모델링된 온라인 전환 정보

모델링된 전환은 개별 사용자를 식별하지 않는 데이터를 사용하여 Google에서 직접 관찰할 수 없는 전환을 추정합니다. 따라서 완성도가 더 높은 전환 보고서를 제공할 수 있습니다.

Google에서는 사용자 개인 정보 보호나 기술적 한계 때문에 광고 기여도를 직접 분석할 수 없을 때는 모델링을 통해 데이터 슬라이스를 복구합니다. 이 작업의 목적은 수준 높은 측정을 제공하여 사용자가 마케팅의 효과를 정확하게 파악하고 수준 높은 입찰을 유지하여 과소 입찰이나 과대 입찰을 방지하는 것입니다.

Google Ads에서 모델링된 전환을 표시할 때 Google에서는 기여 전환수를 예측합니다. 대부분의 경우 Google에서는 광고 상호작용과 온라인 전환을 수신하지만 두 항목 사이의 연결 관계는 알 수 없습니다. Google 모델링은 Google 광고 상호작용이 온라인 전환으로 이어졌는지를 확인합니다. 전환이 발생했는지 여부는 확인하지 않습니다.

모델링을 하지 않으면 보고된 전환에는 실제 캠페인 실적이 아닌 관찰 가능한 일부 전환만 반영됩니다.

모델링된 온라인 전환의 작동 방식

관찰되지 않은 데이터 슬라이스를 모델링하기 위해 Google에서는 되도록 관찰되지 않은 슬라이스와 행동이 동일하거나 매우 유사함이 확인되었거나, 행동이 어떻게 다른지를 잘 아는 관찰 가능한 슬라이스의 데이터를 사용합니다.

예: 특정 브라우저 유형에서는 관찰할 수 없지만 다른 브라우저 유형에서 관찰할 수 있는 전환 슬라이스가 있다고 가정해 보겠습니다. Google의 모델링에서는 먼저 브라우저 유형에 따른 사용자의 행동(예: 전환율) 간의 추세를 파악합니다. 그런 다음 측정 가능한 브라우저에서 관찰 가능한 데이터와 모든 체계적 편향을 함께 사용하고 기기 유형, 시간, 지리적 위치, 운영체제 같은 기타 집계 측정기준을 통합하여, 관찰할 수 없는 브라우저 유형에서 광고 상호작용의 전환 이벤트 발생 가능성을 예측합니다.

모델링된 전환은 관찰된 전환수와 동일한 수준의 세부 정보로 보고됩니다. 이러한 정보에는 총 전환수, 기여 경로, 전환 가치 같은 측정기준이 포함됩니다. Google에서는 '전환수' 열로 모델링된 전환과 관찰된 전환을 모두 보고합니다.

참고: 오프라인 전환 가져오기와 주간 전환이 매우 적은 사용자 계정에는 특정 유형의 모델링이 통합되지 않을 수 있습니다.

모델링된 온라인 전환의 이점

광고 트래픽 전체에 대한 종합적인 측정: 광고 결과(ROI)를 더 정확하게 파악하고 광고 상호작용을 통해 발생하는 기기 및 채널에서의 전환 경로를 완전히 확인할 수 있습니다.
효율적인 캠페인 최적화: 모델링된 전환을 이용하면 캠페인을 보다 효과적으로 최적화하고 비즈니스 결과를 개선할 수 있습니다.
- 개인 정보 보호 규정과 기술적 제한사항 때문에 Google에서는 특정 사용자 집단(예: 동의하지 않은 사용자 또는 특정 기기 유형이나 브라우저를 사용하는 사용자)은 관찰하지 못합니다. 따라서 Google의 자동 입찰 알고리즘은 불완전한 데이터를 바탕으로 최적화 결정을 내려야 하고, 그 결과 편향된 학습이 발생합니다. 그러면 자동 입찰에서는 보고된 실적이 낮다는 이유로 이러한 동질 집단의 우선순위를 낮추고, 그에 따라 입찰자의 전반적인 실적이 저조해질 수 있습니다. 모델링을 이용하면 이러한 편향을 해결하고 보고서 전체에서 편향을 수정하여 자동 입찰에서 보다 정확한 실적 데이터를 이용하게 할 수 있습니다. 자동 입찰에 대해 자세히 알아보기
개인 정보를 보호하는 정확한 측정: 모델링된 전환은 개별 사용자를 식별하지 않는 데이터를 사용하여 Google에서 직접 관찰할 수 없는 전환을 추정합니다. 따라서 완성도가 더 높은 전환 보고서를 제공할 수 있습니다. 이 접근 방식은 IP 주소 등의 휴리스틱에 의존하며 개별 사용자를 식별하고 추적하려 시도하는 디지털 지문 수집처럼 개인 정보가 보호되지 않는 방식과는 완전히 상반된 방법입니다. Google에서는 광고 개인 최적화에 디지털 지문 수집을 사용하는 것을 엄격하게 금하고 있습니다. 사용자에게 합리적인 통제권과 투명성을 제공하지 않기 때문입니다.

