Part09. 최신광고매체 | Meta 앱캠페인 | Apple Search Ads

Meta 앱캠페인

01. 앱캠페인 구조

1) 앱 홍보 목적

설치 > 인앱 이벤트 순으로 최적화

: 인앱 이벤트 최적화가 완료되면 구매로 시작

 

2) 앱 판매 목적

웹, 앱에서 모두 전자상거래를 지원하는 앱일 경우 설정

→ 상품 카탈로그가 있을 시 활용 가능

수익화모델	설명	업종 예시
인앱 구매	앱에서 디지털 서비스나 가상 재화를 결제	이커머스, 교육, 게임, 핀테크
인앱 광고	앱에 광고를 표시하여 수익 창출	유틸리티, 앱, 게임
웹+앱	무료버전이지만, 추가 기능은 결제해서 이용	유틸리티 앱, 게임
유료 앱	유료로 판매되는 앱

 

앱을 홍보하거나 앱에서 판매하거나 등 목적에 따라 활용하는 캠페인 구조가 달라짐.

 

광고 설정 구조

• 캠페인 : 예산/유형/목적 설정
• 광고세트 : 타겟팅(오디언스) 설정, 지면 설정, 입찰 전략
• 광고 : 제목, 문구, 영상 등. 크리에이티브, 카피 작성, CTA 설정

단계에 따른 구조

• 런칭 단계 : 신규 앱 설치 후 초기 유저 확보용. CPI(설치당비용) 입찰 중심
• 이벤트 최적화 단계 : 신규 앱 설치 이후 회원가입/구매유도/서비스업데이트에 따른 특정 이벤트 유도. CPA 입찰 중심
• 수익 창출 단계 : 고부가가치 사용자 탐색, 고부가가치 상품 노출. 목표 ROAS 설정

소재 조합, 유저 타겟팅 등 마케터의 업무 상당수가 이미 자동화되어 있음

이 단계에서 중요한 것은 최적화해야 할 고객 행동이 무엇인지 파악하는 일

 

수동 앱 캠페인 : 목표와 예산, 타겟과 노출위치 등을 마케터의 재량에 따라 수동으로 작업

어드벤티지+앱캠페인 : 예산 등 일부 내용을 설정하면, 노출위치와 크리에이티브(AI이미지까지 생성), 타겟까지 일괄 자동화

 

앱캠페인 운영 시 유의사항

- 충분한 학습을 위한 예산 확보가 중요

- 머신러닝 조건 : 1주일 내 50회 이상의 이벤트 발생 (설치,구매,예약 중 가능성 높은 이벤트로 설정)

- 추가적인 권장사항 : 1개의 캠페인에서 1일간 설치 88회 기록 (SKAdNetwork 캠페인에서 무효전환 최적화를 위함)

 

초기 테스트 캠페인 진행방법

- 학습단계 (3~7일) : 충분한 입찰&예산으로 머신러닝 최적화. '제한'상태 걸릴 시 학습능력이 떨어짐

- 스케일링단계 (7~14일) : 목표치를 달성할 경우 20%내외에서 일간 예산 변경. 2주간 테스트 끝나면 고성과소재, 저성과소재 분류

- 최적화단계 (14일 이후) : 소재 교체 이후에도 성과 변경이 없을 시 세트(그룹) 자체를 OFF 이후 캠페인의 별도 목표 지정 

 

▶ 구글과 캠페인-그룹[세트]-광고 소재의 구조는 동일 (일주일 내 50개의 전환 확보와 같은 최적화 기준의 차이는 존재)

 

 

02. 이벤트 최적화

소재로 인하여 사람들이 반응을 하였는가 판한다여 이벤트최적화 필요

목표 지정 후 소재 다양화, 이후 예산은 자동으로 배분됨 (고성과 소재 5개에 전체 예산이 집중되는 구조)

현 상태에서 자주 발생할만한 이벤트를 설정하는 것이 중요

 

설정 가능한 입찰 전략 예시)

1. 앱 내 이벤트데이터를 기반으로 목표CPA/ROAS에 최적화된 입찰 전략 (최소 25개/주 전환, 7일 전환 기준)

2. 앱 내 구매/활동 데이터를 토대로 고가치 사용자와 유사한 잠재고객 타겟팅 (최소 100명의 고가치유저 / 구매상위 25% 기준)

 

• CBO 활용으로 광고 세트 간 예산 자동분배
• 동일전환 기준으로 광고 세트 그룹화
• 타겟 오디언스별 성과 차이 모니터링

설치 > 등록 >이후의 사용자 이벤트가 무엇인지 파악하여 하나의 추적 가능한 이벤트로 설정해두는 것이 필요

이 단계를 거쳐야, 설치 이후의 이벤트에 대한 최적화까지 가능하게 됨.

