어시스트 데이터 분석

어시스트 대시보드의 데이터를 활용하면 각각의 마케팅 채널이 다른 채널에 어떻게 기여하는지 전반적으로 확인할 수 있습니다.

CTV에서 모바일로의 캠페인을 진행하는 경우, CTV 노출은 퍼널 상단에서 발생하여 사용자가 퍼널 하단의 채널로 이동하도록 하는 경향이 있기 때문에, 어시스트의 역할을 파악하는 것이 특히 중요합니다.

위젯 분류

어시스트 대시보드의 모든 위젯은 중요한 인사이트를 제공하여, 마케팅 결정에 유용하게 사용될 수 있습니다. 아래에서는 4개의 위젯에서 보고된 데이터를 어떻게 활용할 수 있는지 확인하실 수 있습니다.

어시스트 설치당 평균 어시스트 인게이지먼트 위젯

네트워크는 1건의 설치에 대해 여러 개의 어시스트 인게이지먼트를 제공할 수 있기 때문에 설치 1건당 어시스트 인게이지먼트가 1개 이상일 수 있습니다. 이 위젯을 활용하면 어시스트를 받은 설치당 평균 클릭 및 노출 수를 확인할 수 있습니다.

꼭 확인하기:

  • 설치당 평균 클릭 수가 매우 높다면 클릭 스패밍을 의심해 보아야 합니다. 데이터가 광고 해킹으로 인한 허위 데이터인지 면밀히 관찰하시기 바랍니다.

  • 설치당 평균 클릭 수가 중간~높은 수준이라면 사용자가 광고에서 이탈하여 전환으로 이어지지 못하는 이유를 조사해 보아야 합니다. 예를 들어, 광고의 크리에이티브 카피와 앱 스토어 상세 페이지 간에 차이가 있는지, 타겟팅이 명확하게 되어있는지 등을 확인해 볼 수 있습니다.

  • 설치당 평균 노출 수가 매우 높다면 노출 수에 관해 네트워크와 상의하는 것을 권장드립니다. 타겟팅 개선을 위한 방법을 문의하거나, 일일 노출 수 한도를 낮추어 광고 예산의 낭비 또는 사용자 경험 저해를 예방할 수 있습니다.

  • 설치당 평균 노출 수가 낮다면 , 캠페인 성과에 매우 긍정적인 신호입니다. 최소한의 광고로 전환이 발생하고 있는 것이기 때문입니다. 이러한 채널에는 더 많은 예산을 편성하는 것이 좋습니다.

어시스트 설치에 대한 캠페인 상세 정보 위젯

모든 캠페인 수준에서 상세한 데이터를 제공하여 정확한 인사이트를 얻을 수 있는 위젯으로, 이러한 데이터 세분화를 통해 주요 예산과 크리에이티브 변경을 평가할 수 있습니다.

Datascape 리포트로써 위젯을 실행하면 리포트 유연성이 더욱 높아져, 어시스트 인게이지먼트 유형별로 데이터를 상세 분류하고 원하는 대로 필터를 변경할 수 있습니다. 위젯을 리포트로써 실행하려면 (리포트로 열기) 아이콘을 선택하시기 바랍니다.

꼭 확인하기:

  • 네트워크 A가 네트워크 B를 어시스트 하는 경우, 데이터를 드릴 다운하여 어느 캠페인과 크리에이티브가 가장 효과적인지 확인할 수 있습니다.
  • 특정 크리에이티브가 전환에 중요한 역할 을 하는 경우(다른 네트워크에 대해서도), 해당 광고에 대한 예산을 늘리는 것이 좋습니다. 또한 성공적인 광고 포맷이나 캠페인 타겟팅을 다른 캠페인 및 네트워크에 반영할 수 있습니다.
  • 크리에이티브가 과다하게 스스로를 어시스트 할 경우 이탈률이 높을 가능성이 큽니다. 이 경우, 전환이 더 잘 발생하는 크리에이티브에 대한 투자가 필요합니다.
  • 퀵 리포트(Quick Report)의 네트워크 간 평균 어시스트 인게이지먼트 수를 확인함으로서 네트워크 A가 네트워크 B를 얼마나 효과적으로 어시스트하는지 파악 할 수 있습니다. 이를 통해 한 어시스트 네트워크에 대한 예산을 늘렸을 때 다른 특정 네트워크의 퍼포먼스에 미치는 영향을 사전에 파악할 수 있습니다.

