모바일 앱을 위한 미디어 믹스 모델링: 마케팅 측정에 대한 개인정보 보호 차원의 해법일까?

마케팅 및 광고 효과를 측정하고 최적화하려는 모바일 앱 사용자 확보 에게 해답이 될 수 있을까요

다음은 UA 총장의 꿈입니다

• 즉각적이고 정확한 마케팅 정보
• 채널, 크리에이티브, 입찰가 및 예산에 대한 실질적인 인사이트
• 개인정보 보호, 애플 규정 준수, GDPR 및 CCPA를 준수하는 방법론 및 메커니즘
• …이 모든 것들이 엄청난 성장을 창출하는 스마트한 통찰력으로 이어집니다

마케팅 측정 방법론으로서는 매우 어려운 과제입니다. 미디어 믹스 모델링이 모바일 마케터에게 이러한 결과를 제공할 수 있을까요?

자, 시작해 볼까요?.

미디어믹스 모델링은 마케팅 분야에서 노련한 기법입니다(물론 나쁜 의미는 아닙니다)

좋게 말할 방법이 없네요. 미디어 믹스 모델링은 구식입니다.

마케팅 믹스 모델링 이라고 불리는 이 개념 은 1950년대와 60년대부터 존재해 왔습니다. 하버드 경영대학원의 닐 보든 교수가 1949년에 '마케팅 믹스'라는 용어를 처음 만들었고, 당시 대중매체가 부상하던 시대에 대형 브랜드들은 이 개념을 활용하여 마케팅 효과를 분석하는 통계 모델을 구축했습니다.

그러한 형태로 미디어 믹스 모델링은 다음과 같은 질문에 효과적으로 답할 수 있었습니다

"만약 제가 3대 방송사에 1천만 달러를 투자해서 TV 광고를 한다면, 시리얼 판매량에 어떤 영향을 미칠까요?"

이러한 질문에 대한 답을 도출하기 위해 미디어 믹스 모델링에는 데이터가 필요했습니다. 이상적으로는 수년간의 과거 매출 데이터, 매출에 미치는 영향, 계절적 추세, 경쟁사의 조치, 소비자물가지수와 같은 경제 지표, 가격 비교, 제품 가용성 데이터, 광범위한 문화적 흐름 등이 필요했습니다. 마케팅 믹스 모델링은 일반적으로 (그리고 지금도 여전히 사용되고 있는 것처럼) 장기간에 걸쳐 다양한 출처의 방대한 데이터를 집중적으로 분석합니다. 이 모델링이 성공적으로 이루어지면 마케팅 담당자는 "ABC, NBC, CBS에 1천만 달러를 투자하면 우리 회사의 수익에 어떤 영향을 미칠까?"와 같은 중요한 질문에 대한 답을 얻을 수 있습니다

규모와 과거 이력, 그리고 장기간에 걸친 데이터에 의존하는 MMM(미디어 믹스 모델링)은 훨씬 빠른 속도로 진행되는 소규모 모바일 사용자 확보 캠페인에는 적합하지 않은 방법론처럼 보입니다. 실제로 최근 어도비 의 새로운 베타 버전 마케팅 AI 기반 미디어 믹스 모델링 제품에 대해 이야기를 나누었을 때, 이러한 우려가 타당하다는 것을 알게 되었습니다.

효과가 좋습니다. 이 시스템 덕분에 한 고객은 광고비를 50% 줄이면서도 10%의 성장을 유지할 수 있었습니다.

하지만 중요한 전제 조건이 있습니다. 연간 5천만 달러를 지출해야 한다는 것입니다.

네, 가장 큰 모바일 퍼블리셔 중 일부는 그 수준이고, 그 이상이기도 합니다. 하지만 일반적인 모바일 퍼블리셔는 그렇지 않습니다. 대부분의 모바일 마케터는 예산이 훨씬 적기 때문에 월 10만 달러 또는 5만 달러 예산으로 무엇을 하고 있는지 파악하는 것이 중요합니다.

모바일 마케팅은 데이터에 취해 있다

솔직히 말해봅시다. 모바일 광고는 데이터에 흠뻑 취해 있었습니다. 즉각적인 데이터, 정확한 데이터, 실행 가능한 데이터 말이죠. 모바일 성장 전문가들은 디지털 이전 시대의 마케팅 측정 방식에 신경 쓸 필요가 없었습니다. 부분적으로는 그런 방식들이 구식이고 부정확하고 번거롭고 비용이 많이 들고 느렸기 때문입니다.