 

• 앱 내 핵심 가치 이벤트 정의 및 추적
• AEO 단계적 적용
• 충분한 데이터 기반 ROAS 전략 구현

SKAdNetwork

• 과거에는 수동으로 작업했지만 현재는 SKAdNetwork를 사용하여 전환 스키마로 정의된 이벤트(성과)를 개선 가능
• 기존의 광고 추적 기준에서는 계속 집계가 빠지게 되는 문제를 SKAdNetwork가 해결
• 집계시간을 조금 미루는 대신 광고의 영향력을 같이 평가하는 형태
• 작업이 다소 복잡해지지만 기존의 방식보다 합리적임
• 직접 코딩을 하진 않더라도 개발자와의 협업을 위한 적절한 코드 파악은 필요
• 앱에 API를 넣고 정식 배포를 해야 하기 때문에 난이도가 높지만, 설정 이후에 성과가 확실함
• 자동화보고서에서 보이지 않는 내용을 파악할 수 있음

실무 사례)

1. 타겟팅

- 머신러닝 최적화 수준에 따라 어떤 유형의 타겟이 도움이 되는지에 대한 판단

메타는 광고세트를 최대한 줄여야 함

소재에 대한 최적화 필요(경쟁사가 잘 못하는 부분을 공략한다는 등)

- 캠페인 구조 분할 : 구매값 추적을 마친 다음, 고부가가치 유저에 대한 추가탐색 실시&캠페인 분할 -  성과 최적화 가능

- 타겟팅 분화의 또 다른 방식 : 세트별 최적화 이벤트 자체를 다르게 설정 (고부가가치 유저에 대해서만 구매 목적의 타겟)

 

2. 소재

- 어떤 유형의 레이아웃이 성과 개선에 더욱 도움이 되는지에 대한 판단

- 다양한 소재 테스트 + 광범위한 타겟팅 추구

- 타겟팅과 소재테스트를 동시에 진행한 케이스 : 특정 상품 혹은 특별 오퍼에 집중해서 특정 유저 리타겟팅

   (예. 게임에서 ~범위까지 완료한 고객 - 당신은 이것을 구매해야 다음 스테이지에 도달할 수 있다 타겟팅)

 

3. 목표 이벤트

- 현 시점에서 머신러닝 최적화를 가장 잘 도울 목표값이 무엇인지

- 테스트 진행 간 강조점 : 구글과는 달리 전환율을 중심으로 소재 퀄리티를 점검하는게 효과적일 수 있음

- 노출빈도에 따른 광고 피로도 주기적인 관찰, 경쟁사 동향 모니터링 필요

- 광고피로도는 소재 노출 후 평균 8~10일 시점에 발생. 소재 로테이션은 비용 상승 전 선제적으로 7일 주기 진행 필요

 

유사 경쟁 앱들과 차별화된 타겟팅 전략

- 고가치 사용자 세그먼트 기반 Look-alike 활용

- 경쟁사 오버랩 분석 및 차별화 포지셔닝

- 앱 고유 가치 제안에 맞춘 맞춤형 소재 전략

- 머신러닝이 제약된 상태 : 광고 세트를 합치고 예산 증액, 지역을 늘리는 등 많이 펼쳐둔 작업을 줄이는 과정을 거쳐야 함

 

앱 설치 대비 이벤트 전환율이 낮을 때 개선방안

- 앱 내 UI/UX 개선

- 타겟팅 최적화

- AIO로 최적화 목표 변경

- 리타겟팅 전략 : 앱 설치 후 미전환 사용자 대상 리타겟팅 마케팅

 

리커버리 전략 

- 최적화 목표 조정 (단순 설치 -> 가치 이벤트)

- 소재 로테이션 및 다양한 소재테스트

- 앱 내 UX 개선 및 드롭오프 포인트 분석

- 7일간 앱 미사용자 대상 리인게이지먼트 캠페인

 

---

Apple Search Ads

01. 앱캠페인 구조

광고 설정 구조

캠페인 : 예산/국가, 지역

그룹 : 입찰가, 키워드목록

광고 : 검색어, 일치유형

 

키워드유형 및 검색일치 : 구글/네이버와 생성하는 방식은 거의 유사

 

키워드 4대 분류 전략 : 브랜드 키워드, 경쟁사 키워드 , 카테고리 키워드, 일반 키워드(신규 오디언스 발굴, 확장성 테스트용)

 

키워드와의 조합요소 : 앱스토어 내 스크린샷, 프리뷰영상 등이 키워드와 연관성이 있을 경우 더 좋은 효과를 기대할 수 있음

 

입찰 관련 지표

CPT(Cost Per Tap) :광고를 한번 탭하는데 들어가는 비용

기존의 광고 성과를 기억함. 사용자 쿼리에 없는 앱의 연관성

앱이 사용자의 특정 의도를 명확하게 충족시켜 주는가

 

입찰가 결정 요소 : 앱 관련성, 광고 품질지수, 경쟁 입찰가, 타겟팅 정밀도

 

단계별 주요 지표 추적

TTR : 노출 이후 광고 탭

CR : 방문 이후 설치

ROAS : 광고대비 수익

CPA : 설치 1건당 비용

 

주요 성과지표 : 광고노출, 광고 탭, 웹페이지 방문, 앱 설치, 앱 내 전환 등

 

최소한의 학습방식 : 어떠한 방법론으로 초안을 구성했는지에 대한 논리적 설명이 준비하게끔 준비

 

02. 분석 툴 소개

 

