SKAN 4: coarse-grained 값, 측정 윈도우, 포스트백, lockWindow 활용법

'CV=null'을 피하기 위해 Meta에서는 현재 일일 캠페인당 88개의 설치 수를 전환값 임계값의 기준으로 사용하고 있습니다. 테스트가 계속 이루어짐에 따라 SKAN 4의 제약과 임계값이 곧 구체화되어, 이를 통해 어느 시점에서 fine 값, coarse 값, null 값을 받게 되는지 알게 될 것입니다. SKAN 4에서의 이러한 제약은 개별 앱에 따라 달라집니다. 앱 사용자 수가 적은 소규모 앱은 낮은 Tier에 속하여 제한된 정보만을 수신하게 됩니다. 따라서, SKAN 3에서와 마찬가지로 광고 예산의 대부분을 소수 또는 1개의 캠페인에만 할애하는 전략이 계속 사용될 것입니다.

그러나 대규모 앱의 경우, 새롭게 도입된 소스 ID(SKAN 3의 캠페인 ID는 0~99만 지원하였으나 SKAN 4의 소스 ID는 최대 10,000까지 지원되어 항목별 리포트 구성 가능)를 통해 더욱 강력한 타겟팅을 구현할 수 있어 더욱 유리한 위치에 있습니다. 네 자릿수의 소스 ID를 활용하면 캠페인, 광고 그룹, 크리에이티브 수준에서의 타겟팅 및 상세한 위치 기반 타겟팅이 가능해집니다.

측정 윈도우 1

측정 윈도우 1은 앞으로 캠페인을 중단 또는 확장할지를 알려주는 윈도우입니다. 첫 번째 윈도우에서 coarse 값을 스마트하게 활용하는 방법은 사용자들을 다음의 주요 버킷 3개로 분류하는 것입니다.

• 고가치 사용자: 이 버킷의 비중이 높으면 캠페인을 확장해도 된다는 '청신호'입니다.
• 중가치 사용자: 이 버킷의 비중이 높으면 캠페인을 현재 수준으로 유지해야 한다는 '황신호'입니다.
• 저가치 사용자: 이 버킷의 비중이 높으면 캠페인을 중단해야 한다는 '적신호'입니다.

앱 마케터와 개발자들은 이러한 접근법을 최대한 활용하기 위해 먼저 측정 윈도우 1의 기간인 앱 설치 후 첫 0~2일의 앱 여정에서 발생하는 이벤트 중 무엇이 장기적 사용자 가치를 암시하는지 반드시 알아내야 합니다. 이러한 주요 이벤트는 앱 카테고리와 수익화 모델에 따라 달라질 것입니다.

주 수익원이 광고 매출인 앱은 일반적으로 63개 전환값을 매출 범위에 매핑하는 방식을 사용하여, 높은 전환값은 높은 매출 범위, 낮은 전환값은 낮은 매출 범위에 매핑합니다. 이 경우, coarse 값을 가장 직관적으로 사용하는 방법은 fine 값 매핑보다 포괄적인 버전을 만드는 것입니다.

인앱 구매(IAP) 수익화를 사용하는 앱 또한 동일한 접근법을 활용할 수 있습니다. 앱 여정 초기에 발생한 IAP 매출이 반드시 장기적 사용자 가치를 암시하지는 않기 때문에 다소 복잡하지만, 매출과 관련되지 않은 이벤트가 이후 사용자 행동의 지표로 활용될 수도 있습니다. 따라서, 앱에 가장 도움이 되는 필수 요소에 집중해야 합니다. 이미 사용자 행동에 대한 심도 있는 인사이트를 갖춘 경우, 1개의 coarse 값에 여러 이벤트와 조건을 부여하는 방법도 활용될 수 있습니다.

구독 앱은 일반적으로 앱 설치 후 단 며칠 만에 전환이 발생하지 않으므로, 첫 측정 윈도우에서는 이용 가능한 coarse 전환값에 비 매출 이벤트를 매핑하는 것이 가장 명확한 방법입니다.

