iOS 게임 캠페인 성과가 매체마다 다르게 나오는 이유와 'SKAN' 활용법

2021년 애플이 ATT(App Tracking Transparency)를 도입하면서 모바일 게임 광고 시장의 성과 측정 방식이 근본적으로 바뀌었어요.

그 변화의 중심에 SKAN(SKAdNetwork)이 있는데요.

iOS 캠페인을 집행하면서 아래와 같은 경험을 한 적 있으신가요?

• 매체 대시보드와 MMP 숫자가 달라서 보고서를 어떤 기준으로 써야 할지 매번 고민해요.

• SKAN 포스트백은 수신되고 있는데, 전환값이 우리 게임에 맞게 설계됐는지 확인한 적이 없어요.

• 소규모 채널 테스트를 돌렸는데 데이터가 나오지 않은 경험이 있어요.

• D1 기준으로 iOS 캠페인 성과를 판단하는데, 유독 판단이 어렵다고 느껴요.

하나라도 해당된다면, 원인이 SKAN 구조에 있을 가능성이 높아요.

이 글에서는 SKAN의 작동 원리부터 게임이 특히 SKAN에서 어려움을 겪는 이유, 수익 모델에 맞는 전환값 설계 전략까지 순서대로 짚어볼게요.

📌핵심 포인트

• 애플의 SKAN은 유저 행동 데이터를 모아서 일정 시간이 지난 후 전송해요. D1 기준으로 캠페인 성과를 판단하는 팀이라면, SKAN 데이터가 그 시점에 아직 전송 전일 수 있어요.

• 게임 수익 모델에 맞게 설계하지 않으면 SKAN 데이터로 캠페인 효과에 대한 유의미한 측정이 어려워요. IAP 게임과 IAA 게임은 측정해야 하는 신호 자체가 다르므로, 지금 전환값 설계가 우리 게임의 수익 모델을 반영하고 있는지 점검해 보세요.

• MMP가 SKAN 포스트백 중복을 제거해주면 iOS 캠페인 성과를 하나의 기준으로 볼 수 있어요. ATT에 동의한 유저는 SKAN과 IDFA 기반 어트리뷰션 양쪽에 기여로 집계돼요. MMP가 이 중복을 걸러내기 때문에, 동일한 설치가 두 번 집계되어 성과가 부풀려지는 걸 막을 수 있어요.

모바일 게임 광고, 2021년 이전과 이후가 다른 이유

모바일 게임 광고가 어떻게 작동하는지 이해하려면 먼저 ‘어트리뷰션’을 이해해야 하는데요.

어트리뷰션(Attribution)은 쉽게 설명해 유저가 어떤 광고를 보고 앱을 설치했는지 추적하는 일련의 과정이라고 할 수 있어요.

광고주 입장에서는 Meta에 집행한 광고가 실제로 얼마나 많은 설치를 만들어냈는지, Google 광고는 또 얼마나 전환에 기여했는지를 알아야 예산을 효율적으로 배분할 수 있거든요.

2021년 이전까지 이 추적의 중심에는 IDFA(Identifier for Advertisers)가 있었어요. IDFA는 아이폰마다 부여된 광고용 고유 번호로, 유저가 광고를 클릭하고 앱을 설치하면 광고주는 이 번호를 통해 유저가 유입된 광고와 앱 안에서 한 행동 등을 개인 단위로 추적할 수 있었어요.

게임 UA 마케터가 캠페인을 통해 유입된 유저의 D7 리텐션, 평균 결제액 등을 정확히 볼 수 있었던 건 IDFA 덕분이었죠.

1. ATT 도입으로 IDFA 접근이 사실상 막혔어요

2021년 4월 iOS 14.5가 출시되면서 구조가 바뀌었어요. 애플이 ATT(App Tracking Transparency)라는 정책을 도입한 건데요.

ATT는 유저가 앱을 처음 열 때 ‘이 앱이 다른 회사의 앱과 웹사이트에서 내 활동을 추적하도록 허용하시겠습니까?’라는 팝업을 표시해요. 유저가 직접 허용을 눌러야만 IDFA를 쓸 수 있게 한 정책이죠.

iOS 14.5 출시 직후인 2021년 4~5월, Verizon Media 산하 모바일 분석 플랫폼 Flurry Analytics의 데이터에 따르면 ATT 프롬프트를 본 유저 중 추적을 허용한 비율은 미국 기준 약 4%, 글로벌 기준 약 11%에 불과했어요. 팝업을 봤는데도 대부분이 거부를 선택한 거예요.

