앱 설치 광고 하면 아직도 CPI부터 확인하시나요? “설치당 비용이 얼마까지 내려갔네”라는 대시보드 숫자가 중요한 성과 지표처럼 보이던 시절은 분명히 있었습니다. 그런데 지금은 다릅니다. iOS에 ATT가 적용되고 SKAdNetwork가 자리 잡은 뒤로, 광고 생태계가 우리에게 보내는 신호 자체가 완전히 바뀌었습니다. 숫자가 좋아 보인다고 사업이 좋아지는 구조가 더 이상 아니라는 뜻입니다. 그런데도 현장에서는 여전히 CPI 낮추기에 집중하고, 정작 더 중요한 것을 놓치고 있습니다.
이 글에서는 앱 설치 캠페인을 바라보는 제 방식, 그리고 제가 미국에서 실제로 마주친 사례를 중심으로 이야기해보려 합니다. 결론부터 말하면 앱 설치 광고의 진짜 경쟁력은 이제 미디어 바잉이 아니라 전환 가치 해상도에 달려 있습니다. 광고 알고리즘이 사용자를 판단할 때 쓰는 신호의 품질을 스스로 높여주지 않으면, 아무리 예산을 더 쓰고 소재를 바꿔도 성과는 제자리걸음입니다.
CPI는 착시일 수 있다
많은 팀이 conversion value를 설계할 때 무의식적으로 퍼널 순서를 그대로 나열합니다. 앱 실행, 튜토리얼 완료, 회원가입, 무료 체험 시작, 첫 결제 같은 식입니다. 언뜻 보면 논리적입니다. 사용자가 위로 올라갈수록 가치가 높아지니까요. 그런데 SKAdNetwork가 주는 공간은 0부터 63까지, 정확히 64칸뿐입니다. 그 64칸 중 59칸을 비워둔 채 몇 개의 이벤트만 숫자로 나열하면 광고 알고리즘은 단순한 행동만 학습하게 됩니다.
예를 들어 구독 앱에서 conversion value를 “무료 체험 시작 = 4” 정도로 배정했다고 칩시다. 그러면 광고 시스템은 무료 체험을 많이 시작할 것 같은 사람을 찾아 데려옵니다. 문제는 그 사람들이 정말 결제까지 이어지는가 하는 점인데, 알고리즘은 알 수 없습니다. 무료 체험만 반복하는 사람, 이른바 연쇄 설치자나 호기심만 있는 유저가 늘어나면 CPI는 오히려 낮아질 수 있습니다. 하지만 앱을 설치한 뒤 7일 뒤에 남아 있는 사람은 절반도 안 될 수 있습니다.
제가 미국의 한 생산성 구독 앱을 진단했을 때가 그랬습니다. 광고 계정 대시보드에는 CPI가 업계 평균보다 20% 이상 낮게 찍혔고, 담당자는 효율이 좋다고 보고하고 있었습니다. 그런데 내부 데이터를 열어보니 D7 리텐션은 11%였고, 무료 체험에서 유료 결제로 넘어가는 비율은 19%에 불과했습니다. 대시보드는 좋아 보였지만 사업은 조용히 새고 있었던 셈입니다.
서로 다른 유저가 같은 숫자로 뭉개지는 문제
저는 이 문제에 ‘전환 가치 충돌’이라는 이름을 붙였습니다. 전혀 다른 경제적 가치를 가진 유저들이 같은 conversion value에 묶이면서, 광고 시스템은 그 평균만 보고 최적화하는 것입니다. 회원가입을 한 유저와 결제까지 한 유저가 같은 숫자로 기록되면, 알고리즘 입장에서는 둘의 차이를 구분할 방법이 없습니다. 이 상태에서 아무리 크리에이티브를 바꾸고 타겟을 조정해도 한계가 명확합니다.
핵심을 다시 보면 conversion value 설계는 사실상 압축 문제입니다. 좋은 음원을 압축할 때 사람 귀에 잘 들리지 않는 소리는 버리고 중요한 소리에 비트를 몰아주듯, 64칸이라는 작은 공간에 사용자의 미래 가치를 예측하는 신호를 골라 담아야 합니다. 퍼널 이벤트를 순서대로 담는 것은 모든 주파수를 똑같이 담겠다는 발상입니다. 정보 효율이 떨어질 수밖에 없습니다.
구체적으로 이런 경우를 보겠습니다.