앱 밖에서 발생하는 수익화(예: 모바일 네트워크 앱)에 주력하는 앱의 경우 사용자 유지율과 같은 지표를 주요 목표로 하기 때문에, 세션 횟수와 앱 내에서의 전반적인 활동 수준이 고가치 사용자를 암시할 것입니다.

측정 윈도우 2

측정 윈도우 2는 3~7일을 기간으로 하며, 사용자가 일정 시간 동안 앱을 유지한 상태입니다. 따라서, "좋은 사용자 행동"에 대한 기준이 측정 윈도우 1과는 다를 것입니다. 예를 들어 사용자가 아직 장바구니에 담긴 상품을 결제하지 않았거나 체험판 완료 후 구독으로 전환하지 않았다면, 구매 및 전환 확률이 측정 윈도우 1에서보다 현저히 낮을 것입니다. 따라서, 측정 윈도우 1에서 저가치, 중가치, 고가치 사용자를 구분하기 위해 사용한 이벤트가 측정 윈도우 2에서는 버킷 가치가 한 단계씩 낮아집니다. 예를 들어, 측정 윈도우 1에서는 '체험판 완료'가 중가치 사용자를 암시했으나 측정 윈도우 2에서는 사용자가 아직 전환하지 않았음을 의미하기 때문에 저가치 이벤트로 간주될 것입니다. 측정 윈도우 2에서의 고가치 이벤트는 사용자가 일반적으로 첫 1~2일에 발생시키지 않는 이벤트(예: 구독 시작)일 것입니다.

예측적 애널리틱스를 통해 사용자의 초기 행동을 기반으로 장기적 사용자의 가치 확률을 분석하는 앱 개발자의 경우, 예측이 정확했는지 확인하거나 예측 궤도를 수정하는 용도로 측정 윈도우 2를 사용할 수 있습니다.

측정 윈도우 3

측정 윈도우 3은 8~35일차로 사용자 여정이 많이 진행된 상태입니다. 이 지점에서 사용자는 앱을 삭제했거나, 세션을 더 이상 발생시키지 않거나, 고가치 LTV를 직간접적으로 암시하는 일련의 이벤트를 수행할 것입니다. 따라서 측정 윈도우 3에서는 측정 윈도우 2에서와 같은 논리를 사용하되, 사용자의 앱 여정이 더욱 진행된 상태라는 것을 고려해야 합니다. 측정 윈도우 3에서의 coarse 값은 특정 매출 범위 도달 또는 사용자 유지와 같이 8일차 이후에 발생하는 주요 이벤트에 매핑되어야 합니다.

측정 윈도우 2와 마찬가지로, 3번째 포스트백에서 받는 정보는 초반의 예측이 정확했는지 확인하고 수정하는 용도로 활용될 수 있습니다.

lockWindow에서 주의해야 하는 것은 lockWindow가 적용되려면 해당 사용자가 온라인 상태여야 한다는 것입니다. 즉, 비활성 사용자에 대해서는 lockWindow를 적용할 수 없기 때문에 앱을 적극적으로 사용하고 이벤트를 발생시키는 고가치 사용자 중심으로 데이터가 왜곡될 수 있습니다.

그러나, lockWindow의 강력한 장점을 활용할 수 있는 접근법도 있습니다. 예를 들어, 앱에 고정된 lockWindow를 설정할 수 있습니다. 사용자 대다수가 주요 이벤트를 발생시키는 설치 이후 시점을 정확히 아는 경우, 이 시점에 lockWindow를 적용하면 포스트백을 훨씬 일찍 받을 수 있습니다. 또는, 동적인 lockWindow를 적용하여 특정 이벤트가 발생한 이후에만 lockWindow를 작동시켜 사용자 활동 수준에 따라 각 사용자에게 달리 적용할 수 있습니다.

lockWindow를 가장 전략적으로 활용하는 방법은 측정 윈도우 1에 도입하는 것입니다. 그 외 윈도우에서는 캠페인이 전환에 기여하는지 여부를 이미 알 수 있는 단계이기 때문에, lockWindow를 적용하여 측정 윈도우를 중도에 멈추는 것보다는 각 윈도우 기간을 끝까지 활용하여 최대한 많은 정보를 얻는 것이 좋습니다.