3월 23일, 2023
지난 몇 년 동안, 우리는 업계에서 가장 발전된 AI 기반 광고 플랫폼을 소수 정예 팀의 힘으로 구축해왔습니다. 2023년 2분기에 Axon 2를 출시한 이후, 우리 플랫폼에서의 광고 지출은 약 4배 증가했으며, 그 결과 AppLovin은 이 분야에서 가장 높은 가치를 가진 광고 회사로 자리잡았습니다. 이처럼 빠른 성장은 우리의 기술력과 그 영향력을 잘 보여주지만, 우리가 이 성과를 어떻게 이뤄냈는지에 대해 충분히 설명할 기회는 많지 않았습니다. 이번 블로그에서는 우리의 비즈니스 모델, 그 강점, 그리고 데이터에 대한 접근 방식을 다루며, 투자자, 파트너, 그리고 우리가 어떤 원동력으로 움직이는지 궁금해하는 모든 분들께 명확한 시각을 제공합니다.
우리의 비즈니스 모델: 단순한 광고를 넘어, 성장을 창출
AppLovin의 사명은 명확합니다: 광고주에게 추가적인 수익을 창출해주는 것입니다. 우리가 개발하는 모든 제품은 광고주가 광고비를 투자했을 때, 그 투자 이상으로 성장할 수 있도록 설계되어 있습니다. 지출보다 더 큰 수익을 경험하게 하여, 광고주가 계속 성장할 수 있게 돕습니다. 이것이 우리가 대규모 영업팀이 없이도 비즈니스를 확장해올 수 있었던 이유이기도 합니다.
이제 이 구조를 좀 더 자세히 살펴보겠습니다.
모바일 게임: 발견과 성장을 이끄는 원동력
모바일 게임 개발자들은 매달 수십억 명의 이용자를 즐겁게 하는 놀라운 경험을 만들어냅니다. 하지만 경쟁이 치열한 시장에서는 자연 유입이 쉽지 않습니다. 광고는 그 간극을 메워주는 역할을 합니다. 광고가 잘 작동하면 시장은 성장하고, 그렇지 않으면 성장이 정체됩니다. 서구권 모바일 게임 시장은 2012년부터 2021년까지 급성장했지만, 2022년에 정체기를 맞았습니다. 흔히 팬데믹 이후의 영향으로 여겨지지만, 실제로는 IDFA 폐지 이후 마케팅의 어려움이 더 큰 원인이었습니다. 이 상황을 반전시킨 주요 계기 중 하나가 Axon 2였습니다. Axon 2 출시 이후 우리는 시장에 새로운 활력을 불어넣었습니다. 인앱 구매(IAP) 수익은 연간 중간 한 자릿수 퍼센트로 성장하고 있으며, MAX 퍼블리셔들은 그보다 몇 배 더 빠른 속도로 성장하고 있습니다. 그 이유는 무엇일까요? 우리는 게임 클라이언트를 위한 광고 지출 규모를 연간 약 100억 달러 수준까지 확대했습니다. 이는 Axon 2 출시 이후 2년 만에 약 4배 증가한 수치로, 이로써 게임이 더 널리 발견되고, 생태계를 움직이는 수익이 창출되었습니다. 만약 우리가 이 혁신적인 기술을 개발하지 않았다면, 업계는 여전히 어려움을 겪고 있었을 것입니다.
웹 광고: 새로운 채널을 여는 열쇠
이커머스 및 기타 웹 기반 비즈니스에서도 ‘발견’은 매우 중요합니다. 많은 기업들이 Meta에 크게 의존하고 있지만, 단일 채널에 의존하면 성장이 제한되고 수익성이 악화됩니다. 우리는 다른 채널의 예산을 빼앗는 것이 아니라, 판매자들이 새롭게 광고 예산을 집행할 수 있는 공간을 제공함으로써 비즈니스 확장을 도울 수 있는 새로운 기회를 만들었습니다. 아직 완벽하지는 않습니다. 현재 우리의 웹 제품은 초기 세대의 ROAS(광고 수익률) 모델을 기반으로 하고 있으며, 외부 도구와의 연동도 점차 발전 중입니다. 크리에이티브 디자인에는 제약이 있고, 셀프 서비스 및 에이전시용 대시보드도 아직 출시되지 않았습니다. 게임 분야에서는 연간 광고 지출 10억 달러 규모에 도달하는 데 거의 10년이 걸렸지만, 웹에서는 몇 개월 만에 이 수준을 달성했습니다. 서드파티 플랫폼과의 완전한 통합 및 최적화 성능 개선도 곧 이루어질 예정입니다.
