Part 2에서는 iOS에서 예정된 정책 변화에 대해서 알아봤기에, 이번 Part 3에서는 이 정책 변화가 저희의 마케팅 캠페인에 미치게 될 영향에 대해서 논의하도록 하겠습니다.

1. 광고 집행 방식의 변화

많은 최적화 기술들이 더 이상 작동하지 않을 것으로 예상됩니다.

지금까지 iOS 앱 환경에서의 최적화 기술들은 대부분 IDFA에 의존하여서 작동하였습니다. IDFA는 하나의 기기를 반영구적으로 인식하고 추적할 수 있게 해주는 핵심 인식 값이였기에 광고주들이 다양한 경로로 취득된 사용자에 대한 정보 (구매 이력, 웹사이트 방문 이력, 위치, 배터리 상태, IP, User Agent 등)는 계속 축적될 수 있었고 이 사용자의 정보를 사용하여서 다양한 광고 구매에 대한 의사결정을 할 수 있었습니다.

IDFA가 어떻게 사용되는지 예시 몇 가지를 들어보겠습니다.

• 이커머스 광고주: 1) 장바구니에 상품을 담았으나 구매를 하지 않은 사용자들을 인식한 후 해당 사용자들의 IDFA값을 취득하여서 광고 매체에 전달 2) IDFA값을 받은 광고 매체는 해당 IDFA값을 가진 사용자를 타게팅하여서 장바구니 상품에 대한 광고를 노출.
• 게임 광고주: 1) 고과금 사용자들의 IDFA값을 광고 매체에 전달 2) 광고 매체는 IDFA값을 사용하여서 이 사용자들의 '특성'을 분석하고, 같은 '특성'을 가진 유저들(Look-a-like)을 찾아 광고를 노출.
• 광고 거래소 (실시간 광고 경매 (RTB)): 1) 각 Impression 당 해당 Impression의 시청자의 IDFA값을 확인하여 시청자의 성향을 확인 2) 해당 시청자가 내 광고에 얼마나 적합할지 판단 내려 DSP 등은 해당 Impression에 제시할 최적화된 Bid 가격을 책정.

이렇게 대부분의 광고 기술들은 (에드네트워크, DSP, DMP, MMP 등)은 공통적으로 IDFA를 활용하여 사용자를 인식하고 서로 통신할 수 있었기 때문에 광고를 최적화해나갈 수 있었습니다. 그러나 Part 2에서 논의된 대로 정책 시행 이후에는 사용자의 ATT 수락 비율이 매우 낮을 것으로 예상되기에 IDFA를 취득/사용하는 것이 어려워 질 것으로 예상됩니다. 이 뜻은, 1) 앞으로는 시청자의 '가치'를 인식하는 것이 매우 어려워질 것이고, 2) 시청자의 '가치'를 알더라도 이것을 활용하는 것이 매우 어려워질 것입니다.

결과적으로, 많은 광고 최적화 기술들의 효과가 iOS 앱 환경에서 현저히 저하될 것으로 예상됩니다. 예시로는,

• IDFA, 이메일 주소, 전화번호 등을 사용한 Look-a-like 구축
• 사용자 레벨에서의 App event 기반 최적화 (ROAS 기반 최적화 포함)