게임 UA 마케터 입장에서는 성과를 측정할 수 있는 유저가 갑자기 대폭 줄어든 셈이죠.

측정이 어려워지면 최적화도 어려워지고, 같은 예산으로 iOS에서 유저를 데려오는 비용도 올라갈 수밖에 없게 되는데요. 애플은 이 공백을 메우기 위해 SKAN(SKAdNetwork)을 내놨어요.

2. 애플이 IDFA 대신 내놓은 측정 방식이 SKAN이에요

애플은 IDFA를 통한 사용자 추적을 제한하면서 대안을 함께 내놨어요. SKAdNetwork, 줄여서 SKAN이라고 해요.

IDFA 없이도 앱 설치로 이어진 광고를 집계 수준에서 측정할 수 있는 애플의 공식 프레임워크이죠.

SKAN의 작동 방식은 기존 어트리뷰션과 완전히 달라요.

기존에는 MMP(Mobile Measurement Partner, 여러 광고 채널의 성과 데이터를 한 곳에서 같은 기준으로 볼 수 있게 해주는 측정 도구)가 IDFA를 기준으로 유저 한 명 한 명을 추적하면서 유저가 유입된 광고를 직접 판단했어요.

SKAN에서는 그 판단을 애플이 해요.

유저가 광고를 보고 앱을 설치하면, 애플 서버가 이 설치는 어떤 광고에서 왔는지 확인하고, 그 결과를 ‘포스트백(postback)’이라는 데이터 패킷으로 광고를 집행한 매체(Meta, Google 등)에 전달해요.

매체는 이걸 다시 MMP로 보내고, MMP가 광고주가 읽을 수 있는 성과 데이터로 정리해줘요.

여기서 MMP가 처음 나오는데, 여러 광고 채널의 성과 데이터를 한 곳에서 같은 기준으로 볼 수 있게 해주는 측정 도구예요. 에어브릿지가 여기에 해당하죠.

SKAN 데이터는 애플이 매체를 통해 MMP로 보내주는 구조이기 때문에, MMP 없이는 여러 채널의 SKAN 데이터를 한 번에 읽어내기 어려워요.

Business of Apps에 따르면, 2024년 기준 전체 iOS 어트리뷰션의 35%가 이미 SKAN으로 측정되고 있어요. 나머지는 Apple Search Ads, ATT에 동의한 유저의 IDFA 기반 어트리뷰션, 확률적 모델링 등 여러 방식으로 분산돼 있어요.

ATT 이후 새롭게 등장한 측정 수단 중에서는 SKAN이 가장 높은 비중을 차지하면서, 실제로 IDFA를 대체하는 수단으로 자리 잡아 가고 있다는 거예요.

SKAN이 게임 데이터 측정을 어렵게 만드는 3가지 이유

게임의 핵심 측정 리듬과 SKAN의 작동 방식은 여러 지점에서 정면으로 충돌해요.

1. D1 리텐션을 봐야 하는 날, SKAN 포스트백이 아직 수신되지 않았어요

게임 UA에서 캠페인 퀄리티를 가장 빠르게 판단하는 지표는 D1 리텐션이에요. 이는 설치 다음 날 다시 접속한 유저 비율을 뜻해요. 많은 게임 UA팀이 D1 수치를 캠페인 초기 퀄리티를 확인할 수 있는 가장 빠른 신호 중 하나로 해석해요.

GameAnalytics의 2024년 모바일 게임 벤치마크에 따르면 iOS 기준 상위 25% 게임의 D1 리텐션은 31~33% 수준인데요.

하지만 SKAN은 이 리듬에 맞게 데이터를 주지 않아요. 유저가 앱을 설치하고 행동을 해도 그 데이터를 바로 전송하지 않기 때문이죠.

SKAN은 설치 이후 유저의 인앱 행동을 측정하는 Activity window를 내부적으로 운영하는데, 이 윈도우가 닫히면 그때 포스트백을 전송하는 시스템이에요.

