[그로스해킹] 고객 유입 성과 확인, 어트리뷰션, Attribution (2-1)

▶︎ 어트리뷰션 이란?

→ 사용자가 앱을 설치하고 사용하는데 어떤 채널이 기여했는지를 식별함으로써 모바일 앱의 마케팅 성과를 판단하는 과정이다. 즉, 새로운 사용자가 유입됐을 때 어떤 채널의 기여도로 인정할 것인가? 이다. 고객 유치의 성과를 정확히 이해하려면 어트리뷰션을 잘 이해하고 활용할 줄 알아야 한다. 

 

▶︎ 왜 모바일에서 어트리뷰션을 사용할까?

→ 웹에서는 유입 기여도를 측정하기 위해 UTM 파라미터를 활용한다. 하지만 모바일에서는 링크를 클릭한 후 앱스토어로 이동하는 과정을 거쳐야 하는데, 그러는 과정에서 URL에 지정된 UTM 파라미터가 유실되기 때문에 UTM으로 유입 기여도를 확인할 수 없다. UTM 파라미터가 아닌 다른 방법을 사용해야 하는데, 그 방법으로 어트리뷰션을 사용하는 것이다.

 

▶︎ 어트리뷰션 확인하는 방법은?

→ 웹 UTM 파라미터는 GA에서 무료로 성과를 확인할 수 있지만, 어트리뷰션은 기술적이 부분도 필요하기 때문에 앱스플라이어, 애드저스트, 브랜치, 애드브릭스 등 유료로 제공되는 서비스를 사용해야 한다. 

 

▶︎ 어트리뷰션 매커니즘은? 

→ 외부 사이트에서 배너 등의 광고를 클릭을 했을 때, 앱스토어로 이동한 사용자와 스토어에서 앱을 설치하고 실행한 사용자를 기술적으로 매핑한 다음, 어떤 클릭이 앱 설치와 가입에 더 많이 기여했는지 확인한다. 하지만 각 서비스마다 어트리뷰션의 판단 기준과 기술적인 구현 방식이 조금씩 다를 수 있다. 그래도 사용자를 정확히 식별하기 위해서는 인스톨 레퍼러, 디바이스 아이디 매핑, 핑거프린팅 등의 기술적인 방법이 활용된다. 

 

▶︎ 어트리뷰션 윈도우(룩백 윈도우)란? 

→ 앱을 설치하게 하는데 영향을 미친 이벤트를 기여 이벤트(네이버, 페이스북 광고 등)라고 한다.어트리뷰션 윈도우는 기여 이벤트가 발생한 후 얼마만큼의 기간 동안 발생한 전환에 대해 어트리뷰션을 인정할 것인가를 의미한다. 각 채널별로 어트리뷰션 윈도우를 다르게 정할 수도 있고 더 중요한 것은 어트리뷰션을 어떻게 정의할지에 대한 기준을 세우는 것이다. 

 

▶︎ 어트리뷰션 유형 : 클릭-스루 / 뷰-스루

→ 클릭-스루 : 클릭을 통해 발생한 기여 클릭-스루

→ 뷰-스루 : 조회를 통해 발생한 기여 뷰-스루

→ 클릭-스루와 뷰-스루의 인정 여부도 매체별로 설정이 가능하고 인정의 기간(어트리뷰션 윈도우)도 매체별로 다르게 설정할 수 있기 때문에 적합한 판단 기준을 잘 정의해야 한다. 보통 클릭스루의 어트리뷰션 윈도우를 뷰스루보다 길게 가져간다. 앱스플라이어의 경우 클릭스루는 7일, 뷰스루는 1일을 기본값으로 삼고 있다. 

 

▶︎ 어트리뷰션 모델 : 퍼스트 클릭 / 라스트 클릭 / 선형 / 타임 디케이 / U자형 등

→ 기여 이벤트가 여러개라면 각 채널의 기여도는 어떻게 판단할 것인가? 보통 앱 마케팅은 단일 채널에서만 진행되지 않고 여러 채널에서 동시다발적으로 진행되기 때문에 여러 개의 어트리뷰션 접점이 발생하는 경우의 기여도에 대한 판단 기준이 필요하다. 

