아이언소스의 ‘광고 수익화 설정, 분석 및 최적화’ 웨비나에서 아이언소스 성장 전략 팀을 이끌고 있는 Elyse Krumholz가 수익화 전략을 잘 분석하고 최적화하는 방법을 여러분에게 소개합니다. 이번 편에서는 웨비나에서 Elyse가 설명한 내용에 대해 하나씩 자세히 살펴보겠습니다.
먼저, Elyse는 광고 수익화가 광고 구성 전략과 광고 네트워크 전략의 두 부분으로 구성되어 있다는 점을 강조하였습니다. 광고 구성 전략은 여러분의 게임에 광고를 포함시키는 방법을 결정하는 것이며, 광고 네트워크 전략은 어떤 광고 네트워크와 함께 협업하고 이를 어떻게 잘 활용할 것인지 결정하는 것입니다. 그렇다면 전략을 최적화할 수 있는 최선의 방법은 무엇일까요? 바로 A/B 테스트입니다.
이번 웨비나에서 Elyse는 새로운 보상형 동영상 광고 배치가 잔존율을 해치지 않으면서 ARPDAU를 점진적으로 늘릴 수 있는지 확인하고자 했습니다. 이를 위해 새로운 보상형 동영상이 배치된 그룹과 그렇지 않은 그룹으로 나누어 A/B 테스트를 실시했습니다.
아래에서 A/B 테스트 이후 성과를 분석하고 어떤 것이 더 효과적인지 판단하기 위한 4가지 리포팅에 대해 자세히 소개합니다.
성과 리포팅
우선 Elyse는 수익, eCPM, 필레이트, 임프레션 등의 KPI를 보여주는 성과 리포팅에 대해 설명했습니다. 리포팅은 통계 지표별로 필터링이 가능하고, 이 경우에는 그룹 A와 B로 나누어 A/B 테스트의 결과를 확인할 수 있습니다.
실시한 A/B 테스트에서는 여러분이 관심을 갖고 있는 광고인 보상형 동영상을 필터로 적용하고 A 그룹과 B 그룹으로 나누었습니다. 그 결과, 새로운 보상형 동영상을 배치한 테스트 그룹인 B 그룹의 수익과 노출 수가 더 높게 나왔습니다. 이는 엄청난 결과였지만, Elyse는 이 결과가 전부가 아니라고 이야기합니다. 이는 ARPDAU의 측면에서 무엇을 의미할까요?
유저 활동 리포팅
다음은 유저 활동 리포팅입니다. 여기에서는 ARPDAU, DAU(일간 활성 유저), DEU(일간 참여 유저), 참여율, DEU당 노출 수(사용률), DAU당 노출 수, DAU당 세션 수 등을 파악할 수 있습니다.
Elyse는 이 리포팅을 사용하여 A 그룹과 B 그룹의 ARPDAU를 비교했고, B 그룹의 ARPDAU가 25% 더 높다는 사실을 파악했습니다. 그 이유는 무엇일까요? 이는 아마도 게임이 전보다 더 많은 유저들을 광고에 참여하게 만든 것일 수도 있고, 유저들이 보상형 동영상 광고를 시청하고 있을 수 있음을 뜻합니다. 이를 더 자세히 알아보기 위해 A 그룹과 B 그룹으로 나누어 참여율과 사용률(DEU당 노출 수)이 어떻게 다른지 살펴보겠습니다.
결과를 보면 참여율에는 변화가 없었습니다. 즉, 새로운 유저들이 보상형 비디오 광고에 참여하고 있지는 않은 것입니다. 반면 A(대조군) 그룹의 참여율이 4에 비해 B 그룹의 참여율은 5였습니다. 기본적으로 게임에 참여한 유저들은 이제는 매일 4편이 아닌 5편의 보상형 동영상 광고를 시청하고 있다는 의미입니다. 결국 ARPDAU 증가를 이끌어 낸 요인은 세션당 시청한 보상형 동영상 광고의 수가 늘어난 것임을 확인할 수 있습니다. 하지만 여기에서 여전히 잔존율을 해치지 않고 ARPDAU를 높이는 요인이 무엇인지는 확인되지 않았습니다. 그렇다면 지금부터는 새로운 보상형 동영상 배치가 잔존율과 LTV에 어떤 영향을 미치는지에 대해 더욱 자세히 알아보도록 하겠습니다.
코호트 리포팅
잔존율과 LTV에 미치는 영향을 파악하기 위해서는 코호트 리포팅이 필요합니다. 이를 통해 유저들을 같은 날에 게임을 시작한 코호트로 분류하고 이러한 그룹에 대한 특정 KPI를 서로 다른 시간별로 측정할 수 있습니다. 결과를 A그룹과 B그룹으로 분류해서 살펴보면, 새로운 광고 배치를 통해 보상형 동영상 광고를 더 많이 보는 유저가 게임에 더 오래 유지된다는 사실을 파악할 수 있었습니다.
코호트 리포팅에서는 테스트 기간에 대해 필터링을 설정하고, A/B 그룹으로 나누어 결과를 확인합니다. 이는 레벨플레이만의 고유한 기능입니다. 테스트 대조군의 잔존율에 비해 실험군 유저의 D7 잔존율이 더 높은 것을 확인할 수 있습니다. 즉, ARPDAU가 더 높은 이유는 노출 수와 사용률이 더 높기 때문이고, 이 유저들이 게임을 더 오래 플레이하는 경향이 있기 때문입니다.
실시간 피벗 리포팅
Elyse의 설명과 같이 실시간 피벗 리포팅을 활용하여 데이터를 보다 심층적으로 살펴볼 수 있으며, 이로써 지금까지 살펴본 거의 모든 KPI를 실시간으로 분석할 수 있습니다. 즉, A/B 테스트를 시작하는 순간부터 유저 행동과 광고 네트워크 성과의 변화를 파악할 수 있는 것입니다. 무엇보다도 가장 중요한 점은 이러한 결과에 따라 신속하게 대응할 수 있다는 것입니다.
A/B 테스트 외에도 실시간 데이터에 따라 게임을 최적화하고, 미디에이션 스택을 업데이트한 이후 성과를 실시간으로 추적하고, 네트워크 중단에 대해 즉시 파악하고, 새로운 앱 버전의 안정성을 모니터링할 수 있습니다. 또한 한 화면에서 KPI를 나란히 비교하면서 모든 KPI를 한 번에 쉽게 비교할 수 있는 ‘비교 모드’도 제공됩니다. 뿐만 아니라 서로 다른 기간의 변화를 매우 쉽게 파악할 수 있습니다.
궁극적으로 성과 리포팅, 유저 활동 리포팅, 코호트 리포팅, 실시간 피벗 리포팅을 활용하여 어떻게 수익화 전략을 강화시키고 최적화해야 하는지 확인할 수 있습니다. 이러한 리포팅들을 활용해 데이터를 보다 심층적으로 살펴봄으로써 ‘방법’ 뿐만이 아닌 ‘요인’ 변화가 ‘왜’ 발생하는지 이해할 수 있고, 이에 따라 수익화 전략을 개선할 수 있습니다. 더 자세한 내용은 아래 웨비나에서 확인할 수 있습니다.