Google의 전환 모델링 방식

Google 솔루션은 다양한 사용자층을 대상으로 작동하며, 따라서 Google 전환 모델은 여러 주요 측정기준에 걸쳐 수많은 광고 상호작용 및 전환 액션 모음을 통해 정확성을 검증할 수 있습니다.

규모: Google에서는 유입경로의 여러 부분에 걸쳐 채널 전반에서 발생하는 수많은 다양한 광고 상호작용에 액세스할 수 있습니다. 따라서 유입경로 내 위치와 상관없이 모든 채널에서 다양한 사용자가 다양한 유형의 광고에 어떻게 반응하는지에 관한 종합적인 데이터를 얻을 수 있습니다.
정확성: Google의 정교한 모델링 기법은 Google의 풍부한 로그인 사용자층을 바탕으로 쿠키나 다른 식별자에 의존하지 않고 작동합니다. 자발적으로 참여하는 대표 사용자 집단을 통해 방대한 행동 데이터 세트 집합을 이끌어낼 수 있기 때문입니다.
노출 범위: 많은 웹사이트에서 Google 태그를 사용하며, 따라서 Google의 전환 모델은 수많은 다양한 전환 액션 집합을 대상으로 검증됩니다. Google에서 직접 관찰할 수 없는 전환을 수치화할 수 있도록, 전환 모델링에서는 사용자를 식별하지 못하는 데이터를 사용합니다. 그런 다음 Google 모델은 광고주별로 고유한 학습을 진행해 고유한 결과를 생성합니다.
기술 전문성: AI에 관한 Google의 전문성은 최고 수준의 모델링을 구현하는 핵심적인 비결입니다. Google에서는 수년간 모델링을 도입한 측정 제품(예: Google Ads 자동 입찰 및 매장 방문)과 측정 이외의 제품(예: 자율주행 자동차 및 YouTube 맞춤 동영상)을 통해 이러한 전문성을 확보했습니다.
실행 가능성: Google의 모델링된 전환은 캠페인 보고서에 표시되지만 최적화 및 입찰에도 연결됩니다. 따라서 데이터를 비즈니스 목표에 적합한 활동으로 전환할 수 있습니다.

온라인 전환에 사용할 수 있는 모델링 예

다음은 Google에서 제공하는 몇 가지 가장 중요한 전환 모델링 방법입니다.

서드 파티 쿠키 제한사항의 모델링

Safari나 Firefox 같은 일부 브라우저에서는 서드 파티 쿠키를 이용한 전환 측정을 허용하지 않습니다. 전환 측정을 위해 서드 파티 쿠키를 사용한다면 이러한 브라우저(데스크톱 및 모바일)에서의 웹사이트 트래픽에 따라 진행되는 전환 모델링을 경험하게 됩니다. Google 태그로 업그레이드하여 모델링을 개선하는 방법 알아보기

퍼스트 파티 쿠키 제한사항 모델링

일부 브라우저(예: Safari)에서는 퍼스트 파티 쿠키가 허용되는 시간을 제한합니다. 이 시간이 지나면 잠재 전환 점유율에 따라 전환 모델링이 진행됩니다. 향상된 전환을 사용하여 모델링을 개선하는 방법 알아보기

