“무효 트래픽 비율 1.2%입니다. 이번 달도 청정 캠페인 유지 중이에요.”
미국에서 매달 이런 보고를 받는 마케터들은 안도합니다. DoubleVerify, IAS, MOAT 같은 프리미엄 애드 프라우드 방지 툴이 내 광고를 깨끗하게 지켜주고 있다는 숫자 앞에선 누구나 그렇죠. 그런데 묘하게도, 광고 대시보드의 ROAS는 나쁘지 않은데 실제 매출은 생각만큼 뛰지 않을 때가 있습니다. 대부분의 마케터는 여기서 ‘랜딩페이지가 문제인가’, ‘타겟팅을 더 좁혀볼까’ 같은 방향으로 고민을 틀어버립니다. 저는 지난 15년간 미국에서 SEO와 퍼포먼스 마케팅, 마테크 전략을 설계하면서 이 지점을 수백 번 목격했습니다. 그리고 깨달았습니다. 문제는 프라우드 툴이 보여주지 않는, 바로 그 ‘청정 트래픽’ 안에 숨어 있다는 걸요.
탐지율 99%의 함정, 당신은 정말 안전한가
애드 프라우드 방지 툴의 기본 원리는 비교적 단순합니다. ‘알려진 악성 IP’나 ‘데이터센터 트래픽’처럼 명백한 GIVT(일반적 무효 트래픽)를 블랙리스트로 차단하고, 머신러닝이 마우스 움직임, 스크롤 패턴, 세션 체류 시간 등을 분석해 비정상적인 SIVT(고도화된 무효 트래픽)를 잡아내는 거죠. 대시보드에 찍히는 IVT 탐지율 98%, 99% 같은 숫자는 이런 필터가 제 역할을 다하고 있다는 증거로 읽힙니다.
하지만 2023년 가을, 미국의 한 대형 이커머스 기업과 함께 진행한 실험에서 우리는 충격적인 결과를 마주했습니다. DoubleVerify와 IAS를 모두 통과한, 소위 ‘완전 청정’으로 보고된 트래픽을 별도로 분리해 인크리멘탈리티 테스트를 돌려본 겁니다. 그 결과, 프라우드 툴이 전혀 문제 없다고 넘긴 트래픽의 약 12%가 실제 추가 매출에 전혀 기여하지 않는 유령 트래픽이었습니다. 이들은 봇넷이 만들어낸 ‘인간 흉내 유저’로, 클릭부터 장바구니 담기, 심지어 신용카드 결제까지 모방했지만, 대조군과 비교했을 때 매출 상승 효과는 0에 가까웠습니다. 툴은 표면적인 신호만 걸러냈을 뿐, 그 행동 뒤에 진짜 구매 의도가 있는지는 전혀 몰랐던 셈입니다.
여기서 우리가 반드시 던져야 할 질문이 생깁니다. “프라우드 툴이 ‘클린’이라고 말하는 트래픽은 정말 당신 비즈니스에 돈을 벌어다 주고 있습니까?” 탐지율 99%에 안심하는 순간, 우리는 그 1%가 아니라 오히려 툴이 ‘안전’이라고 도장 찍어준 트래픽 안에 감춰진 예산 누수를 놓치게 됩니다. 저는 이 심리를 ‘서비스로서의 안심 구독료(Safety-as-a-Subscription)’ 라고 부릅니다. 마치 매달 보험료를 내고 마음의 평화를 사는 것처럼, 마케터들은 프라우드 방지 로그인 화면을 볼 때마다 무의식적으로 “이제 괜찮아”라는 안도감에 빠지고, 그 순간 광고비는 더 조용히, 더 교묘하게 새어 나가기 시작합니다.
AI 봇은 이제 당신의 ‘리뷰’까지 작성한다
미국 시장에서 애드 프라우드가 더 무서운 이유는 프라우드 기술이 방지 툴의 업데이트 속도를 이미 추월했기 때문입니다. 2024년 초 미국 모바일 게임 업계에서 발생한 사건을 예로 들어볼게요. 한 게임사가 CPI(Cost Per Install) 캠페인을 집행했고, 프라우드 툴은 물론이고 앱스토어 분석 도구까지도 ‘매우 양호한 유저 품질’이라는 보고를 내놓고 있었습니다. 설치 수는 꾸준히 유지됐고, 리텐션도 일정 구간에서는 자연스러웠고, 심지어 앱 리뷰까지 달렸습니다.
