브레이즈
Google 쿠키리스 연기와 퍼스트파티 데이터의 미래🍪
Team MAXONOMY ・ 2024.08.06

쿠키리스(쿠키 중단)란?
쿠키리스(쿠키 중단)란, 웹사이트가 사용자의 정보를 추적하고 맞춤형 경험을 제공하는 데 쿠키를 사용하지 않는 방식을 의미합니다. 여기서 쿠키란, 웹사이트가 사용자의 방문 정보를 기억하는 기술인데요. 만약 여러분이 쿠키를 허용한채로 각종 웹사이트에 방문한다면, 그 방문 정보는 여러분의 컴퓨터 혹은 디바이스에 작은 텍스트 파일 형태로 저장되고, 이 텍스트 파일을 현재 방문 중인 웹사이트나 다른 웹사이트에서 읽고 참고할 수 있습니다.
쿠키는 크게 퍼스트파티 쿠키와 서드파티 쿠키가 있는데요. 퍼스트파티 쿠키란 웹사이트 운영자가 직접 생성하고 관리하는 쿠키로 로그인 상태 유지, 사용자 설정 저장, 장바구니 정보 유지 등 사용자 입장에서 꽤 유용한 기능을 제공합니다. 서드파티 쿠키(타사 쿠키)란 사용자가 방문한 웹사이트와는 다른 도메인에 의해 설정되는 쿠키를 말합니다. 이번 쿠키 퇴출의 가장 중심 도마에 올라와 있는 것이 바로 이 서드파티 쿠키인데요. (서드파티 데이터 더 자세히 알아보기)
예를들어 A라는 온라인 쇼핑몰에서 '빨간 티셔츠'를 조회하였는데, 이후 다른 웹사이트 B를 방문하니 유사한 빨간 티셔츠 광고가 노출되었던 경험 다들 한번씩 있을 것입니다. 이것이 바로 쿠키를 사용한 광고입니다. A 웹사이트를 방문하였을 때, 여러분의 컴퓨터에 '빨간 티셔츠를 조회하였음'이라는 텍스트 파일이 저장되고, B 사이트에서는 이 파일을 읽은 후, 맞춤 광고를 노출한 것이죠.
이렇게 사용자의 행적을 추적하다보니 타사 쿠키에는 여러 프라이버시 및 규제 이슈가 있습니다. 기본적으로 대부분의 사용자가 프라이버시 측면에서 쿠키에 대한 반감이 있으며, GDPR(유럽 일반 데이터 보호 규정), CCPA(캘리포니아 소비자 개인정보 보호법) 등은 사용자 데이터 수집 및 사용에 대한 엄격한 규제를 도입하고 있는 상태이죠.
전 세계적으로 지배적인 점유율을 가진 크롬 웹 브라우저 및 안드로이드 OS를 서비스하는 구글은 이 쿠키 기술에 대한 막중한 책임이 있는 것입니다.
쿠키 삭제 정책은 왜 연기 되었나요?
쿠키의 역사
쿠키리스 정책에 대해 이해하기 위해서는 먼저, 쿠키와 고객 데이터 수집의 역사를 알아보아야 합니다. 인터넷이 생긴 초창기에 타사 쿠키는 디지털 마케팅의 핵심적인 역할을 수행했습니다. 고객 데이터를 힘들게 직접 수집하지 않고도 각 개인의 탐색 행동과 선호도를 이해하여 고객 인사이트를 얻고 광고 타겟팅이 가능했죠.
당시는 데이터 수집과 활용에 대한 부작용을 크게 인지하지 못했던 시기라 쿠키가 번창할 수 있었지만, 앞서 말한 것과 같이 최근에는 프라이버시 및 각종 규제 이슈가 붉어졌고, 결국 2020년 구글은 2년 내에 크롬에서 타사 쿠키 지원을 단계적으로 중단하겠다고 발표했습니다.
이 발표로 디지털 마케팅 업계는 완전히 변했습니다. 우선, 동의 없이 데이터를 수집하고 사용하는 것에 소비자가 불편함을 느낀다는 사실을 깨닫기 시작했습니다. 일부 미래지향적인 기업은 퍼스트파티 데이터를 수용하고 고객 데이터 수집에 대한 접근 방식을 재설계하기 시작했습니다.
