지난 번 Adjust과 공동 개최한 최근 웨비나에서 Beresnev Games의 마케팅 총괄 Sergey Tsondinov와 이야기를 나누었습니다. AppLovin 매니징 디렉터 Daniel Tchernahovsky가 Sergey와 함께 자리하여, 프라하에 소재한 Beresnev Games 스튜디오가 자사의 타이틀 Flippy Knife와 Gallery Coloring Book에서 유저 레벨 데이터를 어떻게 활용했는지 소개했습니다.
과제: Beresnev Games는 여러 유저 세그먼트에 광고를 노출할 수 있도록 균형을 맞추고자 했습니다.
“Gallery Coloring Book의 경우 과도한 광고 노출을 지양했습니다. 예를 들면 인터스티셜 광고 같은 경우 리텐션율을 크게 감소시키거든요. 과금 유저를 유지하는 것이 중요한 만큼 이들에게는 인터스티셜 광고를 노출하지 않았죠. 반면 Flippy Knife의 경우 전체 수익의 90~99%가 광고를 통해 창출됩니다.”
유저 수준 광고 데이터로 명확한 정보 기반의 전략 추진
유저 수준에서 광고 수익 데이터가 제공되기 전에는 광고 수익이 네트워크 수준으로 집계되었습니다. 따라서 개발자들은 가장 높은 가치를 창출하는 유저를 명확하게 파악하기 어려웠으며, 창출된 광고 수익에 모든 유저가 동일하게 기여하는 것으로 간주했습니다. 이처럼 유저를 하나로 묶어서 취급하면 문제가 발생하게 됩니다.
유저 수준에서 광고 데이터를 확인하지 않으면 참여도가 높은 플레이어와 가장 많은 수익을 창출하는 플레이어를 정확하게 파악할 수 없습니다. 이러한 데이터를 파악하지 못하면 추측에 기반하여 광고 전략을 수립할 수밖에 없습니다.
유저 수준 광고 데이터로 프로세스 개선
Beresnev Games는 Adjust에서 MAX의 유저 수준 데이터를 활용하여 가장 많은 수익이 창출되는 소스를 보다 정확하게 파악하고, 이러한 인사이트를 활용하여 유저 획득 전략을 최적화했습니다.
이처럼 보다 상세한 데이터를 획득함으로써 Sergey의 팀은 적절한 전략을 수립하고 더 많은 참여를 유도하여 유저 LTV와 ROAS(광고 지출 대비 수익률)를 향상할 수 있었습니다. “각 노출에 대해 유저 수준의 광고 수익을 확인하고, 이러한 데이터를 기반으로 광고를 실질적인 ROAS에 최적화하여 탁월한 성과 개선을 이룰 수 있었습니다.”
지출 대비 수익률을 정확하게 측정하면 최적의 예산 지출이 이루어지고 있는지 효율적으로 파악할 수 있습니다. 예를 들면 어떤 캠페인이 양질의 유저를 확보하는지 확인하여 적절한 재투자를 진행할 수 있습니다.
또한 이러한 정보를 활용하여 유저당 수익을 계산하고 정확도 높은 LTV 모델을 구축할 수도 있습니다.
Adjust의 대시보드로 유저 수준의 데이터를 측정하는 방법
Sergey는 “Adjust 대시보드 기능은 매우 중요합니다. 특히 데이터 엔지니어나 애널리스트가 없어서 원시 데이터를 불러와 자체 서버에 업로드하고, 보고서를 수정하고 필요한 모든 지표를 계산하지 못하는 팀에게 정말 유용한 기능이죠.”라고 설명했습니다.
Adjust 대시보드 유저는 AppLovin 계정을 사용하여 MAX에 연결할 수 있습니다. Sergey는 간단하고 신속하게 MAX를 활성화할 수 있었다고 밝혔습니다. MAX를 활성화하면 다음의 세 가지 KPI가 표시됩니다.
- 광고 수익
- 광고 노출
- RPM
Sergey는 “이러한 KPI를 확인하여 실질적인 LTV를 더 정확하게 파악하고 기회를 식별할 수 있었습니다.”라고 덧붙였습니다.
LTV가 중요한 이유
LTV는 ROI를 이해하는 데 필수적인 측정 지표입니다. 이 지표를 통해 고객이 평균적으로 지출하는 금액의 총계를 확인하고 전반적인 가치를 파악할 수 있습니다.
A/B 테스트 및 유저 수준의 광고 수익 활용
개발자는 광고에 A/B 테스트를 실시하여 다음 내용을 파악할 수 있습니다.
- 비딩 파트너를 추가할 때의 차이
- 인앱 비딩과 하이브리드 워터폴 또는 전통적인 워터폴의 비교
- 새로운 네트워크 플레이스먼트 및 네트워크를 추가할때의 차이
- 적절한 광고 표시 빈도
- UX와 수익 관련 의사결정의 균형 또는 IAP와 광고의 균형을 맞추기 위해 최저가 결정
A/B 테스트 기능은 각 유저를 통한 수익을 지속적으로 증대할 수 있도록 실시간 분석을 기반으로 제공됩니다.
Sergey는 A/B 테스트를 통해 새로운 광고의 가치 및 이러한 광고가 유저 세그먼트에 미치는 영향을 파악할 수 있었습니다. “예를 들어 과금 유저의 경우 보상형 동영상이 리텐션율에 부정적인 영향을 미치지 않는다는 사실을 알 수 있었습니다.”
유저 수준의 광고 데이터를 통해 향후 광고 캠페인을 개선하는 방법
- 유저 수준의 광고 수익 금액에 따라 유저를 세분화하여 유사 타겟을 찾으세요.
- 인앱 광고에 대한 유저의 반응을 파악하고, 인앱 광고가 유저 이탈에 미치는 영향을 분석하세요.
- 코호트 단위로 광고 수익을 분석하세요.
성과가 저조한 전략 파악
비즈니스 성장 및 고객 유지를 위한 전반적인 광고 전략을 모색할 때는 A/B 테스트를 활용하여 효과가 저조하거나 기대 이하의 성과를 보이는 전략을 식별하세요. 그런 다음 실천 가능한 조치를 통해 예산과 시간의 분배를 최적화하고 개선하세요.
“모든 광고의 ROI를 확인할 수 있게 된 지금은 향후 광고 지출을 계산하기가 훨씬 더 쉬워졌습니다.”
이제 Sergey의 팀은 확신을 가지고 효과적으로 예산을 분배하여 게임을 업데이트하고 신작을 출시하는 데 더 많은 시간과 에너지를 투자할 수 있게 되었습니다.