SKAN 3 기준으로 이 대기 시간이 최소 24시간이고, 여기에 0~24시간의 랜덤 지연이 추가돼요. 포스트백은 빠르면 24시간, 늦으면 48시간 이후에 수신되고요.

즉, 광고주는 유저가 설치 직후 앱 안에서 어떤 행동을 했는지 실시간으로 확인할 수 없는 거죠.

Activity window는 유저가 앱 안에서 이벤트를 발생시킬 때마다 초기화돼요.

튜토리얼을 완료하거나 레벨을 올리거나 아이템을 구매할 때마다 초기화되며, 특히 게임처럼 설치 초반 24시간 안에 인앱 이벤트가 집중되는 앱일수록, 유저 행동이 활발할수록 포스트백 전송이 더 지연돼요.

바꿔 말하면 캠페인 퀄리티가 높은 유저일수록 포스트백 수신 시점이 늦어져요.

정리하면,

• D1 기준으로 캠페인 성과를 판단해야 하는 시점에 SKAN 포스트백은 아직 수신되지 않음

• 매체 대시보드에서 설치 수는 확인되는데 유입 유저의 퀄리티는 알 수 없음

• MMP 대시보드의 SKAN 기여 수치는 매체 수치와 다름

이로 인해, 3가지 숫자 중 어떤 것을 기준으로 예산을 조정해야 할지 판단하기 어려운 상태가 돼요.

2. 크리에이티브 테스트를 세분화할수록 어트리뷰션 식별이 어려워져요

게임 UA는 플레이어블 광고, UGC 영상, 게임플레이 하이라이트 등 형식도 다양한데요.

같은 형식 안에서도 후킹 포인트나 엔딩 장면을 바꾸는 크리에이티브 테스트를 상시 운영해요.

그래야 어떤 크리에이티브가 더 높은 퀄리티의 유저를 유입시키는지 확인해야 제작 방향을 설정할 수 있기 때문이죠.

SKAN 3에서는 크리에이티브 단위 어트리뷰션이 구조적으로 불가능했는데요. 애플 WWDC22 공식 영상에 따르면 campaign identifier가 2자리 숫자 필드로 제한됐기 때문이에요.

매체, 캠페인, 광고 세트, 크리에이티브 정보를 100개 조합 안에 모두 담아야 하니 크리에이티브 단위로 성과를 구분하는 건 어려웠어요.

SKAN 4에서는 source-identifier(광고 캠페인 식별자)가 4자리 숫자로 늘어나면서 일부 개선됐어요.

크리에이티브 유형이나 국가 정보를 숫자 조합으로 인코딩할 수 있게 된 거예요.

세분화된 4자리 데이터는 캠페인이 크라우드 익명성(Crowd Anonymity) 티어 2~3을 충족해야 수신할 수 있어요. 티어 조건을 충족하지 못하면 2자리 또는 데이터 없음으로 수신돼요.

크라우드 익명성 티어는 캠페인 ID당 설치 수에 따라 결정돼요. 에어브릿지 SKAN 4 가이드를 참고하면, 앱 설치 수가 많을수록 포스트백 티어가 올라가고, 더 세분화된 데이터를 수신할 수 있어요.

크리에이티브 테스트를 잘게 쪼갤수록 캠페인당 설치 수가 분산되기 때문에, 티어 조건을 충족하기 어려워지는 구조라고 볼 수 있어요.

3. 소규모 채널 테스트에서는 conversion value가 수신되지 않아요

게임 UA팀은 주요 매체 외에 새로운 채널이 우리 게임에 맞는지 확인하기 위해 오퍼월, 리워드 광고, 인플루언서 채널, 신규 DSP 등을 소액으로 테스트하는 경우가 많아요.

그런데 SKAN은 소규모 테스트에 다소 불리한 프레임워크예요.

SKAN에는 Privacy Threshold(개인정보 보호 임계값)라는 구조적 제약이 있는데, 캠페인당 일정 설치 수를 채우지 못하면 conversion value와 source app ID 같은 세부 데이터가 마스킹 되거나 NULL로 수신돼요.

개인 유저를 식별할 수 없도록 데이터를 집계 처리하는 애플의 개인정보 보호 장치라고 볼 수 있죠.

테스트 예산이 작을수록 설치 수가 줄고, 설치 수가 Privacy Threshold에 미달하면 conversion value가 NULL로 수신돼요. 채널 퀄리티를 확인하기 위해 필요한 데이터가 구조적으로 수신되지 않는 거예요.

