증분 기여도 측정: 실제 마케팅 영향 분석

소개

이 기사는 모바일 마케팅의 증분성 기여도 분석을 탐구하며, 마케팅 담당자와 사용자 확보 관리자에게 프라이버시 변경 시대에 진정한 캠페인 영향력을 측정하는 통찰력을 제공합니다. 프라이버시 우선 정책과 전통적인 추적 신호의 손실이 디지털 환경을 재편함에 따라, 마케팅 노력의 효과를 정확하게 평가하는 방법을 이해하는 것이 그 어느 때보다 중요해졌습니다. 마케팅 담당자, UA 관리자 또는 모바일 성장 전문가이든, 이 가이드는 증분성 기여도 분석의 복잡성과 더 스마트하고 데이터 기반의 의사 결정을 주도하는 역할을 탐색하는 데 도움이 될 것입니다.

증분성 기여도 분석이란 무엇인가?

증분 기여도 측정은 추가 전환 또는 광고 캠페인의 결과로 특별히 생성된 매출 증가인 증분 리프트를 측정합니다. 이는 자연스러운 활동의 기준선을 넘어서는 것입니다. 증분 기여도 측정은 전환 또는 판매와 같은 원하는 결과에 대한 마케팅 활동의 인과적 영향을 결정하는 데 도움이 됩니다. 마케팅에 노출된 테스트 그룹과 노출되지 않은 통제 그룹의 성과를 비교함으로써 마케터는 캠페인의 실제 효과를 분리하고 예산 할당 및 전략에 대한 더 나은 정보를 바탕으로 결정을 내릴 수 있습니다.

모바일 마케팅의 증분성 기여도 분석

증분 귀속은 광고 캠페인으로 인해 발생한 추가 전환·매출을 유기적 상황보다 측정하는 방법입니다. 증분은 특정 결과를 기준으로 마케팅 캠페인의 실제 영향을 파악합니다. 이 방식은 모바일 마케팅에서 특히 중요합니다. 프라이버시 변화와 디바이스 식별자 손실로 전통적인 귀속 모델 덜 신뢰됩니다.

어트리뷰션은 일반적으로 클릭에서 설치 또는 노출에서 설치까지 두 데이터 포인트를 일치시키는 프로세스입니다. 어트리뷰션 모델은 고객이 여정에서 상호 작용한 마케팅 접점에 전환 또는 판매를 돌려줍니다. 반면에 증분성은 마케팅 노력 없이 발생하지 않았을 광고 활동의 실제 효과를 측정하는 용어입니다

차세대 어트리뷰션에 대해 포괄적으로 연구했으며, 여기에는 IDFA 이후 사용자 획득, 라스트 클릭 측정 종료, 모바일 측정의 미래가 포함됩니다. 증분성 어트리뷰션은 이러한 논의의 큰 부분을 차지합니다. 모든 논의의 동기는 마케터에게 필요한 프라이버시 조치로 인해 발생하는 신호 손실을 해결하는 것입니다. 서드파티 쿠키에서 멀어지는 전환은 광고 측정 및 어트리뷰션 모델에 더욱 영향을 미쳐 마케팅 활동의 효과를 정확하게 평가하기 어렵게 만듭니다.

차세대 어트리뷰션은 진정한 마케팅 효과를 측정하는 새로운 방법을 찾는 것입니다. 어트리뷰션 모델은 전통적으로 고객 행동을 특정 마케팅 접점에 귀속시켜 광고 효과를 측정하는 데 사용되었지만, 프라이버시 변화에 따른 한계로 인해 점진적 어트리뷰션이 보다 신뢰할 수 있는 접근 방식으로 부상했습니다.

모바일 측정 문제

프라이버시 보호 측정 과제

개인정보가 안전하게 보호되는 환경에서 마케터들은 어떻게 마케팅 성과를 측정하고, 기여도를 분석하고, 최적화할 수 있을까요?

And let’s 솔직히 말하자면, 이것은 단순한 마케팅이 아닙니다. we’re 이야기하고 있는 것이죠. 이것은 부동산이나 스포츠 음료, Lululemon 바지를 파는 것이 아닙니다. 모바일 사용자 확보 아마도 가장 빠르게 변화하는 마케팅 분야이며, 자극과 반응 사이의 거리를 단축하는 것이 캠페인 최적화에 핵심입니다.