EU 쿠키 동의 제한사항 모델링

일부 국가의 광고주는 규정에 따라 광고 활동과 관련된 쿠키 사용에 대한 동의를 얻어야 합니다. 동의 모드를 채택한 광고주는 동의하지 않은 사용자에 대해 전환 모델링을 사용합니다. 동의하지 않은 사용자를 위해 전환을 모델링합니다.

iOS 14의 영향

Apple의 앱 추적 투명성(ATT) 정책이 시행되면 개발자는 광고 목적으로 서드 파티 앱 및 웹사이트의 특정 정보를 사용할 때 사용 권한을 요청해야 합니다. Google에서는 ATT 정책이 적용되는 정보(예: IDFA)를 사용하지 않습니다. 이에 따라 ATT의 영향을 받는 트래픽에서 광고가 발생하는 전환에는 모델링이 진행됩니다. 웹사이트에서 최적의 모델링을 위한 임의의 URL 매개변수를 허용하는지 확인하세요.

Apple의 ATT 정책인 SKAdNetwork가 출시되면서 Apple의 앱 기여 분석 솔루션이 iOS 광고주가 캠페인 실적을 평가하는 데 있어 중요한 정보가 되었습니다. Google Ads UI에서 모델링된 보고서의 품질과 일관성을 개선하기 위해 Google에서는 SKAdNetwork와의 통합을 강화합니다. iOS 앱 캠페인을 더 효과적으로 측정하고 실적을 높이기 위한 권장사항에 대해 자세히 알아보기

Google Play 정책의 영향

Google Play에서는 사용자 관리, 개인 정보 보호, 보안 강화를 위한 새로운 정책 업데이트를 발표했습니다. 2021년 말, Google Play 서비스 업데이트의 일환으로 Android 설정에서 광고 ID를 사용한 맞춤설정을 선택 해제할 경우 사용자의 광고 ID가 삭제됩니다. 식별자에 액세스하려고 시도해도 식별자 대신 0으로 된 문자열이 반환됩니다. 광고 ID에 관해 자세히 알아보기

이번 서비스 업데이트를 통해 모델링된 전환을 모든 앱 캠페인으로 확대할 예정입니다. 이에 따라 전환 열을 비롯하여 설치, 인앱 액션, 전환 가치 열에 모델링된 전환이 포함될 수 있습니다. 향후 앱 캠페인에는 이번 업데이트 및 기타 잠재적 서비스 업데이트로 인해 발생할 수 있는 영향을 완화하기 위한 모델링된 전환이 더 있을 수 있습니다.

교차 기기 전환

사용자가 광고 상호작용을 통해 한 기기에서 여정을 시작하고 다른 기기에서 전환을 완료한다면 전환에 광고 상호작용에 대한 기여도를 부여하는 것이 불가능할 수 있습니다. Google에서는 Google 서비스에 로그인한 많은 사용자의 데이터를 관찰하여 모든 사용자의 유사한 행동을 추론합니다. 거실과 데스크톱을 포함하여 많은 교차 기기 전환도 모델링됩니다.

참고: Google Ads를 통해 복구할 수 있는 이러한 전환의 점유율은 각 상황에 대해 관찰할 수 있는 데이터의 양과 이러한 관찰 가능한 데이터의 대표성(예: 특정 광고주의 전체 사용자층과 얼마나 일치하는가)에 따라 달라집니다. 복구 비율은 처리 중인 문제에 따라 다릅니다. 관찰 가능한 데이터가 많을수록 모델 품질이 향상됩니다. Google 태그, 동의 모드, 향상된 전환을 이용해 이 작업을 개선하는 방법에 대해 알아보세요.

온라인 전환 모델링의 원칙

지속적인 품질 개선

다른 모든 제품에서처럼 Google의 데이터 과학자는 모델링의 정확성과 범위 개선을 위해 알고리즘을 꾸준히 개선하고 있습니다. Google에서는 신제품을 정기적으로 도입하여 관찰 가능한 데이터의 새로운 소스를 확보하며, 이를 통해 모델링을 미세 조정합니다(예를 들어 향상된 전환과 동의 모드를 사용하면 관찰된 데이터의 양을 늘릴 수 있습니다).