SKAN 4에서 크라우드 익명성 티어 구조가 개선되면서, 이전보다 낮은 설치 볼륨에서도 coarse value(상/중/하) 수준의 최소한의 데이터를 수신할 수 있게 됐어요. 다만 세분화된 데이터를 수신하려면 여전히 일정 수준의 설치 볼륨이 필요해요.

게임 수익 모델별 전환값(CV) 설계 전략

SKAN에서 측정할 수 있는 정보의 양은 처음부터 정해져 있어요.

유저 설치 이후의 행동을 0부터 63까지 숫자 하나로 표현하는 게 전부예요.

이 64개 슬롯에 무엇을 담느냐가 이후 모든 캠페인 최적화의 기반이 되는데, 게임의 수익 모델에 따라 담아야 하는 정보가 달라져요.

1. IAP 중심 게임은 초기 매출 신호를 CV에 인코딩해야 해요

IAP(In-App Purchase, 인앱 결제) 중심 게임은 유저가 직접 아이템, 캐릭터, 배틀패스 등을 구매하는 방식으로 수익을 내요. UA 캠페인의 목표는 설치 초반에 결제로 전환하는 유저를 유입시키는 거죠.

IAP 게임의 (Conversion Value, 이하 CV) 설계에서 핵심은 첫 결제 여부와 금액 구간을 함께 담는 거예요.

결제 발생 여부만으로는 캠페인 퀄리티를 판단하기에 충분하지 않고, 정확한 금액은 전환값의 비트 제한으로 담을 수 없어요.

이로 인해 금액 구간으로 표현하는 방식을 사용해요. 실제 유저 결제 분포를 기반으로 0원(결제 없음), 15달러, 520달러, 20달러 이상처럼 구간을 나누고 각 구간을 CV 숫자에 매핑하는 거예요.

SKAN 4에서는 포스트백이 3개로 늘어났어요. 측정 윈도우는 각각 설치 후 02일, 37일, 8~35일이에요.

각 윈도우가 닫힌 후 포스트백이 전송되기 때문에, D2 결제 여부는 첫 번째 포스트백에서, D7 시점의 매출 발생 정도(상/중/하)는 두 번째 포스트백의 coarse value로, D35 기준 장기 활동 여부는 세 번째 포스트백의 coarse value로 대략적으로만 확인할 수 있어요.

코호트 단위의 ARPU(Average Revenue Per User, 유저당 평균 매출)나 ROAS(Return On Ad Spend, 광고 투자 대비 수익률) 추정이 일부 가능해지는 거예요.

CV에 이벤트를 과도하게 등록하면 이벤트가 발생할 때마다 activity window가 초기화되면서 포스트백 전송이 지연돼요.

CV에 담는 이벤트는 첫 번째 측정 윈도우(0~2일) 안에 반드시 확인해야 하는 핵심 신호만으로 제한하는 게 중요해요.

2. IAA 중심 게임은 광고 시청 행동을 비트 플래그로 설계해야 해요

IAA(In-App Advertising, 인앱 광고) 중심 게임은 유저가 광고를 시청하고 그 수익으로 운영하는 방식이에요. 캐주얼 게임, 하이퍼캐주얼 게임이 여기 해당해요. 단일 결제 없이 유저가 얼마나 자주, 오래 접속하고 광고를 시청하는지가 수익을 결정하죠

IAA 게임의 CV 설계에서 핵심은 광고 시청으로 발생하는 수익 신호를 비트에 담는 거예요. 여기서 비트 플래그란, 행동의 유무를 0 또는 1로 표시하는 방식이에요. 6개의 비트 각각이 하나의 체크 항목이 되는 거죠.

CV는 0부터 63까지 숫자 하나인데, 이 숫자가 내부적으로 6자리 이진수로 이루어져 있어요.

예를 들어 CV가 7이면 이진수로 000111이에요. 각 자리에 행동을 하나씩 할당하고, 유저가 그 행동을 했으면 1, 안 했으면 0으로 표시하는 식이에요.

IAA 게임에서는 광고 시청 횟수나 누적 광고 수익 구간을 단계별로 비트에 할당하는 방식이 유효해요.

