안녕하세요. 플레이디 통합마케팅3팀 팀장 윤언호입니다.

광고주와 소비자 간의 접점이 과거의 '오프라인'에서 현재의 '온라인과 모바일' 환경으로 변화해오는 동안 광고를 수용하는 소비자의 태도가 보다 능동적으로 변하였습니다. 단순 광고가 아닌, ‘정보’로서의 가치를 지닌 광고를 선별하여, 선택적으로 반응하는 성향이 강해진 것이지요. 즉, 불필요한 광고는 회피(Skip) 하는 성향이 강해졌다는 게 더 직관적인 표현이겠네요.

광고를 접하는 매체가 점점 더 개인화되어감에 따라 광고주의 관점에서 기대하는 광고의 목표 역시 대중 소비자를 향한 '일방적 노출'을 넘어 소비자 개개인으로부터 광고주가 목표하는 '구체적 반응'을 이끌어내는 데까지 이르렀습니다. 하지만 이를 소비자의 관점에서 바라본다면 그들의 콘텐츠를 소비하는 방식에 필연적으로 수반되는 광고를 선별하는(혹은 거르는) 기준 역시 '공해성' 광고의 피동적 노출이 아닌, '정보성’ 광고의 자발적 수용으로 진일보하였다는 점을 눈여겨볼 필요가 있는데요.

결론하자면 광고를 제공하는 관점이 아닌 수용하는 관점에서 선택받을 만한 메시지, 즉 목표 타겟에게 도움 되는 정보일 때야 비로소, 의미 있는 전환으로 연결될 가능성이 높아지게 되었다는 것입니다.

광고가 이를 수용하는 소비자에게 환영받을만한 정보가 되기 위해서는 우선 목표 타겟의 관심사를 알아야 합니다. 과거 오프라인 혹은 매스미디어 광고에서는 목표 타겟이 쉽게 왕래하는 거점이나 집결하는 시간대를 활용하여 광고의 도달성(reach) 개선에 노력을 했고(지역적 거점을 고려한 고속도로의 옥외광고, 시간적 기점을 고려한 9시 뉴스나 10시 드라마 전/후의 TV 광고 등) 나아가 목표 소비자들의 성향을 추측할 수 있는 지면의 성격 내지 카테고리를 구분하여 목표 타겟의 관심사에 노출을 집중하기도 하였습니다.(여성지 혹은 남성지 광고, 사회/뉴스 및 스포츠 신문광고) 즉, 목표 타겟의 위치나 시간을 고려하여 광고 도달률을 높이고 관심사가 일치할 가능성이 높은 버티컬 카테고리 지면을 선택함으로써 광고의 목표 타겟을 '불특정 다수'에서 ‘특정의 다수’로 효율 개선을 꾀한 것입니다.

<이미지 출처: AdScreen>

이에 한 걸음 더 나아가, 소비자로부터의 피드백을 수렴하는 방법을 고민하게 됩니다. 이를 위해 광고의 목표 타겟을 대상으로 설문조사, 대면/전화 인터뷰 혹은 미터기(오디미터 혹은 피플미터)를 통한 정보 집계의 방식으로 소비자에 대한 광고 반응과 지면의 성과를 추적하고 광고의 전환율을 개선하기 위한 데이터 기반의 노력이 병행된 것입니다.

하지만 이러한 방식은 전수 조사가 불가능(샘플 모수 추출)하고 응답자의 주관과 기억력에 의존(인터뷰 혹은 설문) 하기 때문에 데이터의 신뢰도에 변수가 따르며 송/수신 데이터의 아날로그식 취합(미터기 집계)에 따르는 물리적 시간의 소요가 불가피하여 추적 데이터의 기간이 짧고 집계 완료와 다음 집계 완료 사이의 단절이 발생하였습니다. 즉, 결과 데이터가 부정확하거나 편중될 수 있고 비연속적이며 실시간이 아니라는 한계가 있었지요.

이처럼 기존 오프라인 및 매스미디어 광고가 ‘불특정 다수’의 광고에서 점차 ‘특정의 다수’로 광고도달의 효율성을 높이는 방향으로 노력해왔으나, 개별 소비자 수준에서의 광고 효과라든지, 그들의 관심사를 역으로 알아내기 위한 목표 타겟의 추적에 있어서 여전히 불편함과 비효율이 산재하고 있었습니다.

