게임 마케팅 측정: 각 측정 도구가 알려주는 정보와 누락된 정보는 무엇일까요?

이 웹페이지는 이해를 돕기 위해 기계 번역으로 제공됩니다. 기계 번역으로 제공되는 콘텐츠에 대한 정확도나 신뢰도는 보장되지 않습니다. 번역된 콘텐츠의 정확도에 관해 의문이 있는 경우 웹페이지의 공식 영어 원문을 참고해 주시기 바랍니다.
오늘 예산 결정을 내려야 하는데, 설치 업체 두 곳의 의견이 일치하지 않습니다.
귀사의 모바일 측정 파트너(MMP )에 따르면, 한 네트워크에서 지난주 1,200건의 설치가 이루어졌습니다. 네트워크 대시보드에는 1,500이라고 표시됩니다. SKAdNetwork 에서 반환하는 포스트백은 부분적이고 지연된 집계 수치를 보여주며, 이는 어느 쪽과도 일치하지 않습니다.
이러한 모든 정보 출처는 서로 분리되고 단절된 시스템 내에서 각기 다른 질문에 대한 답을 제공합니다. 여러분의 목표는 각 정보원이 어떤 질문에 답하는지, 각 정보원이 어떤 부분에서 맹점을 가지는지, 그리고 어떤 조합을 통해 결정을 정당화할 수 있는지를 파악하는 것입니다. 바로 이 지점에서 게임 마케팅 측정의 중요성이 드러납니다.
게임 마케팅 측정이란 무엇인가요?
게임 마케팅 측정은 게임 개발사가 어떤 지출이 설치 수, 수익 및 플레이어 가치를 창출하는지 파악하기 위해 사용하는 일련의 방법입니다. 예시적인 방법에는 귀인 분석, 증분 효과 검증, 미디어 믹스 모델링, 코호트 분석 또는 평생 가치 (LTV) 분석 등이 있습니다.
이 글에서는 게임 마케팅 측정 방식에 대해 설명하여 각 측정 소스가 제공하는 정보를 이해하고, 시스템이 전체적인 그림을 바탕으로 최적화를 수행할 수 있도록 시스템 설정을 어떻게 개선해야 하는지 알아보겠습니다.
설치 소스 중 어느 두 곳의 설치 결과가 일치하지 않습니다.
동의 기반 신원 확인, 집계 및 지연된 플랫폼 보고, 그리고 서로 다른 크레딧 부여 규칙은 모두 일관성 없는 추적에 기여합니다. 아래 표는 그 방법을 설명합니다.
추적 결과가 일관되지 않게 나타나는 일반적인 이유를 알아보세요.
구조적 원인
동의 기반 신원 확인
무슨 일이 일어나고 있나요?
시스템이 특정 인물을 식별할 수 없을 경우, 대신 추정치를 사용합니다. 각 시스템은 저마다 다른 방식으로 추정하기 때문에 같은 주에 대해서도 서로 다른 답을 내놓습니다.
무슨 일이 일어나고 있나요?
서로 다른 학점 인정 규칙
무슨 일이 일어나고 있나요?
7일의 유예 기간이 있는 네트워크에서 이미 다른 곳에 적립된 MMP를 설치해야 한다고 주장합니다. 각 기관이 자체 규칙을 정확하게 적용하고 있기 때문에 보고하는 사람들에게는 두 총계 모두 정확해 보이는 것입니다.
구조적 원인
무슨 일이 일어나고 있나요?
동의 기반 신원 확인
시스템이 특정 인물을 식별할 수 없을 경우, 대신 추정치를 사용합니다. 각 시스템은 저마다 다른 방식으로 추정하기 때문에 같은 주에 대해서도 서로 다른 답을 내놓습니다.
서로 다른 학점 인정 규칙
7일의 유예 기간이 있는 네트워크에서 이미 다른 곳에 적립된 MMP를 설치해야 한다고 주장합니다. 각 기관이 자체 규칙을 정확하게 적용하고 있기 때문에 보고하는 사람들에게는 두 총계 모두 정확해 보이는 것입니다.
모바일 기여도 분석 기초
마케팅 기여도 분석은 전환을 유발한 마케팅 접점에 전환에 대한 기여도를 할당합니다. 모바일 어트리뷰션 이란 설치 또는 인앱 이벤트를 특정 클릭, 노출, 캠페인 및 크리에이티브와 연결하여 소스별 결과당 비용을 비교하고 다음 투자 방향을 결정하는 것을 의미합니다.
MMP란 무엇인가요?