쿠키 삭제 정책 연기 이유
구글이 쿠키 삭제 정책을 연기하는 이유는 정확히 알 수 없지만, 쿠키를 중단한다면, 광고 매출이 중심인 구글 스스로가 가장 큰 타격을 입을 것이고, 그런 쿠키를 대체할만한 마땅한 해결책을 아직 찾지 못해서인 것으로 보입니다.
구글은 2020년 발표 이후, FLoC(Federated Learning of Cohorts)라는 기술을 도입하여 서드파티 쿠키를 대체하려 하였습니다. FLoC란, 사용자를 비슷한 관심사와 행동을 가진 그룹(코호트)으로 묶어 광고주가 특정 그룹을 대상으로 광고를 제공할 수 있게 하는 기술입니다. 기존 쿠키의 마케팅적인 이점을 유지하면서 개인 프라이버시를 보호하는 하는 것이 FLoC의 핵심입니다. 하지만, 여전히 사용자의 브라우징 패턴을 기반으로 한다는 점과 코호트의 크기 및 구성에 따라 개인 식별의 위험이 존재할 수 있다는 한계가 있었습니다. 또한 광고주 입장에서 기존의 쿠키만큼의 효과를 발휘할 수 있을지도 의문이었습니다. 광고주와 사용자 둘다 만족시키는 것은 결코 쉽지 않은 일이었습니다.
이 때문에 구글은 마감일을 세 번이나 연기하였고, 가장 최근에는 타사 쿠키의 지원 중단이 2025년 말에 이루어질 것이라 발표하였습니다. 심지어 7월 22에 있었던 발표에서는 쿠키 지원 중단을 철회할 수도 있는 것같은 발언을 하였습니다. 구글은 사용자 선택권을 높이는 접근 방식을 제안한다며, 타사 쿠키를 중단하는 대신 Chrome에서 사람들이 웹 브라우징 전반에 적용되는 정보에 입각한 선택을 할 수 있도록 하는 새로운 환경을 도입하고 언제든지 그 선택을 조정할 수 있다고 말했습니다.
퍼스트 파티 데이터의 미래
지금까지의 상황을 살펴보면, 크롬에서 타사 쿠키가 사라질 가능성은 적어도 단기적으로는 낮아 보이며, 앞으로 중장기적으로 유지될 가능성도 있지만 퍼스트파티 데이터로의 전환 흐름은 근본적으로 변하지 않을 것입니다.
우선 Apple과 같은 Google 이외의 기업은 이미 타사 데이터 수집 관행에서 벗어나고 있으며, EU 등 지역 규제 기관은 앞으로도 타사 데이터를 사용한 마케팅을 제한할 가능성이 높습니다. 소비자 역시 마찬가지로 본인의 행적을 추적당하는 것을 원하지 않습니다.실제로 웹사이트에서 쿠키를 수락할지 여부를 물어봤을 때 대부분이 거절을 선택하였죠. Apple이 AppTrackingTransparency(ATT) 프레임워크를 도입하면서 소비자에게 유사한 선택권을 제공한 후, 약 4분의 1의 사용자만이 타사가 데이터를 추적하도록 허용했고, 이는 기존 방식의 광고 타겟팅을 상당히 제한했습니다. 따라서 Google이 소비자에게 추적 여부 선택 권한을 부여하는 전략을 추진한다면, 타사 쿠키가 공식적으로 중단되지 않고도 서서히 사라질 것입니다.
이 때문에 지금도 Google은 소비자 프라이버시를 유지하면서도 개인화된 소비자 경험을 제공하는 방법을 찾기 위한 노력하고 있을 것입니다. 만약 아직도 타사 쿠키에 의존한 마케팅에 의존하고 있으시다면, 안도감에 빠지지 마세요. 시간적 여유가 더 생긴 것은 맞지만, 타사 쿠키의 의존도를 줄여야 한다는 사실은 여전히 동일합니다. 지금 당장 타사 데이터를 사용하지 말라는 의미는 아닙니다. 데이터 접근 방식의 중심을 퍼스트파티 데이터로 조금씩 옮김으로써, 지속 가능한 데이터 마케팅 환경을 구축해야 합니다.
