무엇을 도와드릴까요?

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.

캠페인을 런칭하고 난 이후에는 캠페인 램프업(Ramp-Up) 기간이 있습니다.

  1. 학습 -머신러닝이 다양한 서플라이에서 데이터를 수집하여 어떤 종류의 유저가 캠페인과 가장 적합한지를 판단
  2. 최적화 – 설정한 KPI에 가장 적합한 유저 유입을 위해 머신러닝이 최적화하기 시작

최적화 단계를 마치면 성과 극대화를 시작할 수 있게 됩니다.

O/S당 최대 2개의 국가에서 런칭하는 것을 추천드립니다

머신러닝이 너무 적은 예산으로 운영되지 않아 충분한 데이터를 수집할 수 있습니다.

램프업(Ramp-Up) 기간은 런칭 지역, 앱, 이벤트 유형, 서플라이 상황에 따라 달라집니다.

CPI: 인스톨 최대 100개
CPA: 해당 이벤트 최대 300개
ROAS: 구매 이벤트 최대 150개

CPA 및 ROAS 캠페인은 목표 이벤트 및 구매 이벤트를 전환할 것으로 보이는 유저에게 최적화합니다. 이런 유저를 수집하기 위해서는 인스톨 비용이 많이 들 수 있습니다.

팁 : 너무 낮은 CPI 골을 설정하게 된다면, 머신러닝이 학습하는데 한계가 있어 구매 전환 및 특정 이벤트 전환 가능성이 높은 유저에게 광고가 노출되지 않을 가능성이 있습니다.

예, 고객 성공(Customer Success) 매니저에게 문의하여 변경할 사항을 논의하시면 됩니다.

팁: 캠페인 목표를 변경하거나 일일 예산을 큰 폭으로 변경하면 캠페인 퍼포먼스에 영향을 줄 수 있습니다.

런칭 후에는 목표를 변경하지 않고 점진적으로 확장하여 최적의 성과를 내는 것을 권장합니다.

예, 가능합니다. 하지만, 런칭시에는 일 최대 예산을 $350이 넘지 않도록 설정하여 머신러닝이 충분한 시간을 두고 충분한 데이터를 수집하도록 하는 것을 추천드립니다.

일 예산이 $350가 넘게 되면 머신러닝이 단기간에 너무 빨리 학습하여 실제 시장 상황을 충실히 반영하지 못할 수 있습니다.

학습 단계가 완료되면 일 예산을 늘려 비용을 성과 향상에 집중적으로 투입할 수 있습니다.

아니요. Liftoff의 머신러닝은 퍼블리셔가 아닌 유저 수준에서 유저를 타겟팅할 수 있도록 설계되었습니다.

어떤 퍼블리셔를 타겟팅하는 것과는 관계없이, 인스톨 및 이벤트 전환 가능성이 높은 유저 대상으로 머신러닝이 최적화를 진행하게 됩니다.

블랙리스트나 화이트리스트를 적용하면 머신러닝의 유저 리치 범위가 제한되어 성과 확장이 제한될 수 있습니다.

예: 화이트리스트 – 머신러닝이 한정된 퍼블리셔에서만 비딩 진행하게 되므로, 유저 제한 및 확장 이슈가 발생할 수 있음
블랙리스트 – 블랙리스트 앱에 있는 잠재적인 우량 유저를 머신러닝이 누락할 수 있음

팁: Fraud가 우려되나요?
머신러닝은 Fraud Check 기능이 있습니다. 이 기능은 기기 수준에서 모든 비딩 요청을 스크리닝하여 의심이 가거나 Fraud 여지가 있는 비딩을 필터링해줍니다.

최소 25만의 리타게팅 가능한 유저 그룹이 있어야 합니다(단, e-commerce : 10만/ 캐주얼 게임 : 구매 유저 10만).

리인게이지먼트 광고 캠페인을 설정하려면 다음 정보가 필요합니다.