모바일 측정 파트너(MMP)는 앱 SDK에서 설치 및 이벤트 데이터를 수신하고, 구매한 모든 네트워크에 일관된 기여도 규칙 세트를 적용하며, 해당 네트워크에 포스트백을 전송하여 최적화 모델이 결과를 학습하도록 하는 중립적인 제3자입니다. 이 플랫폼은 딥 링크, 광고 사기 탐지 및 보고 기능도 제공합니다. 공통 식별자가 있는 경우, 설치와 클릭을 연결할 수 있으며, 이는 확정적인 연결 방식입니다. 그렇지 않은 경우, IP 주소 및 타임스탬프와 같은 신호를 통해 일치 여부를 추론하는데, 이는 확률적이며 전체적으로는 신뢰할 수 있지만 플레이어별로는 신뢰할 수 없습니다.
멀티터치 기여 분석이란 무엇인가요?
멀티터치 어트리뷰션(MTA)은 전환에 앞서 발생한 여러 접점에 걸쳐 기여도를 분산시키는 방식으로, 마지막 클릭에만 모든 기여도를 부여하는 것이 아니라, 사용자가 본 모든 접점에 대한 비교적 완전한 정보를 필요로 합니다. 예를 들어, 누군가가 소셜 미디어 광고를 보고, 블로그 게시물을 읽고, 이메일을 열어보고, 유료 검색 광고를 클릭하여 가입하는 경우를 생각해 보세요. 싱글터치 모델은 그중 첫 번째 또는 마지막 항목에 100% 크레딧을 부여합니다. MTA는 이를 네 개 부문에 걸쳐 분배합니다.
데이터 개인정보 보호의 중요성이 커짐에 따라, MTA는 관련 법률 및 플랫폼 요구 사항을 준수하면서 동의한 사용자 데이터와 직접 수집하는 자사 이벤트 데이터를 점점 더 많이 활용하고 있습니다.
점진적 테스트를 통해 알 수 있는 것과 비용에 대한 정보
증분 테스트는 광고로 인해 실제로 발생한 설치 수를 보여줍니다. 이를 검증하려면 한 그룹의 플레이어에게는 광고를 보여주지 않고, 비슷한 다른 그룹의 플레이어에게는 광고를 보여주어 두 그룹의 차이를 비교하면 됩니다. 그 차이가 바로 광고 노출 증가분입니다.
문제는 그 해답을 얻는 대가로 매출 손실을 감수해야 한다는 것입니다. 설치했을 가능성이 있는 사람들에게 광고를 하지 않기 때문에, 그들이 지출했을 금액을 포기하는 셈입니다. 그러한 거래는 실제 예산 결정에 영향을 미칠 수 있는 대형 채널에서만 가치가 있습니다.
미디어믹스 모델링 이해하기
미디어믹스 모델링(마케팅믹스 모델링이라고도 함)은 통계적 회귀 분석을 사용하여 각 채널이 설치 수 또는 매출과 같은 전체적인 결과에 얼마나 기여했는지 추정합니다. 이는 예산을 어디에 투입해야 하는지, 그리고 채널이 더 이상 수익을 내지 못하는 시점은 언제인지라는 두 가지 질문에 명확한 답을 제시합니다.
세 가지 요소가 어떻게 조화를 이루는지
완성도 높은 시스템은 서로 다른 시간대에 실행되면서 각기 다른 시스템의 사각지대를 보완하는, 상호 검증을 수행하는 일련의 방법들로 구성됩니다.
각 데이터 유형이 보여주는 내용과 한계를 이해하십시오.
방법
답변하는 질문
그것이 볼 수 없는 것
점진적 테스트
답변하는 질문
그것이 볼 수 없는 것
답변하는 질문
그것이 볼 수 없는 것
방법
답변하는 질문
그것이 볼 수 없는 것
점진적 테스트
플레이어 데이터가 어디에 활용될까요?
위의 세 가지 방법 모두 결과를 읽어냅니다. 하지만 그들이 읽어들이는 데이터는 여러분이 완전히 소유하는 레이어이며, 대부분의 스튜디오가 가장 많은 여유 공간을 확보하고 있는 부분입니다.
오늘날 스튜디오들은 데이터 파편화 문제를 안고 있는데, 이는 데이터가 서로 연결되지 않는 여러 시스템에 흩어져 있다는 것을 의미합니다. 예를 들어, MMP는 사용자 확보 활동을 설치 및 전환과 연결하는 데 도움을 주고, 분석 플랫폼은 플레이어 행동에 대한 통찰력을 제공하며, 구매 시스템은 거래 관련 정보를 수집합니다. Unity로 제작된 게임 의 경우, 적격 런타임 데이터는 게임 경험 자체 내에서 추가적인 맥락 정보를 제공할 수 있습니다.
이러한 자료들은 서로 중복될 수 있지만, 각각 세부 정보, 범위 및 맥락 측면에서 서로 다른 수준의 정보를 제공할 수 있습니다. 핵심 과제는 적절한 권한 및 기술 요구 사항을 충족하는 조건 하에 측정 및 최적화를 담당하는 시스템에 관련성 있고 신뢰할 수 있는 신호가 제공되도록 보장하는 것입니다.
