Share on facebook
Share on linkedin
Share on twitter
Share on facebook
Share on linkedin
Share on twitter

인공지능(AI)을 이용한 선제적인 부정 인스톨 예방

부정 인스톨과 그로 인한 손실 문제는 마케터들에게는 항상 골칫거리다. 인공지능이 이런 흐름을 뒤바꿀 수 있는 효과적인 무기로 떠오르고 있다.

시장조사 전문기관 이마케터(eMarketer)에 따르면, 2018년에는 아태지역 광고 지출액이 10.7% 상승하여 미화 2,104억 3천만 달러에 달할 것으로 예상된다. 아태지역 마케터들이 지속적으로 광고에 자금을 쏟아 붓고 있음을 알 수 있다. 그러나, 점차 심화되고 있는 부정 인스톨 문제로 인해 캠페인 결과는 왜곡되고 광고 수익률 향상에는 걸림돌이 되고 있다.

앱스플라이어(AppsFlyer)의 “2018년 1분기 모바일 부정 인스톨 현황” 보고서에 따르면, 모바일 앱 설치로 보다 높은 안전성을 기대했던 모바일 마케터들조차 작년 동기 대비 30% 늘어난 부정 인스톨로 당황하고 있다고 한다. 전세계적으로 모바일 앱 부정 인스톨로 인한 손실은 미화 7~8억 달러에 달한다. 부정 인스톨 문제를 해결하지 못하고 있는 이유는 무엇일까?

점점 교묘해지고 있는 부정 인스톨 수법

초기의 부정 인스톨은 그 수법이 비교적 단순했다. 봇(bot)을 이용하여 대량의 트래픽을 웹사이트에 집중하거나, 자동 리다이렉트(auto redirects)를 통해 값싼 트래픽을 구입하거나 별도 인력을 고용해 클릭 농장(click farms)에 앱을 설치하는 식이었다. 일단 클릭을 하거나 앱이 설치되면 완료되는 형태다. 이러한 수법은 이내 광고주들에게 발목이 잡히게 되고, 이에 따라 앱 설치 후의 품질, 인게이지먼트, 최종 클릭을 유도한 속성, 투자수익률(ROI) 등을 조사하는 방향으로 초점이 이동하기 시작했다.

오늘날, 부정 인스톨 기법은 그 성격이 완전히 달라져 완전히 뿌리뽑을 수 없는 괴물과 같은 존재로 진화했다. 예를 들면, ‘클릭 인젝션(click injection)’이라는 수법은 앱이 설치되기 직전에 클릭을 유도함으로써 그 설치 성과를 가로채려 한다. 또는 여러 광고가 노출된 것처럼 위장하기 위해 배너 안에 다수의 광고 링크를 삽입하여 광고 위에 광고 쌓기를 지속하기도 한다.

또한, 광고 사기범들은 자신의 수법을 들키지 않기 위해서는 웹사이트에 트래픽을 공급하거나 대량의 앱 설치를 실행해야 할 뿐만 아니라 계속 접속 상태를 유지하면서 사람의 행동을 모방해야 한다는 사실도 잘 알고 있다. 이들은 심지어 클릭 농장에 인력을 고용해 사람들이 하는 행동을 흉내내도록 하고, 추가 클릭을 유도하기 위해 기기를 가로채기도 하고 봇 네트워크에서 가짜 설치를 유발하는 시뮬레이터를 만들어 내기도 한다.

기술에 의존하기 시작한 광고주들

대형 브랜드와 주요 퍼블리셔들은 이미 부정 인스톨에 대한 조치를 취하기 시작했다. 가디언(The Guardian)지는 프로그래매틱 광고사기 조사를 위해 구글(Google), 마이티하이브(MightyHive)와 손을 잡았다. 또한, 어도비 광고 클라우드(Adobe Advertising Cloud)는 스트리밍 TV 매체의 문제점을 해결하기 위해 사이버 보안 기업인 화이트 옵스(White Ops)와 제휴를 체결하기도 했다.

