▶ 이 글은 앱리프트의 블로그(http://applift.sohocreative.eu/blog)에 올라온 글을 바탕으로 작성된 글입니다.
원문은 링크에서 확인할 수 있습니다. (http://applift.sohocreative.eu/blog/10-step-approach-to-fighting-fraud)
Fraud란 모바일 광고에서 발생하는 ‘부정행위’. 즉, 부적절한 사기성 트래픽이나 클릭 혹은 인스톨을 뜻합니다. (본 포스팅에서는 ‘Fraud’라는 영어 단어를 유지하도록 하겠습니다.) 이는 모바일 광고 집행 시 쉽게 피할 수만은 없는 문제이기 때문에 광고주들은 애드 네트워크, 퍼블리셔, 어트리뷰션 파트너와 함께 가까이 일하며 Fraud의 위험을 최소화시키는데 노력을 해야 합니다.
이번 포스팅에서는 광고주가 모바일 광고 집행 시 Fraud를 이겨내기 위해 꼭 알아야 할 10가지 방법들을 이야기해보도록 하겠습니다.
1. 앱의 KPI(Key Performance Indicator) 이해: 광고주들은 모바일 광고 집행시 의심스러운 활동을 탐지하기 위해 트래픽 및 KPI를 모니터링하는 프로세스를 갖추어 초기 Fraud 탐지에 필수적인 역할을 할 수 있도록 해야 합니다.
2. 배경 분석: 광고주들은 리스크가 있는 곳을 미리 파악하고, 수많은 유형의 Fraud를 이해하여 구분하는 방법을 알아야 합니다. 이를 위해 ‘정보 출처의 다양화’가 매우 중요합니다 – 네트워크, 미디어 소스, Fraud 탐지를 돕는 회사 및 퍼블리셔들은 모두 Fraud를 식별하기 위한 방법을 알고 있는 광고주의 소중한 친구들입니다. 하나의 출처에만 의존하는 것이 아니라, Fraud를 밝혀내고 해석까지 더하여 전체적인 큰 그림을 그려본다면 좋겠죠.
3. 인센티브 및 캠페인 관리: 캠페인을 시작할 때 광고주들은 UA 매니저와 상의해 항상 최상의 품질을 유지할 수 있도록 해야 합니다. 다만 여기 중요한 점은 다운로드의 볼륨만 높이는 것이 아니라, 광고주에게 유익한 다운로드가 될 수 있도록 집중해야 한다는 것이죠. 만약, UA 매니저에게 다운로드 볼륨 측면만 집중하도록 한다면, Fraud 관리는 당연히 취약해질 수밖에 없게 됩니다.
4. 어트리뷰션 파트너들과의 협력: 내부적으로 Fraud에 대처할 수 있는 리소스가 없는 경우, 어트리뷰션 및 트래킹 파트너(AppsFlyer, Kochava, TUNE, Adjust)와 같은 주요 파트너들이 제공하는 Fraud 솔루션을 사용하는 것을 추전합니다.
5. 내부 인프라 구축: 회사 내부 비즈니스 인텔리전스팀과 함께 확장 가능한 내부 인프라를 구축하여 데이터 패턴을 더욱더 쉽고 빠르게 이해하고 분석하는 것이 중요합니다. 엄청난 양의 캠페인 데이터들을 처리할 수 있는 인프라(기술과 사람의 조합)을 갖춘다면, 다양한 수준에서 Fraud를 방지하고 적시에 대응 및 조치를 취할 수 있게 될 것입니다.
6. 올바른 소스의 선택: 캠페인 시작 전 광고주들은 Fraud에 대한 접근 방식을 파트너들에게 물어보고 Fraud에 대해 적절한 예방 조치를 취할 수 있는 파트너를 선택해야 합니다. Fraud에 대해 가장 주도적이고 적극적인 파트너와의 협력을 추천합니다.
7. 가이드라인 및 목표 측정 매트릭스 구현: 광고주들은 모든 서플라이 소스(매체)에 캠페인 관리 가이드라인을 지킬 수 있는 프로세스를 설정하는 것이 중요합니다. 여기에서 주의해야 할 점은, 목표 매트릭스나 범위를 부정확하게 정의한다면 좋은 인벤토리일지라도 광고 기회를 놓칠 수 있으므로 주의해야 합니다.
8. 지속적인 측정: 다양한 유형의 Fraud가 어떤 패턴을 보이는지에 대해 식별 방법을 익혔다면, 이에 따라 데이터를 구축하고 모든 인벤토리 소스를 패턴 기반으로 계산해 봅니다. 분석을 기반으로 각 Fraud 패턴에 대해 정의해야 하며, 시장 평균과는 다른 경험을 할 수 있는 앱이라면 그 외 개별 요소들까지 고려해야 합니다.
9. 예외 관리: 데이터의 양은 항상 엄청납니다. 모든 데이터를 확인하는 것은 불가능하기에 특정 패턴을 나타내는 경우, 경고 또는 자동 시스템을 설정해 놓으면 좋습니다. 애드 퍼블리셔와 DSP들의 경우, 트래픽 및 캠페인 관련 KPI를 모니터링하는 것은 매우 중요하죠. 예를 들어, 비정상적으로 높은 앱 인스톨 비율을 보이거나, 똑같은 트래픽 소스로부터 모든 유저들의 클릭과 앱 인스톨 사이의 시간이 동일하거나, 클릭과 인스톨 사이의 시간이 설명할 수 없을 정도로 짧다면, Fraud를 의심해보아야 합니다.
10. 피드백 루프 구현 및 학습 내용 통합: 만약 데이터 수집 과정에서 의심스러운 트래픽 패턴을 먼저 발견했다면 해당 데이터뿐만이 아니라 가능한 많은 데이터를 공유할 수 있도록 해야 합니다. 파트너들은 이를 통해 먼저 일어났던 사고에 대해 학습할 수 있고, 그다음을 예방할 수 있기 때문입니다.
*앱리프트에서는 뉴스레터를 발행하고 있습니다. 여기에서 구독 신청을 하시고 모바일 마케팅 최신 소식을 받아보세요!