요약하자면, 각 자료는 유용하지만, 어느 자료 하나만으로는 플레이어 캐릭터와 그 캐릭터의 모든 행동을 완벽하게 설명할 수는 없습니다. 이러한 파편화로 인해 의사 결정은 단편적이고 서로 연결하기 어려운 통찰력에 기반하여 이루어집니다.
결과적으로 Unity Vector 와 같은 최적화 모델은 불완전한 정보로부터 학습하고 전체 상황의 일부만을 바탕으로 행동할 수 있습니다.
그렇다면 어떻게 이 문제를 해결할 수 있을까요?
최적화 모델에서 놓쳤을 수 있는 중요한 신호를 식별하세요.
기존 통합 기능이 제공하는 신호를 검토하고, 중요한 공백이 어디에 있는지 확인하십시오. 참여도, 구매 또는 게임 관련 신호는 추가적인 맥락을 제공할 수 있지만, 이러한 신호의 가용성과 유용성은 수집, 구성 및 공유 방식에 따라 달라집니다.
먼저 최적화 목표와 관련된 신호를 파악한 다음, 기존 통합 기능을 통해 해당 신호를 얻을 수 있는지 또는 추가 데이터 소스가 필요한지 평가하십시오.
출처와 관계없이 결과를 전송하세요.
MMP에서 유료 출처로 인정한 이벤트만 넘겨주고 싶은 유혹이 들 수 있습니다. 하지만 자연적으로 생성된 플레이어나 출처가 명시되지 않은 플레이어 또한 실제 결과이며, Unity Vector가 이러한 플레이어를 전혀 인식하지 못하더라도 가장 유용한 정보의 필터링된 샘플을 통해 학습하고 있을 가능성이 있습니다. 관련 법률 및 플레이어 동의가 있는 경우에만 이러한 신호를 공유하십시오.
Unity Vector에 전체 라이프사이클을 적용하세요
포스트백 기간을 평생으로 설정(가능한 경우)하면 첫 주에 전환한 플레이어뿐만 아니라 가장 느리게 그리고 가장 많이 투자한 그룹도 표시됩니다. 대금 지급이 늦어지는 경우가 많은데, 바로 그런 사람들이 당신의 평생 자산 가치가 실제로 존재하는 대상입니다.
공유 권한을 성능 향상 요소로 활용하세요.
사용자를 대신하여 입찰하는 모델은 사용자가 제공하는 정보만을 기반으로 학습하므로, 사용자가 공유하는 정보는 성능에 영향을 미칠 수 있습니다. 통합 시 설정된 내용을 그대로 받아들이고 다시는 검토하지 않는 것은 쉽습니다. 그 대신, 설정을 다시 한번 살펴보고 관련 법률, 개인정보 공개 내용 및 플레이어 동의에 부합하는 모든 필수 신호가 설정되어 있는지 확인하십시오. 더욱 완벽하고 고품질의 신호를 가진 모델은 가장 가치 있는 선수들 사이의 패턴을 파악하는 데 더 적합할 수 있습니다.
전체적인 상황을 파악하기
당신이 제시한 수치 중 어느 것도 진실이 아니며, 단 하나의 진실의 원천을 쫓는 것이 바로 측정 프로젝트가 정체되는 이유입니다. 목표는 더 구체적이고 달성 가능합니다. 즉, 의견 차이가 발생하더라도 설명할 수 있는 체계를 구축하는 것입니다. MMP와 네트워크의 의견이 다를 경우, 그 이유와 차이의 정도를 파악하고, 어떤 정보를 바탕으로 결정을 내려야 할지 알아야 합니다.
그러니 도구보다는 부족한 부분부터 시작하세요. 현재 시스템이 구조적으로 감지할 수 없는 한 가지를 명시하고, 그 감지 기능을 사용할 수 있는 가장 실용적인 방법을 제시하십시오. 나머지 절반은 여러분이 다시 내보내는 것입니다. 신호 커버리지가 향상되면 더 나은 정보에 기반한 최적화가 가능해지며, 바로 이 부분에서 사용자 확보 플랫폼이 단순히 스택에 존재하는 것을 넘어 그 역할을 제대로 수행하게 됩니다.
자주 묻는 질문
*출처: Google, "광고 ID", Google Play 콘솔 도움말(2026년 11월 16일 접속, Google은 언제든지 변경할 수 있음), https://support.google.com/googleplay/android-developer/answer/6048248
**원천: Apple, "여러 변환 창에서 포스트백 수신", Apple 개발자 문서(2026년 11월 16일 접속, SKAdNetwork 4 이상 버전 기준, Apple 의 정책에 따라 언제든지 변경될 수 있음), https://developer.apple.com/documentation/storekit/receiving-postbacks-in-multiple-conversion-windows
대표 이미지: “귀속, 증분 및 미디어 믹스 모델링을 위한 세 개의 겹치는 원과, 출처가 일치하는 하나의 공유 영역” 이미지 생성: Anthropic, Claude (Claude Sonnet 5.5), 날짜: 2026년 11월 18일