마케터들 사이에서 주목 받고 있는 또 다른 기술로 분산 감시와 독자적인 검증을 시행할 수 있는 능력을 갖춘 블록체인이 떠오르고 있다. 그러나 블록체인의 경우 실시간 입찰과 관련된 대규모 거래량 처리 문제, 관련된 모든 사람들로부터 인정받아야 하는 등 아직 해결해야 할 과제가 많다.

애피어의 CTO(최고기술책임자)이자 공동창업자인 조 수(Joe Su)는 “미디어 바이어를 포함, 애드 익스체인지, 그리고 퍼블리셔에 이르기까지 서플라이 체인에 종사하는 모든 사람들이 협조를 통해 보편적인 표준을 채택하고 실제 활용하기 까지는 어느 정도 시간이 걸릴 것”이라고 설명한다.

머신러닝을 통한 정교한 감지로 선제적 대응

부정 인스톨을 감지하기 위해 전통적으로는 전환율, 클릭 시간과 같은 지표들, 그리고 사전에 협의된 조건을 측정하는 것과 같이 인간이 설정해 놓은 간단한 규칙들에 의존해 왔다. 과거에는 의심이 가는 트래픽을 차단하거나 클릭에서 설치까지의 시간(Click-to-install-time, CTIT)이 짧은 설치 건을 선별해 내는 IP 블랙리스트도 효과가 있었다.

그러나 이러한 고정된 규칙이 지닌 문제점은 광고주들이 찾고 있는 대상을 알면서 감지 작업을 수행하는 것과 마찬가지로 이 규칙들이 사전에 정해진 것이라는 점이다. 예를 들어, 봇이 실행했을 가능성이 더 높다고 판단되어 클릭에서 설치까지 10초 이하의 시간이 걸린 건들을 배제하기로 결정했다고 하자. 하지만 그 규칙이 미리 설정된 것이라면, 사기범들이 이를 우회할 수 있는 방법을 알아내는 것은 시간 문제다.

이보다 더 효과적인 해결책은 오늘날의 복잡한 부정 인스톨 기법에 대응은 물론, 그 흐름을 앞서 나갈 수 있는 기술을 활용하는 것이다. 이는 마케터들이 단순하고 고정된 규칙 기반 대응 방식을 넘어서 새로운 사기 패턴을 감지하고 스스로 규칙을 업그레이드할 수 있는 인공지능(AI) 기반 솔루션으로 나아가야 함을 의미한다.

사기범들이 사람의 행동을 모방할 수 있는 새로운 기법을 채용하듯이, 마케터는 머신러닝 알고리즘을 통해 육안으로 확인할 수 없는 부정 인스톨 행위를 찾아낼 수 있다. 이는, 설치 시작 전에 부정 클릭과 부정 임프레션을 감지해 내는 것이 무엇보다도 중요한 앱 인스톨의 경우에 특히 더 중요한 의미를 갖는다.

애피어 조 수(Joe Su) CTO는 “클릭에서 설치까지 소요된 시간이 의심스러울 정도로 짧은 경우 부정 인스톨로 간주할 수 있겠지만, 그 설치가 이루어질 때쯤이면 이미 늦은 상황이 되어 해당 설치 건은 성과로 포함되었을 확률이 크다”고 밝힌다.

“나무 기반 모델”이라고 불리는 기초적인 인공지능(AI) 접근법은 특이 행동을 감지하는 과정에서 최대한의 커버리지와 정확성을 얻어내기 위해 엄청난 수의 신호를 분석하는 방식으로 작동한다. “카멜레온(Chameleon)”의 경우, 사기범들이 합법적인 퍼블리셔를 모방하거나 자연적인 고객 리텐션 비율이 떨어지는 추후의 날짜에 설치를 실행한다.

또 하나의 가능한 시나리오는 “인벤토리 폭발(inventory burst)”로, 일반적으로 애플리케이션 내의 등록율이 떨어지는 시간대에 퍼블리셔의 광고 인벤토리 수치가 급증하는 경우 그 퍼블리셔를 의심해 볼 수 있다. 머신러닝 알고리즘은 시간이 경과함에 따라 더 많은 데이터를 수집하고 스스로 학습하면서, 이런 정교한 광고 패턴을 감지할 뿐만 아니라 필터에 피드백함으로써  미래의 감지 능력을 더욱 향상시킬 수 있다.

