미국에서 캠페인을 운영하다 보면 리포트 첫 장에 항상 등장하는 숫자가 있습니다. 바로 뷰어빌리티(Viewability)입니다. 대부분 “이번 분기 뷰어빌리티 70% 달성” 같은 문구로 시작하고, MRC(Media Rating Council)가 정한 기준인 디스플레이 광고 50% 픽셀 1초, 비디오 광고 50% 픽셀 2초를 넘기면 무난하게 통과한 듯 보입니다. 그런데 제가 지난 몇 년간 미국 현지 브랜드들의 캠페인 데이터를 파헤치면서 반복해서 확인한 게 하나 있습니다. 뷰어빌리티 70%라는 숫자는 광고 예산이 실제로 어디서 새고 있는지를 거의 보여주지 않는다는 사실입니다. 그래서 이번 글에서는 뷰어빌리티를 단순한 통과/실패 지표가 아니라, 노출 생명주기(Impression Lifecycle) 전체에서 발생하는 손실과 분포로 측정해야 하는 이유를 구체적으로 다뤄 보려고 합니다.
1. 당신이 믿는 70%는 절반의 진실일 수 있다
광고주들이 흔히 쓰는 뷰어빌리티 공식은 단순합니다. 뷰어블 노출수 ÷ 서버 노출수죠. 이 계산은 직관적이지만, 광고가 서버에서 노출을 기록한 순간부터 실제 사용자의 화면에 나타나기까지 중간에서 사라지는 노출을 전부 숨겨 버립니다. 광고 시스템에서 말하는 서버 노출(Served Impression)은 광고 태그가 호출되기만 하면 기록됩니다. 그 광고가 브라우저에서 제대로 렌더링되고, 사용자가 보고 있는 화면 안에 들어오기까지는 여러 단계의 손실이 일어나는데, 이 과정을 아무도 들여다보지 않는다는 것이 문제입니다.
이 손실을 분리해서 보려면 다음 세 가지 지표를 함께 추적해야 합니다.
- Delivery Rate = 렌더링된 노출 ÷ 서버 노출. 광고가 실제 브라우저나 앱에 그려진 비율입니다.
- Geometric Viewability Rate = 뷰어블 노출 ÷ 렌더링된 노출. 화면에 그려진 것 중 실제로 보인 비율이죠.
- Attention-Weighted Viewability = Σ(가시 면적 × 노출 시간) ÷ 렌더링된 노출. 얼마나 넓게, 오래 보였는지를 반영한 품질 지표입니다.
예를 들어 서버 노출이 100만 회이고, 그중 뷰어블 노출이 60만 회로 잡힌 캠페인이 있다고 해 보겠습니다. 기존 공식대로라면 뷰어빌리티는 60%입니다. 그런데 실제 렌더링된 노출이 80만 회에 불과하다면 어떨까요? 이 경우 화면에 그려진 광고 중에서는 75%가 뷰어블했다는 뜻이 됩니다. 나머지 20만 회는 화면에 존재조차 하지 않은 채 비용만 나간 노출입니다. 원인은 광고 차단기, 백그라운드 탭 로딩, 과도한 크리에이티브 용량, 0×0 iframe, 인앱 SDK 누락 등 다양합니다. 그런데도 대부분의 리포트는 이 20만 회를 그냥 “뷰어블하지 않았다”는 하나의 범주에 묶어서 처리해 버립니다.
그래서 제가 미국 광고주들에게 늘 강조하는 게 있습니다. 뷰어빌리티 최적화를 시작하기 전에 먼저 렌더링 손실부터 복구하라는 것입니다. 광고 서버나 DSP에 노출 로그를 요청할 때 단순히 Served Impression과 Viewable Impression만 받지 말고, Delivered, Rendered, Measurable, Viewable로 구분된 로그를 달라고 하세요. 구글 Active View 리포트나 DoubleVerify, IAS 같은 검증 벤더 리포트에서도 이 구분을 확인할 수 있습니다. 만약 Delivery Rate가 90% 아래로 떨어진다면, 뷰어빌리티를 논하기 전에 광고 전달 구조 자체를 점검해야 할 때라는 신호입니다.
2. 평균 대신 분포와 시간을 봐야 하는 이유
뷰어빌리티 기준의 가장 오래된 결함은 50% 픽셀 1초라는 이분법적 임계값에 있습니다. 이 숫자는 2014년 무렵에 만들어졌습니다. 지금처럼 인스타그램 스토리, 유튜브 쇼츠, 틱톡 같은 세로형 피드가 주류가 되기 훨씬 전의 환경에서 나온 기준입니다. 그런데도 업계는 여전히 이 기준을 거의 수정 없이 쓰고 있습니다.