<(좌) 이미지 출처: https://t1.daumcdn.net/cfile/tistory/274D124E539185A33E >

<(우) 이미지 출처: http://www.eseyoung.com/business/sub_TVM5.asp >

온라인과 모바일 광고에서는 이를 더 정교화할 수 있는 기틀이 마련되는데요. 광고 노출, 목표 타겟의 반응, 소비자의 전환 행동이 전부 온라인과 모바일의 접속 수단(웹 브라우저와 앱, 혹은 디바이스) 내에서 이루어지기 때문에 기존의 오프라인 및 매스미디어 대비 광고의 성과 추적에 있어 월등히 유리한 환경이 조성될 수 있었습니다.

소비자와의 접점을 만들고 관심사 별 카테고리를 추론할 수 있는 지면의 종류도 오프라인 및 매스미디어 대비 절대적으로 다양해지면서 목표 타겟의 관심사를 더 세분화할 수 있게 되었습니다. 바이오리듬에 가까울만치 조밀한 행동 추적이 실시간으로 가능해졌고, 전에 없이 다양한 니즈를 반영할 만큼의 세분화된 지면을 타겟할 수 있게 되면서 광고의 성과 추적은 ‘특정의 다수’를 초월하여 ‘특정 개개인’의 범주에까지 이르렀습니다.(쿠키 방식의 웹브라우저 추적 및 ADID 기반의 모바일 디바이스 추적)

<이미지 출처: AdScreen >

한 소비자가 TV나 라디오에서 보험광고를 접하고 전화를 통해 다이렉트 보험에 가입하는 경우를 가정해볼까요? 혹은 고속도로를 운전하다 우연히 본 불스원샷 옥외광고를 기억해뒀다 뒤이어 들른 휴게소에서 주유 첨가제를 구매했다든지요. 아니면 주말에 들른 극장에서 영화 상영 전 맥도날드의 신메뉴 광고를 보고선 그날 저녁을 맥도날드에서 사 먹었다고 생각해봅시다.

오프라인 혹은 매스미디어 광고에서는 소비자에게 진행된 광고노출이 소비자의 최종 전환 행동에 기여하기까지의 루트를 추적하기란 결코 쉬운 일이 아닙니다. 특정한 매체나 노출 지면에서 시작된 광고라는 자극이 소비행위로 촉발되어 광고주의 수익으로 돌아오기까지의 그 '나비효과'에 관여하는 환경이 서로 다르기 때문입니다. 광고가 집행되는 미디어 도구와 광고주의 전환이 발생하는 오프라인 매장은 상호 간의 인과관계를 연결 짓기 어려운 전혀 다른 환경이며, 서로 간의 물리적인 시간차 내지 공간의 괴리 간에 영향을 끼치는 변수가 너무 많습니다. 그저 광고 캠페인을 집행 후 뒤이어 구매율이 증/감하는 시즌성 성과 집계를 통해 그 ‘광고의 효과’를 대략적으로 추산했을 뿐입니다.

광고 집행 직후 가입 고객이 증가했다거나, 옥외광고나 광고를 상영하는 극장 주변의 매장 매출이 올랐고, 이 결과 일련의 광고 캠페인이 궁극적으로 광고주 ROI에 얼마나 영향을 미쳤는지를 추론하는 매스적인 접근법이 최선이었지요. 목표 타겟에의 광고노출과 전환 행위 사이의 개연성이 희미한 흡사 '별의 궤도'와 같은 광고 성과를 추적하기 위해서는 천체망원경 급의 거시적인 마케팅 관점을 필요로 하였습니다.

하지만, 온라인과 모바일의 환경에서는 어떠한 광고 캠페인이, 어떠한 지면이, 어떠한 소재와 메시지가 목표 타겟을 유입시키고, 전환 혹은 이탈에 이르게 하는지를 실시간으로 추적하고 분석할 수 있게 된 것입니다. 광고 노출의 위치, 목표 타겟의 유입과 이탈의 퍼널, 구매 전환 및 웹/앱 내 이벤트 행위의 세분화된 요소 별로 광고주는 웹로그 분석 솔루션(GA; Google analytics을 위시한 웹페이지 스크립트와 브라우저 쿠키 기반의 성과 추적 도구)을 통해서 웹 유저 개개인의 모든 소비자 여정을 식별할 수 있게 되었습니다. 더불어 모바일 전환 추적기(Mobile 3rd party tracker 또는 MMP; Moblie Measure Platform)를 통해 앱 유저 개개인 별로 더 높은 수준에서의 전환 소비자로 재관여(Re-engagement) 시키기 위한 접점을 지금 이 순간에도 계속 만들어 나가고 있습니다.