그런데 코호트 분석을 파고들자 기이한 패턴이 드러났습니다. 설치 후 1일 차 잔존율이 0%였던 코호트가 전체 설치의 상당 부분을 차지하고 있었고, 리뷰 내용은 개연성 없이 반복되는 패턴 문장들로 구성되어 있었습니다. 알고 보니 생성형 AI를 탑재한 봇넷이 진짜 유저인 척 설치부터 리뷰 작성까지 완벽하게 연기한 겁니다. 마우스 히트맵, 체류 시간, 심지어 자연스러운 딜레이까지 모방했기 때문에 기존 프라우드 툴은 이것을 전혀 의심하지 않았습니다.
이 사례가 말해주는 진실은 명백합니다. 애드 프라우드 방지 툴은 과거에 정의된 ‘이상 행동’을 찾아낼 뿐, 지금 새롭게 생성되는 ‘인간처럼 보이는 가짜’를 검증할 능력은 없다는 점입니다. 툴은 해킹을 막아주는 방화벽일 뿐, 그 트래픽이 진짜 고객의 돈을 가져왔는지는 전혀 별개의 문제라는 뜻이죠. 그런데도 우리는 툴 대시보드의 숫자를 ‘성과의 증거’로 착각합니다.
인크리멘탈리티, 광고 효과를 증명하는 유일한 방법
여기서 패러다임을 완전히 바꿔야 합니다. 제가 미국에서 수년간 대형 광고주들과 정착시킨 전략은 단순합니다. ‘프라우드 제거’에서 ‘가치 검증’으로 시선을 옮기는 것. 그리고 그 유일한 실행 수단이 바로 인크리멘탈리티 테스트입니다.
기존 광고 성과 측정은 클릭률, 전환율, CPA, ROAS처럼 ‘귀속’ 기반입니다. 어떤 유저가 광고를 클릭하고 구매했다면, 그 구매는 광고의 공으로 계산됩니다. 하지만 교묘한 봇이 전환 터치포인트를 그대로 재현하는 순간, 이 귀속 로직은 가짜 전환을 진짜처럼 둔갑시킵니다. 반면 인크리멘탈리티 테스트는 질문 자체가 다릅니다. “이 광고가 없었더라면, 이 매출은 일어나지 않았을까?” 대조군과 실험군을 만들어 인과적 효과를 측정하기 때문에, 봇이 아무리 전환을 위장해도 통제군과의 매출 격차를 만들지 못하면 의미가 없습니다.
실무에서 적용할 수 있는 방법은 크게 두 가지입니다.
- 지리적 리프트 테스트(Geo Lift Test): 미국 내 DMA(Designated Market Area) 단위로 실험 지역과 통제 지역을 나눕니다. 실험 지역에만 특정 광고를 집행하고, 통제 지역에서는 아예 광고를 끕니다. 이후 POS 데이터, 매장 방문 데이터, 혹은 온라인 구매 데이터를 집계해 두 지역의 매출 차이를 통계적으로 비교하는 것이죠. 광고 지역에 프라우드가 섞여 있었더라도, 통제 지역과 유의미한 매출 차이가 없다면 그 광고는 인크리멘탈 가치가 0입니다. 이 방법은 개인 식별 정보를 전혀 쓰지 않기 때문에 프라이버시 규제에도 강력합니다.
- 유저 수준 A/B 테스트(PSA 테스트): 메타의 컨버전 리프트, 구글 리프트, 혹은 서드파티 측정사(Measured, Haus 등)를 활용해 유저를 무작위로 분할합니다. 테스트 그룹에는 실제 광고를, 대조군에는 공익광고(PSA)나 보이지 않는 투명 광고를 노출합니다. 이후 CRM, 결제 데이터와 매칭해 실제 구매로 이어진 순증분 수익을 산출하면, 광고가 만들어낸 ‘진짜 ROAS’만 남습니다. 프라우드 봇이 대조군에서도 똑같이 전환을 일으켰다면 당연히 인크리멘탈 기여로 산입되지 않기 때문에 자연스럽게 걸러집니다.
이 접근법의 진가는 미국의 한 D2C 스타트업 사례에서 극명하게 드러났습니다. 프라우드 툴이 ‘무효 트래픽 2% 이하’로 보고한 페이스북 캠페인의 인크리멘탈 ROAS를 측정해보니 불과 1.2였습니다. 광고 집행 비용을 간신히 메꾸는 수준으로, 사실상 수익을 1원도 더 만들어내지 못하고 있었던 셈이죠. 툴은 ‘클릭이 무효인가’만 알려줬을 뿐, ‘그 클릭이 돈을 남겼는가’를 전혀 모르고 있었습니다.