 

▶︎ 싱글 터치 어트리뷰션 모델 

→ 개념 : 여러 채널 중 가장 기여도가 높다고 판단되는 채널 1개만 인정

→ 종류 : 퍼스트 클릭(어트리뷰션 윈도우 안에 있는 여러 건의 기여 이벤트 중 첫 번째 매체의 성과만 인정),  라스트 클릭(어트리뷰션 윈도우 안에 있는 여러 건의 기여 이벤트 중 마지막 매체의 성과만 인정)

→ 장점 : 비교적 단순하고 기준이 명확하며 계산이 수월함

→ 단점 : 어트리뷰션을 지나치게 단순화하여 계산하기 떄문에 간접적으로 기여하는 채널들의 성과가 전혀 반영되지 않는다. 결과가 왜곡될 수 있다.

→ 언제 활용하면 좋을까? 기여 이벤트가 매우 많은 경우가 아니라면 간단하면서도 편리하게 사용할 수 있음

 

▶︎ 멀티 터치 어트리뷰션 모델 

→ 개념 : 여러 기여 이벤트가 발생했을 때 전체 기여도를 나름의 기준에 따라 2개 이상의 채널에 분배하여 성과 판단

→ 종류 : 선형 (모든 매체에 동일한 가중치 부여), 타임 디케이(시간 흐름에 따라 가중치를 주는 방식, 최근 발생한 이벤트일수록 높은 가중치를 준다), U자형(처음 발생한 기여 이벤트와 최근에 발생한 기여 이벤트의 가중치를 동일하게 부여하는 방식)

→ 장점 : 고객의 앱 유입까지의 전체 과정을 폭넓게 고려할 수 있음. 다양한 접점의 복합적 영향을 이해하는데 도움을 줌

→ 단점 : 구현이 복잡하며, 적절한 가중치를 결정하기 어려움

 

▶︎ 어트리뷰션 기준 정의

→ 각 광고 채널별 어트리뷰션 윈도우는 몇 일로 할지

→ 뷰-스루도 터치 포인트로 인정할지, 아니면 클릭-스루만 인정할지, 각 유형의 윈도우 기간은 어떻게 할지

→ 여러 기여 이벤트가 발생했을 때를 위해 어트리뷰션 모델은 무엇으로 할지

→ 모바일 앱 어트리뷰션처럼 웹 UTM도 윈도우 기간을 인정할 것인가? 인정하면 몇 일/ 몇 시간으로 해야 할까?

→ 동일한 사용자의 웹/앱 어트리뷰션 로그가 남아있으면 어떻게 판단할까?

→ 마케팅 캠페인 성과 판단 기준은 무엇이 돼야 할까? ROAS? CAC? 결제당단가? 광고수익율은 낮지만 고객 획득비용이 저렴한 캠페인?

→ 정답은 없다. 

→ 하지만 광고 영상을 끝까지 본 것과 무작위의 팝업광고(삭제 x표시 조금한 것...) 를 클릭한 것 중 어트리뷰션은 어떻게 판단하면 좋을까> 광고 창을 닫다가 눌른 것과 진짜 관심있었는지, 광고 영상으로 광고주의 메세지를 충분히 전달받았을 가능성 등을 고려하여 각 채널마다 노출되는 광고 영역의 크기, 지면의 형태, 타기팅 알고리즘, 사용자층 등 채널이 가진 특성을 고려하여 모든 기준을 의사결정해야 한다.

→ 채널의 특성을 고려하여 서비스 고객 유치 성과를 어떤 기준으로 측정할지에 대해 서비스 담당자들안에서 공감할 수 있는 명확한 기준이 있어야 한다. 즉, 어트리뷰션을 잘 활용하기 위해서는 정량적으로 나타나는 수치 외에도 각 마케팅 채널의 광고 영역의 크기, 지면의 형태, 타기팅 알고리즘, 사용자층 등 광고와 사용자의 인터랙션이 어떤 식으로 이뤄지는지 채널의 특성을 잘 이해하고 있어야 한다. 