소비자 개개인의 전환 여정에 영향을 미친 복수의 전환 기여 요소들(Multi-Touch Attribution point)마다 묻어난 그들의 손길들 (Finger print) 찾고 식별하기 위해 현미경 급의 미시적인 마케팅 관점이 중요해진 것입니다. 스케일도 중요하지만 정교함이 필수가 되었습니다.

‘특정 개개인’의 범주에까지 이른 온라인 및 모바일 광고의 목표 타겟 설정과 추적으로 인해 광고 캠페인의 효과가 광고주의 전환성과(매출)로 연결되는 객관적이고, 구체적인 지표를 얻을 수 있게 됨은 물론이거니와 개개인의 광고 지출 대비 전환 액션 단가를 의미하는 CPA를 과금의 기준으로 세울 수 있는 준거를 마련할 수도 있게 되었습니다.

<이미지 출처: AdScreen>

이제 광고노출에서 전환에 이르기까지 소비자는 온라인과 모바일을 종횡무진하고 있습니다. 그들의 소비행위는 데스크톱이나 랩톱에만 머무르지 않고, 손바닥 위, 호주머니 속에서 24시간 끊임없이 전환의 접점들(Multi-Touch attribution point)을 마주하고 있습니다. 하지만, 웹(Web)에서 시작된 유저의 경험이 ‘완성된 콘텐츠’이자 ‘새로운 기술적 영역’인 앱(App)으로 확장되는 과정에서 광고 추적 기술은 한 가지 문제점을 안게 됩니다. 그 기술적 환경이 상이하기 때문에 온라인 광고를 통해서 꽃피운 목표 타겟의 추적 방식이 모바일 앱에서는 통용될 수 없었고, 이 때문에 모바일 사용성의 큰 주류가 된 앱에서의 추적 기술은 웹과는 별개로 실현되고 고도화되어 왔습니다.

<이미지 출처: AdScreen>

소비자의 웹 환경에서의 활동은 브라우저 쿠키를 통해, 추적이 가능합니다. 모바일 디바이스가 보편화되기 시작하던 초창기에는 몇 안 되는 브라우저 앱을 통한 웹(모바일 웹; mWeb) 브라우징이 주를 이루었기 때문에, 기존의 온라인 추적 기술로 어렵지 않게 목표 타겟의 모바일 활동을 커버할 수 있었습니다.

하지만 점차 웹(mWeb)이 아닌, 앱(App)의 특장점(웹보다 모바일 디바이스에 더 최적화되어 가볍고, 빠르고, 오프라인에서도 사용 가능한 앱의 강점) 바탕으로 광고주와 소비자 모두 좋은 경험을 주고받는 기회가 많아지면서 웹과는 이원화된 앱 시장이 본격적으로 열리게 됩니다. 이는 곧 수많은 앱들이 점차 자체 웹 브라우징의 역할을 병행하게 되면서 모바일 환경에서만큼은 기존 웹 브라우저(크롬, 사파리, 익스플로러, 파이어폭스 등)의 역할을 축소시키는 결과를 만들었지요.

한정된 몇 종의 브라우저들에 호환성을 맞춰둔 쿠키를 기반으로 광고주의 웹페이지 내 스크립트를 통한 목표 타겟의 식별 방식으로는 커버하기 힘든 셀 수 없을 만큼 많은 앱들이 자체 모바일 웹브라우징을 구현하고 있습니다. 더구나, 웹 호환성을 고려하지 않은 순수 앱(네이티브앱)의 활성화와 앱 내의 고객 활동(In-App action)을 통한 소비자 행위도 빈번해지면서 모바일에서의 웹브라우징 전용 앱은 주요 검색엔진 플랫폼을 기반하거나 'Google, Naver, Daum Kakao' 디바이스에 기반하는 'Chrome, Safari, Samsung internet'의 경우를 제외하고는 그 입지가 매우 좁아졌습니다.

