지금 읽는 곳tCPI 입찰의 한계는 어디서 드러나나목차
STEP 2 중급·실무 › 2-2. 애드네트워크·프로그래매틱 › 과목 68 › 레슨 08
tCPI(목표 설치당 비용) 입찰 전략에서 ROAS 입찰 전략으로의 전환 기획: 고관여 결제 유저(Whale User) 중심의 머신러닝 최적화 룰
설치 수는 충분한데 매출이 따라오지 않는다면, tCPI 입찰이 "많이 설치시키는 유저"만 모으고 있다는 신호일 수 있습니다.
핵심요약
- tCPI 입찰은 설치 수를 목표 단가 안에서 최대화하는 방식으로, 결제 가능성은 고려하지 않는다
- tROAS(목표 ROAS) 입찰은 설치 후 인앱 구매 가능성이 높은 유저에게 자동으로 더 높은 입찰가를 책정한다
- tROAS로 전환할 때는 기존 tCPI 대비 20% 이상 높은 입찰가로 시작하는 게 권장된다
- tROAS·tCPA 자동입찰은 캠페인당 일일 전환 10건 이상이 쌓여야 최적화가 안정적으로 작동한다
- 전환 초기에는 볼륨이 줄어드는 시기를 감수해야 장기적으로 결제 유저 비중이 늘어난다
tCPI 입찰의 한계는 어디서 드러나나
tCPI(목표 설치당 비용) 입찰은 정해진 목표 단가 안에서 설치 수를 최대화하는 데 최적화돼 있습니다. 이 방식은 "설치"라는 단일 이벤트만 목표로 삼기 때문에, 설치 이후 그 유저가 실제로 결제를 하는지, 얼마나 오래 남아 있는지는 입찰 알고리즘의 판단 기준에 들어가지 않습니다. 그 결과 tCPI로 캠페인을 오래 운영하면 설치 단가는 낮게 유지되지만 결제 전환율이 낮은 유저가 계속 유입되는 경향이 나타날 수 있습니다. 특히 인앱 결제 비중이 높은 게임·앱에서는 설치 수만 늘어나고 매출이 따라오지 않는 상황이 반복된다면, 크리에이티브 문제이기 이전에 입찰 전략 자체가 "잘 설치하는 유저"만 최적화하고 있다는 신호로 봐야 합니다.
tROAS는 무엇을 다르게 최적화하나
tROAS(목표 ROAS) 입찰은 설치라는 단일 이벤트가 아니라, 설치 후 인앱 구매로 이어질 가능성이 높은 유저를 예측해 그 유저에게 자동으로 더 높은 입찰가를 책정하는 방식입니다. 머신러닝이 과거 전환 데이터를 학습해 "이런 특성을 가진 유저가 결제 전환율이 높다"는 패턴을 찾아내고, 그 패턴에 맞는 유저에게 입찰을 집중시킵니다. 즉 tCPI가 "설치 볼륨"을 최적화 목표로 삼는다면, tROAS는 "설치 이후의 가치"를 최적화 목표로 삼는다는 차이가 있습니다. 이 방식이 특히 유효한 대상은 소수의 고관여 결제 유저(이른바 웨일 유저)가 매출의 큰 비중을 차지하는 게임·앱입니다. tCPI로는 이런 웨일 유저를 특별히 더 많이 모으도록 유도할 방법이 없지만, tROAS는 과거 데이터에서 웨일 유저와 유사한 특성을 가진 신규 유저에게 자동으로 입찰을 집중시킵니다.
전환 시 입찰가는 어떻게 설정해야 하나
tCPI에서 tROAS로 전환할 때는 기존 tCPI 입찰가를 그대로 유지하기보다, 통상 20% 이상 높은 입찰가로 시작하는 것이 권장됩니다. 더 가치 있는 유저를 타겟팅하는 만큼 그 유저를 확보하기 위한 경쟁 입찰가도 함께 올라가기 때문입니다. 입찰가를 낮게 유지한 채로 전환하면, 알고리즘이 고가치 유저에게 입찰하려 해도 낙찰 자체가 되지 않아 노출량이 급격히 줄어들 수 있습니다. 전환 초기에는 설치 볼륨이 tCPI 대비 눈에 띄게 줄어드는 시기를 각오해야 하며, 이 시기를 "캠페인이 나빠졌다"고 오판해 곧바로 tCPI로 되돌리면 tROAS가 학습할 데이터 자체가 쌓이지 않아 전환 효과를 검증할 기회를 놓치게 됩니다.
최적화가 안정적으로 작동하려면 어떤 조건이 필요한가
tROAS·tCPA 같은 가치 기반 자동입찰은 캠페인당 일일 전환 10건 이상의 데이터가 쌓여야 머신러닝 최적화가 안정적으로 작동한다는 것이 공식적으로 안내되는 최소 조건입니다. 전환 이벤트가 이 기준에 못 미치면 알고리즘이 유의미한 패턴을 학습하지 못해 입찰이 불안정하게 움직이거나, 오히려 무작위에 가까운 방식으로 소진될 수 있습니다. 전환 볼륨이 이 기준에 미달하는 상태에서 tROAS를 무리하게 도입하기보다, 먼저 tCPI로 전환 데이터 자체를 충분히 쌓은 뒤 tROAS로 전환하는 순서가 안전합니다.
웨일 유저 중심 최적화가 만드는 부작용도 함께 봐야 한다
tROAS 최적화가 웨일 유저와 유사한 유저를 집중적으로 모아온다는 건, 반대로 말하면 캠페인이 유입하는 전체 유저 풀의 다양성이 줄어든다는 뜻이기도 합니다. 소수의 고가치 유저에게 매출이 과도하게 집중된 상태에서 이 유저군의 이탈이 한꺼번에 발생하면, 전체 매출 변동성이 커질 수 있습니다. 그래서 tROAS로 완전히 전환하기보다, 일정 비중은 여전히 tCPI나 볼륨 중심 캠페인으로 유지해 유저 기반의 저변을 함께 넓혀가는 병행 운영이 실무에서는 더 안정적인 접근으로 여겨집니다. 캠페인 하나를 통째로 전환하는 대신, 예산을 나눠 두 방식을 동시에 운영하며 비중을 점진적으로 조정하는 것도 방법입니다.
네트워크별로 tROAS 지원 수준이 다르다
AppLovin, Unity, ironSource 각 네트워크가 제공하는 가치 기반 자동입찰 알고리즘은 세부 명칭과 학습 방식이 조금씩 다릅니다. 어떤 네트워크는 인앱 이벤트를 세분화해 전달할수록 최적화 정밀도가 올라가는 구조이고, 어떤 네트워크는 최소 필요 전환 데이터량 기준이 다르게 안내되기도 합니다. 여러 네트워크에서 동시에 tROAS류 입찰을 도입한다면, 각 네트워크의 공식 문서에서 요구하는 최소 데이터 조건과 이벤트 전달 방식을 개별적으로 확인한 뒤 세팅하는 것이 안전합니다. 한 네트워크의 기준을 다른 네트워크에 그대로 적용하면 예상보다 학습이 느리게 진행되는 원인이 될 수 있습니다.
전환 시점을 판단하는 기준
- 최근 30일 기준 일일 결제 전환 건수가 10건 이상 안정적으로 발생하는가
- 결제 유저와 비결제 유저의 매출 편차가 커서 웨일 유저 타겟팅의 실익이 있는가
- 전환 초기 2~4주간 설치 볼륨 감소를 감내할 예산 여유가 있는가
- tCPI 대비 20% 이상 높은 입찰가를 감당할 목표 마진 구조인가