정확성을 확인하는 정교한 기술

Google에서는 홀드백 유효성 검사 같은 기술을 사용하여 모델링의 정확성을 확인합니다(예를 들면 관찰된 전환 중 일부분과 이 슬라이스에 대한 모델을 홀드백하는 식입니다). 그런 다음, 모델링된 결과를 홀드백 중인 실제로 관찰된 전환과 비교하고, 부정확한 내용과 편향을 측정하며 지속적으로 모델을 조정합니다. Google AI에서도 비슷한 방법을 사용합니다.

엄격한 보고 기준

Google에서는 광고 상호작용으로 인해 전환이 실제로 발생했음이 확실한 경우에만 모델링된 전환을 보고서에 포함합니다. 체계적으로 실제보다 많은 전환이 보고되는 경우가 없게 하며, 항상 과잉 보고를 최소화하고자 노력합니다. 따라서 일부 사용자의 경우 Google에서는 확실하게 모델링할 수 있을 만큼 충분한 전환을 정기적으로 관찰하지 못합니다. 이 경우에는 어떤 모델링된 전환도 보고하지 않습니다.

각 격차는 고유한 모델링 방법을 통해 처리됩니다.

Google에서는 다양한 측정 간극과 다양한 유형의 관찰 가능한 데이터가 필요하며 존재한다는 사실을 알기에, 여러 유형의 간극에 맞는 다양한 유형의 모델을 제공합니다. 그리고 다양한 유형의 모델에서 이중 집계가 발생하지 않게 하는 기술도 사용합니다. Google에서는 광고 채널에 따라 전환율이 완전히 달라진다는 사실을 알고 있으므로, 채널 및 광고 상호작용 유형별로 별도의 모델을 만듭니다(노출수 대 클릭수).

각 모델의 결과는 비즈니스 및 사용자 행동에 따라 다릅니다.

특정 관찰 간극을 처리할 일반 모델링 알고리즘이 결정되면, Google에서는 이 알고리즘을 각 광고주의 데이터에 개별적으로 적용하고 해당 광고주의 고유한 사용자 행동과 전환율을 반영하는 고유한 결과를 도출합니다. 예를 들어 사용자가 한 기기에서 여정을 시작한 다음 다른 기기에서 전환할 가능성이 매우 높다면, 평균보다 높은 교차 기기 모델링된 전환수가 보고됩니다.

디지털 지문 수집에 관한 엄격한 정책

디지털 지문 수집 기술은 일반적으로 다양한 터치 포인트와 기기에서 사용자를 식별하는 IP 주소 등의 휴리스틱을 사용하며, 향후 상호작용에서 사용자를 식별하는 '지문 ID'를 생성합니다. Google에서는 합리적인 사용자 관리 및 투명성을 허용하지 않기에 이러한 ID를 생성하지 않으며 개별 사용자를 식별하려고 하지 않습니다. 또한 다른 사용자가 Google의 광고 제품에 디지털 지문 데이터를 가져오는 것을 허용하지 않습니다. 대신 Google에서는 이전 전환율, 기기 유형, 시간, 위치 등의 데이터를 집계하여 광고를 보거나 클릭한 사용자에게서 전환 이벤트가 발생할 가능성을 예측합니다.

중요한 모델링 변경사항 전달

Google에서는 모델링 변경사항을 적용하기 전에 지속적으로 실험을 진행하며, 보고 및 입찰에 큰 영향을 미친다는 사실이 확인되면 적절한 방식으로 전달합니다.

자동 통합

올바른 방법으로 수행할 수 있다면, Google에서는 가용 데이터를 사용해 전환 보고서와 최적화에서 통합된 전환 모델링을 제공합니다. 쿠키에 동의하지 않은 사용자 집합에 대한 전환을 관찰할 수 없을 때와 같은 일부 경우에는 동의율 관련 데이터가 있어야 전환 모델링을 제공할 수 있습니다.

도움이 되었나요?

어떻게 하면 개선할 수 있을까요?