모바일 마케팅의 어트리뷰션 방법

어트리뷰션을 위한 다양한 방법을 사용할 수 있습니다. 여기에는 다음이 포함됩니다:

• 멀티 터치 어트리뷰션 (MTA 모델)
• 증분성 어트리뷰션
• 마케팅 믹스 모델링

이러한 각 방법은 마케팅 효과를 평가하는 체계적인 방법을 제공합니다. 고객 여정을 이해하고, 잠재 고객이 전환하기 전에 갖는 일련의 접점 및 상호 작용을 추적하는 것은 정확한 측정 및 어트리뷰션에 필수적입니다.

현실 세계의 관점

저는 AppLift 베테랑 Maor Sadra의 새로운 스타트업 INCRMNTAL에 대해 들은 내용과 MetricWorks의 CEO인 Brian Krebs가 모바일 마케팅 측정의 핵심 형태로서의 증분성에 대해 말한 내용에 흥미를 느꼈습니다.

최근에 저는 Liftoff를 위한 Peggy Anne Salz와의 Mobile Heroes 팟캐스트에서 Moshi Blum과 대화를 나눴습니다.

그는 Beach Bum의 부사장이며 모바일 게임 스튜디오는 Voodoo가 소유했으며, Adjust의 총괄 매니저였고, Viber의 사용자 확보를 이끌었으며, 그 외에도 다양한 경험이 있습니다. 그는 인크리멘탈리티를 몸소 체험했으며, 땀과 눈물, 상처까지 모두 겪었습니다. 또한 고볼륨 실무자와 측정 제공자 양쪽에서 모바일 측정의 거의 모든 형태를 숙지하고 있습니다.

그는 다양한 분야에서 풍부한 경험을 쌓았고, 마케팅 측정 분야의 도전 과제와 기회에 대해 매우 현실적인 시각을 가지고 있습니다.

사실, Winston Churchill’s 유명한 인용구인 민주주의는 모든 형태의 정부 중 최악이지만, 그 외에는… 라는 말을 기억한다면, Blum’s 관점을 마지막 터치 어트리뷰션:

"최종 접점 기여도 분석은 마케팅 캠페인 성과를 측정하는 최악의 방법입니다... 다른 모든 마케팅 캠페인 측정 지표보다 나은 것은 제외하고요."

– 모시 블룸, 비치 범 마케팅 부사장

앞으로 나아가면서, 점진적 기여도의 이점과 마케터에게 제공할 수 있는 독특한 통찰력에 대해 살펴보겠습니다.

증분성 기여도 분석의 이점

점진성 테스트의 이점

점진적 기여도는 마케터와 사용자 획득 관리자에게 몇 가지 중요한 이점을 제공합니다

• 캠페인 영향 분리: 테스트 그룹과 통제 그룹을 비교함으로써, 점진적 기여도는 특정 마케팅 활동에 직접적으로 기인할 수 있는 전환 수를 보여줍니다.
• 예산 할당 정보 제공: 어떤 채널과 캠페인이 실제로 점진적 결과를 이끌어내는지 이해하는 데 도움이 되며, 더 스마트한 예산 결정을 가능하게 합니다.
• 미디어 믹스 최적화: 증분 기여 분석은 채널 간의 상호작용에 대한 통찰력을 제공하여 마케터가 최대 효과를 위해 미디어 믹스를 최적화하도록 돕습니다.
• 낭비되는 지출 감소: 자연스럽게 발생한 전환을 식별하여 마케터가 어차피 전환될 사용자에게 지출하는 것을 피할 수 있습니다.

실제 사례

예를 들어, 포트폴리오에 완전히 새로운 앱을 추가하는 경우를 들 수 있습니다. 기존 캠페인이 제한적이거나 없는 경우 다양한 플랫폼, 채널 및 파트너를 통해 증분성을 비교적 쉽게 확인할 수 있습니다. 다른 경우에는 앱에 대한 대부분의 노력을 일시 중지하거나 모든 것을 한 바구니에 넣고 결과를 확인할 수 있습니다. 기존의 유기적 사용자들과 이전 캠페인으로 인한 지연 효과가 있다는 것을 알고 있지만, 궁금했던 채널에 대한 유용한 인사이트를 얻을 수 있을 것입니다.