하지만 무엇보다도 디지털이 꿈을 제시했기 때문입니다. 정확한 지식과 완벽한 인식, 그리고 낭비되는 돈이 없는 과학적인 마케팅이라는 순수하고 깨끗하며 대담한 꿈 말입니다.

(사기꾼들은 당연히 그런 꿈을 좋아했다.)

하지만 여러 어려움에도 불구하고 (사기 외에도 여러 문제가 있습니다), 그러한 꿈을 실현하려면 1960년대 마케터들이 경악할 만한 수준의 추적 기술이 필요했습니다. 1994년 웹상의 쿠키에서 시작하여 2010년대 초 스마트폰에 하드코딩된 기기 ID로 이어졌고, 그 직후 사용자가 더 쉽게 제어할 수 있는 광고 ID로 전환되었으며, 2020년대 초중반에는 대부분 사라지는 추세입니다.

데이터가 전혀 없던 상태에서 엄청난 양의 데이터로, 그리고 다시 훨씬 적은 양의 데이터로, 이 모든 변화가 약 25년 만에 일어났습니다.

하지만 지금까지 모바일 우선 컴퓨팅 시대의 전체 수명 동안 우리는 데이터 과잉의 시대에 살았습니다.

"모바일 환경에서는 데이터에 중독되어 왔습니다."라고 MetricWorks를 운영하며 미디어 믹스 모델을 구축하는 브라이언 크렙스는 말합니다. "데이터가 항상 이용 가능했기 때문이죠."

안녕하세요, 미디어 믹스 모델링입니다 (세상이 변하고 있네요)

애플, iOS 14.5, 정부 규제, 그리고 변화하는 사회적 인식 등 여러 요인으로 인해 시대가 변하면서 미디어 믹스 모델링이 다시 주목받고 있습니다. IDFA를 AAID/GAID를 사용하면 어떻게 될지 궁금하다면 , 다른 방법이 있을지도 모릅니다.

어쩌면 5천만 달러의 예산이 필요하지 않을지도 모르고, 주변 환경과 경쟁사의 행동, 경제 변화에 대한 복잡한 계산과 외부 데이터가 우리가 생각했던 것만큼 많이 필요하지 않을지도 모릅니다.

까지 모두 활용하면 크렙스 는 말합니다. 여기에 앱 마케팅 활동(지출액 및 노출 수) 데이터까지 더하면 모바일 사용자 확보를 위한 MMM(모바일 마케팅 마케팅)의 훌륭한 기반을 마련할 수 있습니다.

광고 지출을 시시각각으로 조정해야 합니다. 지속적인 지출은 효과를 정확히 파악하기 어렵게 만들지만, 이는 노출 경쟁과 공급 가용성의 변화에 ​​따라 자연스럽게 발생하는 일입니다.

실제로 미디어 믹스 모델링은 원래 의도했던 목적, 즉 대규모 국내외 브랜드의 느리고 비용이 많이 드는 캠페인보다는 모바일 사용자 확보에 더 효과적일 수 있습니다. 또한 기존 방식보다 증분 효과를

크렙스는 "솔직히 말해서 놀라웠습니다. MMM은 모바일에서 훨씬 더 잘 작동합니다."라고 말하며, "더 간단하고 필요한 데이터 포인트도 더 적습니다."라고 덧붙였습니다

하지만 그것으로 충분할까요?

미디어 믹스 모델링으로 얻을 수 없는 정보는 무엇일까요?

보세요. 기술이 완벽하지 않아도 유용할 수 있습니다. 마지막 클릭 기여도 분석 이 마케팅 성과를 측정하는 완벽한 지표라고 생각하는 사람은 솔직히 착각에 빠진 겁니다. 그럼에도 불구하고 우리는 지난 10년 동안 이 방법을 꽤 효과적으로 사용해 왔습니다.

지금까지 충분히 좋았으니까요.

그래서 질문은 이것입니다. MMM은 의사결정을 내리는 데 충분히 효과적인가?

그 질문에 답하기 전에, 미디어 믹스 모델링이 제공하지 않는 것이 무엇인지 먼저 설명드리겠습니다.

아마도 이를 가장 잘 표현하는 세 단어는 즉시성, 세분성, 그리고 명확성일 것입니다. 즉시성은 물론 IDFA의 비할 데 없는 장점이었으며(현재도 iOS 트래픽의 10~20%에서 분명히 사용되고 있습니다), GAID 기반 어트리뷰션의 핵심 가치이기도 합니다. ( Apple의 SKAdNetwork 프레임워크 합니다. SKAN 포스트백 기간을 최대 7일까지 설정할 수 있습니다.)