웹 기반의 견고한 유저 서비스를 제공하는 수많은 콘텐츠 프로바이더들조차 자사의 웹 유저를 앱으로 영입(On-boarding) 시켰을 때, 더 높은 유저의 만족도와 개선된 전환율을 이끌어 냈음을 이미 수많은 마케팅 사례에서 이야기하고 있으며, 지금 이 순간에도 광고주들은 기존의 웹 유저를 자사의 앱으로 온보딩시켜 그들의 24시간을 점유하기 위한 노력을 지속하고 있습니다.

<이미지 출처: https://www.statista.com/statistics/263517/market-share-held-by-mobile-internet-browsers-worldwide/>

모바일 앱의 사용성이 확대되고, 모바일 웹 브라우저의 입지가 줄어든다고 할지라도 소비자의 웹 경험을 간과할 수 있을까요? 목표 타겟의 전환 여정에 있어 웹과 앱 활동의 교차는 더욱 심화될 것입니다. 소비자의 삶의 질을 향상시켜온 수많은 서비스와 상품, 이에 대한 고객 정보들은 여전히 웹을 기반하고 있으며 모바일 앱은 그 서비스와 상품을 더 빈번히 제공하는 접점 확장의 개념으로 볼 수도 있습니다.

반대로, 서비스와 상품의 태생 자체가 모바일 앱에 근거하거나 기존 웹 서비스와의 호환성을 크게 고려할 필요가 없는 네이티브 앱 콘텐츠 프로바이더 일지라도 자사의 고객 혹은 잠재 유저가 웹(혹은 모바일 웹)에서 보내는 시간을 더 획득하고 점유하기 위해 애쓰고 있습니다. 여전히 오프라인이나 온라인에 서비스를 경험하고 있는 금융/보험상품 유저들에게 자사의 혁신적인 모바일 앱을 경험시키기 위해 노력하는 ‘뱅크 샐러드’나 ‘굿리치’처럼요. 또는 한 건이라도 더 많은 오프라인 주문전화와 온라인 지역 정보 검색 행위가 자사의 모바일 앱 내에서 이루어지도록 독려하는 ‘배달의 민족’이나 ‘다방’처럼요.

웹과 웹에서의 소비자 경험은 앱 광고주에게 있어서도 목표 타겟을 자사 앱의 로열티 고객으로 독려하기 위한 매우 중요한 접점임을 결코 부정할 수 없습니다. 이처럼 웹과 앱을 종횡무진하는 소비자와의 커뮤니케이션을 효과적으로 하기 위해서 광고주는 반드시 웹과 앱을 넘나드는 광고 성과의 추적을 필요로 하게 됩니다.

<이미지 출처: 개별 앱 캡처 및 AdScreen>

유저 경험에서는 연장선에 있지만, 기술적으로는 전혀 다른 영역인 웹과 앱을 교차 추적하는 방법은 무엇일까요? 추적의 주체가 누구냐에 따라, 활용 가능한 추적 객체의 정보에 따라 사용 가능한 전략적 시나리오와 기술적 접근이 다양하겠으나, 웹과 앱의 유저 매칭에 대한 정확도가 높을수록 그 적용 지면의 범위는 한정되고, 넓은 지면에서 범용적으로 적용할 수 있다면 유저정보의 미스 매칭에 따른 정확도가 떨어지기 마련입니다.

일례로 페이스북처럼 유저가 동일한 ID로 웹과 앱을 병행하여 SNS를 사용한다면, 해당 유저의 ID 정보를 바탕으로 웹과 앱에 사용되는 멀티 디바이스(데스크톱과 스마트폰)을 맵핑할 수 있습니다. 해당 유저의 데스크톱 속 웹 브라우저에는 쿠키 정보를, 스마트폰의 모바일 웹브라우저에도 쿠키를, 페이스북 모바일 앱은 SDK를 부여하고 이를 하나의 유저 ID에 맵핑할 수 있는 것입니다.