Axon의 작동 방식：
요령이 아닌, 기술로 이루어진 성과
이 성장을 가능하게 한 원동력은 무엇일까요? 바로 우리의 AI 엔진 Axon입니다. Axon은 광고주에게 실제 수익 성과를 제공합니다. Grok 3 같은 도구의 기반이 되는 LLM(대규모 언어 모델)을 떠올리면 이해가 쉬울 것입니다. 지름길이 아닌 정교한 엔지니어링을 통해 처음부터 직접 구축된 기술입니다. 숨겨진 데이터 저장소 같은 건 존재하지 않습니다. Axon은 다음과 같은 다섯 가지 데이터를 기반으로 작동합니다: MAX 패배 알림 (모든 입찰자가 받을 수 있는 표준화된 데이터), 광고주 데이터, 게임 이용 패턴, 모바일 SDK 및 웹 픽셀에서 수집된 서드파티 데이터, 우리 광고를 통해 발생한 사용자 참여 데이터. 진짜 핵심은 이 모델의 정교함과 이를 강화하는 강화 학습 반복 구조에 있습니다. 예를 들어, 미니게임 형태의 광고를 노출하면 수십 개의 사용자 상호작용 데이터를 즉시 수집할 수 있고, 이 데이터는 예측 정밀도를 더욱 높이는 데 활용됩니다. 이러한 데이터 축적은 곧 우리만의 경쟁력 있는 방어벽이 되며, 광고를 많이 보여줄수록 모델은 더 똑똑해집니다. 빠르게 확장하고, 빠르게 학습하는 것 – 이것이 AI의 성공 공식이며, 우리는 그것을 완벽히 구현했습니다.
우리 환경에서의 작동 방식
현대 광고는 데이터에 의해 작동하지만, 동시에 많은 의문도 제기되는 영역입니다. 이제 우리가 앱과 웹사이트 전반에서 데이터를 어떻게 처리하는지 살펴보겠습니다. Apple의 App Tracking Transparency(ATT)는 인앱 광고의 판도를 바꾸었습니다. 사용자는 IDFA(광고 식별자)를 앱 간 추적을 위해 공유할지 여부를 선택할 수 있습니다. 사용자가 공유를 거부하면, 우리는 흔히 ‘디바이스 핑거프린트’라고 불리는 정확하고 지속적인 대체 식별자를 생성하지 않습니다.
그렇다면 광고의 관련성은 어떻게 유지될까요? 우리의 모델은 사용자의 동의가 있을 경우에는 구체적인 시그널을, 동의가 없는 경우에는 일반적인 시그널을 활용해, 특정 시점에 어떤 광고가 참여나 전환을 유도할 가능성이 높은지를 통계적으로 예측합니다.
예를 들어, 새로운 사용자가 앱을 처음 실행할 때, 모델은 앱의 컨텍스트, 최근 광고 성과, 사용자의 IP 범위(대략적인 위치나 공통적인 브라우징 행동을 반영할 수 있음) 같은 시그널을 고려할 수 있습니다. 이러한 시그널은 일시적이며 개인을 식별하지 않지만, ‘콜드 스타트’ 상황에서는 유용합니다. 상호작용이 쌓일수록 모델은 점점 더 정교하게 학습하고 적응합니다. 지속적으로 사용자를 식별할 필요는 없습니다.
이러한 환경에서도 IDFA는 여전히 매우 유용한 시그널입니다. 긴 시간 동안 사용자 참여를 연결해줄 수 있기 때문입니다. 하지만 반드시 필요하진 않습니다. 실제로 MAX에서는 IDFA가 있는 경우 미국 전면광고 CPM이 없는 경우보다 약 두 배 높은 수치를 보입니다. 이는 이 시그널의 시장 가치가 명확히 존재함을 보여줍니다.
우리가 다루지 않는 데이터
우리는 데이터 브로커로부터 데이터를 구매하거나 판매하지 않습니다. 우리가 사용하는 정보는 전적으로, 광고 서비스를 제공하는 목적에 한해 파트너가 자발적으로 공유한 데이터에 기반합니다. 또한 당사 자체 도구를 통해 수집된 정보만을 활용하며, 이메일 주소, 전화번호, 또는 개인을 현실 세계에서 식별할 수 있는 어떤 정보도 포함되어 있지 않습니다.
앱에서는 iOS의 ATT(App Tracking Transparency)에 완전히 준수하고 있습니다. 우리의 SDK는 운영체제가 제공하고 허용하는 퍼블릭 API를 통해 기본적인 디바이스 정보만을 수집합니다. 이는 모든 주요 SDK들과 일관된 수준입니다. 또한, Adjust에서 수집되는 데이터는 광고주가 명시적으로 공유를 선택한 범위 외에는 활용하지 않으며, 인수 이후에도 Adjust는 독립된 환경에서 운영되고 있으며, 어트리뷰션 로직 역시 우리의 개입 없이 독자적으로 작동하고 있습니다. MAX에서는 모든 입찰자가 받는 표준적인 승/패 알림(win/loss notification)만을 사용합니다. 입찰 스트림 데이터는 별도로 관리되며, 수집 후 7일 내에 삭제됩니다.