예를 들어 비트 0은 광고 1회 이상 시청 여부, 비트 1은 광고 3회 이상 시청 여부, 비트 2는 광고 10회 이상 시청 여부로 설계하면 CV 숫자만 보고도 이 캠페인에서 온 유저들의 광고 수익 기여도를 파악할 수 있어요.

다만 어떤 행동을 몇 번째 비트에 담을지는 게임의 수익 구조와 유저 행동 패턴에 따라 달라지기 때문에, 우리 게임 데이터를 기반으로 설계해야 해요.

첫 번째 측정 윈도우가 설치 후 0~2일이기 때문에, 이 기간 안에 발생 가능한 행동만 CV에 담아야 포스트백에 의미 있는 데이터가 실려요.

D7 리텐션처럼 더 늦게 확인해야 하는 지표는 SKAN 4의 두 번째 측정 윈도우(3~7일)에서 확인하는 구조로 설계해 보세요.

데이터 갭을 줄이는 실전 접근: MMP와 퍼스트파티 데이터 조합

SKAN이 iOS 어트리뷰션의 공식 수단이지만, SKAN 데이터만으로는 게임 UA에 필요한 전체 그림을 그리기 어렵죠. 리타겟팅과 유저 개인 단위 분석도 얻기 어려우니까요.

MMP와 퍼스트파티 데이터를 어떻게 조합하느냐가 실제 운영 차이를 만들기 때문에, 아래 내용을 참고하여 광고 운영에 적용해 보세요.

1. MMP는 SKAN 데이터의 중복을 제거해요

SKAN 환경에서 MMP의 역할은 기존과 다른데요. 기존에는 MMP가 IDFA를 기준으로 클릭과 설치를 매칭해서 어떤 광고가 기여했는지 확인했어요.

기존에는 MMP가 광고 클릭 시점과 앱 설치 시점의 IDFA를 대조해서, 일치하는 경우 해당 광고에 기여를 부여한 건데요.

앞서 언급했듯 SKAN에서는 어트리뷰션 판단을 애플이 하기 때문에, 이제 MMP의 역할은 여러 매체에서 들어오는 포스트백을 모아 집계하고, CV 설정값에 따라 해석해서 광고주가 읽을 수 있는 형태로 정리하는 거예요.

이 과정에서 MMP가 없으면 놓치기 쉬운 문제가 2가지 있어요.

1. 매체마다 포스트백 데이터를 전송하는 타이밍이 달라요. Meta와 Google은 포스트백에 포함된 CV와 발생 개수를 MMP에 전달하는데, 데이터 집계 시점이 달라서 수치 차이가 생길 수 있어요.

2. ATT에 동의한 유저는 SKAN과 IDFA 양쪽에 동시에 잡히기 때문에 중복 집계가 발생해요.

MMP가 이 2가지 문제를 걸러내고 실제 iOS 캠페인 성과를 보여주는 역할을 해요.

👉 에어브릿지 SKAN 설정 가이드

에어브릿지는 SKAN과 에어브릿지 어트리뷰션 기준의 중복 기여를 교차 검증 및 식별하는 기능을 제공하는데요. 이를 통해 어떤 숫자를 기준으로 삼을지 판단할 수 있게 해줘요

SKAN으로 잡힌 설치가 에어브릿지 어트리뷰션으로도 같은 채널에 기여됐는지 확인할 수 있죠.

이 데이터를 통해 3가지 숫자 중 어떤 것을 의사결정 기준으로 삼을지 판단할 수 있어요.

2. SKAN이 못 보는 영역을 퍼스트파티 데이터로 보완해요

SKAN은 유저 단위 데이터가 없어서 리타겟팅이 불가능하고, 이탈 후 복귀한 유저를 기존 유저로 인식하지 못해요. 고가치 유저와 일반 유저를 개인 단위로 구분하는 것도 어렵죠.

이 공백을 메우는 현실적인 방법은 게임 서버 데이터와 SKAN 집계 데이터를 코호트 단위로 연결하는 거예요.

SKAN으로 이 캠페인에서 유입된 유저 집단의 D2 결제율이 몇 %인지 확인할 수 있다면, 게임 서버에서 같은 기간 같은 채널 유입 유저의 상세 행동 로그와 연결해 해석할 수 있어요.

모비인사이드 2025년 7월 리포트에 따르면 많은 마케터들이 이미 CRM, 퍼스트파티 데이터, 웹 기반 전략으로 SKAN의 공백을 보완하고 있어요.