- 유저 A: 설치 1시간 만에 회원가입, 콘텐츠 세 개 클릭, 그 뒤 이탈
- 유저 B: 설치 이틀 뒤 재방문, 회원가입은 안 했지만 5일 차에 결제 완료
퍼널 순서 기반 설계에서는 유저 A가 회원가입을 했기 때문에 더 높은 가치로 평가됩니다. 하지만 사업적으로 보면 유저 B가 훨씬 중요한 고객입니다. 어떤 행동을 했는가보다 어떤 행동이 미래 가치를 예측하느냐가 더 중요한 이유입니다.
알고리즘은 우리가 심어준 목표에만 충성한다
Google Ads의 App Campaigns, Meta의 App Install Campaigns, 그 밖의 DSP 기반 리타겟팅까지 모두 한 가지 공통점이 있습니다. 이들은 광고주가 설정한 최적화 이벤트나 conversion value를 극대화하도록 설계되어 있다는 점입니다. 과거에는 오디언스를 세밀하게 나누고 입찰을 직접 조정하면서 성과를 만들 수 있었지만, 지금은 플랫폼의 머신러닝이 판단의 많은 부분을 가져갔습니다. 그 말은 곧 광고주가 정의한 목표가 곧 알고리즘의 학습 방향이라는 뜻입니다.
만약 conversion value에 “회원가입”이라는 이벤트만 넣어두면, 알고리즘은 회원가입을 잘 일으킬 것 같은 사람을 열심히 찾아옵니다. 그 사람이 30일 뒤에 결제할지, 앱을 지울지, 아니면 잠깐 둘러보고 떠날지는 모릅니다. 그래서 conversion value 설계는 단순한 측정 작업이 아니라 머신러닝의 목표 함수를 디자인하는 일입니다. 여기서 실수하면 광고비는 늘어나는데 사업 지표는 꿈쩍도 하지 않는 상황이 반복됩니다.
실전에서 쓰는 5단계 설계 프레임
그렇다면 어떻게 설계해야 할까요? 제가 미국 앱 마케팅 팀에 적용하는 방식을 단계별로 정리했습니다. 꼭 순서대로 하실 필요는 없지만, 이 흐름을 지키면 생각보다 훨씬 명확해집니다.
- 데이터에서 LTV 예측 변수를 찾아라. 과거 유저 데이터를 들여다보면서 설치 후 1일, 3일, 7일 이내의 어떤 행동이 30일, 90일 LTV와 강하게 연결되는지 계산합니다. 직관이 아니라 숫자로 확인해야 합니다. 어떤 앱에서는 24시간 안에 검색 기능을 쓰는 행동이 강한 신호일 수 있고, 다른 앱에서는 푸시 알림 동의 후 재방문이 핵심일 수 있습니다.
- 64칸을 의미 있는 차원으로 쪼개라. conversion value를 하나의 연속된 숫자로 보지 말고 여러 신호를 담는 비트 필드처럼 설계합니다. 예를 들어 결제 금액 구간, 3일 내 재방문 여부, 핵심 기능 사용 여부, 무료 체험 시작 여부, 고가치 행동 여부를 각각 나눠 담는 식입니다. 이렇게 하면 64칸이 서로 다른 유저 프로파일을 표현하게 됩니다.
- 신호가 관찰되는 시간을 계산에 넣어라. SKAdNetwork는 이벤트가 일정 시간 안에 발생해야 전달되는 구조입니다. D7 리텐션이 중요한 신호라면, D7까지 기다리지 말고 48시간 안에 관찰되는 조기 예측 변수를 함께 넣어야 합니다.
- 플랫폼 간 신호 스키마를 통일하라. iOS는 SKAN, Android는 Privacy Sandbox나 기존 이벤트 최적화를 씁니다. 전달 방식은 달라도 핵심 가치 신호의 정의는 같아야 합니다. 그래야 플랫폼 간 성과 비교가 흔들리지 않습니다.
- 변경 후에는 CPI가 아니라 사업 지표를 따라가라. 가중 CPI, 설치당 예측 LTV, D7 리텐션, 유료 전환율, 30일 ROAS를 함께 봅니다. 특히 가중 CPI는 고가치 설치에 가중치를 준 지표라서 기존 CPI의 착시를 줄이는 데 유용합니다.
