 DSP는 Ad network에 다시 광고 요청을 한다. 이 때 B사 외에도 오피스텔, 아파트, 원룸 등 다양한 부동산 분양을 원하는 B1, B2, B3 등 수많은 광고주가 광고를 원하고 있을 것인데, 이러한 플레이어들이 동시에 DSP를 통해 Ad network에 광고 게재 요청을 진행한다. SSP는 해당 광고를 게재하는데 적합할 만한 퍼블리셔들의 광고 구좌를 바탕으로 어떤 퍼블리셔의 구좌에 광고를 노출하는 것이 적합할지 Ad Network에 응답한다. 광고가 얼마의 비용으로 노출될지는 수요와 공급의 원리에 의해 결정된다. 만약 광고를 노출할만한 광고 구좌의 수는 적고 광고를 노출하고자 하는 광고주의 수는 많다면 광고 노출 비용은 높은 수준으로 책정될 것이다.
출처: Display Advertising with Real-Time Bidding(RTB) and Behavioural Targeting, July 18, 2017광고가 유저에게 노출되는 도식만 그려보면 위와 같다. 퍼블리셔가 광고 게재를 Ad Network(여기서는 Ad Exchange라고 기재되어 있으나 Ad Network와 동일한 기능을 수행한다)에 요청하면(1), Ad Network는 광고 지면과 유저에 대한 정보들을 DSP에 보내고 해당 광고 지면에 광고를 노출하고자 하는 광고주들을 대상으로 비딩을 진행할 것을 요청한다(2). DSP는 페이지에 접속한 유저의 상세 데이터를 DMP로부터 전달받아 어떤 광고주의 광고가 적합할지 분석하고(3), 광고 지면에 어떤 광고를 얼마의 가격으로 노출할지 결정하여 Ad Network에 회신한다(4). Ad Network는 그렇게 회신 받은 다수의 광고 및 광고 가격을 가지고 이차가격경매(Second Price Auction)을 진행하고 어떤 광고를 얼마의 가격으로 노출할지 최종적으로 결정한다(5). 그리고 이 가격을 DSP로 송신한다. 이후 해당 광고 지면에 광고가 게재되며(7), 이 광고에 대해 유저가 어떻게 반응하였는지 트래킹하여 DSP로 피드백 한다(8).
RTB 시스템을 통해 전환을 극대화 할 수 있는 DSP와 매체라면
위 과정은 적정 광고 노출 가격을 결정하는 알고리즘이다. 하지만 일반적으로 온라인에 광고를 게재하는 목적은 전환수를 극대화 하기 위한 것이다. 그런데 전환수를 극대화 하는 것은 낮은 CPM으로 광고를 노출하는 것만으로는 달성이 불가능하다. 전환수 극대화는 "전환을 일으킬 수 있는 유저들"에게 광고를 노출해야 가능하지, 낮은 가격에 더 많은 유저들에게 광고를 노출하는 것 만으로는 어렵기 때문이다. 이렇게 "전환을 일으킬 수 있는 유저들"은 상대적으로 적을 수 밖에 없기 때문에 이들을 대상으로 광고를 노출하기 위해서는 DSP가 더 높은 CPM으로 광고 구좌 구매해야 할 것이다. DSP와 매체가 이러한 역할을 잘 수행하고 있다면 전환 극대화 목표로 광고를 세팅하였을 때 CPM은 높더라도 CVR이 만족스러운 수준으로 형성되어야 할 것이다.
전환을 극대화 하기 어려운 RTB 시스템을 가지고 있는 DSP와 매체라면
머신러닝을 기반으로 운영되는 매체들은 위와 같은 방식으로 광고 노출 및 이후의 유입 및 전환이 이루어지지만, 머신러닝을 기반으로 운영되지 않는 매체는 약간 다르다. 네이버 파워링크는 전환을 일으킬 수 있는 유저들을 개별적으로 타겟팅 하지 않는다. 대신 검색결과에서 상위노출이 되면 CVR이 더 높을 것이라는 가정을 기반으로 운영된다. 이와 비슷하게 DA 매체 중에서도 전환을 일으킬 수 있는 유저들을 찾기 어렵기 때문에 먼저 유입을 시키는데 집중하고 전환은 나중에 생각하는 경우가 있다. 이 경우 검색결과 상위 노출을 하거나, 유입에 적합한 광고를 세팅하였을 때 CPM은 높더라도 CTR이 만족스러운 수준으로 형성되어야 할 것이며 CVR은 RTB 시스템의 성능보다는 광고 자체의 매력과 상세페이지에서의 설득력에 더 큰 영향을 받게 된다.
RTB시스템에 영향을 미칠 수 있는 조건들
누구에게 노출할 것인가
광고가 노출될 유저 세그먼트에 따라 RTB 시스템이 영향을 받을 것이다. 또한 유저들의 행동데이터를 얼마나 잘 구조화 하여 정리하고, RTB 알고리즘을 잘 짜느냐에 따라 시스템의 성과가 달라질 수 있다. 매체 내의 유저 액티베이션 및 행동의 깊이가 깊을 수록 데이터를 구조화 할 수 있는 여지가 많을 것이다.
