설치는 한 번, 승자는 셋. 광고 산업은 심판을 들여왔다

지난 글에서 피자 가게 사장님은 벽에 부딪혔어요. RCT (randomized controlled trial, 무작위 대조 실험)가 광고 효과를 재는 최고의 방법이지만, 광고 현장에선 그 '최고'를 돌리기가 쉽지 않다는 얘기였죠. RCT는 광고를 본 그룹과 안 본 그룹을 나눠서 결과를 비교하는 실험이에요. 광고 한 매체 안에서조차 RCT가 깨지는 함정이 대표적인 것만 꼽아도 네 가지나 된다는 걸 3편 "광고 효과, 사실 매체도 몰라요"에서 다뤘죠.

그런데 실제 광고주는 매체 하나만 쓰는 게 아니라 매체 서너 개는 기본이고, 열 개 넘게 동시에 돌리는 경우도 흔해요. 그래서 유저 한 명이 여러 매체 광고를 거쳐서 설치까지 가는 흐름이 아주 자주 생겨요. 예를 들어 소셜 피드에서 피자 가게 광고를 본 유저가 그 가게 이름을 검색해보고, 검색 결과에 뜬 광고를 눌러서 설치하는 식이죠. 이러면 소셜과 검색이 같은 설치 하나에 각자 한 몫씩 끼어든 거예요. 그래서 "이 설치는 어느 광고 덕분이야?"라는 질문이 매체 하나짜리 환경보다 몇 배는 어려워져요.

지난 글 끝에서 짧게 언급했죠. 산업은 결국 '완벽한 정답'을 찾는 걸 포기하고, 모두에게 같은 룰을 적용하는 공통 심판을 데려왔다고. 그 심판을 모바일 측정 파트너 (MMP, Mobile Measurement Partner)라 부른다고요. 이번 글은 그 MMP가 왜 광고판에 끼어들었고, 실제로 뭘 하고, 어떤 룰로 설치의 기여를 판정하는지를 바닥부터 뜯어보려는 글이에요.

대시보드 열어보니, 모든 매체가 자기 성과라 하는 상황

사장님의 피자 가게엔 테이크아웃 주문용 모바일 앱이 하나 있어요. 그 앱 설치를 늘리려고 돌렸던 광고가 잘 되기 시작했어요. 한 매체에만 돌리던 광고를, 이번 분기엔 네 매체로 늘렸어요. AppLovin, TikTok, Pinterest, Snapchat. 지난주 결과가 궁금해서 각 매체 대시보드를 하나씩 열어봤어요.

AppLovin 대시보드가 말해요. "지난주 150번 설치 가져왔어요." TikTok 대시보드가 말해요. "142번 설치 가져왔어요." Pinterest 대시보드가 말해요. "89번 설치." Snapchat 대시보드가 말해요. "67번 설치."

합산하면 448번 설치. 그런데 Apple App Store와 Google Play 대시보드에 들어가서 '지난주 전체 설치 수'를 확인해봤어요. 180번.

뭐가 어떻게 된 걸까요. 매체들이 거짓말을 한 걸까요? 아니면 사장님이 뭘 잘못 세고 있는 걸까요? 둘 다 아니에요. 각자 자기 입장에선 다 맞게 셌어요. 다만 합치면 같은 설치를 여러 번 세게 되는 거뿐이에요.

이 "같은 설치가 여러 번 세어지는" 현상은 사장님만의 문제가 아니에요. 산업 전체가 이렇게 돌아가요. 매체별 리포트와 중립 집계 숫자를 겹쳐 보면 10에서 20% 가량이 매체 두 곳 이상이 서로 자기 성과라고 셌던 중복분으로 드러나요. 설치 10번 중 1~2번은 두 매체가 같은 설치를 자기 몫으로 셌다는 뜻이에요. 광고주 설문도 같은 결을 보여줘요. Branch의 2025 State of App Growth 리포트를 보면, "내 광고로 생긴 설치가 정확히 어느 매체 덕분인지 자신 있게 말할 수 있다"고 답한 마케터는 열 명 중 두 명도 안 됐어요 (18%).

과장이 아니에요. 구조가 그래요

왜 이런 중복 집계가 생기는지 짚고 가요. 각 매체는 자기 플랫폼에서 광고를 본 유저 데이터만 가지고 있어요. 그 유저가 다른 매체에서도 어떤 광고를 봤는지는 아예 알 길이 없어요. 매체마다 자기 플랫폼 데이터를 꽁꽁 쥐고 있지, 서로 공유하지 않거든요. 광고 업계에선 이렇게 매체마다 자기 쪽만 보이고 매체 밖은 안 보이는 상태를 울타리 친 정원 (walled garden)이라고 불러요.