오늘 당장 시작하는 3단계 가치 방어 시스템
“좋은 건 알겠는데, 우리 조직에선 어떻게 시작해야 하죠?”라고 묻는 마케터들을 위해, 제가 실제 미국 기업들에 이식한 프로세스를 정리해 보겠습니다.
- 기본 방어선은 유지하되, 거기서 멈추지 않기. DoubleVerify나 IAS 같은 프리미엄 IVT 툴은 여전히 필요합니다. 명백한 저급 봇 트래픽을 걸러내야 인크리멘탈리티 분석의 신호가 깨끗해지니까요. 단, 이걸 ‘완전한 안전장치’로 믿지 마세요. 그냥 분석 전처리 도구일 뿐입니다.
- 상시 리프트 테스트 체계를 구축하기. 분기별로 한 번 하는 대규모 실험으로는 부족합니다. 전체 광고 예산의 최소 20%에는 항상 인크리멘탈리티 검증이 물려 있어야 합니다. 예를 들어 구글 애즈에는 지리적 리프트 실험을 월 2회 자동 예약해 놓고, 메타 광고 계정에는 리프트 스터디를 상시 템플릿화하여 신규 캠페인마다 대조군이 유지되도록 설계하는 식입니다. 공장에서 생산 라인마다 샘플링 검사를 멈추지 않는 것과 똑같은 원리죠.
- 대시보드에 ‘인크리멘탈리티 점수’를 박아 넣기. 월간 마케팅 리뷰에서 가장 중요한 숫자를 ‘Fraud Rate’에서 ‘Validated Incremental ROAS’로 바꾸세요. “이번 달 프라우드는 1% 미만입니다” 대신 “검증된 추가 매출은 32만 달러, 인크리멘탈 ROAS는 3.1입니다”라는 보고가 테이블에 올라오게 해야 합니다. 결정권자들의 질문 자체가 달라집니다.
이 세 단계를 모두 도입한 미국의 한 소비재 브랜드는 연간 2,500만 달러 규모의 디지털 광고비 중 버려지던 예산 비중을 18%에서 6%로 대폭 낮췄습니다. 그리고 남은 예산을 인크리멘탈리티가 가장 높은 채널로 쏠리게 재배치한 결과, 연간 매출을 12%나 끌어올릴 수 있었습니다. 단순히 사기꾼을 잡은 게 아니라, 진짜 돈이 되는 캠페인만 골라 키운 겁니다.
프라이버시 시대, 인크리멘탈리티가 더 강력한 이유
애드 프라우드 툴이 맞닥뜨린 또 하나의 장벽은 바로 프라이버시 규제입니다. 애플의 ATT, 구글의 서드파티 쿠키 제거, 미국 여러 주의 프라이버시 법안은 유저 수준의 식별자를 급격히 없애고 있습니다. 핑거프린팅이나 디바이스 ID에 의존해 SIVT를 찾아내던 프라우드 방지 툴은 데이터 소스 자체가 말라가면서 탐지력이 약화될 수밖에 없습니다.
그런데 인크리멘탈리티 테스트는 완전히 반대 방향에서 이 문제를 해결합니다. 지리적 리프트 테스트는 DMA 단위의 집계 데이터만 있으면 충분하고, 매장 방문 데이터는 POS 집계만으로도 돌아갑니다. 유저 한 명 한 명의 개인정보가 필요 없기 때문에 프라이버시 규제와 충돌할 일이 없습니다. 프라우드 툴이 점점 힘을 잃어가는 바로 그 환경에서, 인크리멘탈리티는 오히려 마케터가 직접 광고 가치를 통제할 수 있는 전략적 무기가 되어줍니다.
이제 애드 프라우드 방지에 대한 생각을 완전히 재정비할 때입니다. 툴 대시보드의 푸른색 그래프에 안심하는 습관을 버리고, “이 캠페인이 없었어도 똑같은 매출이 일어났을까?” 라는 냉정한 질문을 광고 예산 집행의 중심에 놓으세요. 미국의 많은 선도 기업들이 이미 그 길로 움직이고 있습니다. 당신의 조직도 오늘, 그 첫걸음을 뗄 수 있습니다.