Adjust Conversion Hub: 카테고리 별 간편한 전환값 구성이 가능한 스마트 설정 모드
Tiahn Wetzler, Director, Content & Insights, Adjust, 2023년 2월 15일.
스마트하고, 쉽고, 효과적인 올인원 전환값 솔루션 Adjust Conversion Hub가 전면 출시되었습니다. 이전 포스팅에서 소개한 고급 설정 모드에 이어, 이번 포스팅에서는 앱과 앱 카테고리에 맞춤화된 간편한 전환값 매핑을 도와줄 스마트 설정 모드에 대해 알아보도록 하겠습니다.
Adjust는 개별 비즈니스 모델의 니즈를 충족하고 iOS 및 SKAN에서의 측정 역량 강화를 지원하기 위해 SKAN Solution Suite를 개발하였으며, 포함된 다양한 기능들 중 Conversion Hub의 스마트 설정 모드는 아직 SKAN 사용이 익숙하지 않거나 간편한 전환값 설정을 원하는 마케터들을 위한 기능입니다. 전환값을 전략적으로 매핑하고 SKAN 데이터 분석 역량을 높일 수 있는 스마트 설정 모드의 기능들을 아래에서 자세히 확인해보세요.
모바일 마케터의 기술적, 전략적 니즈를 모두 충족
처음부터 복잡하고 방대한 SKAN 데이터를 명확히 이해하고 마케팅 결정을 내리는 것은 쉬운 일이 아닙니다. 전환값 전략을 세울 때 모든 63개 전환값을 주요 이벤트에 전부 매핑해야 하는지부터 '전환값' 관점에서의 접근법 대신 6개 비트 이벤트를 매핑하는 방식을 사용하는게 좋을 지 등 많은 고민의 요소들이 존재합니다. 그러나 핵심적으로 고려되어야 할 질문은 전환값(값 기반 매핑) 매핑과 비트 매핑 중 무엇이 앱에 더 적절하냐는 것입니다.
스마트 설정 모드는 최소한의 정보로도 머신 러닝에 기반하여 앱에 맞춤화된 전환값 모드를 구성하여, 이러한 질문에 대한 답을 쉽게 찾을 수 있도록 도와줍니다. 나아가 마케터들이 SKAN 전문성을 높일 수 있도록 지원하여, 계속해서 iOS 캠페인을 정교화하고 전략을 강화할 수 있도록 도와줍니다.
스마트 설정 모드는 우선 각 앱에 가장 적절한 전환값 구성을 찾기 위해 앞서 언급한 '비트 매핑(투명성과 간단함이 장점)'과 '값 매핑(유연성이 장점)' 중 무엇을 적용해야 하는지에 대한 답을 찾습니다. 이를 결정하려면 3가지 요소를 고려해야 합니다.
- 앱 카테고리
- 앱이 설치 후 첫 24시간 이내에 사용자를 수익화하는지 여부
- 앱의 수익화 모델과 매출 모델
앱의 카테고리는 스마트 설정 모드의 분석에서 매우 중요한 역할을 합니다. 두 앱이 똑같이 인앱 구매(IAP) 수익화 모델을 사용하고 첫 24시간 이내에 매출이 발생한다고 할지라도, 앱의 카테고리가 다르다면 스마트 설정 모드가 권장하는 전환값 매핑 모드 또한 달라집니다. 즉, 스마트 설정 모드는 앱의 카테고리에 맞춤화된 전환값 매핑 모드를 추천하여, 주요 이벤트 또는 매출 범위를 측정할 수 있도록 지원합니다. 아래에서 첫 24시간 내에 앱 매출이 발생하고 똑같이 인앱 구매 수익화 모델을 사용하지만, 카테고리는 다른 두 앱의 권장 전환값 모델이 어떻게 달라지는지 살펴보겠습니다.
스마트 설정 모드 사용 사례: Hyper Combat(게임 앱) vs Amazing Groceries (음식 배달 앱)
Adjust의 데모 앱인 Hyper Combat과 Amazing Groceries의 마케터들은 모두 전환값을 처음 구성해보며, 이에 따른 기술 및 전략적 도움을 필요로 합니다. 두 앱의 마케터들은 모두 기존의 iOS 전략을 크게 바꾸지 않는 선에서 SKAN 전문성을 높이고자 합니다. 또한, 주요 앱 지표와 이벤트를 최대한 정확히 반영하는 SKAN 인사이트를 얻기 위해, 전환값을 정교하게 구성하고 최적화하는 것을 목표로 하고 있습니다. 과연 이 앱들에는 값 매핑과 비트 매핑 중 무엇이 더 적절할까요?
Hyper Combat의 전략은 광고 비용, 인앱 이벤트, 광고 해킹 차단, 광고 매출에 중점을 두고 있습니다. Hyper Combat의 카테고리 캠페인은 추가 레벨 출시, 게임 플레이 데모 캠페인, 유료 프리미엄(광고 삭제 버전) 캠페인과 더불어, 소셜 미디어 공유, 친구 초대, 레벨 1 완료, 레벨 10 완료 등의 인앱 인게이지먼트 이벤트를 포함합니다. 가장 주력하는 매출 및 구독 이벤트는 "1,000개 코인 구매" 등의 코인 다량 구매 옵션, 아이템 구매, 광고 없는 유료 프리미엄 버전 구매입니다.