결과는 이래요. 한 유저가 설치 전에 여러 매체 광고를 거쳤으면, 그 모든 매체가 각자 "이 유저는 내 광고를 봤으니 내 성과"라고 기록해요. 각 매체 입장에선 자기 플랫폼에서 그 유저가 자기 광고를 본 건 확실한 사실이고, 다른 매체도 똑같이 그 유저한테 광고를 보여줬다는 건 알 길이 없거든요. 그래서 같은 설치 하나를 두고도 매체마다 각자 자기 성과라고 세는 상황이 벌어져요.

용어 하나 짚고 갈게요. 유저가 광고를 보거나 (뷰, view 또는 impression) 클릭한 접촉 하나하나를, 광고 업계에선 터치포인트 (touchpoint)라고 불러요. 이 글에서 아주 자주 나올 말이니 미리 익혀두세요.

사장님 앱을 설치한 손님 "Alex"가 있다고 쳐요.

• 월요일 (터치포인트 1): Alex가 소셜 피드 광고를 클릭해요 (피자 가게 광고)
• 수요일 (터치포인트 2): Alex가 검색 광고를 클릭해요 (피자 가게 광고)
• 목요일: Alex가 피자 가게 앱을 다운로드해요

Alex의 설치는 누구 성과일까요? 두 매체 모두 자기 성과라고 기록해요. 애초에 각 매체는 자기 플랫폼 안의 터치포인트밖에 모르니까요. 소셜 매체 입장에선 "월요일에 내 광고 클릭했고 목요일에 설치했어", 검색 매체 입장에선 "수요일에 내 광고 클릭했고 다음날 설치했어". 둘 다 틀리지 않았어요. 각자 자기가 본 터치포인트는 사실이거든요. 그런데 사장님 입장에선 Alex가 한 명이고 설치도 하나죠. 매체 숫자를 합치면 설치 하나가 두 번 세어져요.

백화점에서 이런 상황을 상상해볼까요. 세 명의 영업사원이 한 손님을 각자 다른 자리에서 응대했다고 쳐봐요. 사원 A는 매장 입구에서 손님을 맞이했고, 사원 B는 상품 설명을 해줬고, 사원 C는 결제 카운터에서 계산을 도왔어요. 손님이 상품을 샀을 때, 세 사원 모두 자기 성과 보고서에 "내가 성사시킨 거래"로 올려요. 아무도 거짓말을 안 했어요. 각자 자기가 응대한 건 사실이거든요. 그런데 매장 매니저가 세 보고서를 모아서 보면? 같은 1건 매출이 3번 올라와 있어요. 중립적으로 "진짜 누구 몫이야?"를 정해주는 사람이 없으니까, 세 사원이 각자 자기 성과로 세는 셈이에요.

광고판이 딱 이거예요. 각 매체는 자기 쪽에서 '내 광고가 끼어 있던 설치'를 자기 성과로 기록해요. 매체 서너 개를 돌리면 각 매체 대시보드 숫자를 그대로 합산할 경우, 같은 유저가 여러 매체의 광고를 거친 경우가 많을수록 실제 설치의 2~3배로 뻥튀기될 수 있어요. 사장님 대시보드엔 실제 설치는 1건인데 매체별 기록을 다 더하면 2~3건인 상황이 자주 벌어져요. 자기 숫자만 봐선 누가 뭘 잘한 건지 알 수가 없는 거죠.

결국 심판이 등장했어요 (MMP)

이 혼란이 산업 전체에서 터져 나온 건 2010년대 초였어요. 아이폰이 나오고 몇 년 뒤 안드로이드가 급격히 커지면서, 앱 광고 시장이 폭발적으로 성장하던 시기였죠. 광고주들은 사장님처럼 두 가지 질문에 답을 못 하는 상태였어요. 첫째, "매체 서너 개 돌리는데 각자 자기 성과라고 하면, 광고로 만들어낸 설치는 진짜 몇 번이야?" (전체 설치 수야 앱 스토어 대시보드에 그대로 뜨죠. 궁금한 건 그중 광고가 일으킨 설치가 매체별로 어떻게 나뉘는지예요.) 둘째, "그래서 어느 매체에 더 쓰고 어느 매체에 덜 써야 돼?" 둘 다 매체 대시보드만 봐선 답이 안 나왔죠. 앞 섹션의 448 vs 180 상황을 매일 겪어야 했어요.

그 자리를 메꾸러 공통 심판이 등장했어요. 매체들 중간에 서서, 매체들이 넘겨주는 터치포인트/설치 데이터를 자기한테 모아놓고, 모두에게 같은 룰로 중복을 걸러서 "이 설치가 어느 매체 광고 덕분인지"를 판정해주는 사업자예요.

