광고 업계는 항상 최신 트렌드에 휩싸여 있습니다. 마케터와 대행사가 하루의 대부분을 트렌드를 만들어내기 위해 노력한다는 점을 고려하면 이는 놀라운 일이 아닙니다. 하지만 최근 몇 달 동안 광고 업계에서 프로그래매틱 바잉만큼 큰 화제를 불러일으킨 것은 없습니다. 기술 기반의 자동화된 구매에 규칙을 적용하여 광고 인벤토리를 보다 효율적으로 구매할 수 있다는 사실에 마케터들은 침을 흘리고 있습니다. 세계 최대 규모의 광고주 중 일부는 내년에 디지털 지출의 75%를 프로그래매틱 구매로 전환할 계획인 것으로 알려졌습니다.
이러한 기대감 속에서 프로그래매틱으로 구매한 브랜드 광고의 효과를 측정하는 방법이라는 중요한 질문이 등장했습니다. 직접 반응 광고의 경우, 수년간 사용되어 온 동일한 활동 기반 지표(예: 클릭 수, 조회수)가 여전히 적용되며 프로그래매틱 플랫폼과 트레이딩 데스크는 이를 마케터의 워크플로우에 원활하게 통합하는 환상적인 작업을 수행해 왔습니다. 그러나 브랜드 광고는 기존의 효과 측정 방식(캠페인 도달률-광고를 본 사람, 공명도-참여도, 반응-반응)보다 더 복잡한 방식으로 결과를 설정하고 해석해야 하기 때문에 프로그래매틱 구매가 애초에 제공하는 효율성을 상쇄할 수 있는 수작업이 더 많이 필요합니다.
프로그래매틱 바잉에 참여하는 브랜드 광고주들은 알고리즘에 작업을 맡기고 보다 주기적이고 사후적인 효과 측정으로 전환하고 싶은 유혹이 강합니다. 결국, 플랫폼과 트레이딩 데스크의 알고리즘을 통해 마케터가 구매 결정에 이르는 적절한 잠재 고객에게 도달할 수 있다면, 구매 후 측정은 얼마나 중요할까요? 비유를 들자면, 백만 번째 자율 주행 자동차가 주어졌을 때 그 이전의 자동차 중 사고가 발생하지 않았다면, 목적지까지 얼마나 잘 운행되는지 평가하기 위해 백미러를 계속 쳐다보시겠습니까?
프로그래매틱 구매는 미디어 구매의 효율성을 높이고 사후에 효과를 확인하거나 확인하는 데 많은 비용을 투자할 필요가 없다는 점에서 마케터에게는 매력적인 생각일 수 있습니다. 하지만 이는 잘못된 생각이며 마케터의 캠페인 성공을 위태롭게 할 수 있습니다. 프로그래매틱 구매 환경에서는 핵심 브랜드 목표에 초점을 맞춘 건전하고 독립적인 측정이 비프로그래매틱 구매 환경만큼이나 중요합니다.
이는 여러 가지 이유가 있습니다.
첫째, 고급 오디언스 식별이 구매 후 측정의 도달 범위 요소를 다소 중복적으로 만든다는 데 동의하더라도, 위에서 언급한 이유로 프로그래매틱 구매는 캠페인의 '공감'과 '반응' 측면을 확인하는 데 아무런 도움이 되지 않습니다. 바로 여기에서 브랜드 광고와 직접 반응 광고의 차이가 드러납니다. 광고에 노출된 사람들이 광고를 기억할까요? 광고 자체를 기억하더라도 메시지를 기억하고 있나요? 광고가 광고 제품이나 브랜드에 대해 다른 방식으로 생각하도록 영향을 미쳤나요? 궁극적으로 구매 가능성이 높아졌는가? 그들이 해당 제품에 대한 시장의 누군가의 프로필에 부합할 수도 있지만, 광고에 노출된 후 실제로 구매했을까요? 공감과 반응에 대한 질문을 무시하는 것은 병에 담긴 (가상) 메시지를 보내는 것과 같습니다. 의도한 수신자의 방향으로 메시지를 던지고 있을 수도 있지만, 메시지가 실제로 어떤 영향을 미치는지 알 수 있는 방법이 없습니다.