마케터는 더 많은 부정 인스톨 사례를 감지해 냄으로써 불량 트래픽을 제거하고 광고비용대비수익률(ROAS)을 더욱 정확하게 계산할 수 있다. 애피어는 아태지역 모바일 앱 캠페인으로부터 확보한 52억 개의 데이터 포인트를 연구한 결과, 기존 방식 대비 인공지능 기반 접근법이 두 배 더 많은 부정 인스톨 의심 건 수를 감지해 내고, 4% 더 높은 ROAS를 실현했음을 밝혀냈다.

사기범들은 감지를 피할 새로운 기법을 또 개발해 낼 것이다. 항상 방심하지 않고 인공지능 기반 부정 인스톨 방지 프로그램을 도입하여 선제적인 노력을 취하고 있는 광고주들만이 경쟁사에 비해 더 높은 투자 수익율을 달성할 수 있을 것이다.

애피어에 문의하세요!

문의를 남겨주시면 마케팅 전략을 개선할 수 있는 방법을 찾을 수 있도록 안내해드리겠습니다.

다른 최신 포스트도 둘러보세요!

여행업계 고객의 충성도를 제고할 시점

요즘 소비자들의 브랜드에 대한 충성도가 예전 같지 않다. 디지털 여행 시장이 전에 없이 치열한 경쟁 상황으로 돌입하면서 소비자의 상품 조사가 한층 복잡해졌을 뿐 아니라 최종 의사결정을 내릴 때도 평소 주로 이용하던 브랜드나 익숙한 상품이 아닌 자신만의 요구사항을 만족하는지를 근거로 이루어지고 있어 소비자의 지속적인 충성도를 얻기가 좀처럼 쉽지 않다. 하지만 인공지능(AI)을 활용하면 이 문제를 좀 더 쉽게 해결할 수 있다. 데이터 파편화와 소비자들의 가장 완벽한 옵션 찾기 기존 고객을 상대로 판매가 성사될 가능성이 새 고객을 상대로 판매할 때보다 높다는 것은 익히 알려진 사실이다. 수치로 따지면 전자는 무려 60-70% 대의 성공률에 달하고, 후자는 5-20% 정도에 그치는 것으로 알려져 있다. 기존 고객은 브랜드를 알고 있을 뿐만 아니라, 이전에 이용했을 때 좋은 경험을 했다면 어느 정도 신뢰까지 갖게 되기 때문이다. 그러나 한 소비자가 단 한 건의 구매를 완료하는 여정에서도 다수의 웹사이트와 다양한 광고 등을 접하면서 수백 가지 터치포인트에 노출될 수 있다. 따라서 다음번 예약도 같은 회사에서 진행할 것이라고 확신할 수 없다. 궁극적으로 흥미를 자극하는 다른 브랜드가 나타난다면 이 소비자는 망설임 없이 옮겨갈 것이다. 적립 카드나 포인트 제도로는 충분치 않다. 요즘 소비자들이 추구하는 것은 친숙한 브랜드나 적립 포인트가 아닌 자신에게 꼭 맞는 완벽한 여행 상품을 찾는 것이고, 자신의 결정에 확신을 갖기 위해 상품 후기와 평점 확인도 마다하지 않는다. 따라서 이제 고객의 충성도를 얻기 위해서는 탁월한