SKAN이 잘 보여주는 영역과 그렇지 못한 영역을 명확히 구분하고, 각각에 맞는 데이터 소스를 조합하는 게 현실적인 접근이에요.

지금 우리 게임의 SKAN 설정, 어디까지 돼 있나요?

SKAN을 쓰고 있다면 아래 질문으로 현재 설정 상태를 점검해 보세요.

Q1. CV에 매핑한 이벤트가 실제로 첫 번째 포스트백 윈도우(48시간) 안에 발생하는 행동인가요?

48시간 이후에 발생하는 이벤트를 CV에 담아도 첫 번째 포스트백에 실리지 않아요. 실제 유저 행동 로그를 기반으로 설치 후 48시간 안에 발생하는 이벤트만 선별해서 매핑해야 해요.

Q2. CV 설계가 우리 게임의 수익 모델(IAP vs IAA)을 반영하고 있나요, 아니면 기본 세팅 그대로인가요?

기본 세팅은 수익 모델을 반영하지 않아요. IAP 게임이라면 결제 금액 구간을, IAA 게임이라면 리텐션과 광고 시청 행동을 CV에 담아야 캠페인 최적화에 쓸 수 있는 데이터가 나와요.

Q3. 소규모 채널 테스트 예산이 Privacy Threshold를 넘기기에 충분한 수준인가요?

캠페인 ID당 하루 설치 수가 일정 수준 이하면 conversion value가 NULL로 수신돼요. 새 채널을 테스트할 때는 여러 채널에 예산을 나누지 말고, 한 채널에 집중해서 먼저 Threshold를 충족하는 게 맞아요.

Q4. SKAN 데이터와 IDFA 기반 어트리뷰션 데이터의 중복 기여를 제거하고 보고 있나요?

ATT에 동의한 유저는 SKAN과 IDFA 양쪽에 동시에 잡혀요. 중복을 제거하지 않으면 같은 설치가 두 번 집계돼서 실제보다 성과가 부풀려져 보여요. MMP에서 중복 기여 제거 기능을 활성화했는지 확인해야 해요.

Q5. MMP 대시보드에서 SKAN 포스트백이 정상적으로 수신되고 있는지 주기적으로 확인하고 있나요?

기거나 iOS 버전 이슈로 포스트백이 수신되지 않는 경우가 있어요. 포스트백 수신 현황을 정기적으로 확인하지 않으면 데이터 공백이 생긴 걸 뒤늦게 발견하게 돼요.

SKAN 캠페인, 설계 이후 운영이 더 중요해요

CV(Conversion Value, 전환값) 설계를 잘해도 운영 단계에서 놓치는 부분이 있으면 의사결정에 쓸 수 없는 데이터가 나와요. 아래는 설계 이후 실제 캠페인을 돌릴 때 확인해야 할 포인트예요.

1. CV 변경은 캠페인 비수기에 맞춰서 해야 해요

CV 설정을 변경하면 약 48시간 동안 conversion value 측정이 중단돼요. 이 기간에 유입된 유저의 인앱 행동 데이터는 잡히지 않아요.

시즌 이벤트나 대규모 캠페인이 집행되는 시점에 CV를 바꾸면 그 기간 데이터가 통째로 빠지는 거예요. CV 변경은 반드시 캠페인 집행 공백기나 저예산 기간에 맞춰 계획적으로 해야 해요.

2. 소규모 채널 테스트는 예산을 묶어서 집행해야 해요

Privacy Threshold를 넘으려면 캠페인 ID당 하루 일정 수준의 설치가 필요해요. 테스트 채널을 여러 개 동시에 소액으로 돌리면 각 채널의 설치 수가 분산돼서 어느 채널도 Threshold를 넘지 못하는 상황이 생겨요.

새 채널을 테스트할 때는 채널 수를 줄이고 예산을 한 곳에 집중해서 먼저 데이터를 확보한 뒤, 다음 채널로 넘어가는 순차적 접근이 현실적이에요.

3. 포스트백 수신 여부를 주기적으로 확인해야 해요

캠페인을 집행하고 있어도 MMP에서 SKAN 포스트백이 실제로 수신되고 있는지 주기적으로 확인해야 해요. 광고 채널과 MMP 간 SKAN 연동이 끊기거나, iOS 버전 이슈로 SKAN 4가 아닌 구버전으로 데이터가 잡히는 경우가 있거든요.