둘째, 도달 목표를 달성하는 데 있어 프로그래매틱 바잉의 높은 효과에 대한 주장이 일률적으로 신뢰할 수 있는지는 아직 명확하지 않습니다: 프로그래매틱 바잉은 그 초기의 유망성 때문에 이전의 많은 인기 광고 트렌드와 마찬가지로 기술 회사, 대행사, 광고 네트워크, 퍼블리셔 등 다양한 플레이어들이 우위를 점하기 위해 앞다투어 뛰어들었습니다. 이는 단순히 알고리즘적으로 광고를 유도하는 것이 아니라 규모를 키우기 위해 프로그래매틱 모델을 만들기 때문에 피할 수 없는 문제입니다. 이렇게 하면 필연적으로 어느 정도의 정확성을 희생할 수밖에 없습니다. 온라인 캠페인 등급 결과(OCR은 인구통계학적 그룹별 캠페인 잠재고객의 거래 후 측정값)를 분석한 결과, 프로그래밍 방식으로 구매한 일부 인벤토리는 업계 표준보다 낮은 희망 잠재고객 도달률을 기록하는 것으로 나타났습니다. 이 경우, 측정은 모델이 지불하는 가격에 비해 가치가 있을 만큼 정확한지 여부를 판단하는 기준이 됩니다.
셋째, 광고 인벤토리와 오디언스 데이터의 집계에는 여러 회사가 복잡하게 얽혀 있는 경우가 많습니다. 이로 인해 마케터와 다른 사람들이 프로그래매틱 구매 성과를 개선하기 위해 약한 연결 고리를 식별하기가 어렵습니다. 우리는 많은 플랫폼과 트레이딩 데스크에서 OCR을 사용하여 다양한 공급업체와 벤더를 평가하는 진단을 실행하고 그 결과 성과를 최적화하기 위한 조치를 취하는 것을 보았습니다. 측정은 프로그래매틱 구매를 개선하는 데 있어 핵심적인 요소이며, 측정과 무관한 것이 아니라는 것이 밝혀졌습니다.
넷째, 프로그래매틱 구매의 자동화된 특성으로 인해 투명성과 책임성이 매우 중요합니다. 컬트 영화의 고전인 "오피스 스페이스"에서 한 무리의 게으름뱅이들은 이니텍이 처리하는 각 거래에서 디지털 방식으로 한 푼도 빼돌리는 코드를 작성하여 작은 돈을 '벌고', 이는 컴퓨터의 세계에서만 가능한 일입니다. 이 절차가 현실 세계에 적용되었다는 소문은 많습니다. 확인된 것은 없지만, 이 아이디어는 규칙 기반의 자동화된 시스템과 관련하여 두 가지 중요한 점을 시사합니다. 첫째, 알고리즘 프로토콜에서 '꺼진' 모든 것을 확인하지 않고 방치하면 일반적으로 작은 문제가 매우 빠르게 큰 문제로 바뀌며, 둘째, 시스템을 게임하려는 동기를 가진 일부 플레이어가 항상 존재하며 기술적 복잡성은 그들의 아군이라는 점입니다. 온라인 광고 검증 분야의 선구자인 Integral Ad Science의 분석에 따르면, 오늘날 업계 전반의 사기 및 조회 가능성은 프로그래매틱 구매 영역에서 기존 구매보다 더 나쁜 것으로 나타났습니다(성능은 제공업체마다 크게 다르지만).
이러한 모든 이유로 인해 독립적인 타사 오디언스 측정은 기존 방식과 마찬가지로 프로그래매틱 구매를 통한 캠페인에서도 매우 중요합니다.
프로그래매틱 구매 환경에서 측정이란 무엇을 의미할까요? 프로그래매틱 바잉은 기존 광고 구매와는 완전히 다른 프로세스입니다. 따라서 기존의 측정 프로세스를 프로그래매틱 바잉에 그대로 가져오는 것만으로는 성공할 수 없습니다. 이 새로운 프로세스의 워크플로우에 맞는 측정이 필요합니다.