'설치가 어느 매체 광고 덕분인지'를 매체별로 정하는 작업을 광고 업계에선 어트리뷰션 (attribution, 기여 배분)이라고 해요. 그리고 "이 설치는 소셜 매체 덕이다", "이 설치는 검색 매체 덕이다"처럼 설치 하나하나에 할당되는 몫을 기여 (contribution)라고 부르고요. 이 글에서 '심판이 판정한다'는 말은 전부 이 어트리뷰션을 가리켜요. (실제 운영에선 매체 단위로만 쪼개는 게 아니라 캠페인/광고 단위까지 더 세밀하게 할당해요. 이 글은 설명을 간결하게 두려고 매체 단위로만 다룰게요.)

이 심판 역할을 하는 사업자들을 모바일 측정 파트너 (MMP, Mobile Measurement Partner)라고 불러요. 업계에선 어트리뷰션 툴 (attribution tool), 모바일 어트리뷰션 플랫폼 (MAP, Mobile Attribution Platform) 같은 다른 이름도 쓰이는데 가리키는 대상은 똑같아요. 이 글에선 가장 많이 쓰이는 'MMP'로 통일할게요.

지금 시장에는 여러 MMP가 있어요. 전통의 강자 AppsFlyer와 신흥 강자 Airbridge, 이 두 플레이어가 가장 많이 보여요. 그 외에 Adjust, Branch 같은 플레이어들도 있고요.

여기선 어느 MMP가 더 좋은지는 안 다뤄요 (저도 그건 몰라요). 이 범주 자체가 왜 필요한지만 볼 거예요. 2010년대 초에 생긴 뒤로 지금까지, 여러 매체로 광고를 돌리는 모바일 광고주들 사이에선 MMP 하나는 쓰는 게 거의 공통이 됐어요. 각 매체 대시보드 숫자는 다 자기 입장에서 뻥튀기된 상태라, 매체마다 따로 믿으면서 광고 운영을 할 수가 없거든요. 광고주한테도 매체들한테도 모두가 같이 믿을 수 있는 하나의 숫자가 필요했고, 지금 산업에서 그 역할을 하는 체제가 MMP예요.

심판이 하는 일 (광고 측정에 집중해서)

심판이 광고 측정에서 실제로 뭘 하는지 네 단계로 뜯어볼게요. MMP는 딥링킹 (deep linking, 앱 안의 특정 화면으로 유저를 바로 보내는 기능) 같은 역할도 하지만, 이번 글 범위를 벗어나니 생략해요.

1단계. SDK, 앱 안의 리포터

앱 개발자가 앱 코드에 MMP가 제공하는 작은 코드 조각을 하나 넣어요. 이걸 SDK (Software Development Kit, 소프트웨어 개발 키트)라고 불러요. 앱 안에 사는 리포터라고 생각하면 돼요. 유저가 앱을 열면 "앱이 열렸어요", 결제하면 "결제했어요", 레벨 완료하면 "레벨 완료했어요"라고 MMP에 보고해요.

MMP를 안 쓰면 매체마다 각자 제공하는 SDK를 따로따로 앱에 넣어야 해요. 매체 10개 쓰면 SDK도 10개. 설치든 결제든 레벨 완료든 앱 안에서 뭔가 하나 일어날 때마다, 그 10개 SDK가 각자 자기 매체로 똑같은 신호를 하나씩 쏴야 해요. 게다가 각 SDK가 수집한 데이터는 그 SDK를 심어둔 매체 쪽으로만 가요. 광고주는 매체마다 따로 숫자를 받아보게 되는데, 설령 그 숫자들을 억지로 합쳐본다 해도 앞서 봤던 매체 간 중복 문제가 그대로 남아 있죠. MMP SDK 하나로 모든 매체 데이터를 통합해서 수집하는 게 산업 표준이 된 이유예요.

2단계. 광고 터치포인트 추적 (중간에서 기록)

유저가 광고를 보고 앱 스토어로 넘어가서 앱을 깔면, 앱은 "누군가 날 설치했네"밖에 몰라요. 어떤 광고를 보고 왔는지는 전달이 안 돼요. 광고 매체도 자기가 광고를 보여준 유저가 결국 설치까지 갔는지 모르는 상태예요. 광고 터치포인트와 설치 사이의 연결이 끊긴 거예요.

MMP는 이 끊긴 연결을 "유저가 광고를 접촉한 순간마다 미리 MMP 서버에 기록해두는" 방식으로 메꿔요. 유저가 광고를 클릭하면, 그 링크는 바로 앱 스토어로 가는 게 아니라 MMP 서버를 잠깐 거쳤다가 가요. 거치는 사이에 MMP가 "누가 몇 시에 어느 매체 광고를 눌렀는지"를 기록하죠. 유저 입장에선 광고를 눌렀더니 앱 스토어가 뜨는, 그 짧은 순간이에요. 유저가 광고를 보기만 한 경우(뷰)도 비슷하게 MMP 쪽에 노출 정보가 기록돼요.