반면, 수십 년간 쿠키와 픽셀 기반으로 구축된 오픈 웹 환경은 ATT의 적용을 받지 않으며 작동 방식이 다릅니다. 광고주는 우리 픽셀을 웹사이트에 삽입하고, 이 픽셀은 사용자 행동 데이터를 모델에 전달하여 광고 송출을 최적화합니다.
예를 들어 Crocs.com에 설치된 우리의 픽셀을 보면, 서드파티 쿠키나 ID는 전혀 첨부되어 있지 않습니다. 이는 우리가 해당 정보를 필요로 하지도, 요청하지도 않기 때문입니다. 반대로 TheWoobles.com에서는 Facebook, Snapchat 등의 ID가 추가된 픽셀을 볼 수 있습니다. 하지만 이는 광고주가 사용하는 분석 툴인 Elevar가 자동으로 우리 픽셀에 추가한 것으로, 우리가 요청하거나 사용하는 데이터가 아닙니다. 이러한 데이터는 서버에 도달하는 즉시 삭제됩니다.
또한 TrueClassicTees.com에서는 Intelligems.io라는 A/B 테스트 플랫폼에서 생성된 “igId”가 우리의 픽셀에 첨부되어 있을 수 있습니다. 이는 이름과 달리 Instagram과는 무관하며, 역시 우리가 사용하지 않습니다.
우리의 모델은 오직 우리가 명시적으로 요청하고 수신을 기대한 정보에만 의존합니다. 광고주가 원하지 않는 데이터를 과도하게 보내도, 우리는 이를 저장하지 않으며 서버에 도달하는 즉시 삭제됩니다.우리가 어떤 데이터를 요청하는지 궁금하시다면, 다음 개발자 문서를 참고해 주세요: https://developers.applovin.com/en/ecommerce/events-and-objects/ 예상치 못한 데이터는 저장되지 않고 삭제됩니다.
보다 기술적인 세부 사항이 궁금하다면, CTO 블로그에서 관련 사례를 더 자세히 확인하실 수 있습니다. https://www.applovin.com/ko/blog/examination-of-e-commerce-data-practices/
어트리뷰션 작동 방식
앱
우리는 AppsFlyer와 Adjust와 같은 모바일 계측 파트너(MMP)에 의존하고 있으며, 이들은 당사의 광고 시스템과 완전히 통합되어 있습니다. MMP는 IDFA가 제공되는 경우에는 이를 활용하고, 그렇지 않은 경우에는 확률적 매칭 기법을 사용해 광고 클릭과 설치를 같은 IP 내 짧은 시간 범위에서 연결합니다. IP는 빠르게 바뀌기 때문에, 지속적인 사용자 프로파일이 생성되지는 않습니다. 이러한 방식으로, 사용자가 우리 광고를 클릭한 뒤 앱을 설치했을 때, 그 설치가 우리 시스템의 공으로 간주될 수 있는지 여부를 MMP가 판단해 알려줍니다. 광고주가 동의하는 경우, MMP는 설치 이후의 사용자 활동 데이터도 우리에게 전달합니다.
우리가 측정하는 설치의 대부분은 클릭 후 24시간 이내에 발생하며, 일부 광고주는 100%를 초과하는 인크리멘탈리티(광고 효과)를 확인하기도 했습니다. 즉, 어떤 경우에는 우리가 크레딧을 받지 않은 설치조차 우리가 실질적으로 유도했다는 뜻입니다. 이는 대규모로 입증된 성과입니다.
웹
우리는 웹 광고를 시작한 지 아직 몇 개월밖에 되지 않아, 여전히 시스템을 구축해 나가는 중입니다. 앱과는 달리, 아직 서드파티 어트리뷰션 업체들과의 완전한 통합은 이루어지지 않았으며, 현재는 자체 시스템을 통해 광고주에게 리포트를 제공하고 있습니다. 어트리뷰션에는 이메일, 전화번호와 같은 개인정보가 아닌, 자체 픽셀 쿠키와 거래 ID를 사용합니다. Apple의 ITP(Intelligent Tracking Prevention)는 Safari 브라우저에서 이들의 수명을 제한하기 때문에, 웹 어트리뷰션은 대체로 빠르게 이루어집니다. 실제로 전체 구매 전환의 약 80%가 24시간 이내에 발생합니다. 이것이 오늘날의 웹 환경이며, 우리는 그에 맞춰 설계되어 있습니다. 하지만 어떤 광고주에게 물어보더라도, 광고 지출 결정을 내릴 때는 우리의 어트리뷰션이 아니라 자체적으로 사용하는 어트리뷰션 도구를 기반으로 합니다. 대부분은 라스트 클릭 또는 멀티 터치 모델을 활용합니다. 서드파티 보고서에서도, 우리 플랫폼에서 유입되는 트래픽은 기존 채널을 잠식하는 것이 아니라, 신규 고객을 발견하는 데 기여하고 있음이 확인되고 있습니다.