숫자 하나 바꿨을 뿐인데 ROAS가 뒤집힌 사례
앞서 언급한 생산성 구독 앱에서 실제로 conversion value를 재설계해봤습니다. 기존에는 퍼널 이벤트를 순서대로 나열한 전형적인 구조였습니다. 이 구조에서는 광고 시스템이 “무료 체험 시작”이라는 저가치 행동만 집중적으로 학습하고 있었고, 그 결과 무료 체험만 반복하는 유저가 계속 유입되고 있었습니다.
우리는 6비트를 다음과 같이 나누었습니다.
- 2비트: 결제 금액 구간
- 1비트: 48시간 내 핵심 기능 사용 여부
- 1비트: 3일 내 재방문 여부
- 1비트: 구독 시작 여부
- 1비트: 콘텐츠 저장 또는 공유 행동 여부
변경 후 약 6주간 안정화를 거친 결과가 이렇습니다.
- CPI: $3.20 → $4.35
- D7 리텐션: 11% → 19%
- 무료 체험 → 유료 전환율: 19% → 28%
- 30일 예측 LTV: $16 → $29
- 30일 ROAS: 84% → 134%
CPI는 36% 가까이 올랐습니다. 숫자만 보면 나빠진 것처럼 보이죠. 하지만 D7 리텐션은 거의 두 배 가까이 올랐고, 유료 전환율과 ROAS는 사업적으로 완전히 다른 국면을 만들어냈습니다. 만약 이 팀이 CPI만 붙잡고 있었다면 이런 전환을 시도조차 못 했을 겁니다.
실행하다 보면 빠지는 함정
고해상도 전환 가치 설계는 분명 효과가 있지만, 무턱대고 적용하면 오히려 역효과가 날 수 있습니다. 제가 현장에서 자주 보는 실수를 정리했습니다.
- 버킷을 너무 쪼개는 것. 64칸을 욕심내서 다 채우려다 보면 각 칸에 쌓이는 학습 데이터가 부족해집니다. 광고 알고리즘이 제대로 학습하려면 의미 있는 이벤트끼리 묶어서 적정 수준을 유지해야 합니다.
- 후행 신호만 넣는 것. D7 이후에나 관찰되는 행동은 conversion value에 넣어도 실제로는 전달되지 못할 가능성이 높습니다. 조기 예측 변수를 반드시 함께 설계해야 합니다.
- 스키마를 자주 바꾸는 것. conversion value 체계를 변경하면 캠페인 학습이 리셋되고 일시적으로 성과가 흔들릴 수 있습니다. 최소 4~6주는 지켜봐야 하며, 변경 전에 버전 관리와 실험 계획을 세워야 합니다.
- 프라이버시 정책 변화를 놓치는 것. 미국은 주별 프라이버시 법이 계속 도입되고 있고, 구글과 애플의 신호 정책도 바뀌고 있습니다. conversion value 설계는 한 번으로 끝나는 작업이 아니라 지속적으로 관리해야 하는 시스템입니다.
이제는 신호를 설계하는 팀이 성장을 주도한다
앱 설치 광고의 미래는 더 이상 “어떤 매체에, 어떤 소재로, 얼마에 입찰할 것인가”만으로 결정되지 않습니다. 더 근본적인 질문은 이것입니다. 우리는 광고 알고리즘에게 어떤 가치 신호를 보내고 있는가?
앱 마케팅 팀이 점점 텔레메트리 엔지니어처럼 일해야 하는 시대입니다. 사용자의 행동을 수집하고, 그중 미래 LTV를 가장 잘 예측하는 신호를 찾아내고, 64칸이라는 제한된 공간 안에서 최대한 높은 해상도로 압축해 플랫폼에 전달하는 일. 이 과정 자체가 곧 경쟁력입니다.
CPI를 낮추는 데만 집중하는 팀은 평균적인 유저를 더 많이 데려올 수 있을지 모릅니다. 하지만 전환 가치 해상도를 설계하는 팀은 가치 있는 유저를 선택적으로 데려오는 능력을 갖게 됩니다. 그 차이가 앞으로 몇 년간 미국 앱 시장에서 승패를 가를 것입니다. 그리고 그 출발점은 생각보다 단순합니다. 대시보드에서 CPI 숫자를 내려다보는 대신, 광고 알고리즘이 보고 있는 숫자 64개부터 다시 들여다보는 것. 그것이 제가 이 글에서 말하고 싶은 전부입니다.