그렇게 기록을 남겨놓으면, 나중에 그 유저가 앱을 깔고 열었을 때 MMP가 "아, 이 유저는 저 터치포인트의 결과구나"라고 다시 연결할 수 있어요.

3단계. 앱 밖에서 광고 본 유저와 앱 안의 유저 연결하기

유저가 앱을 설치하고 첫 실행을 하면, SDK가 작동해요. "저 지금 처음 열렸어요"라는 신호를 MMP에 보내요. MMP는 이 신호를 받고, 최근에 기록해둔 터치포인트 중에서 "방금 앱을 연 이 유저와 같은 유저가 어떤 광고를 접촉했는지"를 찾아요 (여기서 "최근"이 어디까지인지는 뒤에 어트리뷰션 윈도우에서 자세히 봐요). 앱 밖에서 광고를 본 유저와 앱 안의 유저를 연결하는 작업이에요.

앱 밖에서 본 광고와 앱 안의 유저를 연결하는 작업은 일반적으로 두 가지 방식으로 돼요.

첫째, ADID (Advertising ID, 광고용 식별자) 기반 매칭. 가장 깔끔한 방법이에요. ADID는 디바이스마다 광고용으로 부여되는 고유번호로, iOS에서는 IDFA (Identifier for Advertisers, 애플의 광고 식별자), Android에서는 GAID (Google Advertising ID, 구글의 광고 식별자)라고 불러요. 터치포인트가 발생할 때 MMP가 이 번호를 기록해두고, 설치 후 SDK가 보낸 번호와 1대1로 비교해서 매칭해요.

둘째, 핑거프린팅 (fingerprinting) 연결. ADID가 없을 때 쓰는 대안 방법이에요. IP 주소 (인터넷에서 그 디바이스가 쓰는 주소), 디바이스 종류 (아이폰 15인지 갤럭시 S24인지), 운영 체제 (iOS인지 Android인지), 브라우저 종류, 터치포인트 시간대 같은 아주 다양한 정보를 조합해서 "이 조합을 가진 디바이스는 아마 같은 유저"라고 추정해요. 이 조합이 디바이스마다 거의 겹치지 않는다는 성질을 활용하는 거죠. 생각보다 정확도가 꽤 괜찮아요. 같은 시간대에 수많은 디바이스 특성 조합이 똑같이 일치하는 유저가 둘이나 있을 확률은 그리 높지 않거든요. ADID 1대1 매칭만큼의 확정성은 없지만, 통계적으로 신뢰할 만한 수준은 돼요.

4단계. 룰 적용과 결과 통보 (postback)

매칭된 터치포인트가 여러 개면 (유저가 세 매체 광고를 다 거친 경우), MMP는 자기 룰로 승자를 결정해요. 어떤 룰이 있고 왜 지금 룰이 산업 표준이 됐는지는 다음 섹션에서 자세히 다룰 거예요. 여기선 "룰 하나를 돌려서 매체 하나에 기여를 몰아준다" 정도로만 알고 넘어가도 돼요.

승자가 결정되면 MMP가 그 매체 서버로 "이 설치는 네 몫이야"라는 알림을 자동으로 보내요. 이 알림을 포스트백 (postback)이라고 불러요. 매체는 이 포스트백을 받고 자기 대시보드와 광고 노출 알고리즘 (매체가 '다음에 어떤 유저에게 광고를 더 자주 보여줄지'를 자동으로 결정하는 로직)을 갱신해요.

예를 들어 매체 알고리즘이 유저 A, B, C에게 광고를 보여줬다고 쳐요. 그 뒤 MMP 포스트백으로 "A가 설치했어"라는 소식이 들어와요. 그러면 매체 알고리즘이 A의 특성 (연령, 관심사 등) 을 학습해서 "A랑 비슷한 유저가 보이면 광고를 더 자주 띄워야겠다"라고 결정해요. 수백만 번의 포스트백이 쌓이면 매체가 광고를 어떻게 뿌릴지 전체 방향이 조금씩 바뀌어요. 그래서 MMP 판정 하나하나가 매체 쪽에 꽤 큰 영향을 줘요. 심판이 틀리면 매체 알고리즘이 잘못된 방향으로 학습하거든요.

1단계에서 봤듯이 MMP SDK 하나로 매체 측정용 SDK를 통합하는 경우가 대부분이라서, 매체 입장에선 MMP 포스트백이 없으면 자기가 광고 보여준 유저가 설치/결제/레벨 완료 같은 성과로 이어졌는지조차 알 길이 없어요. 광고주가 성과로 보는 이런 유저 행동을 묶어서 전환 (conversion)이라고 불러요. 이 글의 '설치'도 전환의 한 예죠. 매체가 MMP를 쓰는 광고주 앱 안에선 유저의 행동을 직접 추적할 방법이 없거든요. 그래서 포스트백이 매체 알고리즘이 학습하는 데이터의 거의 전부예요. 심지어 앞서 봤듯 승자로 인정돼 받은 포스트백 수가 앞에서 짚은 그 광고비 정산의 근거이기도 해요. 매체 입장에선 아주 중요한 숫자죠.