개인정보보호 시대, 광고주들의 대안으로 떠오르는 문맥 타겟팅

컨텍스츄얼 타겟팅(Contextual targeting), 국내에서는 문맥 타겟팅으로 알려진 기법이 다시 부상하고 있다. 비즈니스와이어(Business Wire)는 최근 보고서에서 전세계 문맥 광고 시장이 2025년에 2792억 달러까지 성장할 것으로 예상하고 있다. 문맥 타겟팅의 부활을 견인하는 동인으로는 유럽 GDPR(개인정보보호규정)의 확대, 그리고 최근 구글(Google)이 발표한 크롬 브라우저의 서드파티(3rd-party) 쿠키 지원 중단 계획 등과 관련이 있다. 타사 쿠키를 지원하지 않게 되면 광고주 및 광고 네트워크들은 더 이상 여러 사이트에서 사용자를 추적하여 타겟팅할 수 없게 된다. 결국 이 모든 변화는 온라인 상에서의 개인정보보호를 강화해야 한다는 시장의 요구에 기인한 것이다. 사람들은 자신들의 개인정보 사용과 관련하여 더 높은 투명성, 제어, 및 선택권을 원하고 있다. 결과적으로 행동 타겟팅(Behavioral targeting)은 점점 더 줄어들 수밖에 없다. 인터넷을 이용하는 사람들을 추적할 수 없다면 지금까지 마케팅에서 선호되어온 행동 타겟팅 기법은 그 근간을 잃게 되는 것이나 마찬가지다. 그 대안으로써 문맥 타겟팅으로의 전환이 일어나고 있으며, 더불어 최근 몇 년 사이 비약적으로 발전한 인공지능(AI) 기술도 문맥 타겟팅의 부상에 한 몫 하고 있다. 문맥 타겟팅이란? 광고 업계에서 문맥 타겟팅은 새로운 개념이 아니다. 사실 인쇄 및 TV 광고에서 오랫동안 사용되어 온 타겟팅 기법이다. 본질적으로, 특정 맥락에 가장 적합한 광고를 배치하는 것을 의미한다. 가령, TV로 중계되는 큰 스포츠 경기 중간에 나이키 제품 광고를 내보내거나 디지털 환경에서라면 패션 또는 스타일 관련 웹사이트에 할인 화장품 광고를 게재하는 것 등이 해당된다. 행동 타겟팅이 유사한 탐색

인앱 광고 필승 전략

인앱 광고가 증가하고 있다. 특히, 전세계 앱 다운로드의 47%를 차지하는 아시아태평양 지역에서 증가폭이 두드러진다. 앱솔루트 마켓 인사이트(Absolute Market Insights)의 보고서에 따르면, 글로벌 인앱 광고 시장은 2018년 미화 667억 8천만 달러를 기록했으며, 2027년에는 미화 4,726억 4천만 달러에 달할 것으로 예상된다. 소비자들이 모바일 웹에서 보내는 시간은 스마트폰 이용 시간의 11%에 불과한 데 비해, 앱에서 보내는 시간은 89%에 달해, 광고주 입장에서는 인앱 광고를 통해 고객들이 대부분의 시간을 보내는 곳, 즉, 모바일 기기 및 앱 내에서 고객을 타겟팅하는 것이 합리적인 선택이다. 인앱 광고는 또한 효과적이다. 가령 아침에 깨어났을 때나 또는 출퇴근 길 같은 다른 미디어는 접근하기 힘든 시간대에도 사용자에게 도달할 수 있다. 그리고 모바일 웹보다 1.3-2배 정도 더 높은 클릭률을 보인다. 인앱 광고는 광고주에게 정밀한 타겟팅, 캠페인 추적 및 참여도 향상을 실현할 보다 나은 환경을 제공한다. 이처럼 장점이 많은 인앱 광고 전략을 제대로 구현하기 위해서는 몇 가지 고려할 점이 있다. 1. 고객생애가치 높은 프리미엄 오디언스 공략 앱은 사용자의 과거 구매 내역, 인터넷 사용 기록, 지리적 또는 인구통계적 정보를 제공한다. 인앱 광고 캠페인 효과를 극대화하고 ROI(투자수익)를 높이려면 표면적인 수준을 넘어 한층 더 깊이 있는 접근이 필요하다. 바로 잠재적 고객생애가치(LTV)가 가장 높은 오디언스를 찾아내야 한다. 딥러닝을 사용하여 사용자 행동에서 패턴을 발견하고 관심사 및 실시간 의도를 토대로 세그먼트를 만들 수 있다. 그리고 각 세그먼트의 예상 전환율(CVR)을 예측하고

    저희가 도와드리겠습니다

    문의를 남겨주시면 마케팅 전략을 개선하는 데 도움될 AI 솔루션을 자세히 안내드리겠습니다