또 다른 예로 구글은 전 세계의 과반 이상의 마켓셰어를 차지하고 있는 브라우저와 모바일 OS를 보유하고 있으며 구글의 유저 ID는 웹메일/플레이스토어/클라우드 서비스 등의 웹&앱 모두 통용할 수 있는 강력한 통합 ID로 사용됩니다. 지구상에 존재하는 유저의 어떠한 웹과 앱 활동 일지라도 페이스북 혹은 구글의 쿠키와 SDK의 추적 반경에서 완전히 벗어나기는 어렵다는 말이 있을 만큼 높은 추적의 주체가 누구냐에 따라서 큰 범용성을 가질 수 있습니다.

하지만 유저의 ID 맵핑 없이는 멀티 디바이스로부터의 웹 & 앱 활동 이력 간의 매칭율이 현저히 떨어진다는 정반대의 사례도 존재합니다. 현실적으로 페이스북이나 구글만큼의 전 지구적 유저 커버리지를 획득하지 못한 99%의 서비스 프로바이더이자 광고주들은 웹과 앱을 종횡무진하는 유저의 멀티 디바이스를 하나로 묶을 강력한 통합 ID가 부재하는 경우가 상당수입니다. 그럼 어찌해야 할까요?

<이미지 출처: AdScreen>

현재로서는 ‘딥 링크(Deep Link)’가 위의 물음에 대한 해답을 찾는데 중요한 역할을 하고 있습니다. ‘웹 추적 도구’는 유저가 웹을 통한 검색이나 DA 링크를 통해 광고주 페이지에 유입하고, 웹 페이지 내에서의 다양한 액션과 전환을 달성하거나 페이지로부터의 이탈에 이르는 일련의 과정을 추적하게 됩니다.

그런데 만약 이 유저가 앱의 ‘설치 혹은 실행’을 통해 광고주의 앱 서비스로 유입되면 이때부터는 별도의 ‘앱 추적 도구’가 앱 안에서의 다양한 유저 액션과 전환 및 앱 종료에 이르는 일련의 과정들을 추적하게 됩니다. 유저의 앱 인스톨은 앱 추적 도구에 있어 시작을 의미하지만, 웹 추적 도구에 있어서는 종료를 의미하는 것입니다. 앱 인스톨은 곧 웹의 이탈이니까요.

그렇다면 릴레이 주자가 다음 주자에게 바통을 넘겨주듯, 웹의 추적 도구가 앱의 추적 도구에게 바통을 넘겨준다면, 웹과 앱의 다른 기술적 환경을 오가는 유저의 경험을 연결해서 볼 수 있지 않을까요? 딥 링크가 그 바통 역할을 하는 것입니다.

웹 to 앱 시나리오로서 ①, ②에서는 웹에서의 경험이 앱으로 지속될 수 있는 딥 링크가 발급된다.

<이미지 출처: AdScreen>

광고의 추적 방식을 출근길에 비유해보겠습니다. 예를 들어 직장인 A 씨에게는 2가지의 출근길 루트가 있다는 가정을 합니다. 1번 루트는 집 근처 지하철역(Web)에서 탑승한 뒤, 몇 정거장을 지나 버스(mWeb)를 갈아타고 몇 정거장을 더 가면 회사에 도착(전환) 합니다. 2번 루트는 집 앞에서 버스(mWeb)를 탑승하고 몇 정거장을 지나 지하철(Web)로 갈아탄 뒤 몇 정거장을 더 가면 회사에 도착(전환)합니다.

이 과정에서 A 씨가 지닌 교통카드(쿠키)는 지하철과 버스 간의 환승 시점에 교통비 할인을 적용받습니다. 즉, 해당 교통카드가 태그 하는 지하철 개찰구 단말기(광고주 페이지의 스크립트 1)와 버스의 승/하차 단말기(광고주 페이지의 스크립트 2)가 모두 A 씨의 교통카드를 하나의 ID로 인식하고 해당 ID의 버스 및 지하철 승/하차 이력을 식별할 수 있어야 합니다. A 씨가 출근길에 갈아탄 지하철과 버스의 서로 다른 단말기 들은 출근길 A 씨의 교통카드에 기록된 대중교통 승/하차 정보를 식별하여 해당 교통카드 ID의 지하철과 버스의 환승 이력을 연결 지어 교통비 할인의 대상인 환승 조건이 성사됨을 판단할 수 있는 것입니다.

