광고 지표 쪼개서 구조화하기
수익이 왜 떨어졌나요?
데이터 현상의 원인에 대해 구체적인 답이 필요한 경우들이 있습니다. 특히, 비즈니스 수익과 관련된 경우라면 이에 대한 구성원들의 민감도가 높기 때문에 더욱 높은 중요도로 인지하고 원인을 찾으려는 경향이 있는 것 같습니다. 매출이라고 했을 때, 갑작스러운 매출 감소가 발생했다면 이에 대한 원인을 빠르게 찾고 대응하고자 할 것이고, 반대로 매출이 증가했다면 어떤 연유에 의한 것인지 파악해서 새로운 액션의 근거로 사용하게 됩니다.
문제는 매출이라는 지표는 여러 시도들의 결과로 발생하는 후행 지표이기에, 그 변화의 원인이 너무 다양합니다. 매출과 같은 모든 지표들을 아우르는 상위 지표의 영향을 끼치는 요소들이 많고, 다른 지표들과의 관련은 있지만 직접적인 연결고리가 보이지 않으면 직관적으로 어떤 영향을 끼쳤는지 단번에 이해가기가 쉽지가 않습니다. “유저의 객단가 감소”는 “매출”과 비교적 직접적으로 연결되어 있어서 인과를 추론하기가 수월한 반면에 “상품 키워드 검색 비율 감소” 의 경우는 언뜻 보기에는 직접적인 관련성이 적어 보이기에 관계성을 파악하는 게 어려울 수 있습니다.
광고 매출
광고 수익화의 관점에서 비슷한 상황에 봉착하는 경우들이 많습니다. “광고 매출”이라는 비즈니스 지표의 변화는 실제 구성원들이 아주 민감하게 받아들이는 지표이고 변화의 원인 특정이 중요하지만 다음과 같은 이유들로 어렵기만 합니다.
- 플랫폼 의존으로 인한 제한적인 정보 획득
- 효율적이고 효과적인 수익화를 위해 많은 퍼블리셔들이 플랫폼을 통해 광고 수익화를 하게 되는데(e.g. 미디에이션, SSP 등), 플랫폼을 사용함으로써 얻게되는 이점들이 많지만 단점이라고 한다면 플랫폼에 의존하기에 기대하는 해상도로 데이터를 확인하기 어려운 경우가 대부분입니다. 또한 여러 플랫폼을 쓰다 보면 제공하는 정보와 정의가 조금씩 상이하기에 동일한 기준으로 해당 데이터들을 취급하기 어려운 부분도 난관이라고 할 수 있습니다
2. 예측하기 어려운 지표의 변동
- 광고 도메인은 다양한 플레이어가 활동하고 있습니다. 광고 지면을 통해 수익화를 하려는 퍼블리셔와 해당 광고 지면에 광고를 게재하려는 광고주, 그리고 각 사이드의 플레어들의 목적 달성을 위한 다양한 중간 플랫폼들이 거미줄처럼 얽혀있다 보니, 변동성이 상당히 큽니다. 퍼블리셔가 극대화하려는 매출이라는 지표가 퍼블리셔의 인풋 외 다양한 요소들의 변화가 동시에 맞물려서 결정되다 보니 예측하기도 어렵고, 순수한 영향도를 판단하기도 어렵습니다.
지표의 위계 구축하기
그렇기에, 서비스의 생태계 내에서 관리되고 있는 지표들의 위계와 관계성을 잘 구축해 두는 것이 중요합니다. 지표 위계 (Metric Hierarchy) 는 지표의 선,후행 관계 또는 지표의 중요성을 고려하여 지표 간의 관계를 가시적 또는 직관적으로 잘 이해할 수 있게 관리하는 방식입니다. 다양한 지표들의 관계를 잘 구축해둠으로써 상위 지표의 변화의 원인을 특정하거나, 사업의 전략적인 측면에서 시도하려는 액션을 뾰족하게 구분하는 데 사용할 수 있습니다.
“이익”이라는 지표는 “매출”과 “비용”이라는 세부 지표로 구성됩니다(이익 = 매출 — 비용). 이익의 변화는 매출과 비용의 변화로 설명할 수가 있는 것이죠. 이러한 형태로 가장 상위의 지표부터 하위 지표들까지 직접적인 관계도를 그리는 작업을 반복 수행하다 보면 제품 전반의 관계도가 그려지게 되는데요. 단순히 관련성이 있다 또는 영향을 주고받는다 정도도 처음의 시도로 충분하지만, 하위 지표의 변화에 따른 상위 지표 변화의 교환비까지도 알 수 있다면 더욱더 의미를 가질 수 있을것 같습니다.
