UAC에 광고를 집행하는 마케터가 반드시 알아야 할 최악의 단점들

잘 알려져 있듯이, UAC는 구글의 앱 광고 상품이다. 2019년 상반기부터는 기존의 UAC(Universal App Campaign)에서 Google App Ads로 브랜드명을 바꾸어 서비스중이지만, 그 핵심은 똑같다. UAC를 다루는 마케터라면 모두들 잘 알고있는 사실일 텐데, UAC는 광고주의 광고가 원하는 잠재 고객에게 잘 도달할 수 있도록 딥러닝을 통해 타겟군을 좁혀나간다. 이때 딥러닝에 활용하는 데이터셋은 구글이 안드로이드와 구글 제품을 통해 수집한 고객의 정보다. 잠재 고객이 자주 가는 곳, 검색한 검색어, 유튜브 시청 기록, 쇼핑 기록, 월간 소비액, 직업, 성별, 나이 등 이미 구글이 알고있는 정보를 조합해, 광고주에게 최적의 성과를 줄 수 있는 고객군을 찾아나가는 방식이다. 구글 앱 캠페인이 제공하는 머신러닝을 통한 타게팅은 편리함과 꽤 높은 타겟 도달 정확성이라는 두 가지의 매우 커다란 장점을 지닌다. 그러나 세상 모든 것이 그렇듯이, 장점이 있다면 단점이 있기 마련이고, 구글 앱 애즈는 설계 자체에서 오는 커다란 단점들 또한 함께 안고 있다.

 

1. UAC는 제품의 섹터에 따라 신뢰성이 매우 낮을 수도 있다.

UAC가 가장 잘 작동하는 섹터는 단연 게이밍이다. 리드타임이 짧고(인스톨과 구매 모두), 구매 횟수가 잦으며, 이용자의 풀이 넓고, 장르에 대한 고착이 크기 때문이다. 머신러닝을 통해 광고를 집행하는 구글 앱 애즈의 특성상, 성공 사례에 대한 피드백이 빠르면 빠를수록, 성공적인 케이스가 무엇인지에 대해 알려주는 단서가 많을수록 학습에 유리하다. 또한, 구글 앱 애즈 알고리즘이 학습을 처음 시작할 때는 비슷한 다른 서비스들이 성공했던 루트를 따라가는데, 장르에 대한 고착이 큰 게임의 특성 때문에 초기 학습단계의 빌드업 또한 매우 빠르다. 레이싱 게임의 광고인 경우, 일단 다른 레이싱 게임에 돈을 썼던 사람들에게 광고를 먼저 때려버리면 되니까 말이다. 그러나 내가 직접 경험했던 교육 섹터의 경우, 상기한 UAC가 좋아하는 요건들을 잘 충족시켜주지 못하는 부분이 많았기 때문에, 상대적으로 어려움이 많았다. “머신이 죽어버린다”고 표현했던 일들을 여러 번 겪으며 날아간 효율을 복구하느라 내내 고생했던 경험이 있다.

 

2. UAC의 머신러닝 알고리즘은 고착되기 쉬운 것으로 보인다 feat.정체와 과적합

구글 애즈의 머신은 머신러닝을 기반으로 만들어진 서비스이기 때문에, 머신러닝 자체가 가지고 있는 약점들을 넘어서기 어렵다고 서두에 이야기했었다. 구글 애즈의 머신은 한 타겟군에 고착되어, 해당 타겟군의 잠재고객이 모두 소모되어도 다른 타겟군으로 잘 넘어가지 않는 느낌이 강하게 드는 일이 몇 번 있었고, 또한 효율이 매우 좋아지다가 급격하게 죽어버리는 일도 있었다.. 머신러닝 용어로 표현하자면, 첫번째는 국소 최저점에 정체되어 전역 최저점으로 도달할 모멘텀을 얻지 못하는 경우이고, 두번째는 과적합이 일어난 상황이다. 전역 최저점 정체는 풀어 말하자면, 산에서 내려올 때 더 낮은 곳으로 가려면 일단 언덕을 하나 올라갔다 다시 내려와야 하는 경우에, 지금 서있는 지점이 가장 낮은 지점이라고 믿고 움직이지 않는 것과 같다. 과적합은, 교과서만 너무 잘 외운 나머지, 응용을 못 하는 경우라고 비유할 수 있다.