MMP(Mobile Measurement Partner)

• 다양한 마케팅 채널에서의 앱 광고 성과를 통합적으로 측정하고 사용자의 앱 내 행동을 추적하여 정확한 광고 어트리뷰션을 제공하는 제 3자 분석 툴
• 역할 : 광고 어트리뷰션 제공, 기여도분석, 다양한 마케팅 채널 통합 측정, 사용자 행동 분석 및 세그먼트화, 부정 설치 탐지 및 필터링

 

광고 매체의 성과 안정 

• MMP SDK와 광고매체 보고서의 내용을 일치시키는 과정 진행 필요 (Postback)
• 타겟 설정이 어려울 경우 옵션에 다른 별도 오디언스 타겟팅 솔루션을 함께 제공
• 통일된 기준으로 만약 광고비용 정산이 제대로 안되었다고 생각할 경우 이 대시보드를 기반으로 비용에 대한 조정을 청구 가능
• (광고비용을 빠르게 소진하기 위한 부정트래픽 발생에 대응할 수 있음)
• 행동위주 추적으로 개인 단위 추적이 어려움. 대신 특정 트래픽이 일으킨 행동에 대해 감지

 

MMP+SKAdnetwork

• 보고 지연시간을 24시간 그 이상으로 늘릴 수 있음
• 구매하는 금액대를 나눠서 깊이에 따라 총 64개의 코드 부여
• 어떤 구간에서 우리가 이벤트를 많인 설정해 놨고 유의미하게 생각하는 범위가 어느정도인지 확인 가능
• 이중추적을 위한 검증을 통해 광고 대시보드만으로 정확히 못보는 내용을 확인 가능
• 개인정보보호로 인하여 광고추적이 막히는 상황에서 MMP 사용 시 추적 가능
• 잠재고객에 대한 타겟팅이 가능

앱스토어에 대한 분석

고객분석이 끝나면 각 고객에 맞는 별도 페이지 제작 가능

 

사례) 29cm 활용 레퍼런스

'가구'관심 고객에게 맞는 인테리어 제품 단독 노출 등으로 최적화를 통해 앱 설치당 비용 27% 감소, 장바구니 담기당 비용 44% 감소 등의 성과를 냄

 

경쟁사 벤치마킹

앱스토어 랭킹 추적

앱 이용자 추이 추적 - SensorTower : 앱 다운 경로

리뷰 추적 - AppFollow : UI 및 리뷰에 대한 피드백

 

---

경쟁사 분석

주요 찾게 되는 지표들 : 경쟁사의 성장추이, 이용 관련 피드백, 활용 소재 모니터링, 신기능 개발 트렌드

• 다운로드 추정치 : 경쟁앱의 성장 곡선과 마케팅 성과 추적
  • 주간/월간 다운로드 트렌드 파악
  • 예산 대비 설치 효율성 분석
  • 시즌별 마케팅 효과 측정
• 리뷰 키워드 : 사용자 피드백을 통해 개선점과 차별화 요소를 발견
  • 긍정/부정 리뷰 패턴 분석
  • 주요 사용자 불만사항 파악
  • 경쟁사 대비 차별화 포인트 발굴
• 소재 벤치마크 : 광고 크리에이티브 전략과 메시지를 비교 분석
  • 효과적인 광고 크리에이티브 참고
  • 핵심 소구점과 USP 비교
  • 매체별 광고 집행 전략 파악
• 신규 업데이트 트렌드 : 경쟁사의 기능 개발 방향과 시장 트렌드 추적
  • 신규 기능과 UI/UX 개선점 모니터링
  • 업데이트 주기 및 패턴 분석
  • 스토어 페이지 최적화 전략 파악

 

주요 모니터링 도구

• SensorTower 
  • 글로벌 앱 인텔리전스 및 마케팅 분석 플랫폼
  • 다운로드 & 수익추정치
  • 앱스토어 키워드 분석
  • 경쟁사 광고 인텔리전스
  • 앱스토어 랭킹 추적으로 어떤 키워드를 통해 노출순위 혹은 이용자를 확보하는지 확인
  • 경쟁사가 아직 선점하지 않은 키워드 선점 가능
• Data.ai
  • 종합 모바일 마켓 데이터 및 분석 솔루션
  • 글로벌 앱 랭킹 데이터
  • 사용자 행동 분석
  • 시장 점유율 및 경쟁사 분석
  • 앱 이용자 추이 분석으로 어떤 기능을 런칭함으로써 경쟁우위를 마련하는지 살펴봄
• AppFollow
  • 앱스토어 최적화 및 리뷰 관리 플랫폼
  • 실시간 리뷰 모니터링
  • 평점 및 키워드 추적
  • ASO 최적화 도구
  • 긍정키워드와 평점, 체류시간이 모두 늘어났다면 최소한 벤치마킹을 하면서 접근할 기회 만들 수 있음

참고 및 주의사항

- 벤치마킹은 완전히 다 따라하는 것을 의미하지 않음

- 일부는 공통적인 템플릿으로 생각하되, 자기만의 차별성을 강조할 수 있는 방법을 고민할 필요가 있음