제한적인 정보라고 하더라도, 귀납적으로 시행착오들이 쌓이고 레슨들을 쌓아나가며 생태계에 대한 이해의 수준을 높여나갈 수 있습니다. 처음에는 A → B 의 변화를 논리적으로 이해할 수 없다 하더라도 몇 번의 비슷한 사례들을 겪으며 가설을 세우고 우리만의 레슨들을 하나씩 쌓아 나갈 수 있습니다. 그러기 위해서는 가능한 범위 내에서 지표들의 “위계”를 구성하는 것은 필수적입니다.
광고 지표 위계 그려보기
광고 데이터의 관계도를 간단하게 그려봅시다. 가장 상위의 광고 매출이라는 지표부터 개별 구성요소들로 쪼개어 나가보면 좋습니다. 매출은 다음과 같은 구성요소들의 조합으로 이루어져 있습니다.
이렇게 하나의 레이어를 추가해서 보는 것만으로도 소중한 인사이트들이 생기게 됩니다. 전월 대비 매출 10% 증가한 상황은 아래 케이스 모두가 가능합니다. 단순 매출의 증가라는 사실을 구성요소의 변화로 나누어보니 현상의 이해가 보다 투명해지게 되는 것이죠. 그리고 이에 대한 대응도 보다 뾰족해집니다.
- impression 10% 증가
- eCPM 10% 증가
- impression 5% 증가, eCPM 5% 증가
- impresison 20% 증가 <> eCPM 10% 감소
- impresison 20% 감소 <> eCPM 30% 증가
매출을 impression , eCPM으로 나누었다면 동일하게 impression, eCPM을 각각의 또 다른 구성요소들의 조합으로 나타낼 수 있습니다. 어떤 요소들이 상위 지표에 영향을 주었는지를 확장해 봅시다. 이번에는 Impression을 구성요소들의 조합으로 다음과 같이 바꾸어보겠습니다.
매출 10%의 증가의 원인이 impression의 변화라고 했을 때 이에 대한 구체적인 요소들의 변화는 다음과 같이 다양할 수 있습니다.
- ad request 10% 증가
- fill rate 10% 증가
- view rate 10% 증가
어떤 요소에 의한 impression의 변화인지가 특정이 되면 결과적으로 매출 변화의 원인이 조금 더 구체적으로 바뀝니다. 그리고 그 원인이 구체적일수록 우리의 대응도 뾰족해질뿐더러 도메인에 대한 이해도가 개선이 됩니다.
Impression의 구성요소를 이용해 광고 매출의 변화를 설명해 봅시다. 4가지 요소의 조합으로 나타내면 다음과 같습니다. (Ad request, Fill rate, View rate, eCPM)
결과적으로 매출 10%의 변화에 대해서 이해할 수 있는 해상도가 높아졌습니다. 다음은 모두 동일한 변화에 대해 가능한 세부 요소들의 변화 예시입니다.
- 예시1) Ad Request +5%, Fill Rate -10%, eCPM +10%, View Rate +5%
- 예시2) eCPM +10%
- 예시3) Fill Rate +10%
- ….
동일하게 Ad Request, Fill Rate, View Rate도 확장시켜 나가볼 수 있습니다. 이러한 방식으로 관리하고 있는 지표들의 전체 관계도를 한번 그려보면 전반적인 이해도가 개선이 될 것이라고 생각합니다.
글을 마치며
데이터를 통해서 인사이트를 찾고 새로운 시도들을 하는 일련의 과정들 정말 중요합니다. 하지만 기본은 우리 서비스의 상태변화를 잘 체크하고 추적하는 데에서 부터 출발해야 합니다. 서비스의 지표들이 어떤 상태인지도 모른 채 새로운 시도들을 반복하고 있는 건 아닌지 돌아볼 필요가 있습니다. 이러한 과정에서 지표 변화를 빠르게 파악하고 그 원인을 잘 규명하기 위한 구조화된 지표 관리에 대해 한 번쯤 다시 고민해 볼 필요가 있지 않을까 생각합니다.
⏰ 딜라이트룸에서 알라미와 함께 아침을 바꿀 분들을 모십니다 🙌
- 딜라이트룸 채용 공고 살펴보기 ⏰
(+ 여기서 지원하면 입사 축하금 100만원💸)