유저가 광고주의 앱을 설치하기 전에 가장 많이 거치는 여정은 무엇일까요? 클릭 후 전환 경로를 최대한 짧게 하는 것이 유저 인게이지먼트와 직접적으로 관련되는 채널은 어디일까요? 가장 큰 영향력을 가진 최상단 퍼널 마케팅 활동은 어떤 것이 있을까요?
고객의 전환 경로는 절대 간단하지 않습니다. Branch의 예측 모델링 알고리즘을 사용하면, “라스트 터치” 이전에 유저들이 마케팅 활동과 어떻게 상호작용하는지 이해하기 위한 갭을 메우는 것이 더 쉬워질 수 있습니다.
라스트 터치 어트리뷰션과 멀티 터치 어트리뷰션의 정의
라스트 터치 어트리뷰션은 가장 마지막 클릭이나 노출을 전환 이벤트에 대한 어트리뷰션으로 인정하는 로직입니다.
멀티 터치 어트리뷰션은 전환 이벤트를 발생시킨 다양한 클릭과 노출을 전환 이벤트에 대한 어트리뷰션으로 인정하는 로직입니다.
라스트 터치 어트리뷰션은 캠페인 성과와 마케팅 지출의 성과를 평가할 수 있는 강력한 데이터를 제공하지만, 전환에 이르기까지의 고객 여정을 100% 파악할 수는 없습니다. 예를 들어, 사용자가 블로그 링크 3개와 이메일 링크 1개를 클릭한 다음, 모바일 웹 배너를 클릭하여 전환했다면 라스트 터치 모델에서는 모바일 웹 만을 전환 출처로 인정합니다. 하지만 멀티 터치 모델에서는 라스트 터치 외에도 전환에 기여한 모든 디지털 마케팅 활동을 파악하여 아주 복잡한 경우에도 사용자의 앱 유입 경로를 100% 확인할 수 있습니다.
그렇다면 모두가 멀티 터치 모델을 사용하여 마케팅 의사결정을 내리지 않는 이유는 무엇일까요?
멀티 터치 모델은 우수한 어트리뷰션 방식이지만 기술적으로 구현하기가 어렵습니다. 첫째로 멀티 터치 모델을 위해서는 여러 터치포인트에 걸쳐 사용자를 파악해야 합니다. 이는 대다수의 사용자가 지속적인 로그인 상태가 아닌 비즈니스에게는 쉽지 않은 일이며, 로그인을 하지 않은 익명의 트래픽을 연결하기란 더욱 어렵습니다. 만에 하나 이러한 데이터 포인트를 사용할 수 있는 경우에도 이 정보를 가져와 여러 채널에 걸쳐 광고주에게 유용한 형태로 제공할 수 있는 데이터 모델이 필요합니다. 즉, 멀티 터치 모델에서 실질적인 가치를 얻으려면 많은 시간과 비용이 소요됩니다.
Branch로 멀티 터치 인사이트 활용
Branch는 전통적으로 다양한 마케팅 채널에 성과를 어트리뷰션하기 위해 라스트 터치를 활용해 왔습니다. 하지만 Branch 어트리뷰션 정확도를 높이는 기반인 예측 모델링 알고리즘을 통해, 전환까지 이어지는 멀티 터치 경로를 모두 하나로 이어서 확인할 수도 있습니다.
예측 모델링 알고리즘을 통해 얻을 수 있는 강력한 인사이트들을 처음으로 공개합니다. 이 툴은 이전에는 익명성이 짙고 추적할 수 없다고 생각했던 이벤트(예: 로그아웃된 웹 방문자, 전환까지 이어지지 않은 클릭 등)들을 하나로 엮어낼 수 있는 하나의 익명화된 정보를 제공합니다. 이 정보를 사용하면 터치 포인트 전반에 걸친 유저들과의 상호 작용, 마케팅 전략 추진을 위한 정보, 고객 여정 계획 수립, 혹은 복잡한 MTA 모델 구축에 있어 많은 인사이트를 얻을 수 있습니다.
익명화된 고객 데이터 사례 연구
미디어 분야 고객의 익명화된 데이터를 기반으로 작성된 아래 리포트를 통해, 예측 모델링 알고리즘이 가져다 줄 수 있는 비즈니스 인사이트의 유형을 파악할 수 있습니다.
설치 전 멀티 터치 여정
이 Branch 고객은 사용자의 25% 가량이 클릭-to-설치 기여기간 내에서 설치 전 2개 이상의 채널을 통해 Branch 링크를 터치했음을 알 수 있었습니다.
터치포인트 위치 분석
신규 유저의 유입이 단순히 신규 유저 확보를 위한 터치포인트에서만 발생하는 것은 아닙니다. 때로는 모바일 웹으로의 가벼운 유입 이후, 다시 스마트 리인게이지먼트를 통해 앱 설치를 유도했을 때 더 앱을 다운로드하고자 하는 의향이 확고해질 수 있습니다. 예측 모델링 알고리즘을 사용하면, 퍼널의 초입과 이후 발생하는 리인게이지먼트를 발생시키는 각각의 터치포인트들에 대해 더 잘 이해할 수 있습니다.