Amazing Groceries 또한 IAP 매출 모델(구매 완료)을 사용하고 있으나, 주력 전략은 캠페인 세분화, 사용자 획득, 교차 플랫폼/네트워크 트래킹 등으로 상이합니다. 두 앱의 카테고리(Hyper Combat: 게임 앱, Amazing Groceries: 이커머스 앱)가 서로 다르기 때문에 주요 인앱 인게이지먼트 이벤트 또한 크게 달라집니다. Amazing Groceries의 주요 이벤트는 상품 검색, 상품 보기, 첫 판매, 결제 등입니다.
Hyper Combat과 Amazing Groceries의 마케팅팀은 아래의 간단한 3단계를 통해 스마트 설정 모드의 바로 적용 가능한 권장 전환값 구성을 확인할 수 있었습니다.
- 스마트 설정 모드가 값 매핑(매출 기반) 또는 비트 매핑(사용자 행동 기반) 중 무엇이 더 적절한지 평가할 수 있도록 2개의 간단한 질문에 대답하여 인풋을 제공합니다. 두 앱은 모두 앱 설치 후 첫 24시간 이내에 매출이 발생하며, 인앱 구매 수익화 모델을 사용한다고 응답했습니다.
-
앱 카테고리에 따라 각기 다른 권장 전환값 모드가 제공됩니다. 예시에서 Hyper Combat은 매출 매핑을, Amazing Groceries는 사용자 행동 매핑을 추천 받았습니다. 이는 스마트 설정 모드가 Adjust의 예측적 LTV 애널리틱스를 통해 게임 앱의 설치 후 초반에 발생한 사용자 구매액이 해당 사용자의 장기적 구매 양상과 밀접하게 연관이 있다는 점을 반영하기 때문입니다. 이러한 경우, 모든 63개 전환값에 매출 범위를 낮은 범위부터 높은 범위까지 매핑하면 캠페인으로 유입된 사용자의 가치를 이해하는데 효과적입니다. 낮은 전환값 범위에 있는 포스트백의 수가 많은 캠페인은 사용자의 추후 매출 기여도가 낮은 것을 의미하고, 높은 범위의 포스트백 수가 많은 캠페인은 매출 기여도가 높은 고가치 사용자가 많음을 의미합니다.
그러나 음식 배달 앱의 경우, 사용자의 초기 구매 행동과 장기적 구매 행동 간에 명확한 상관관계가 없습니다. 예를 들어, 사용자가 음식 배달 앱을 설치하고 패스트푸드 음식을 주문한 경우 주문 금액이 상대적으로 낮기 때문에 첫 24시간에 발생한 매출이 낮은 범위에 속할 것입니다. 그러나 이러한 사실이 해당 사용자가 미래에도 계속 낮은 매출만 발생시킬 것임을 의미하지는 않습니다. 1일차에 높은 금액의 음식을 주문한 경우에도 이후 패스트푸드를 주문할 수도, 똑같이 가격이 높은 음식을 주문할 수도 있습니다. 이렇듯 게임 앱의 LTV는 첫 24시간 중 발생한 매출에 기반하는 반면, 음식 배달 앱은 초기 앱 세션 수, 검색 수, 체크한 레스토랑의 수와 같은 주요 인앱 이벤트가 추후 사용자의 행동을 암시하는데 더욱 유의미합니다. 이를 고려하여 스마트 설정 마법사는 음식 배달 앱에 대한 행동 기반의 비트 매핑이 더욱 효과적이라고 결정합니다.
- 다음 단계에서는 Hyper Combat의 매출이 전환값에 어떻게 매핑됐고, Amazing Groceries의 이벤트가 어떻게 매핑됐는지 확인할 수 있습니다. Hyper Combat은 모든 63개 전환값에 매출 범위를 매핑했고, 각 범위는 서로 다른 LTV 지표로 작용합니다. Amazing Groceries는 주요 6개 이벤트를 선정한 뒤 이를 6개 비트에 매핑했고, 각 비트는 사용자의 장기적 행동이나 LTV를 암시하는 지표로 작용합니다.
측정 가능한 iOS 캠페인을 통해 성장하고자 하는 모바일 마케터에게 SKAN 활용은 필수가 되었습니다. 이제 Adjust Conversion Hub를 통해 앱과 앱 카테고리 및 수익화 방식에 맞춤화된 전환값을 간편하게 구성하여 캠페인 성과를 높여 보세요.
Adjust의 차세대 SKAN Solution Suite, Conversion Hub, 스마트 설정 또는 고급 설정 모드를 통한 iOS 캠페인 강화 방법 등에 대한 자세한 내용이 궁금하시다면 데모를 신청해 주시기 바랍니다.
월간 발행되는 Adjust 뉴스레터를 구독하고 최신 인사이트를 확인해 보세요.