MMP 대시보드가 보여주는 것

MMP 대시보드에 보이는 매체별 설치 수는, 어트리뷰션 룰로 기여를 가져간 설치만 집계한 숫자예요. 같은 유저가 세 매체 광고를 다 거쳤어도, MMP는 그 설치를 단 한 매체에만 할당해서 보여줘요. 중복이 걸러진 거죠. 조금 전까지 봤듯이 MMP는 앱 안의 모든 설치 데이터는 SDK로 받고, 앱 밖의 터치포인트 데이터는 매체들로부터 받아요. 매체 각자의 울타리를 넘어 두 영역을 통째로 조합해서 볼 수 있는 사업자는 광고 측정 영역에선 MMP 말고는 사실상 없어요.

예를 들어, 사장님의 실제 설치가 180건이면, MMP 대시보드엔 이렇게 보일 거예요:

• 소셜 매체 A: 75 설치
• 검색 매체 B: 60 설치
• 영상 매체 C: 30 설치
• 메신저 매체 D: 15 설치
• (합계: 180, 실제 설치 수와 일치)

반면 각 매체 대시보드는 자기 쪽 터치포인트가 하나라도 섞인 설치면 전부 자기 성과로 세니까, 앞서 봤던 AppLovin 150, TikTok 142, Pinterest 89, Snapchat 67 (합 448) 처럼 뻥튀기돼요. MMP 숫자와 매체 대시보드 숫자의 차이는 보통 10에서 30% 사이고, 매체 여러 개가 같은 유저층을 많이 겹쳐서 타겟팅할수록 (예: 20대 여성 집중) 차이가 더 벌어져요. 매체 간 유저 겹침이 적은 캠페인은 차이가 작고, 많이 겹치는 캠페인은 차이가 커요. 이건 버그가 아니라 원래 그렇게 설계된 거예요. 매체 쪽은 자기 터치포인트가 묻은 설치를 전부 합산해서 보여주고, 심판은 그 데이터를 다 모아서 어트리뷰션 룰로 중복을 걸러낸 중립 판정을 집계해요. 다를 수밖에 없어요.

심판이 쓰는 룰, 라스트터치 그리고 그 너머

심판이 기여를 어떤 룰로 판정하는지는 광고 측정에서 가장 중요한 설계 결정이에요. 룰이 달라지면 각 매체의 성과 숫자 자체가 뒤집히거든요. 그 숫자는 매체에 지급되는 광고비 정산의 근거이기도 해서, 룰이 바뀌면 매체 매출 자체가 흔들려요. 광고주 쪽도 마찬가지예요. 같은 설치 1건을 두고도, '마지막에 유저를 데려온 매체'가 통째로 가져가는 룰에선 그 매체가 성과를 다 챙기고, '처음에 유저를 인지시킨 매체'가 통째로 가져가는 룰에선 완전히 다른 매체가 다 챙겨요. 결과가 통째로 뒤집히는 거예요. 광고주 입장에선 "어느 매체에 돈을 더 써야 하지?"가 룰에 따라 뒤집히는 거예요.

MMP가 기본으로 쓰는 룰, 라스트터치 (last-touch) 어트리뷰션은 마지막 터치포인트가 발생한 매체가 기여를 가져가는 방식이에요.

사장님의 손님 "Lia"가 있다고 쳐봐요.

• 월요일 아침: Lia가 소셜 피드 광고를 클릭해요
• 월요일 저녁: Lia가 다른 소셜 매체에서 광고를 클릭해요
• 화요일: Lia가 검색 광고를 클릭해요
• 수요일: Lia가 피자 가게 앱을 다운로드해요

라스트터치 어트리뷰션 아래에선, 마지막 터치포인트가 화요일 검색 매체였으니, 검색 매체가 기여를 가져가요. 소셜 매체들은 기여를 못 받아요. 월요일 두 번의 소셜 매체 터치포인트는 MMP 안에선 기록이 돼 있어도 집계된 설치 성과엔 반영되지 않아요. 그냥 기록으로만 남는 거예요.

왜 라스트터치 어트리뷰션이 기본 룰이 됐을까요. 운영상 아주 간단해요. 매칭된 터치포인트들을 시간순으로 정렬하고 "가장 끝에 있는 것 하나"만 꺼내면 되니까요. 수백만 건의 설치를 돌려도 처리 비용이 다른 룰에 비하면 훨씬 가볍고요. 무엇보다 직관적이에요. "유저가 마지막으로 눌러서 들어온 광고가 기여를 받는다", 이 설명이 산업 참가자 모두가 받아들이기에 가장 저항이 적었어요.