하지만 프로그래매틱 환경에서는 실행 가능한 측정이 반드시 필요합니다:
애초에 프로그래매틱 구매에 사용된 모델링보다 더 정확하고 안정적이어야 합니다. 모든 측정 시스템에는 오차 범위가 있습니다. 따라서 마케터에게 유용한 측정이 되려면, 측정이 거래 전 프로그래매틱 방식에서 제공된 정보보다 더 신뢰할 수 있는 정보 소스여야 합니다.
캠페인이 진행되는 동안 조치를 취할 수 있을 만큼 충분히 빨라야 합니다. 캠페인 후 측정을 통해 결론을 도출하는 것만으로는 충분하지 않습니다. 캠페인의 투자 수익률(ROI)을 높이기 위해서는 캠페인 진행 중 보고와 실행 가능성이 가장 중요합니다. 즉, 마케터가 조치를 취하고 개입의 결과를 확인할 수 있으려면 캠페인 성과에 대한 보고를 시작하는 데 걸리는 시간을 최소화하고 그 이후에도 지속적인 보고가 이루어져야 합니다.
조치를 취해야 할 특정 영역을 식별할 수 있도록 충분히 세분화해야 합니다. 캠페인의 성과를 가장 포괄적인 수준에서 보고하는 것만으로는 충분하지 않습니다. 이러한 보고는 미디어 구매자와 판매자 간의 유용한 성과 논의로 이어질 수 있지만, 실제 캠페인 운영에는 도움이 되지 않습니다. 마케터가 효과가 있는 부분과 없는 부분을 정확히 파악할 수 있도록 오디언스, 게재 위치, 크리에이티브에 따라 '브레이크'를 보여주는 보고가 필요합니다.
마케터가 달성하고자 하는 근본적인 목표를 해결합니다. 브랜드 광고의 경우, 다른 경우와 마찬가지로 프로그래매틱 광고에서도 캠페인의 도달 범위, 공감도, 반응 측면에서 마케팅 ROI를 평가하는 데 도움이 되는 측정이 모든 측정 노력의 중심이 되어야 합니다.
쉽게 액세스할 수 있어야 합니다. 측정 보고를 수동으로 검토할 수 있는 멋진 사용자 인터페이스만으로는 충분하지 않습니다. 캠페인 전반에 걸쳐 측정 결과를 확장하고 최적화를 위해 개별 캠페인에 결과를 피드백하려면 안정적이고 강력한 API가 필수적입니다.
독립적이고 편견이 없어야 합니다. 위에서 언급했듯이 프로그래매틱의 자동화된 특성으로 인해 시스템 조작은 항상 우려되는 부분입니다. 의심할 여지 없이 대다수의 플레이어가 편파적으로 행동합니다. 이를 확인할 수 있는 유일한 방법은 독립적인 제3자 측정을 통해서만 가능합니다.
측정은 마케팅 활동을 방해하는 것이 아니라 마케팅 활동을 향상시키기 위한 것입니다. 신뢰할 수 있는 측정은 프로그래매틱 플레이어가 현재의 인풋과 모델을 평가하고 더 나은 모델을 구축할 수 있도록 지원하여 모든 프로그래매틱 전략의 핵심인 기본 자산을 개선할 수 있게 해줍니다. 또한 측정은 업계가 브랜드 인게이지먼트와 관련하여 직접적인 반응뿐만 아니라 브랜드 인게이지먼트를 유도하는 데 초점을 맞추기 시작한 프로그래매틱 모델의 효과를 평가하는 데 도움이 될 것입니다. (실제로 브랜드 인게이지먼트가 낮아질 가능성은 현재 프리미엄 동영상 콘텐츠의 '프로그래매틱 전환'과 관련된 인벤토리 수준을 높이는 데 있어 중요한 장애물입니다.) 궁극적으로 신뢰할 수 있는 측정은 프로그래매틱 구매가 잠재력을 최대한 발휘할 수 있도록 도와주며, 이를 통해 프로그래매틱 구매를 추구하는 기업이 상당한 이점을 확보할 수 있도록 지원합니다.
