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 보다 복잡한 위젯에서 보고된 데이터를 활용하는 방법을 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 노출 수가 낮다면 , 이는 캠페인 퍼포먼스의 좋은 신호입니다. 최소한의 광고로 사용자를 전환하고 있는 것이므로, 이 채널에 대한 예산을 늘리는 것이 좋습니다.

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

*  설치당 어시스트 클릭 수가 중간~높은 수준 인 경우, 사용자가 광고에서 이탈하여 전환으로 이어지지 못하는 이유를 조사해야 합니다. 예를 들어, 광고의 문구와 앱 스토어 상세 페이지 간에 차이가 있는지, 타겟팅이 올바른지 등을 확인해 볼 수 있습니다.

*  설치당 평균 노출 수가 높은 경우, 노출 수에 관해 네트워크와 상의하시기 바랍니다. 타겟팅 개선을 요청하거나, 일일 노출 한도를 낮추어 광고 예산이 낭비되거나 사용자 경험이 저해되는 것을 예방할 수 있습니다

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 전환 유도에 중요한 역할 을 하는 경우(다른 네트워크에 대해서도), 해당 광고에 대한 예산을 늘리는 것을 고려하시기 바랍니다. 또한 성공적인 광고 포맷이나 캠페인 타겟팅을 다른 캠페인과 네트워크에 접목할 수 있습니다.

• [ ] 크리에이티브가 과다하게 스스로를 어시스트 (셀프 어시스트)하는 경우, 이탈률이 높은 것일 수 있으므로 전환이 더 잘 발생하는 크리에이티브에 투자하는 것이 좋습니다.

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 받은 네트워크의 설치 수 증가로 이어지는지 확인해야 합니다.

  • 설치 수에 대한 기여 없이 어시스트 네트워크가 스스로를 어시스트를 하고 있는 경우에는 예산을 줄이는 것이 좋습니다.

• 리포트를 생성하면 전체 설치 트렌드와 어시스트 인게이지먼트 트렌드 를 한 화면에서 비교할 수 있습니다. 이를 통해 어시스트 인게이지먼트가 실제로 더 많은 설치를 유도하는지 확인하고, 설치 효과가 높은 경우 어시스트 네트워크의 확장을 고려할 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 네트워크 가 성과가 좋은 네트워크입니다 더 적은 비용으로 더욱 빠르게 사용자를 전환하는 것이기 때문입니다.

• 총 어시스트 인게이지먼트 평균, 어시스트 클릭 평균, 어시스트 노출 평균은 모두 한 화면에서 비교할 수 있습니다. 이러한 데이터를 활용하여 이탈률을 낮추고, 타겟팅을 개선하며, 노출 수 한도를 낮추고, 예산을 확대 또는 축소해야 할지 결정할 수 있습니다.

사용자 경로

사용자 여정에서 가장 일반적인 경로를 시각화하여 보여주는 위젯입니다. 어시스트 인게이지먼트와 어트리뷰션된 인게이지먼트가 모두 포함되며, 인게이지먼트를 생성한 네트워크의 이름에 따라 그룹화됩니다. 모든 경로에는 설치 수가 표시되며, 전체 설치 수에서 차지하는 비중이 퍼센트로 표시됩니다.

꼭 확인하기:

• 네트워크 이름이 표시되는 순서는 타임스탬프에 따라 결정되며, 설치 시점에 가까울수록 오른쪽 끝에 네트워크 이름이 표시됩니다. 또한, 다른 네트워크의 어시스트 인게이지먼트가 중간에 발생한 경우, 동일한 경로 내에서 한 네트워크가 여러 번 표시될 수 있습니다 .

  • 어시스트 네트워크의 이름은 4개까지만 표시됩니다. 특정 경로에서 발생한 추가적인 어시스트 인게이지먼트는 '기타'로 그룹화됩니다.

• 어트리뷰션된 네트워크에 마우스 커서를 올리면 해당 경로에 대한 상세 정보가 표시됩니다. 설치는 단 1개의 고유한 인게이지먼트에만 어트리뷰션되기 때문에 총 인게이지먼트(노출 및 클릭) 수는 항상 특정 경로의 설치 수와 동일합니다 .

필터 사용 방법:

특정 어시스트 네트워크를 필터로 선택하면, 지정된 네트워크가 포함된 경로만 확인할 수 있습니다. 어시스트 네트워크의 특정 지점(예: 최종 어시스트, 마지막에서 두 번째 어시스트)을 필터로 설정하거나, 여러 어시스트 네트워크에 대해 여러 필터 조건을 추가할 수 있습니다.

또한 어트리뷰션된 특정 네트워크를 필터로 적용하여, 네트워크가 어트리뷰션된 인게이지먼트를 생성한 경로만 표시할 수도 있습니다.

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.

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.

• 브랜드 인지도가 높음
• 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 네트워크에 의한 어시스트 인게이지먼트 와 어시스트 설치 인게이지먼트 지표 위젯을 사용하시기 바랍니다.

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

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.