하지만 A 씨의 출근길에는 다양한 변수가 존재한다는 가정을 추가로 해볼까요? 지하철에서 내렸는데, 천재지변으로 인해 버스 탑승을 포기하고 불가피하게 택시(App)를 타야 하는 경우가 생기기도 합니다. 혹은 버스를 내렸는데 지하철의 고장으로 어쩔 수 없이 택시(App)를 타는 일이 발생할 수도 있습니다. 택시는 대중교통이 아니기 때문에, 지하철(Web)이나 버스의(mWeb)의 환승 이력이 연결되지 않습니다.

택시의 이용은 A 씨의 신용등급에 적합한 여신거래를 승인한 금융기관에서 발급해 준 후불 신용카드(ADID)로써 택시요금의 지불이라는 새로운 여신거래가 진행된 것입니다. 택시 단말기(SDK)는 A 씨의 교통카드(쿠키)의 대중교통 승/하차 이력(In-Web event)을 인식하지 못하고, 신용카드(ADID)만 인식하여 교통비를 결제합니다.(In-App event)

A 씨는 회사 도착(전환)이라는 출근의 동일한 목적을 달성해나가겠지만, 결제수단은 교통카드 결제(In-Web event)로 시작하여 신용카드 여신거래(In-App event)로 마무리되는 서로 다른 여정의 합작품이 될 수도 있습니다. 대중교통에서 택시로 갈아탄 A 씨는 웹에서 앱으로 환승한 것과 같은 비유입니다. 웹에서는 브라우저의 쿠키와 웹페이지의 스크립트로서 유저의 여정을 추적할 수 있지만, 유저의 여정이 앱으로 넘어가게 되면 더 이상의 추적이 불가능합니다.

쿠키(교통카드)의 여정은 끝났고 ADID(신용카드)로서의 여정이 시작되었기 때문입니다. 다시 말씀드리자면, 최종 전환(출근지 도착)이라는 궁극적인 목표 달성을 위한 유저의 웹(대중교통)에서 앱(택시)으로의 확장은, 이를 추적하는 쿠키와 ADID라는 서로 다른 ID로 식별의 수단이 바뀌는 것이 됩니다. 만약 출근시간대에 대중교통(웹)의 승/하차정보(쿠키)와 택시(앱)의 승/하차정보(ADID)을 연결 지어 환승을 적용하는 새로운 신용카드가 출시한다면, 해당 카드사는 아마도 더 많은 직장인을 자사의 카드 회원으로 유치할 수 있을 것입니다. 수많은 웹/앱 콘텐츠 프로바이더들이 자사의 유저/잠재 유저의 웹 경험과 앱 경험을 연결함으로써 로열티 고객으로의 전환을 목표할 수 있는 것처럼요.

앞서 언급한 딥 링크(Deep Link)를 통해 이 쿠키와 ADID라는 서로 다른 이종의 웹과 앱의 유저 ID를 맵핑하여 동일한 소비자 정보로 인식할 수 있다면, 그들에게 지금보다 더 가치 있는 커뮤니케이션을 가능하게 합니다. 이는 '정보성’ 광고의 자발적 수용자로 진일보한 온라인/모바일 광고의 목표 타겟에게 ‘선택받을 만한’ 메시지를 전달할 수 있으며 의미 있는 전환으로 연결될 가능성을 높일 수 있다는 것으로 결론 내리고 싶습니다.

불과 멀지 않은 과거에 광고주들은 자사의 오프라인 고객을 온라인으로 끌어들이기 위해 노력해왔습니다. 그리고 이제는 그 온라인에서의 경험이 모바일에서도 연결될 수 있도록, 자사의 웹 고객을 앱으로 영입(On-boarding) 시키기 위해 노력하고 있습니다. 심지어는 온라인과 모바일의 자극이 오프라인의 구매활동으로 연결되거나(Online to Offline) 반대로 오프라인에서의 구매 자극이 온라인과 모바일에서의 구매 결정으로 연결되는(Offline to Online) 'O2O' 역시 딥 링크의 역할이 지대할 텐데요. 다음 칼럼에서 딥 링크의 종류와 현황에 대해서 자세히 살펴보고 이를 통한 모바일 유저 온보딩의 효과를 커머스와 O2O 등의 사례를 통해 이야기하도록 하겠습니다.

이상, No.1 데이터 마케팅 컴퍼니 플레이디였습니다!