[펌] 왜 내 앱의 설치(Install) 숫자는 정확하게 집계되지 않나요?

---

 * 출처

 : http://blog.airbridge.io/wae-nae-aebyi-seolci-install-susjaneun-jeonghwaghage-jibgyedoeji-anhnayo/

---

앱 설치 숫자를 관리하면서 마케팅 성과측정을 하는 마케터 분들에게 가끔씩 이런 질문을 받습니다.

" 앱 스토어에 가서 우리 앱의 설치수를 보았는데, 앱 설치 분석툴 (Attribution Analytics) 에서 집계한 우리 앱의 설치 숫자와 차이가 나요. 도대체 왜 이런 설치수 집계 차이가 나는거죠?"

전통적인 웹 환경에서는 보통 브라우저에 저장되는 '쿠키'를 통해 사용자의 어마무시한 정보를 전달받습니다.
그리고 광고 사업자들은 이러한 쿠키를 수집해서 이용자에 맞는 타겟팅 광고를 한다고 이야기하고 있습니다.

그러나 모바일 환경에서는 더이상 이러한 방법을 사용하기 어렵습니다. 이는 모바일 환경에서는 웹에 대응되는 '쿠키'가 없기 때문에 한번에 정확하게 추적하기가 (해당 광고를 보고, 광고를 클릭했는지, 내 앱을 설치했는지, 실행했는지 등 모든 앱 실행자 추적 - Attribution의 모든 과정) 쉽지 않기 때문입니다. 그럼에도 불구하고, 모바일 환경에서도 우리 앱의 사용자가 어떤 경로를 통해 우리 앱을 설치하고 사용하게 되었는지는 중요한 정보입니다. 따라서, 모바일 환경에서는 크게 6가지의 방법으로 Attribution을 측정합니다.

Attribution 측정 방식

1) Google Referrer 방식

가장 신뢰도가 높은 방법입니다. 이론상으로는 100% Attribution 가능합니다. 다만, Google play를 통해서 앱이 설치된 경우에 한해서만 100%로 Attribution 할 수 있습니다. Google play를 통해서 앱이 설치되고 처음으로 실행되었을 때, Attribution analytics가 트래킹할 수 있는 파라메터와 식별자를 앱으로 보내고, 앱이 처음으로 실행 시 해당 레퍼러와 일치 시 데이터를 받아서 같은 유저라고 매칭이 된 경우, 앱이 설치되었다고 정보를 보내는 방식입니다. 이를 셋업하는 방법에 대해서는 ab180 블로그에 더 자세히 나와 있습니다.

2) ID Matching: Google Advertising ID (GAID)

위의 Google referrer 방식과는 달리, Google Play 스토어 밖에서 설치된 것도 트래킹 가능하게 하는 방법입니다. 그러나, 모바일 웹에서는 가능하지 않으며, 앱 설치시 사용자의 동의를 얻는 과정이 필수적이며 해당 정보를 전달해주는 Ad Network이 이러한 시스템을 서포트 해줘야 합니다. 또한, 사용자가 처음에 수집된 GAID를 임의로 수정하고 그에 따라 설치 추적시에 소실되는 Attribution이 있을 수 있습니다.

3) ID Matching: Apple's IDFA

GAID와 같은 방식으로, 역시 Apple Store 밖에서 설치된 앱에 대해서 추적합니다. 다만, 역시 모바일 웹에서는 가능하지 않으며, 앱 설치시 사용자의 동의를 얻고, 해당 유료광고를 보여준 AD Network가 이러한 시스템을 서포트 해줘야 합니다. 그리고 GAID와 마찬가지로 IDFA도 사용자에 의해 변경가능성이 있고, 변경시 정확한 추적이 어려워질 수 있습니다.

4) Fingerprinting

디바이스 이름, OS 버전, IP 주소, 통신사 등의 공개적으로 접근 가능한 파라미터를 통해 통계적으로 사용자를 매칭하는 방법입니다. 다만, 확률적 매칭 방법이기 때문에 위의 Google referrer방식이나 ID Matching같은 확정적인 방식이 가능하지 않은 경우에만 사용합니다. iOS에서는 IDFA 방식의 경우 페이스북과 네이버에서 지원하지 않고 Safari Controller 방식이 사파리를 쓰는 유저에게만 한정되기 때문에, 주로 iOS에서 많이 쓰입니다.

다만, 사용자 파라메터를 수집하는 클릭과 설치 사이에 시간이 길어지면 길어질수록 사용자의 디바이스 정보가 변경될 확률이 크기 때문에 짧은 트래킹 window안에서만 추정하기 적합한 방법이기도 합니다. 특히, 모바일의 경우 사용자가 계속 움직이면서 IP 주소가 변경될 가능성이 크기 때문에 해당 디바이스의 정보는 계속 변화하고, 통상적으로 1-2시간 안에 이루어지는 Attribution은 상당히 정확하다고 보고 있습니다.

5) Open URL with Click ID

딥링크 방식이기 때문에 설치후 첫 연결에는 딥링크에 접근할 수 없으므로, 주로 설치 트레킹이 아닌 앱 설치 이후의 이벤트 추적 트레킹에 쓰입니다. 앱-앱간, 혹은 웹-앱 간에서 딥링크 클릭시 실행을 바탕으로 측정합니다.

6) Safari View Controller

앱 설치 및 실행시, 사파리 브라우저에 쿠키를 남기게되는데, 그 쿠키를 수집하여 Attribution을 하는 방식입니다. 사파리가 기본 브라우저로 정해져있는 iOS에서는 사용도가 높지만, 사용자가 임의로 다른 브라우저에서 접속하는 경우 설치 추적을 할 수 없다는 단점이 있습니다.

Attribution의 한계와 발전 방향

다시 위의 방식을 정리하면 아래와 같습니다. (단순해보이지만..)

이야기된 것과 같이, 확정적인 식별방법은 추적의 한계와 제약조건들이 있고, 그렇기 때문에 식별하지 못하는 경우는 Fingerprint방식의 확률적 매칭 방법으로 넘어오게 됩니다. 그런데, 이러한 확률적 매칭방식은 모바일 디바이스의 특성상 디바이스의 고유값이 계속 변경된다는 한계가 있습니다. 따라서, 아무리 고도화되어있고 가장 정확한 트래킹을 한다고 하는 Attribution Analytics라고 하더라도 앱의 설치와 실행에 대해 100% 정확하게 트래킹을 할 수 없는 기술적 한계가 있습니다. 저희 airbridge는 이러한 기술적 한계에 대해서 마케터들이 겪는 애로사항에 대해 깊이 이해하고 있으며, 기존의 분석툴이 가지는 한계를 극복하기 위한 노력을 하고 있습니다.

다음 포스팅에서는 위의 설치추적 기술과 관련하여, 흔히 쓰이는 Google Analytics이 모바일 앱 설치 추적에서 왜 웹에서만큼 강력한 분석툴이 되지 못하고 있는지 설명드리도록 하겠습니다.