무엇을 노출할 것인가
광고 소재가 가진 성격에 따라 RTB 시스템이 영향을 받을 것이다. 광고의 예상 반응률(eCTR, eCVR 등)에 따라 시스템은 광고를 누구에게 얼마나 많이, 빠르게 노출할 것인지 결정하고 데이터 피드백을 받아 광고 게재를 고도화 할 것이기 때문이다.
어디에 노출할 것인가
시스템이 가진 다양한 형태의 광고 게재지면에 따라 RTB 시스템이 영향을 받을 수 있다. 피드 광고, 네트워크 광고, 검색 광고 등 형태에 따라 영향을 받을 수 있으며, 똑같은 피드 광고라도 이미지 피드와 동영상 피드일 때, 똑같은 네트워크 광고여도 포털 사이트와 블로그 게재 지면일 때 시스템에 피드백 되는 광고 결과 데이터가 달라질 것이기 때문이다.
기간 내 예산 지출을 어떻게 조정할 것인가
예산 지출 조정은 광고 관리자가 매뉴얼로 조정하기도 하지만, 고도화 하고 있는 시스템에서는 페이싱 알고리즘을 활용한다. 페이싱이란 시스템이 목표달성을 극대화 할 수 있는 방식으로 주어진 예산을 분배하여 유저 유입량을 조정하는 알고리즘으로, 짧은 기간 동안 유저 유입을 크게 늘릴수도 있고 줄일 수도 있다.
위 요소들은 결국 eCTR과 eCVR을 추정하고, 성과를 극대화 하는 방식으로 예산을 배분하기 위해 RTB 시스템을 조정하는데 필요한 요소들이라고 생각할 수 있다. 우리는 이러한 조건들을 변경하였을 때 어떤 변화들이 일어나는지 정리하고, 그러한 변화들이 어떻게 조합되었을 때 기대효과가 극대화 될지 테스트셋 설계하는 것이 필요하다. 이 부분은 광고 매체의 머신러닝에 대한 이해와 연결이 된다. 결국 RTB시스템과 광고 매체의 머신러닝은 뗄 수 없는 관계이다.
RTB시스템을 통해 광고가 게재될 때 크게 다음과 같은 사항들이 결정된다
1. 캠페인 목표: 노출/클릭/전환/기타 목표 중 무엇을 극대화 할 것인가?
2. 유저 세그먼트: 광고 기대효과가 가장 높을 것으로 판단된 유저 세그먼트
3. 광고의 eCTR & eCVR: 제약조건 하에서 광고를 노출 하였을 때 CTR, CVR 추정치
4. 성과 데이터: 실제 광고 운영 데이터(CPM, CTR, CVR, CPC, CPA 등)
5. 광고 노출 지면: 실제 광고가 게재 된 광고 지면
이러한 결정사항들은 각 매체에서 주로 캠페인, 그룹의 세팅 옵션을 변경함으로써 세부적으로 조정할 수 있다. 매체의 캠페인, 그룹 옵션의 조정을 통해 해당 매체가 기대고 있는 RTB 시스템이 움직이는 방향성을 조정할 수 있다는 뜻이다.
RTB 시스템과 매체의 전환 최적화 연결
광고 매체의 머신러닝에 대한 이해는 차치하고, 지금까지의 논의 사항을 기반으로 RTB시스템과 매체의 전환최적화를 연결해보면 다음과 같이 설명할 수 있다. 구매 의도가 있는 사람들은 적을 수 밖에 없고 이들에게 광고를 노출시키기 위해서는 더 높은 CPM이 필요하다. 광고주 간 경쟁상태가 있다고 가정하기 때문이다. 경쟁이 발생하면 이차가격경매에 기반하여 더 높은 CPM이 결정된다. 타겟의 크기와 상관없이 구매 의도가 있는 사람들은 상대적으로 적기 마련인데, 이 사람들에게 판매하고자 하는 광고주들이 많다면 CPM은 올라가게 되는 것이다.
조금 더 나아가서 만약 내가 탄산수를 판매한다면 나의 경쟁자는 탄산수 회사만 있는 것이 아니다. 탄산수와 비슷한 콜라, 음료수, 물, 어쩌면 오이나 귤 처럼 과즙이 풍부한 과일을 파는 회사들도 함께 경쟁할 수 있다. 때문에 온라인 환경에서는 나의 제품과 서비스가 니치하다고 해서 그 니치한 타겟에 대해 광고 구좌를 독점할 수 없고 항상 경쟁은 존재한다. 메타, 구글 애즈 혹은 기타 고성능의 머신러닝 최적화 엔진을 기반으로 광고를 하는 매체에서는 전환 최적화 광고를 집행함으로써 고가치 유저에게 도달하고자 시도 하게 되며, 시간이 지날수록 매체 전반의 CPM은 점점 높아지게 된다.
이러한 상황에서 효과적인 전환 최적화를 하려면, 매체 자체의 RTB시스템 알고리즘과 전환 최적화 머신러닝 알고리즘이 고도화 되어 유효한 타겟에게 유효한 광고를 적절하게 노출함으로써 비용이 떨어지거나, 강한 경쟁강도를 제약조건으로 받아들이고 매체의 기능을 완전히 활용할 수 있는 다양한 운영 최적화 테스트를 진행하거나, 경쟁자들에 비해 전환을 더 효과적으로 낼 수 있는 강력한 크리에이티브를 개발해야 한다.