 

▶︎ 딥링크

→ 개념 : 모바일 앱 안의 특정 화면으로 이동하는 링크

→ 작동 순서 : 모바일 앱을 설치한 사용자들이 딥링크를 클릭하면 웹 브라우저 대신 모바일 앱이 실행되면서 앱 내의 랜딩 페이지로 떨어진다

→ 장점 : 로그인 등 번거로운 과정을 거치지 않을 수 있고, 사용자가 웹에서 앱으로 전환되는 과정에서의 맥락이 잘 유지되기 때문에 랜딩 페이지에서의 전환율을 크게 향상시킬 수 있다.

→ 한계 : 링크를 클릭하는 사람의 휴대폰에 해당 앱이 설치되어 있을 때만 정상 작동한다.

 

▶︎ 딥링크를 보완한 디퍼드 딥링크

→ 개념 : 모바일 앱 설치 유무와 상관없이 사용할 수 있는 딥링크

→ 작동 순서 : 클릭하면 앱 내에 있는 특정 랜딩페이지가 실행되는 점은 딥링크와 같지만, 디퍼드 딥링크의 경우 앱이 설치되지 않은 사용자에게 딥링크의 실행을 앱 설치 이후로 지연시킴으로써 앱을 설치한 사람과 설치하지 않은 사람 모두에게 동일한 딥링크 경험을 제공한다.

앱이 설치되어 있으면 해당 앱의 랜딩 페이지로 이동하고, 설치되어 있지 않으면 스토어로 이동하여 앱을 설치하게 한 후 앱이 실행되면 그때 미리 정의한 랜딩 페이지로 이동시킨다. 

→ 장점 : 1) 사용 맥락이 유지가 되어 자연스럽게 앱으로 진입할 수 있어서 자연스러운 사용자 경험을 제공한다. 또한 2) 디퍼드 딥링크를 사용하면 어트리뷰션을 측정할 수 있는 범위가 넓어진다. 웹에서 UTM 파라미터를 활용하는 것과 비슷하게 딥링크를 생성할 때 적절한 파라미터를 추가하면 어떤 채널에서 활용된 딥링크를 통해 앱을 설치하고 사용했는지 측정할 수 있다. (성과 측정 가능)

 

▶︎ 추가 조언

→ 어트리뷰션 데이터는 단독으로 보는 것보다 서비스에 직접 쌓이는 데이터와 결합해서 분석함으로써 더 많은 인사이트를 얻는 것이 좋다. 

→ 특히 스타트업에서 고객 유치할 때는 단순히 많은 채널을 찾으려고 하기보단 영향력있는 소수의 채널을 찾아서 채널의 효과를 극대화하는 것이 좋다. 즉, 채널 확장보다는 기존 채널에 대한 최적화를 우선적으로 탐구하고 활용해야 한다.

→ 채널 확장하고 싶다면 1) 기존 채널에서의 최적화가 충분히 잘 되어 있었는지 2) 마케팅 예산이 커져서 기존 채널에서 모두 소화하기에 비효율적인지를 통해 채널의 포화도를 판단한 후 각 채널의 확장을 고려해야 한다. 

→ 또한 오가닉과 미식별을 혼동하지 말아야 한다. 유입 채널을 정확히 식별하지 않을수록 오가닉 가입자가 느는 것 같은 착각에 빠질 수 있다. 하지만 고객 유치 성과 개선의 시작은 유입 채널을 최대한 누락 없이 측정하는 것이다. UTM파라미터나 어트리뷰션 파라미터가 없는 유입은 오가닉이나 자연 유입이 아니라 '미식별' 트래픽으로 판단하고 최대한 비율을 줄이기 위해 노력해야 한다.

 

참고 : 그로스해킹 (양승화, 위키북스) 를 요약 정리한 것입니다.