프로세스는 간단히 3단계로 구성되어 있습니다.
- 캠페인 온보딩 양식 작성
- Liftoff팀과의 킥오프 미팅을 통해 캠페인 세부 내용 수집 (KPI, 벤치마크, 트래킹 링크, 광고 소재, Device ID)
- Liftoff에서 소재 확인 후 캠페인 셋업 및 런칭
캠페인 셋업에서 런칭까지 최대 2주 정도 소요되며, 캠페인 디테일 정보 및 소재가 수집되는 속도에 따라 런칭 일자가 달라질 수 있습니다.
CPI: 앱을 설치할 유저 찾기
CPA: 앱에서 타겟 액션을 취할 유저 찾기
CPR: 앱에서 가장 많은 수익을 창출(ROAS)해줄 유저 찾기
아니요, 머신 러닝은 하나의 목표에만 최적화가 가능합니다. 수익 창출과 연관이 있는 CPA/ROAS의 경우, 인스톨 단가가 높아지는 경향이 있습니다. 따라서, 두 개의 목표가 서로 상반되므로, 여러 개의 목표를 설정하는 것은 어렵습니다.
캠페인 런칭 후, 다양한 서플라이에서의 데이터 수집을 통하여 최적의 유저를 찾기 위해서는 머신 러닝이 필요합니다.
캠페인 운영에 있어, 머신 러닝에 제한을 두게 되면, 머신 러닝에 악영향을 미칠 수 있어 성과 확장이 제한될 수 있습니다.
팁 : 머신 러닝의 정확도는 학습에 사용된 데이터의 정확도와 정비례합니다.
머신 러닝에 제한이 있는 경우, 머신러닝이 학습할 수 있는 기회가 적어져 저품질의 인벤토리에서 데이터를 수집하게 되며, 이로 인해 최적의 유저 수집 및 확장에 제한이 있을 수 있습니다.
일일 한도 범위를 $250~350로 설정하여 시작하시기를 권장합니다.
캠페인 런칭 초반의 일 예산이 $350이 넘는 경우에는, 머신 러닝이 단기간에 너무 빠르게 학습하여 실제 시장 상황을 충분히 반영하지 못하게 될 가능성이 있습니다.
앱 인스톨 부터 Liftoff가 최적화하는 최종 목표 이벤트까지의 유저 플로우를 의미합니다.
예: 설치 > 등록 > 장바구니에 담기 > 구매
캠페인을 설정할 때 이벤트의 최적화 순서를 염두에 두는 것이 성공의 열쇠입니다.
최종 목표 KPI(ROAS 또는 CPA)와 가장 밀접하게 연결되어있는 것이 A 이벤트입니다.
예: 목표: CPA
A 이벤트: 구매
A 이벤트와 높은 상관관계가 있는 이벤트로, 중간 A 이벤트를 설정함으로써 A 이벤트의 수집 속도를 빠르게 할 가능성이 높습니다.
예: A 이벤트가 “구매”인 경우, 중간 A 이벤트는 “장바구니에 담기”가 될 수 있습니다.
“장바구니에 담기” 이벤트가 많이 발생할수록, “구매” 이벤트가 발생할 가능성도 높아집니다.
팁: 특히 앱내 유저 플로우가 긴 앱에서는 중간 A 이벤트를 최적화하면 성과를 신속히 높일 수 있습니다.
한 유저가 동일한 이벤트를 여러 번 완료하면 이를 반복 이벤트라고 합니다.
예: 한 유저가 3번 구매
코호트란 동일한 시기에 동일한 사건을 경험한 집단을 의미하며, 코호트 보기는 동일 기간에 발생한 그룹에 대한 성과를 평가하는 데 사용됩니다.
예: 1일 차에 설치가 발생하고, 구매는 3일 차에 발생
코호트 미적용시: 구매는 3일 차 인스톨에 귀속
설치 후 7일 코호트 적용시 : 구매는 1일 차 설치에 귀속
팁: 코호트 보기는 행동 패턴을 식별하는 데 도움이 됩니다. 이를 사용하여 인앱 마케팅 및 리인게이지먼트 전략에 필요한 정보를 얻을 수 있습니다.
이 코호트 기간은 Liftoff가 최적화하는 대상이기 때문에 중요합니다.
예: 고객의 CPA 목표가 7일의 기간 이내에 구매하는 것이라면, 설치 후 7일 이내에 이루어진 구매를 대상으로 최적화합니다.
디타겟팅 목록을 업로드하면, 머신러닝이 앱을 설치한 유저에게는 광고를 노출하지 않아, 광고 비용을 앱을 설치하지 않은 유저에게만 집중할 수 있습니다.
예: 디타켓팅 목록이 있을 때: 머신러닝 이 앱을 설치하지 않은 사용자에게만 비딩
디타겟팅 목록이 없을 때: 머신러닝이 이미 앱을 설치한 사용자를 포함한 모든 사용자에 비딩
알고 계신가요?
디타겟팅 목록을 업로드한 Liftoff 고객은 그렇지 않은 고객보다 최대 39% 더 나은 성과를 거두고 있습니다.
모든 포스트백을 활성화하면 성과가 X% 증가합니다.
이렇게 하면 머신러닝이 비용을 앱을 설치하지 않은 유저에게만 집중할 수 있기 때문입니다.
모든 포스트백이 없을 때:
머신러닝이 이미 앱을 설치한 유저를 포함한 모든 유저에게 광고를 노출함
이미 앱을 설치한 유저 및 특정 이벤트까지 전환된 유저 등이 포함되었는지 여부를 머신러닝이 파악하지 못함
모든 포스트백이 있을 때:
머신 러닝이 앱을 설치하지 않은 유저에게만 비용을 집중함
이미 앱을 설치한 유저 및 특정 이벤트까지 전환된 유저 등이 포함되었는지 여부를 머신러닝이 파악할 수 있음
수익 포스트백을 활성화하면 가장 많은 수익을 창출해주는 사용자를 대상으로 머신러닝이 최적화할 수 있습니다.
활성화하지 않으면 수익 금액에 대하여 추측치에 의존하게 되므로 ROAS 목표를 달성하기가 어려워집니다.
View through attribution을 활성화하면 광고 성과를 클릭수에서 조회수까지 전체적으로 살펴볼 수 있습니다.
예: 유저 A가 광고를 보고 그 순간에 클릭에서 설치까지 이어짐
유저 B는 광고를 봤지만 클릭하지 않았고, 그날 나중에 앱을 설치함
팁: Google 및 Facebook에서는 View through attribution이 자동으로 활성화됩니다.
정확한 채널 퍼포먼스 비교를 위해서는 비교할 모든 채널에 View through attribution을 동일하게 설정하는 것이 좋습니다.