어시스트 네트워크에 의한 어시스트 인게이지먼트 트렌드 위젯

해당 위젯은 기간별로 어느 네트워크가 얼마나 많은 어시스트 인게이지먼트를 제공했는지 모니터링하는데 사용될 수 있습니다.예를 들어, 어시스트 네트워크 간의 성과를 비교하거나, 새로운 네트워크를 도입한 경우 실제 어트리뷰션 발생 이전에 다른 네트워크를 어시스트하는지 여부를 사전에 파악하여 도입 초기부터 네트워크의 효과를 평가할 수 있습니다.

꼭 확인하기:

  • 네트워크의 어시스트 인게이지먼트가 증가 추세 를 보이는 경우, 어느 네트워크가 어시스트하는지 확인하시기 바랍니다. 어시스트 인게이지먼트의 증가가 어시스트를 받는 네트워크의 설치 수 증가에 기여하는지 확인해야 합니다. 그렇지 않은 경우, 특히 어시스트 네트워크가 자체적으로 어시스트하는 경우 예산을 줄이는 것이 좋습니다.
  • 어시스트 인게이지먼트가 점진적으로 증가 하는지 또는 급증하고 있는지 추세선을 확인하시기 바랍니다. 진행한 캠페인을 날짜별로 비교하여 어시스트 설치 수가 중복되었는지 확인하시기 바랍니다.
  • 퀵 리포트(Quick Report)를 생성하면 전체 설치 트렌드와 어시스트 인게이지먼트 트렌드를 한 화면에서 확인할 수 있습니다. 이를 통해 어시스트 인게이지먼트의 증가가 실제로 더 많은 설치를 야기하는지 확인하고, 어시스트를 제공하는 네트워크에 할당되는 예산 증감 여부를 결정할 수 있습니다.

어시스트 설치 인게이지먼트 지표

해당 위젯은 설치 전 사용자와 광고의 인게이지먼트에 대한 인사이트를 얻는데 활용될 수 있습니다. 예를 들어, 전환에 기여한 평균 클릭/노출 수에 기반한 네트워크 간의 효과 비교가 가능합니다.

꼭 확인하기:

  • 어시스트 노출의 수가 적은 네트워크가 성과가 좋은 네트워크 입니다. 더 적은 비용으로 더욱 빠르게 사용자를 전환하는 것이기 때문입니다.
  • 평균 총 어시스트 인게이지먼트 수, 평균 어시스트 클릭 수, 평균 어시스트 노출 수를 한 화면에서 명확히 확인할 수 있습니다. 이러한 데이터는 광고 이탈률 줄이기, 타겟팅 개선하기, 노출 수 한도 낮추기, 예산 확대 및 축소하기 등의 결정에 유용합니다.

어시스트 대시보드에서의 데이터

셀프 어트리뷰션 네트워크로부터의 데이터

셀프 어트리뷰션 네트워크의 경우, Adjust는 네트워크로 정보를 전송하기 위해 링크가 아닌 API 콜을 사용합니다. Adjust는 Adjust SDK가 보고하는 모든 앱 세션을 SAN에 전송합니다. 네트워크가 활동을 인지하는 경우, SAN은 자체 최종 광고 인게이지먼트 정보를 공유하여 어트리뷰션(셀프 어트리뷰션)을 클레임합니다. Adjust는 모든 네트워크(비 SAN 포함)로부터의 인게이지먼트 데이터를 사용하여 가장 마지막으로 알려진 인게이지먼트 소스에 설치를 어트리뷰션합니다.

SAN과의 어트리뷰션 플로우는 다른 채널과 다르게 작동하기 때문에 Adjust는 어시스트 데이터별로 각기 다른 수준의 가시성을 제공합니다.

완전한 가시성 제공: SAN을 어시스트하는 타 채널

어시스트 대시보드에서는 네트워크가 어시스트하눈 SAN을 정확하게 파악할 수 있습니다. 이를 통해 SAN 플랫폼에서의 전환으로 이어진 인게이지먼트를 생성하는 네트워크 별 성과를 비교 분석할 수 있습니다.

가시성 제공 불가: SAN의 자체 어시스트 효과

Adjust는 SAN이 스스로를 어시스트하는 효과에 대해서는 보고할 수 없습니다. Adjust는 SAN으로부터 어트리뷰션 클레임 정보만 수신하기 때문에 어트리뷰션 클레임 이전에 발생한 데이터에 대해서는 알 수 없습니다. 따라서 Adjust는 어트리뷰션을 어시스트했을 가능성이 있는 기타 SAN 인게이지먼트에 대해 보고할 수 없습니다.