증분 테스트 and incrementality measurement allow marketers to determine incremental lift by comparing test and control groups, revealing how many conversions are outcomes directly attributable to specific marketing actions. This approach goes beyond traditional attribution by isolating the true value of your campaigns. Incrementality tells you what would have happened without your marketing efforts, helping you understand the genuine impact and effectiveness of your spend.

그뿐만 아니라 채널 간의 상호작용을 파악할 수 있으며, 특히 타겟의 중복을 확인할 수 있습니다. Brian Krebs와의 대화에서 그는 다음과 같이 말했습니다:

"제가 자주 듣는 비유는 시냇물에 꽂힌 낚싯대와 같다는 겁니다. 같은 물고기 떼를 낚는 것처럼, 추가하는 각 미디어 매체는 그저 또 다른 낚싯대일 뿐이라는 거죠.".

여기서 중요한 것은 최종 접촉이 어떤 광고에 도달했는지에 따라 마케팅을 최적화하는 것이 아닙니다. 진정한 최적화는 미디어 믹스를 최적화하는 것, 즉 강물에 던지는 낚싯대의 개수와 조합을 최적화하는 것입니다

– 브라이언 크렙스, 메트릭웍스 CEO

이러한 이점을 염두에 두고, 증분 테스트와 관련된 도전과 복잡성을 살펴보겠습니다.

증분성 테스트가 어려운 이유는 무엇인가?

증분 측정 시의 과제

그렇다면 마케팅 캠페인의 추가적인 또는 점진적인 결과를 보여주도록 고안된 증분 분석이 왜 그토록 어려운 것일까요?

인과 관계가 뒤섞여 있고 개별 원인과 결과 간의 관계가 분리하기 어려운 덩어리로 복잡하게 얽혀 있기 때문입니다. 또한 많은 효과가 과결정되어 하나의 원인이 아닌 여러 요인이 함께 작용하여 효과를 만들어냅니다. 조직 내 여러 부서에서 제품을 구축하고, 기능을 출시하고, 캠페인을 시작하고, 소셜 미디어에 게시하고, 제안을 작성하고, 크리에이티브를 구축함에 따라 모든 것이 끊임없이 변화합니다. 그리고 충격적이게도 날씨나 경제와 같은 거시적 시스템이 개별 상황의 미시적 세계 및 배고픔, 욕망, 지루함, 시간, 주의 등과 같은 순간순간의 상태와 교차함에 따라 세계가 변화하고 있습니다.

증분성 테스트 단계

마케팅 활동의 인과적 영향을 정확하게 측정하기 위해 마케터는 종종 무작위 대조 시험(RCT)과 같은 통제된 실험을 사용합니다. 인크리멘탈리티 테스트가 일반적으로 작동하는 방식은 다음과 같습니다:

1. 목표 정의: 측정하려는 결과를 결정합니다(예: 설치, 수익, 유료 사용자).
2. 테스트 및 대조군 설정:
   • 대상 고객을 두 그룹으로 무작위로 나눕니다.
   • 테스트(치료) 그룹은 광고 캠페인에 노출됩니다.
   • 대조군은 캠페인에 노출되지 않습니다.
3. 캠페인 실행: 테스트 그룹에 마케팅 활동을 전달하고 대조군에서는 보류합니다.
4. 결과 측정: 설정된 기간 동안 두 그룹의 결과를 추적합니다.
5. 결과 비교: 테스트와 대조군 간의 결과 차이를 분석하여 캠페인의 실제 인과적 영향을 결정합니다.

이 접근 방식은 상관관계와 인과관계를 구분하는 데 도움이 되며, 측정된 상승 효과가 외부 요인이 아닌 마케팅 노력에 직접 기인하도록 합니다.

그 정도가 너무 심해서 점진적인 영향을 구분해내는 것이 불가능해 보일 정도입니다.