  • CPA/ROAS 목표
  • 앱 유저 플로우 (예: 설치 > 등록 > 장바구니에 담기 > 구매)
  • 유저 타겟 그룹 정의 (예: 지난 14일 이내에 구매 이력이 없는 구매자)
  • 중간 A 이벤트(예: 장바구니에 담기)
  • A 이벤트(예: 구매)
  • 블랙아웃 기간(예: 설치 후 3일이 지난 유저를 타게팅)
  • 기기 ID 목록
  • 모든 포스트백(25만 개의 기기 ID를 사용할 수 없는 경우, 2주 이상의 기간 필요)
  • MMP 딥링크

예. 한 파트너사와 UA와 리인게이지먼트 광고를 함께 집행하면 얻게 되는 이득이 많습니다.

높은 퍼포먼스 달성 – 적기에 유저 재참여를 유도할 수 있도록 머신러닝을 전체적으로 활용

개선된 유저 경험 제공 – 일관된 광고로 이질감 없는 환경 제공

비용 효율성 극대화 – 이중 지불의 리스크를 없애고, 동일한 담당자로 운영 간소화

머신러닝은 프로그래매틱 광고 구매의 핵심 원동력입니다.

스마트한 구매 결정을 내리는 알고리즘이라고 이해하면 됩니다.

작동 방식:
데이터 트레이닝 > 모델링 > 예측

Liftoff 머신러닝은 종합적이고 클린하며 정확한 데이터로만 학습합니다.

Liftoff의 머신러닝에는 다음과 같은 주요 기능들이 내장되어 있습니다.

  • Smart Pacer – 하루종일 유저에게 노출 될 수 있도록 광고 비용 지출 속도를 최적의 수준으로 조정(가치가 높은 유저가 많을 때 유저 입찰 증가, 적을 때는 입찰도 감소)
  • Fraud Check – 정보가 누락 되거나 의심되는 정보가 있는 입찰 요청을 스크리닝(예: Device ID 누락, 퍼블리셔 앱이 너무 많음, 익명 IP 주소 등)
  • Dead Zones – ‘광고 닫기’ 버튼과 너무 가까이에서 발생한 우발적 클릭 차단

머신러닝이 이러한 기능들을 통하여 학습하기 때문에 장기적으로 성과를 개선할 수 있습니다.

머신러닝에 내장된 Fraud Check 기능은 기기의 모든 입찰 요청을 자동으로 스크리닝하여 다음과 같은 입찰을 거부합니다.

의심스러운 입찰

  • 퍼블리셔 앱이 너무 많음
  • 일 단위의 입찰 요청이 너무 많음(초활성 유저)
  • 의심스러울 정도로 갑작스러운 국가/지역 이동
  • 익명 IP(엑시트 노드, VPN, 서버 등)

유효하지 않은 입찰

  • Device ID 누락
  • App Store ID 누락
  • 잘못된 형식의 또는 잘린 ID

Fraud Check는 총 입찰 요청에서 13%를 거절하여, 고객사의 소중한 비용이 낭비 되지 않도록 보호합니다.

Liftoff는 익스체인지 파트너들과 긴밀하게 협력하여 브랜드 가이드라인을 준수하고 있습니다.

또한 Liftoff가 구매하는 인벤토리에서는 Liftoff의 기준이 적용됩니다.

예: 민감하거나 부적절한 콘텐츠(예: 정치색 짙은, 총기, 주류, 성적인 내용)가 포함된 앱에서는 트래픽을 구매하지 않음

안전하지 않다고 판단되는 앱에서 광고가 노출되는 경우 알려주시기 바랍니다. 요청이 접수되면 24시간 이내에 광고 게시를 중단하고 해당 퍼블리셔를 조사하도록 하겠습니다.

성과가 높은 크리에이티브를 디자인하기 위하여 다음과 같은 광고 소재가 필요합니다.

  • 앱 이름
  • 앱 제목/캡션
  • 앱 아이콘
  • 앱 로고
  • 짧은 문구(영문 기준 최대 65자)
  • 앱 설명 (영문 기준 최대 90자)
  • 제품 이미지
  • 인앱 스크린샷
  • 마케팅 홍보물
  • 네이티브 이미지
  • 동영상 엔드카드(최종 화면)
  • 세로형 동영상(1~15초, 16~30초)
  • 가로형 동영상(1~15초, 16~30초)
  • 브랜딩 가이드라인

자세한 정보는 캠페인 온보딩 양식을 참조해주세요.