그런데 라스트터치 어트리뷰션만 있는 게 아니에요. 다른 룰들도 있어요.

• 퍼스트터치 (first-touch): 첫 번째 터치포인트가 기여를 받아요. (Lia의 경우 월요일 아침 소셜 클릭이 기여를 다 가져가요)
• 선형 (linear): 모든 터치포인트가 기여를 똑같이 나눠 가져요. (Lia의 경우 월요일 아침 소셜 1/3, 월요일 저녁 소셜 1/3, 화요일 검색 1/3)
• 시간 가중 (time-decay): 전환 시점에 가까운 터치포인트일수록 더 큰 기여. (Lia의 경우 화요일 검색이 최대, 월요일 아침 소셜이 최소)
• 포지션 기반 (position-based, U-shape): 처음과 마지막 터치포인트가 각 40%씩, 중간 터치포인트들이 나머지 20%.
• 데이터 드리븐 (data-driven): 과거 설치가 어떤 터치포인트 조합에서 많이 나왔는지 기계학습이 보고 기여를 자동으로 배분. 웹 분석 쪽에선 Google Analytics 4가 이 룰을 기본값으로 써요.

어떤 룰을 쓰느냐에 따라 어느 매체가 '잘했다'로 보이는지가 뒤집혀요. 왜 그런지는 '퍼널'이라는 개념을 알면 쉽게 이해돼요. 유저가 "뭔가 필요해" → "뭐가 좋을까 알아봐야겠다" → "이걸 사야겠다"로 결정을 좁혀가는 흐름을 광고 업계에선 퍼널 (funnel, 깔때기 모양이라서)이라고 불러요. 이 퍼널의 상단, 중간, 하단 중 어디에 자리잡은 매체냐에 따라 같은 룰 아래에서도 유불리가 갈려요.

일반화하긴 어렵고 광고마다 다르지만, 예를 들어보면 이런 식이에요. 검색 광고는 유저가 이미 머릿속에 "피자 가게 찾아보자"라는 구체적인 의도가 생긴 뒤에 클릭하는 매체인 경우가 많아요. 뭘 찾을지 알고 있어야 검색을 하거든요. 즉 유저 결정의 퍼널 하단 (구매 결정 직전) 에 자리잡는 경향이 있죠. 라스트터치 어트리뷰션 아래에선 검색이 마지막 터치포인트가 되는 비율이 높아서 기여를 많이 가져가요.

반면 소셜/영상 광고는 유저가 피자 가게라는 가게 자체를 처음 알게 되는 데 기여하는 경우가 많아요. 퍼널 상단 (관심 시작 단계) 에 자리잡는 거죠. 라스트터치 어트리뷰션 아래에선 "마지막 터치포인트가 아니니까" 기여가 거의 안 가요.

앞서 봤던 라스트터치 어트리뷰션 결과를 퍼스트터치 어트리뷰션으로 다시 보면 정반대가 돼요. 소셜/영상이 기여를 다 가져가고, 검색은 거의 기여가 없어져요. 룰 하나 바꿨을 뿐인데 "어느 매체에 돈을 더 써야 해?"라는 광고주의 결정도, 매체에게 지급하는 광고비 정산도 뒤집혀요.

그러면 광고주가 자기 입장에 유리한 룰을 하나 골라 쓰면 되는 거 아닌가 싶을 수 있어요. 그런데 현실은 그렇지 않아요. 룰 선택은 광고주 혼자 결정할 수 있는 문제가 아니거든요. 눈치 챘겠지만, 라스트터치 어트리뷰션 아래에선 지금도 억울한 매체 (주로 퍼널 상단 매체) 가 있겠죠. 그런데 그 억울함마저도 이미 산업 표준으로 오랫동안 굳어져버린 상태인 거죠.

구체적으로 보면, 앞서 봤듯 많은 매체가 자기한테 들어오는 포스트백 수 (즉 라스트터치 어트리뷰션으로 자기가 가져간 설치 수) 를 기준으로 광고주한테 광고비를 청구해요. 룰이 바뀌면 매체 매출이 바로 바뀌는 거예요. 그래서 라스트터치 어트리뷰션이 산업의 결제 체계 자체와 묶여서 간단히 못 바꾸는 구조가 됐어요. 결론적으로 "라스트터치 어트리뷰션을 산업의 표준으로 쓰고 그 기준으로 정산한다"가 다 같이 합의된 룰이에요. 광고주가 자기 내부에서 다른 룰 (예: 데이터 드리븐) 로 보조 지표를 보는 건 가능하지만, 매체 쪽에 '청구는 다른 룰 기준으로 해달라'는 식의 요구는 사실상 불가능해요.