"설치 수에서 수익으로, 수익에서 유료 사용자 수로, 유료 사용자 수에서 더 나아가 구글, 페이스북, 애플 또는 기타 광고 네트워크에 지출한 금액 중 실제로 순이익에 얼마나 기여하는지 계산하거나 이해하려고 노력했던 경험을 통해, 저는 그것을 얻는 것이 절대적으로, 혹은 거의 불가능하다는 것을 알게 되었습니다."

– 모시 블룸, 비치 범 마케팅 부사장

이러한 어려움에도 불구하고 증분성 테스트는 마케터에게 고유한 이점을 제공하며, 이에 대해서는 다음에서 자세히 살펴봅니다.

마케팅 믹스 모델링 및 최적화

마케팅 믹스 모델링 (MMM) 은(는) 마케팅 활동에 대한 궁극적인 현실 점검과 같습니다. 직감이나 마지막 클릭 광고에 의존하는 대신, MMM은 통계 분석을 사용해 마케팅 전술의 복잡한 얽힘을 풀고 무엇이 실제로 비즈니스 결과, 즉 매출, 전환 또는 수익을 이끄는지 보여줍니다. 증분 어트리뷰션을 고려함으로써, MMM은 한 단계 더 나아가: 단순히 무슨 일이 있었는지 말하는 것이 아니라, 각 캠페인, 채널 또는 전술이 증분 전환을 생성하는 실제 효율성을 밝혀냅니다.

다중 캠페인 및 채널을 관리하는 마케터를 위해, 이는 실제로 성과를 내는 마케팅 활동과 그렇지 않은 활동을 명확하게 구분할 수 있음을 의미합니다. 마케팅 믹스 모델링 내의 증분 기여도 분석은 신용을 부여해야 할 곳에 정확하게 부여하도록 도와주며, 마케팅 예산이 전반적으로 어떻게 수행되고 있는지에 대한 더 명확한 이해를 제공합니다.

증분성을 가진 MMM의 진정한 힘은 최적화에 있습니다. 마케팅 성과에 대한 포괄적인 관점을 통해 더 현명한 예산 할당 결정을 내릴 수 있으며, 실제 증분 영향을 미치는 채널 및 캠페인으로 지출을 전환할 수 있습니다. 가장 큰 터치포인트에 대한 과도한 기여도 분석이나 꾸준한 성과자의 가치를 과소평가하지 않습니다. 대신 마케팅 ROI를 극대화하고 비즈니스에 더 효과적인 결과를 도출하는 데 도움이 되는 실행 가능한 결과를 얻을 수 있습니다.

모든 마케팅 비용이 중요한 세상에서 마케팅 믹스 모델링과 증분 기여도 분석을 결합하면 캠페인을 최적화하고 전환율을 높이며 궁극적으로 매출을 늘리는 데 필요한 통찰력을 얻을 수 있습니다. 단순히 일어난 일을 측정하는 것이 아니라 왜 그런 일이 일어났는지 이해하여 효과가 있는 것을 더 많이 하고 그렇지 않은 것을 덜 수행할 수 있습니다.

측정 전략에 증분성을 통합하는 방법을 고려할 때, 증분성이 더 넓은 기여도 믹스 내에서 어떻게 부합하는지 이해하는 것이 중요합니다.

기여도 분석 믹스의 일부로서의 증분성 기여도

핵심은 겹겹이 쌓고 엮는 것입니다.

필요에 따라 다양한 측정 방법을 적용하고, 적절한 시점에 이를 통합합니다. 단 하나의 방법에만 의존하는 것이 아니라, 모든 방법을 활용하여 가능한 한 확정적이고 세부적인 데이터에 기반하고, 필요한 만큼 확률적이고 집계된 정보에 기반한 다면적이고 모델링된 현실을 구축합니다.

마케팅 성과를 전체적으로 파악하려면 모든 마케팅 터치포인트와 고객이 여정에서 상호작용하는 다양한 터치포인트를 이해해야 합니다. 기여도는 마케터에게 마케팅 활동이 발생하는 위치와 관련된 터치포인트를 알려주지만, 항상 실제 기여도나 상호작용이 실제로 전환을 유도하는지에 대한 실시간 피드백을 제공하지는 않을 수 있습니다. 전통적인 기여도 모델은 여러 터치포인트에 걸쳐 크레딧을 할당하지만, 증분성 기여도는 각 마케팅 활동의 실제 추가적인 영향을 자연스럽게 발생하는 것을 넘어서서 드러내려고 합니다.