업계를 향한 메시지
오늘날의 퍼포먼스 마케터들은 매우 분석적인 전문가들입니다. 그들은 다양한 도구를 활용해 성과를 정밀하게 측정하며, 사기를 유도할 어떤 인센티브도 가지고 있지 않습니다. 이러한 시장에서 우리는 주요 파트너로 자리잡고 있으며, 검증된 실제 광고비 집행 규모만으로도 연간 100억 달러 이상을 처리하고 있습니다. 만약 우리가 실제 성과를 제공하지 못했다면, 광고주는 손해를 보거나 광고 집행을 중단했을 것입니다. 하지만 우리의 광고비 회수율은 매우 안정적입니다. 이는 이러한 결정을 내리는 마케터들의 뛰어난 판단력과, 우리가 실질적인 가치를 제공하고 있다는 사실을 입증하는 강력한 증거입니다.
마지막 예시: 학습이 실제로 만들어내는 성과
데이터와 어트리뷰션에 대해 설명했으니, 이제 Axon이 실제로 어떻게 작동하는지 살펴보겠습니다. 예를 들어, 우리 첫 번째 뷰티 업종 클라이언트는 메이크업 제품을 판매하는 광고주였습니다. 메이크업 소비자들의 쇼핑 행동에 대한 사전 지식 없이도 어떻게 성과를 낼 수 있었을까요? 답은 Axon의 빠른 학습 능력에 있습니다.
광고가 새롭게 시작되어 500회의 노출이 발생했고, 클릭률은 3%, 즉 15번의 클릭이 일어났습니다. 모델은 관심을 보이지 않았던 나머지 485건에서의 특성을 줄이고, 클릭한 15건과 관련된 특성을 강화합니다. 이 중 일부 클릭은 사이트 내 깊은 참여로 이어졌고, Axon은 이러한 행동을 보인 유저와 유사한 타겟을 더 많이 찾아냅니다. 이 시점부터 강화 학습 루프가 작동하기 시작합니다. 다음 500회 노출에서는 더 높은 클릭률과 참여율이 나타납니다. 이렇게 라운드마다 데이터를 기반으로 새로운 결과를 매핑해가며, 결국 실질적인 판매로 이어집니다. 익숙하게 느껴지시나요? TikTok의 알고리즘도 매우 유사한 방식으로 작동합니다. 짧은 시간 안에 실험과 피드백을 반복하며 새 영상의 적절한 오디언스를 정확하게 찾아내죠. 이러한 빠른 적응력이 바로 우리가 가진 개인화 기술의 강점이며, Axon은 어떤 광고주에게도 빠르게 맞춤화될 수 있습니다.
맺음말
광고, AI, 프라이버시는 매우 복잡한 주제로, 블로그 한 편이 아닌 책 한 권으로 다뤄야 할 정도입니다. 하지만 핵심은 분명합니다. 우리는 파트너에게 실질적인 성과를 제공하며, 그들의 성장과 수많은 일자리 창출, 그리고 소비자들이 좋아하는 게임과 제품을 발견하는 기회를 창출하고 있습니다. 모든 것이 정해진 규칙 안에서 이루어집니다. 우리가 가진 경쟁력은 데이터를 쌓아두는 것이 아니라, 소수의 뛰어난 팀이 만들어낸 세계적 수준의 기술력입니다. 인스타그램의 초기 팀, Signal, Deepseek 등 역사는 소규모 팀이 세상을 바꿔온 사례들로 가득합니다. 우리는 그 계보에 속해 있다는 사실에 자부심을 느낍니다. 이 글은 우리 팀, 파트너, 그리고 우리의 여정을 지켜봐 주시는 모든 분들을 위한 것입니다. 몇 장의 글로 회의적인 시선을 바꾸려는 것이 아니라, 우리가 어떻게 일하고, 왜 그 방식이 중요하며, 앞으로 어디로 가고 있는지를 공유하고자 이 글을 쓰게 되었습니다.
*본 보고서의 작성에는 Grok 3가 활용되었으며, 최종적인 내용과 결론은 전적으로 작성자 본인의 것입니다.