라스트 터치 모델을 사용할 경우
업계에서는 대부분이 앱 설치 직전의 마지막 터치만 기여로 인정하고 있으므로, 이러한 관점에 대한 사례 연구를 살펴보도록 하겠습니다. 다음은 리포팅 대시보드에 표시되는 내용입니다. 여기서 Journeys(웹-투-앱 스마트배너)와 모바일 웹 앱 다운로드 CTA를 합치면 53%로 가장 많은 비중을 차지하는데, 이는 고객이 이미 다운로드 의향이 있으며 최대한 신속한 다운로드를 원하므로 당연한 결과로 볼 수 있습니다.
라스트 터치 모델을 보조한 채널
‘보조’의 개념을 이해하면 복잡한 모델을 사용하여 가중치를 주지 않고도 라스트 터치 어트리뷰션에 해당하지 않는 어트리뷰션을 손쉽게 파악할 수 있습니다. 이 차트에는 라스트 터치에 해당하지 않는 모든 터치포인트가 상세하게 나타나 있습니다. 예를 들어, 이메일을 클릭하고 웹 페이지를 조회한 다음, 앱 설치 배너를 클릭한 사용자의 경우, 이메일 터치와 웹 페이지 터치포인트는 아래에 포함되지만 앱 설치 배너는 포함되지 않습니다.
브랜치가 제공하는 데이터를 활용하면 보조 터치의 볼륨에 대한 자세한 이해 뿐 아니라 사용자 여정 전체를 고려한 데이터 기반의 마케팅 활동 가치 측정이 가능합니다. 한 광고주의 사례를 아래 차트에서 살펴보면 이메일 보조 터치가 기여기간 내에 설치를 이끌어냈음에도 불구하고 라스트 터치 모델에서는 다른 채널이 전환의 위해 1/3 이상 기여한 것으로 인정되었습니다. 즉, 이메일의 가치가 과소 평가되었음을 알 수 있습니다.
1상위 8개 채널 데이터 발췌
2Last Touch 설치의 수를 Last Touch 및 보조 설치 수로 나누어 계산함
멀티 터치 여정 전체 이해하기1
라스트 터치 어트리뷰션을 사용하면, 유저들이 전환 전에 어떻게 마케팅 활동과 상호작용했는지에 대한 인사이트를 얻는 것은 거의 불가능에 가깝습니다. Branch의 예측 모델링 알고리즘은 라스트 터치로 이어지는 모든 터치에 대한 인사이트를 제공하여 이러한 갭을 채울 수 있습니다. 아래는 인스톨을 하기까지 유저가 상호작용한 Feature 별 비중을 나누어 분석한 차트입니다. 예를 들어, 유저가 콘텐츠를 공유하고, 이메일 링크를 클릭하고, 궁극적으로 블로그 포스팅을 통해 설치를 발생시켰을 때, 콘텐츠 공유, 이메일, 블로그는 각각 LT-2, LT-1, 그리고 라스트 터치(Last Touch)로 분류됩니다.
1상위 8개 채널 데이터 발췌
2LT-1 이메일 터치 수를 LT-1 터치 수로 나누어 계산함
채널별 설치 전환 효과(%)1
아래의 차트는 각 채널의 터치 순서별 설치 유도 성공률을 나타냅니다. Journeys(웹-투-앱 스마트배너)와 모바일 웹 게임은 첫 번째 터치의 90% 이상이 설치로 이어지는 등 짧은 클릭 후 전환 경로 유도에 효과적이었습니다. 반면, 이벤트페이지 링크는 즉시 다운로드하지 않는 사용자의 설치를 이끌어내는 데 더욱 효과적이었습니다.
1상위 8개 채널 데이터 발췌
2설치가 발생한 이메일 최초 터치 수를 어트리뷰션된 이메일 최초 터치 수 합계로 나누어 계산함
3마지막 터치에 비례하는 터치 지점이 아닌 고정된 터치 지점을 의미함
예측 모델링 알고리즘과 멀티 터치 어트리뷰션을 통해 발견된 권장사항
궁극적으로, 예측 모델링 알고리즘은 마케팅 팀이 제로베이스에서 멀티 터치 어트리뷰션 모델을 구현하지 않아도, 온전한 유저 여정에 대한 이해를 바탕으로 데이터 기반의 결정을 잘 내릴 수 있도록 도움을 줄 수 있습니다.
이 광고주의 경우 최초 터치의 50% 이상이 웹사이트(Journeys (웹-투-앱 스마트배너) 또는 포함된 링크)에서 발생했으며 설치 유도에 매우 효과적이었습니다. 다만, 즉시 전환하지 않는 사용자의 경우 이메일(및 이메일로 인해 발생한 모바일 웹 방문)이 압도적으로 높은 전환 성과를 보였습니다.
이러한 인사이트에 기반하여 권장되는 사항은 다음과 같습니다.
- 웹사이트 전반에서 Journeys(웹-투-앱 스마트배너)의 커버리지를 확대하여 브랜드 인지도 제고
- 주요한 재참여 채널로서 이메일 활용 증대
- 모바일 웹 전반에 걸쳐 대화형 게임 확대
만약 예측 모델링 알고리즘에 대해 더 많은 정보를 알고 싶으시다면, 담당 Customer Success Manager 혹은 Branch 세일즈 팀으로 연락 부탁드립니다.