즉, 점진적인 접근 방식이 필요하다는 뜻입니다.

마케팅 캠페인의 세부 사항을 미세하게 측정하거나, 특정 크리에이티브의 성과를 다른 크리에이티브와 비교하거나, 심지어 하위 캠페인의 상대적 효과를 비교하는 데 있는 것이 아닙니다. 블룸은 그런 건 거의 불가능하다고 말했고, 저는 그의 말이 맞다고 생각합니다.

캠페인이 추가 가치를 창출하는지 여부 또는 채널이 스트림에 귀중한 낚싯대를 추가하는지 여부 또는 다른 채널이 거의 접근하지 않는 스트림에서 낚시를 하는지에 대한 좋은 통찰력을 얻는 데 간헐적인 역할이 있습니다.

Incrementality also has specific value for specific channels like Apple Search Ads, where you can check organic volume on keywords and competing keywords. There, Blum says, it’s easier to measure your impact; whether you’re “buying your own traffic” (AKA wasting ad spend on already-were-going-to-install organic users), or defending your keywords from competitors, or actually creating a would-you-believe-it brand new install that wouldn’t have happened any other way.

(참고로, "쉬운"이 아니라 "더 쉬운"입니다.)

우리가 본 바와 같이, 증분 귀속은 마케터 도구함에서 귀중한 도구이지만, 모든 상황에 맞는 해결책은 아닙니다. 이제 어떻게 마지막 클릭 귀속 은 여전히 모바일 마케팅에서 역할을 합니다.

좋든 싫든, 마지막 클릭 기능은 작동합니다

그것은 알맞은 곳에 맞지만, 대부분 Blum은 마지막 클릭 모바일 귀속 데이터 기준으로 성과 좋은 채널을 통해 성장 확대에 집중한다고 말합니다, 즉 GAID/AAID 안드로이드에서 또는 SKAdNetwork iOS에서.

모바일 마케팅에서 점진적 개선이 가장 적합한 방식은 일상적인 측정 방법론이 아니라, 채널 품질을 월별 또는 분기별로 점검하는 데 사용하는 것입니다.

그리고 그때가 바로 전체 식사 세트 테스트를 하는 시점입니다.

“당신이 하는 일은 제약 회사에서 하는 것처럼 무작위 대조 시험을 실제로 수행하는 것입니다… 모집단을 두 개의 별개 그룹으로 무작위로 나누는 것이 중요합니다. 여기에서 대조군과 실험군, 또는 치료군, 또는 테스트 그룹으로 나누는 것입니다. 당신이 원하는 대로 부를 수 있습니다. 그리고 치료 그룹은 광고를 보는 그룹입니다. 대조군은 광고를 보지 않습니다.”

– 브라이언 크렙스, 메트릭웍스 CEO

증분성 테스트는 캠페인의 인과적 영향을 분리하기 때문에 진정한 마케팅 ROI를 측정하는 금본위제로 간주됩니다. 이 접근법은 멀티 채널 전략 내에서 Google Ads와 같은 특정 플랫폼의 효과를 평가하는 데 사용될 수 있습니다. 또한, 기계 학습은 실험 데이터를 분석하고 속성 정확도를 최적화하기 위해 점점 더 많이 적용되고 있습니다.

분명히 추가 작업이 필요 합니다. 이 종류의 테스트를 수행하면서 다른 활동을 중단 할 가능성이 높고 잠재적으로 여러 채널에 대해 수행하기 때문에 빠르게 성장해야하는 앱에 상당한 기회 비용과 시간이 소요됩니다.

하지만 때때로 투자할 만한 가치가 있는 일입니다.

신호도 약하고 데이터도 부족한 시대에 우리가 바라는 완벽한 해결책은 아니지만 말입니다.

저희가 도와드릴 수 있습니다

점진적 개선을 원하시나요? 비용 분석부터 기여도 분석, 모델링, 확률 분석까지 모든 데이터가 필요하신가요? Singular 도와드리겠습니다.

오늘 바로 통화 시간 예약하세요.