어떤 룰이 "맞는" 룰인가요? 그 질문 자체가 광고 측정이 매번 걸리는 지점이에요. 산업 전체의 결제 룰은 못 바꿔도, 내 광고 운영 안에서 "진짜 어느 매체가 효과가 좋은 거지?"에 조금이라도 가까이 가보려고 다른 룰들을 보조적으로 돌려보는 건 각자 할 수 있는 일이에요. 다음 글에서 그런 다른 룰들을 자세히 다룰 거예요.

MMP의 두 가지 한계

MMP 체제가 모든 걸 해결해주지는 않아요. 중요한 한계가 있어요. 그런데도 모든 광고주와 매체가 MMP 체제로 수렴한 건, 지금 광고 측정 영역에서 이만한 중립 집계자가 사실상 없기 때문이에요. 심판 없이 돌리면 매체 서너 개가 뻥튀기한 숫자를 서로 다 합산해서 믿어야 하잖아요. 그보다는 모두가 합의한 하나의 기준이 낫죠.

중요한 한계 두 가지만 짚을게요.

첫째, 매체가 데이터를 안 주면 심판도 눈을 뜰 수 없어요. 설치와 터치포인트를 매칭하려면 매체 쪽 터치포인트 데이터가 MMP로 들어와야 하는데, 매체마다 파트너십을 맺은 뒤에도 "어디까지 넘길지"는 결국 매체가 정해요. MMP에 자기 플랫폼 데이터를 통째로 넘기는 게 매체 입장에선 유저 자산을 밖으로 노출시키는 일이라, 꼭 필요한 범위만 열어두는 쪽을 택하거든요. 특히 앞서 짚은 ATT 이후로는 매체가 MMP에 넘길 수 있는 iOS 쪽 데이터도 크게 줄었어요. 심판은 매체가 넘겨주는 만큼만 보는 거예요.

같은 맥락에서, MMP는 "하고 싶다고 할 수 있는 사업"이 아니에요. 글로벌/로컬 합쳐 전 세계에 수천 곳이 넘는 매체들과 데이터 파트너십을 각각 쌓아야 하는데, 매체마다 사업 이해관계가 다 다르고, "이쪽에 터치포인트 데이터 제공 파트너십을 열어줄지 말지"에 대한 판단도 그 매체 상황에 따라 매번 달라져요. 신규 MMP 입장에선 매체 수천 곳의 각기 다른 판단을 하나하나 설득해내야 돌아가는 사업인데, 매체 쪽 개발 여력과 복잡한 이해관계까지 얽혀 있어서 노력한다고 100% 다 되는 영역이 아니에요. 그래서 지금 자리잡은 소수의 플레이어 외엔 비집고 들어오기가 극히 어려워요. 실제로 매체들과 제대로 된 파트너십을 쌓아 이 역할을 수행할 수 있는 MMP는 전 세계를 통틀어도 앞서 언급한 곳들 포함해서 대여섯 곳 정도가 전부예요. 소수 플레이어가 시장을 독차지한 과점 구조예요. 그런데 그 벽이 워낙 높다 보니, 요즘엔 'MMP 같은' 간판은 걸어놓고 있지만 실제로는 그만한 파트너십과 통합을 못 갖춘 사업자들도 적지 않게 보여요.

둘째, 기여 배분과 진짜 인과는 또 다른 문제예요.

MMP가 하는 일은 기여 배분 (attribution)이에요. "유저가 설치하기 전에 어느 광고를 터치했나"를 세고, 룰에 따라 그 설치 하나를 어느 매체 성과로 돌릴지 정하는 작업이죠. 라스트터치 어트리뷰션 아래에선 "마지막 터치포인트가 검색이었다 → 검색 매체에 기여 1점을 준다" 이렇게 할당해요.

반면 진짜 인과 (incrementality, "그 광고가 없었어도 설치가 생겼을까?"를 따지는 관점)는 다른 질문이에요. "그 광고가 실제로 설치를 만들어낸 거야? 아니면 어차피 설치할 사람이 광고를 거쳐 들어온 것뿐이야?"를 따지는 거예요. 지난 세 글 (인과추론 시리즈 1편, 2편, 3편)에서 계속 나온, "광고가 진짜로 뭘 만들어냈는지"라는 그 질문이에요.

둘이 어떻게 다른지 볼까요. Lia가 화요일에 검색 광고를 안 봤다고 쳐봐요. 그래도 피자 가게 앱을 깔았을까요? 월요일에 이미 소셜 피드에서 광고를 보면서 "오 괜찮네" 생각하고 있었다면, 어차피 다운로드할 사람이었을 수도 있어요. 반대로, 월요일 소셜 광고를 못 봤으면 애초에 피자 가게 존재 자체를 몰라서 화요일에 검색조차 안 했을 수도 있어요 (소셜이 "그런 가게가 있구나"를 알려줬으니까 검색이라도 할 수 있었던 거죠). 이 경우엔 오히려 소셜 광고가 더 큰 원인이었을 수도 있어요. 그런데 라스트터치 어트리뷰션은 그런 걸 따지지 않고 "검색 매체에 기여 1점을 준다"라고 판정해요.