제가 실제로 미국에서 운영했던 두 개의 디스플레이 캠페인을 비교해 보겠습니다. 둘 다 리포트상 뷰어빌리티는 70%로 같았습니다. 하지만 원시 데이터를 열어 보니 완전히 다른 광고였습니다. A 캠페인은 평균 노출 시간이 1.2초였고, 노출 시간 하위 10% 구간은 0.3초에 불과했습니다. 반면 B 캠페인은 평균 노출 시간이 8.4초였고, 하위 10%조차 2.1초를 기록했습니다. A 캠페인의 노출 대부분은 화면을 스치듯 지나갔기 때문에 광고 메시지가 전달될 가능성이 매우 낮았습니다. B 캠페인은 하위 구간에서도 2초 이상 머물렀기 때문에 브랜드 인지나 전환으로 이어질 여지가 컸죠. 하지만 두 캠페인 모두 경영진에게는 “뷰어빌리티 70%”라는 같은 숫자로 보고되었습니다.
이 문제를 해결하려면 픽셀-초(Pixel-Second) 단위의 시간 가중 지표를 도입해야 합니다. 계산식은 다음과 같습니다.
Viewable Pixel-Seconds per Impression = Σ(화면 내 픽셀 비율 × 노출 시간) ÷ 측정된 노출 수
예를 들어 광고가 화면의 100% 영역에서 5초간 노출되었다면 100% × 5초 = 500 픽셀-초입니다. 50% 영역에서 2초간 노출되었다면 50% × 2초 = 100 픽셀-초입니다. 여기서 한 단계 더 나아가 비용과 연결하면 더 날카로운 결론이 나옵니다.
Cost per Viewable Pixel-Second = 미디어 비용 ÷ 총 픽셀-초
싼 CPM처럼 보였던 캠페인이 실제로는 화면 위에서 1초도 살아남지 못한 노출에 예산을 태우고 있었을 수 있습니다. 반대로 CPM이 다소 비싸더라도 노출 시간이 길고 픽셀 점유율이 높은 프리미엄 인벤토리가 실제 성과에서는 훨씬 효율적일 수 있습니다. 저는 이 지표를 도입한 뒤로 “싼 지면이 최고다”라는 고정관념이 깨지는 경우를 여러 번 목격했습니다.
또 하나 중요한 것은 평균값만 보지 말고 P50, P90 분포를 함께 확인하라는 점입니다. P50은 중간값으로 전형적인 노출 경험을 보여 주고, P90은 하위 10% 경계값으로 최악의 노출이 얼마나 나쁜지를 드러냅니다. 평균 노출 시간이 4초라고 해도 P90이 0.2초에 불과하다면, 노출 수를 채우기 위해 저품질 인벤토리를 대량으로 섞어 구매했다는 뜻입니다. 이 분포를 사이트별, 앱별, 광고 슬롯별, 디바이스별로 쪼개 보면 어떤 지면에서만 P90이 급락하는지 금방 드러납니다.
3. 측정가능성이라는 조용한 변수
뷰어빌리티 70%라는 숫자를 곧이곧대로 믿으면 안 되는 또 다른 이유가 있습니다. 바로 측정 가능한 노출(Measured Impressions)이 전체 서버 노출의 일부에 불과할 수 있다는 점입니다. 측정 픽셀이 실행되지 않는 원인은 정말 많습니다. 애플 ITP나 ATT로 인한 쿠키 제한, 광고 차단기, Cross-origin iframe에서의 스크립트 차단, 인앱 환경에서 OM SDK 미설치, 저사양 디바이스에서의 태그 로딩 실패 등이 대표적입니다.
여기서 반드시 확인해야 할 지표가 있습니다.
Measurability Rate = 측정 가능한 노출 ÷ 서버 노출
만약 서버 노출 100만 회 중 측정 가능한 노출이 50만 회뿐이라면, 리포트에 찍힌 뷰어빌리티 70%는 전체의 70%가 아니라 측정된 절반의 70%, 즉 전체의 35%에 불과할 수 있습니다. 게다가 광고 차단 사용자는 일반 사용자와 행동 패턴이 다르기 때문에, 이들이 측정에서 빠지면 뷰어빌리티가 실제보다 과대 추정될 가능성이 큽니다. 일종의 선택 편향입니다.
제가 미국 광고주들에게 권고하는 기준은 명확합니다. Measurability Rate가 85% 미만이면 뷰어빌리티 숫자를 주요 의사결정에 사용하지 말라는 것입니다. 구글 Active View, DoubleVerify, IAS 모두 리포트에서 Measurable과 Viewable을 구분해서 제공합니다. 하지만 대부분의 마케터는 이 구분을 지나치고 최종 뷰어빌리티 비율만 인용합니다. 바로 이 순간 데이터 해석의 오류가 시작됩니다. 캠페인 초기 2주 동안 Measurability Rate를 별도 KPI로 추적하고, 85%를 밑돌면 광고 서버 설정, 검증 벤더 연동, 인앱 SDK 버전, 광고 소재 포맷을 순서대로 점검해 보세요.