머신러닝 알고리즘을 개발하는 입장에서는 이러한 데이터를 확인하고, 오류를 줄일 수 있는 방향으로 프로그램을 수정하면 그만일 수 있다. 그러나, 광고를 집행하는 입장에서는, 이런 상황이 발생하는 순간 매출흐름 전체가 큰 타격을 받는다. UAC를 메인 광고 채널로 활용했던 나로서는, 이러한 머신러닝의 고착과 과적합이 악몽과도 같은 일이었다. 나를 더욱 괴롭혔던 것은, 사람들의 눈길을 잘 끄는 좋은 소재일수록 과적합이 빈번하게 일어났다는 점이었다. 좋은 소재를 넣으면 더욱 잘 죽어버리는 광고 플랫폼이라니… UAC를 버리고 싶었던 순간이 한두번이 아니었다.

 

3. UAC는 광고소재를 매우 편식한다

UAC에 광고소재를 여러개 업로드하는 경우, 일반적인 경우에 UAC의 입맛에 맞는 광고소재 2~3개가 전체 예산의 70%이상을 소모한다. 일 예산이 수백만원대로 설정되어있는 세팅이었기 때문에 비용 문제는 아니라고 생각된다. 구글 앱 애즈는 소재를 등록한 후 약 12~24시간 이내에 첫 노출을 시작하고, 광고 소재의 초기 결과값은 48시간정도면 확인할 수 있다. 이 때 머신이 어떤 선택을 하는지에 따라 운 좋은 3개의 소재가 갈린다. 그리고 이러한 흐름은 캠페인을 끄거나, 소재를 교체할 때까지 거의 바뀌지 않는다. 마케터가 생각하기에 A급 소재를 5개 넣어도, UAC의 선택을 받지 못하면 제대로 노출하지 못하는 것이다. UAC가 제공하는 자동화의 이점을 제대로 누리는 경우에는 다행이지만, 수동으로 예산 분배나 사용의 가중치를 줄 수 없다는 것은 마케터의 발목을 크게 잡는 일일 수 있다. 

 

상기한 세가지 이외에도 UAC를 다루는 마케터가 반드시 알아야 할 것들은 많다. 이번 아티클에서는 꽤나 자주 일어날 수 있는, UAC를 집행하는 마케터가 당황할 수 있는 포인트를 커버해보았다. 머신러닝과 자동화는 잘 사용된다면 커다란 장점이지만, 마케터의 입장에서 광고 집행에 전혀 손댈 수 있는 것이 없다는 점은 UAC가 지닌 굉장히 큰 약점이기도 하다. 이러한 예외적 오류들을 잘 대응하고 다룬다면, UAC의 장점만을 잘 활용할 수 있을 것이다:)

 

크리에이티브 마케터, 김재일
안녕하세요, 미디어 마케팅 회사를 운영하고 있는 크리에이티브 마케터 김재일입니다. 제 글이 도움이 되셨다면 주변에 많은 공유 부탁드립니다. 궁금한 점이 있으시거나 도움이 필요하시다면, 언제든 아래의 오픈채팅 링크를 통해 메시지를 보내주세요. 제가 깨어있는 한 빠르게 회신 드리겠습니다:)

고맙습니다.

 

Johnny Kim 김재일
안녕하세요, 크리에이티브 마케터 김재일입니다:)

궁금한 부분이 있거나, 업무 상담이 필요하시다면 언제든 아래 연락처로 알려주세요.
제가 깨어있는 한, 언제든 답변드리겠습니다.

이메일 [email protected]
오픈채팅 https://open.kakao.com/o/swukg2Hd
Portfolio http://www.johnnykim.kr/