인과적으로 보면 라스트터치 어트리뷰션의 기여 배분이 맞는 걸까요? 답은 그 또한 정확히는 모른다예요. 때로는 마지막 터치포인트가 결정적인 역할을 했을 수도 있고, 때로는 월요일 소셜 광고가 진짜 원인이었는데 마지막 터치포인트가 그 기여를 가로채버린 걸 수도 있어요. 사실 MMP의 본래 취지가 "인과를 밝혀낸다"는 데 있지는 않았어요. 모두가 같은 룰로 중복 없이 숫자를 받아보도록 통일시키는 게 MMP의 역할이에요. 기여를 룰에 따라 나눠줄 뿐, 그 기여가 인과적인 관점에서 진짜 그 광고 덕분에 생긴 설치인지까지는 몰라요.

그리고 그 반대 질문도 있어요. 라스트터치가 기여를 가져갔다고 해서, 앞의 터치포인트들이 정말 인과적으로 영향이 0이었을까요? 월요일 소셜 광고가 Lia에게 피자 가게 자체를 알려줘서 화요일에 검색을 하게 만든 거라면, 그 소셜 광고는 인과적으로 분명히 영향을 끼친 거예요. 그런데 라스트터치 어트리뷰션에선 앞의 터치포인트들에게 돌아가는 기여가 0이에요. 앞 터치포인트의 영향이 '항상 0'이려면 광고 노출이 유저 결정에 전혀 영향을 주지 않았어야 한다는 소리인데, 그러면 광고 자체가 효과가 없다는 뜻이잖아요. 말이 안 되죠. 그러니 라스트터치 어트리뷰션이 짚어주는 매체가 '진짜 원인'이라고 항상 믿기는 어려워요. 다만 "그럼 정확한 룰은 뭐냐"는 아무도 몰라요. 진짜 인과는 측정 자체가 어렵거든요 (인과추론 시리즈 1편, 2편, 3편 에서 길게 다룬 그 문제예요).

MMP는 "무엇이 어느 광고 덕분인지 정확히 아는 것"을 애초부터 목표로 삼지 않고, "모두가 같은 룰로 일관되게 기여를 배분하는 것"을 선택한 체제예요. 매체마다 따로 숫자를 믿으면서 돌리는 것보단, 한 명의 심판이 통일된 룰로 집계해주는 쪽이 운영상 훨씬 낫거든요. 그게 이 업계가 MMP 체제로 수렴한 이유예요.

마무리

RCT가 광고 효과를 재는 최고의 방법이라는 사실은 변함없어요. 그런데 광고판에서는 그 '최고'를 혼자서 돌릴 수가 없어요. 매체 하나 안에서 RCT를 진짜 돌리려고 해도 대표적인 네 가지 함정에 걸리고 (3편 "광고 효과, 사실 매체도 몰라요"), 거기에 매체 여러 개가 동시에 돌아가는 환경이 더해지면서 "어느 광고 때문"인지 더 알기 어려워져요. 그래서 매체가 아닌 심판 (MMP) 을 따로 데려와서 중복을 걸러내고 같은 룰로 기여를 배분한 통합된 숫자를 받는 거예요. 그 심판에게 한계는 있지만, 지금 광고 측정이 실제로 돌아가게 하는 합의된 체제예요.

산업이 라스트터치 어트리뷰션으로 합의해서 돌아간다고 해서, 그게 '정답'이라는 뜻은 아니에요. 산업 전체의 룰은 혼자 못 바꿔도, 다양한 어트리뷰션 방식을 보조적으로 활용해서 진실에 조금이라도 가까이 가보려는 시도는 각자 할 수 있는 영역이죠. 앞으로 다룰 글들에서 퍼스트터치, 선형, 시간 가중 같은 다른 룰 기반 방식들을 더 자세히 살펴보고, 룰 기반이 아닌 방식들도 둘러볼 거예요. 데이터 드리븐, 인크리멘탈리티, 그리고 마케팅 믹스 모델링 (MMM, Marketing Mix Modeling, 다양한 마케팅 활동이 매출에 얼마나 기여했는지 통계로 추정하는 방식) 같은 것들이요. 그리고 iOS SKAN 생태계도 함께 들여다볼 거예요.

마지막으로. MMP는 광고 측정만의 플레이어가 아니라 애드테크 (ad tech, 광고 기술) 생태계 전체의 중심에 자리잡은 사업이기도 해서, 다른 토픽에서도 이 사업자들이 자주 등장할 거예요. 그래도 MMP의 가장 중심 역할은 광고 효과 측정이고, 그래서 이번 글은 측정이라는 하나의 자리에 집중해서 뜯어본 거예요.