제한적인 가시성 제공: SAN의 타 채널 어시스트 효과

Adjust는 SAN의 어트리뷰션 클레임을 항상 수용하지 않습니다. 더 강력한 인게이지먼트를 보유한 네트워크가 있는 경우 어트리뷰션은 해당 네트워크에 수여됩니다. 이 경우, Adjust는 SAN의 어트리뷰션 클레임을 거부하고, 이를 어시스트 데이터로 보고합니다.

중요:
일부 API 연동 파트너(SAN)는 이 규칙의 예외이며, Adjust는 셀프 어시스트 및 다른 네트워크를 어시스트하는 SAN을 모두 시각화합니다. 예를 들어, TikTok이 이에 해당됩니다.

셀프 어시스트 효과

셀프 어시스트는 네트워크에 어트리뷰션된 설치에 기여한 어시스트 인게이지먼트도 같은 네트워크에서 발생한 경우입니다. 예를 들어, ironSource에서 여러 광고와 인게이지먼트를 이룬 사용자가 앱을 설치하면 설치와 어시스트 인게이지먼트 모두 ironSource에 어트리뷰션될 것입니다. 이러한 인게이지먼트는 '셀프 어시스트'로 간주됩니다.

참고:
그러나 CTV 네트워크에서는 셀프 어시스트가 거의 발생하지 않습니다. TV 광고는 전환 퍼널의 상단에 위치하기 때문에, 광고와의 인게이지먼트가 설치로 전환되는 경우가 희박하기 때문입니다. 또한 SAN에서도 셀프 어시스트가 발생하지 않습니다.

셀프 어시스트가 많이 발생하는 경우

어시스트 인게이지먼트의 과반수가 셀프 어시스트인 것은 정상적입니다. 온라인 사용자 타겟팅에서는 같은 채널에서 같은 광고가 사용자에게 여러 번 노출되는 상황이 흔하기 때문입니다.

또한, 셀프 어시스트는 긍정적인 신호일 수 있습니다. 앱을 설치하기 전에 여러 광고를 본 사용자는 다음과 같은 특징이 있기 때문입니다.

  • [x] 브랜드 인지도가 높음
  • [x] 앱에 대해 정확히 알고 있음

그러나 셀프 어시스트 수가 지나치게 많은 경우에는 다음을 유의해야 합니다.

  • [ ] 과다한 노출과 높은 브랜드 피로도

셀프 어시스트 분석 및 관리

네트워크의 셀프 어시스트 정도를 확인하려면, 어시스트 채널별 어시스트 인게이지먼트 위젯과 어시스트된 설치 인게이지먼트 지표 위젯을 사용할 수 있습니다.

이러한 위젯에서는 어시스트된 설치당 평균 인게이지먼트 수를 확인함으로써 네트워크가 실제로 브랜드 인지도에 기여하는지 파악할 수 있습니다.

팁:
어트리뷰션 윈도우는 신중하게 설정해야 합니다. 설치에 대해 24시간 윈도우를 사용하지만 어시스트된 설치당 평균 어시스트 노출 수가 50이 넘는다면 사용자에게 광고가 너무 자주 노출되고 있는 것입니다.

또한 어시스트 설치에 대한 캠페인 상세 정보 위젯을 사용하여, 다양한 캠페인, 광고 그룹, 크리에이티브가 함께 사용되었는지 확인할 수 있습니다. 그렇지 않다면, 사용자가 똑같은 광고를 계속해서 보고 있다는 것을 의미합니다.

이러한 데이터를 활용하면 네트워크에 대한 예산 증감 여부를 결정할 수 있습니다. 광고 예산을 새로이 편성한 뒤에는 이러한 변화가 해당 채널의 전반적인 성과에 어떠한 영향을 주는지 확인해야 합니다. 예를 들어, 성과의 변화가 생기거나 셀프 어시스트 수준만 낮아질 수도 있습니다.

어트리뷰션 유형별 필터

Attribution type 필터는 어시스트 인게이지먼트가 아닌 어트리뷰션된 인게이지먼트에만 영향을 줍니다.

  • click 을 유일한 어트리뷰션 유형으로 선택하면, 클릭을 어시스트한 인게이지먼트만 확인할 수 있습니다.
  • impression 을 유일한 어트리뷰션 유형으로 선택하면, 노출을 어시스트한 인게이지먼트만 확인할 수 있습니다.

어트리뷰션 유형 필터를 클릭에 적용해도 어트리뷰션된 인게이지먼트의 거의 대부분이 클릭이므로 숫자에 큰 영향을 미치지 않을 수 있습니다. 반면, 노출에 필터를 적용할 경우, 매우 적은 양의 데이터만이 표시됩니다.