포스트백 수신 현황을 MMP 대시보드에서 정기적으로 체크하는 게 필요해요.

게임 마케터가 SKAN에 대해 가장 많이 묻는 질문들

Q1. SKAN 데이터와 매체 대시보드 숫자가 다른 건 정상인가요?

네, 정상이에요. SKAN은 애플이 어트리뷰션을 판단하고, 매체 대시보드는 매체 자체 기준으로 성과를 집계해요. 판단 주체와 기준이 다르기 때문에 숫자가 일치하지 않아요.

중요한 건 어느 숫자가 맞는지 찾는 게 아니라, 어떤 숫자를 의사결정 기준으로 쓸지 팀 내에서 합의하는 거예요. MMP가 이 두 데이터를 나란히 비교해서 볼 수 있게 해줘요.

Q2. SKAN 4로 업그레이드해야 하나요, SKAN 3도 충분한가요?

게임이라면 SKAN 4로 가는 게 유리해요. SKAN 3는 포스트백이 하나뿐이고 24시간 윈도우 데이터만 받을 수 있어요.

SKAN 4는 포스트백 3개로 D2, D7, D35 단위 데이터를 분리해서 볼 수 있고, source-identifier가 최대 4자리로 확장돼 크리에이티브 단위까지 구분해 성과를 분석할 수 있는 환경을 제공해요. 다만, 디바이스의 iOS 버전이 16.1 이상이어야 SKAN 4가 작동해요.

다만 디바이스의 iOS 버전이 16.1 이상이어야 SKAN 4가 작동해요.

Q3. CV를 너무 자주 바꾸면 어떤 문제가 생기나요?

CV 설정을 변경하면 약 48시간 동안 conversion value 측정이 중단돼요. 이 기간에 들어온 유저의 인앱 행동 데이터는 잡히지 않아요.

캠페인이 활발하게 집행되는 시점에 CV를 변경하면 데이터 공백이 생기기 때문에, 변경 타이밍을 캠페인 일정과 맞춰서 계획적으로 해야 해요.

Q4. 게임 장르별로 CV 설계 방식이 다른가요?

장르보다는 수익 모델에 따라 달라져요. IAP 중심 게임은 첫 결제 여부와 금액 구간을 CV에 담고, IAA 중심 게임은 튜토리얼 완료, 레벨 도달, 광고 시청 같은 행동 시퀀스를 비트 플래그로 설계해요.

같은 캐주얼 게임이라도 IAP와 IAA를 함께 쓰는 하이브리드 모델이라면 두 방식을 조합해야 해요. 어떤 행동이 수익과 직결되는지를 먼저 정의하고, 그 신호를 64개 슬롯 안에 담는 순서로 접근하는 게 맞아요.

Q5. SKAN 데이터만으로 ROAS를 계산할 수 있나요?

정확한 ROAS 계산은 어려워요. SKAN은 유저 단위 매출 데이터가 없고, CV에 담긴 금액 구간은 범위값이라 정확한 수치가 아니에요.

다만 SKAN 4의 포스트백 3개를 활용하면 D2, D7, D35 기준 코호트 단위 ARPU를 추정하고, 이를 기반으로 대략적인 ROAS 범위를 계산하는 건 가능해요. 정확한 수치보다는 캠페인 간 상대적 비교 지표로 활용하는 게 현실적이에요.

에어브릿지로 CV 설계부터 포스트백 해석까지, iOS 캠페인 측정 공백을 채우세요

매체 대시보드, MMP, SKAN, 모두 같은 캠페인에서 숫자가 다르게 나오는 이유는 각자 다른 방식으로 성과가 집계되기 때문이에요.

그 안에서 iOS 캠페인을 제대로 운영하려면 CV 설계가 먼저예요. 우리 게임에서 유저의 핵심 행동을 64개 슬롯에 얼마나 잘 담느냐에 따라, 포스트백으로 받은 데이터로 실제 캠페인 효과를 판단할 수 있으니까요.

우리 게임에 SKAN이 어떻게 적용될 수 있는지, 지금 바로 데모에서 먼저 확인해보세요.

Written by 프리랜서 에디터 강혜라