무엇이 효과적인지 최대한 빨리 파악하는 것은 신속한 최적화에 매우 중요합니다. 무엇이 효과가 없는지 최대한 빨리 파악하는 것은 예산 낭비를 막는 데 매우 중요합니다.

모바일 미디어 믹스 모델링은 대형 브랜드 소비자 시장에서처럼 몇 주 또는 몇 달씩 걸리지 않습니다. 하지만 포스트백만큼 빠르지도 않습니다.

세부적인 데이터 수준은 비슷합니다. IDFA/GAID와 SKAdNetwork는 소스 및 캠페인, SKAdNetwork의 경우 몇 가지 설정 가능한 요소, 그리고 IDFA/GAID의 경우 훨씬 더 세분화된 사용자 수준 데이터와 코호트 분석 등 여러 요소에 대한 매우 정밀한 데이터를 제공합니다. SKAdNetwork는 IDFA/GAID보다 제공하는 데이터는 적지만, 스마트한 맞춤 설정과 여러 이벤트 및/또는 타이머에 대한 인코딩된 값을 사용하는 하이브리드 포스트백을 통해 보완할 수 있습니다.

MMM은 이러한 각 영역에서 제공하는 기능이 다소 부족할 수 있으며, 특히 여러 광고 파트너와 동시에 운영하는 데 익숙한 모바일 성장 마케터에게는 헬퍼 네트워크, 지원 및 최종 마무리 단계에 대한 명확성이 떨어질 수 있습니다. (물론 모든 네트워크가 같은 강에 낚싯바늘을 던지는 것이라고 주장할 수도 있고, 그것은 사실입니다. 하지만 모든 낚싯바늘과 그 미끼가 동일한 가치를 지니고 있으며, 물고기가 모이는 가장 좋은 곳에 모두 던져졌다고 주장하기는 어렵습니다.)

점진적 개선은 크리에이티브 최적화에도 어려움을 겪을 수 있는데, 물론 캠페인별로 크리에이티브 변형을 수동으로 제한하여 시간 경과에 따른 영향을 확인하는 방식으로 해결할 수 있습니다. 또한 개별 플랫폼의 입찰가와 예산은 MMM에서 파악하기가 다소 어려울 것입니다.

그래서… 하이브리드 모델: 차세대 어트리뷰션

모바일 사용자 확보 팀을 위한 미디어 믹스 모델링을 판매하는 한 관계자는 미디어 믹스 모델링이 만능 해결책은 아니라고 말했습니다. 하지만 유용한 도구임에는 틀림없습니다. 그리고 미디어 믹스 모델링은 기존 미디어 믹스 모델(MMP) 맥락과 통찰력을 더해줍니다.

실제로 추적의 시대는 끝나가고 있습니다.

IDFA는 대부분 사라졌고, 지문 인식은 애플의 지침에 위배되며, 구글 또한 시간이 지남에 따라 개인정보 보호 관련 변경 사항을 적용할 예정입니다.

차세대 어트리뷰션이 필요합니다 .

즉, 노출수, 클릭수, 비용은 물론이고, 설치 수(가능한 경우), 크리에이티브 인사이트(가능한 한 많이), 채널 및 파트너별 결과(가능한 경우), 상위 퍼널 데이터와 하위 퍼널 데이터, 그리고 자체 앱 내의 1차 데이터(신규 사용자, 참여 패턴, 가입, 구매)까지 모두 포함됩니다. 입찰가와 예산, 그리고 모든 데이터 소스 간의 정규화 및 표준화도 중요합니다.

현실은 점점 더 어려워지고 있다는 것입니다. 광고 식별자의 마지막 클릭을 확인하는 것은 예전에는 간단했습니다. 하지만 이제 모바일 성장 전문가들은 단순한 모바일 추적기가 아닌, 완벽한 마케팅 데이터 인프라를 갖춰야 합니다. 게다가 모바일 광고뿐만 아니라 옥외 광고, TV, 웹 등 다양한 채널에 걸쳐 이러한 인프라가 필요합니다.

모든 신호를 종합하고 동시에 잡음을 제거하여 성장을 위한 통찰력을 도출하는 것, 이것이 바로 다음 과제입니다. MMM은 차세대 어트리뷰션 솔루션의 핵심 구성원으로서 이 과제 해결에 중요한 역할을 담당할 것입니다.

저희에게 이야기해 주세요

차세대 분석 및 어트리뷰션을 통해 마케팅 성장을 미래에도 안정적으로 유지하는 방법에 대해 더 자세히 알아보고 싶으신가요?

알려주세요 . 곧 연락드리겠습니다.