4. 프라이버시 시대, 뷰어빌리티는 확률 게임이 되고 있다
쿠키 제한과 프라이버시 규제가 강화되면서 뷰어빌리티 측정의 성격 자체가 바뀌고 있습니다. 과거에는 광고가 실제로 화면에 표시되었는지를 측정 픽셀로 확인하는 결정론적 관찰이 가능했습니다. 하지만 지금은 사용자 동의, 광고 차단, 플랫폼 정책 변화로 인해 모든 노출을 직접 관찰할 수 없는 경우가 늘고 있습니다. 이에 따라 미국의 주요 DSP와 검증 벤더들은 입찰 전 예측 뷰어빌리티(Pre-bid Predicted Viewability) 모델을 빠르게 고도화하고 있습니다. 과거 데이터를 기반으로 특정 광고 슬롯, 디바이스, 게재 위치에서 뷰어블할 확률을 머신러닝으로 예측하는 방식이죠.
하지만 여기에 함정이 하나 있습니다. 예측 뷰어빌리티는 실제 관찰값이 아니라 모델의 추정치라는 점입니다. 예측 점수가 높다고 해서 반드시 실제 뷰어빌리티가 높은 것은 아니고, 벤더마다 예측 모델의 성능도 제각각입니다. 그래서 예측 뷰어빌리티만 믿고 예산을 배분하는 것은 위험합니다. 성숙한 미국 광고주들은 포스트비드 검증(Post-bid Verification)과 비즈니스 성과 중심의 증분성 테스트(Incrementality Test)를 함께 돌립니다. 예를 들어 지리적 실험을 설계해서 특정 지역은 예측 뷰어빌리티가 높은 인벤토리에만 광고를 집행하고, 다른 지역은 기존 방식대로 집행한 뒤 전환 증분을 비교하는 식입니다. 최종 판단 기준은 뷰어빌리티 자체가 아니라 비용 대비 증분 전환(Incremental Conversion per Cost)이 되어야 합니다.
또 하나 흐름은 어텐션 메트릭(Attention Metrics)의 부상입니다. 뷰어빌리티가 “보일 수 있는 조건”을 측정한다면, 어텐션은 “실제로 주목받았는가”에 더 가깝습니다. 예를 들어 CTV 광고는 뷰어빌리티가 90%를 넘는 경우가 많지만, TV를 켜 놓고 딴짓을 하는 경우가 많아 실제 어텐션은 낮을 수 있습니다. 반대로 모바일 피드 광고는 뷰어빌리티 기준을 간신히 넘기더라도 사용자가 화면을 응시하는 시간이 길어 어텐션이 높을 수 있죠. 다만 어텐션 메트릭은 아직 표준화가 덜 되어 있고, 벤더마다 눈동자 추적, 마우스 움직임, 화면 내 체류 시간 등 측정 방식이 제각각입니다. 따라서 어텐션은 뷰어빌리티의 대체재가 아니라 보완재로 써야 합니다. 뷰어빌리티가 낮은데 어텐션이 높을 수는 없으니까요.
5. 실무자를 위한 7단계 액션 플랜
지금까지의 내용을 실제 캠페인에 바로 적용할 수 있도록 정리하면 다음과 같습니다.
- 노출 로그 분리 요청: 광고 서버나 DSP에 Served, Rendered, Measurable, Viewable로 구분된 로그를 요청하세요.
- Delivery Rate 점검: 렌더링 손실이 10%를 넘으면 광고 차단, 크리에이티브 용량, 인앱 SDK 설정을 우선 확인하세요.
- Geometric Viewability 계산: 렌더링된 노출 대비 뷰어블 비율을 별도 지표로 추적하세요.
- 픽셀-초 지표 도입: Cost per Viewable Pixel-Second를 캠페인 KPI에 추가해 보세요.
- P50/P90 분포 모니터링: 평균값 대신 하위 10% 경계값을 추적해서 저품질 인벤토리를 식별하세요.
- Measurability Rate 관리: 85% 미만이면 뷰어빌리티 기반 의사결정을 잠시 멈추고 측정 구조부터 수정하세요.
- 증분성 테스트 실행: 분기에 한 번 이상 지리적 실험이나 오디언스 분할 테스트로 실제 전환 증분을 확인하세요.
결론: 뷰어빌리티는 목적이 아니라 수단이다
광고 가시성 측정의 진짜 문제는 “보였다”와 “안 보였다”를 나누는 기준이 너무 낡았고, 그 이분법이 예산 누수를 감춘다는 데 있습니다. 같은 70%라도 어떤 70%는 실제 비즈니스 성과로 이어지는 노출이고, 어떤 70%는 화면에 잠깐 머물다 사라진 헛숨 같은 노출입니다. 이 둘을 구분하지 않으면 광고비는 계속해서 보이지 않는 곳으로 새어 나갑니다.
미국 디지털 마케팅의 최전선에서는 이미 뷰어빌리티를 단독 KPI로 삼는 광고주를 찾기 어렵습니다. 대신 노출 생명주기 전체의 손실, 시간 가중 품질, 측정 가능성, 그리고 궁극적으로 비즈니스 증분을 함께 보는 방식으로 이동하고 있습니다. 뷰어빌리티 70%라는 숫자에 안심하기 전에, 그 숫자가 어떤 분모에서 나왔고 어떤 분포를 숨기고 있으며 어떤 측정 편향을 포함하고 있는지를 질문해야 합니다. 그래야 광고 예산이 진짜로 화면 위에서 살아 움직이는 노출에 쓰이고 있는지 확인할 수 있습니다.