다음과 같은 광고 소재 형식을 사용할 수 있습니다.

이미지: PSD(강력 추천), JPG, PNG
동영상: MP4

다음과 같은 광고 포맷(사이즈)을 운영하고 있습니다.

320×50(배너 – 모바일)
300 x 250(배너 – 모바일)
728×90(배너 – 태블릿)
480×320(전면광고 – 모바일)
320×480(전면광고 – 모바일)
768×1024(전면광고 – 태블릿)
1024×768(전면광고 – 태블릿)
1200×627(네이티브)

캠페인 런칭 후 Liftoff 대시보드에서 크리에이티브를 확인할 수 있습니다.

일반적으로 시즈널 크리에이티브는 운영하지 않습니다. 다양한 크리에이티브 테스트를 반복한 결과, 장기적으로 활용 가능한(evergreen) 광고 소재가 성과에서 우위를 보이기 때문입니다.

그 외에도 시즈널 광고 소재는 다음과 같은 이슈를 동반합니다.

  1. 장기적으로 운영 되는 광고 소재와 같이 정제되어 있지 않음
  2. 너무 많은 새로운 요소가 추가 되어 일반적으로 성과가 저조함(광고주 지출 감소)
  3. 유의미한 테스트에 소진할 수 있는 예산을 낭비할 수 있음

Liftoff의 a/b 테스트 및 크리에이티브 성과 측정 방법 :

크리에이티브 a/b 테스트는 다음과 같은 방법을 사용하여 실행됩니다.

  1. 개선할 기존 크리에이티브 선택(보통 예산 소진액이 최상위인 소재)
  2. 테스트를 진행할 핵심 요소 결정(예: 이미지 혹은 카피)
  3. 기존 크리에이티브와 테스트할 신규 크리에이티브 1-2종 제작
  4. 각각의 소재가 동일한 확률로 노출될 수 있도록 기존 크리에이티브와 순차순환 테스트 진행 (동일한 인벤토리, 소스앱, 국가 등)
  5. 총 노출 수 최소 10만, 총 설치 수 80개, p-값 0.01 미만이라는 최소 임계점에 도달하면, 특정 크리에이티브가 다른 것보다 99%의 확률로 더욱 좋은 성과를 지속적으로 낼 수 있을 것이라고 판단

소재 성과를 측정할 때 사용되는 지표는 다음과 같습니다.

  1. UA : Impression-To-Install % (노출 -> 설치의 비율)
  2. 리인게이지먼트 : Impression-To-App Event % (노출 -> A 이벤트의 비율)

a/b 테스트를 진행하여 캠페인 성과를 최적화할 수 있는 크리에이티브를 찾는데 활용합니다.
또한 Liftoff는 a/b 테스트를 통하여 새로운 트렌드와 모든 포맷에 두루 사용할 수 있는 모범 사례를 찾아내기도 합니다. 같은 장르의 앱에서 새로운 트렌드를 발견하면 그 소재를 귀사 캠페인에 적용하기도 합니다.

Liftoff는 a/b 테스트를 어카운트 당 분기에 최소 2회 가량 진행합니다.

광고주의 소재 제작에 대한 유연성, 일 예산, 제공된 광고 소재 개수에 따라, a/b 테스트가 진행 되는 빈도 수가 증가할 수도 있습니다.

Liftoff의 모든 광고는 반응형으로, 유저의 기기, 화면 크기에 맞게 자동으로 변환 되어 이질감 없는 광고 환경을 만들어줍니다.

일반적으로 일반 이미지 광고보다 반응형 광고의 성과가 200% 더 높습니다.

해당 포맷에서만 활용되는 인터랙션 메시지가 동영상에 표시되지 않는다면 가능합니다.

예를 들어, 많은 Instagram/Snapchat 동영상은 자세한 내용을 확인할 수 있는 “위로 스와이프” 메시지가 나타나며 끝납니다.

이러한 기능은 동영상이 해당 앱 외부에서 실행될 때 작동하지 않지 때문에 유저에게 불만족스러운 경험을 유도할 수 있습니다.