전환 모델링이란 무엇인가요?

전환 모델링은 직접적인 추적 메커니즘을 사용할 수 없거나 불완전할 때 사용자 전환 확률을 추정하는 계산 프레임워크입니다. 이 접근 방식은 쿠키와 같은 전통적인 추적 방식에 내재된 데이터 손실, 특히 데이터 수집에 동의하지 않는 사용자로 인한 데이터 손실을 해결합니다. 전환 모델링의 주요 기능은 머신러닝 알고리즘을 활용하여 관찰되지 않은 전환 이벤트를 추론함으로써 이러한 데이터 격차를 메우는 것입니다.

그 방법론은 다음을 포함합니다:

• 방문자 행동 데이터를 사용하여 개별 웹사이트 방문의 증분 영향을 평가합니다.
• 동의하지 않은 사용자의 전환을 예측하기 위해 동의한 사용자의 데이터와 과거 추세를 기반으로 관찰된 전환을 분석합니다.
• 웹사이트 상호작용 경로를 따라 사용자 행동 패턴을 추정하여 가능한 전환 결과를 재구성합니다.

동의 모드가 활성화되어 Google 태그가 쿠키 데이터 없이 작동하는 시나리오에서—전환 모델링은 매우 중요해집니다. Consent Mode는 사용자 개인정보를 존중하도록 태그 동작을 수정하지만, 이는 광고 측정 데이터에 불연속성을 야기합니다. 전환 모델링은 Google AI를 관찰 가능한 신호 및 과거 전환 패턴에 적용하여 이러한 격차를 보완하고, 광고 상호작용과 실제 전환 사이의 연결을 이어줍니다(Google, 2023).

이 프레임워크를 구현하려면 일반적으로 규정 준수를 보장하고 데이터 활용도를 극대화하기 위해 Google 인증 동의 관리 플랫폼(CMP)과의 통합이 필요합니다.

주요 결과:

• 전환 모델링은 기존 추적 방식이 놓치는 전환을 추정함으로써 개인정보 보호 제약 하에서 전환 기여도 정확도를 크게 향상시킵니다.
• 동의한 사용자 데이터로 학습된 머신러닝 모델은 동의하지 않은 사용자의 행동에 대해 견고한 예측을 제공합니다.
• 이 방법은 쿠키 사용 및 추적 기술에 대한 규제가 강화되었음에도 불구하고 광고주가 측정 충실도를 유지할 수 있도록 합니다.