자체 데이터 전략 구축법
마케팅의 기초적인 부분부터 타사 쿠키에 의존해 온 기업의 경우, 서드파티 데이터 없이 마케팅 활동을 하는 것이 불가능하다고 느낄 수도 있습니다. 하지만 자체 데이터 구축을 한 단계씩 수행하고 이에 필요한 유용한 도구와 전략을 확인한다면 자체 데이터가 더 나은 수익과 결과를 가져올 수 있다는 것을 느낄 겁니다.
Boston Consulting Group의 보고서에 따르면 퍼스트파티 데이터는 실제로 최대 2.9배의 수익 증가와 1.5배의 비용 절감 효과를 보였습니다. 다음으 퍼스트 파티 데이터 전략을 구축하기 위한 할 세 가지 핵심 사항이 입니다.
1. 퍼스트파티 데이터를 통합, 활성화, 배포할 수 있는 기술 확보
퍼스트파티 데이터는 서드파티 데이터보다 더 정확하고 관련성이 높은 경향이 있습니다. 소비자가 직접 정보를 공유하고 주요 행동을 기반으로 수집되기 때문입니다. 하지만 이를 효과적으로 활용하기 위해서는 적절한 기술이 필요합니다. 현재의 기술을 사용하여 퍼스트파티 데이터를 수집, 통합, 활성화, 배포할 수 있는지 확인해보세요.
대표적으로 Braze같은 솔루션은 SDK와 API를 사용하여 모바일 앱, 웹사이트, POS 등에서 고객이 무엇에 관심을 가지고 있고, 어떤 기능을 사용하는지 실시간으로 정보를 수집할 수 있습니다. Braze의 데이터 플랫폼은 주요 데이터 웨어하우스, 디지털 자산, 기업 자체 시스템과 연결을 지원하여 퍼스트파티 데이터의 전체 스펙트럼을 확대하고 더 깊은 인사이트를 얻을 수 있으며, 마케팅 채널 전반에 걸쳐 개인화된 메시지와 디지털 경험을 제공할 수 있습니다.
2. 마케팅 채널 통합
타사 쿠키에 오랫동안 의존했을 때 발생하는 부작용 중 하나는 마케팅 채널이 타사 쿠키를 사용하는 유료 채널과 그 외의 이메일, 푸시 알림, SMS와 같은 자체 채널 간의 데이터 사일로입니다. 이러한 사일로는 마케팅 업무에 있어서 불편할 뿐만 아니라 각종 비용을 증가시키고 성과에 악영향을 미치며, 고객 경험에도 부정적인 영향을 미칩니다.
퍼스트파티 데이터에 집중하는 방향으로 이동하면 이러한 사일로를 해소하고 마케팅 채널을 원활하게 연결하여 사용자에게 통합된 경험을 제공할 수 있습니다. Braze의 Audience Sync 기능은 마케터가 Braze 내에서 퍼스트파티 데이터를 쉽게 사용하고 각종 광고 플랫폼과 연결하여 통합된 마케팅 관리를 가능하게 합니다.
3. 고객 자발적 데이터 수집
퍼스트파티 데이터 전략으로 전환한 기업이 가장 흔하게 저지르는 실수는 고객이 자발적으로 데이터 제출하도록 환경을 구축하지 않는다는 것입니다. 설문 조사 및 기타 프롬프트에 대한 응답으로 고객이 직접 공유하기로 선택한 데이터는 자신의 경험에 대한 의견을 제시할 수 있는 기능을 제공할뿐만 아니라, 이를 통해 각 개인의 진술 선호도에 따라 제공하는 경험을 더욱 세분화할 수 있습니다. 아직 어떻게 시작해야 할지 모르겠나요? 다음 Braze 활용법을 참고하여 데이터 수집 프로세스를 설계해보세요.
- 앱 내 또는 브라우저 내 메시지 설문 조사: Braze를 사용하면 제품 내 설문 조사를 쉽게 구축 할 수 있어 모바일 앱이나 웹 페이지를 방문하는 모든 사용자에게서 핵심 질문을 표면화하고 응답 데이터를 수집할 수 있습니다.
- 랜딩 페이지: 웹 랜딩 페이지와 내장된 양식 지원을 활용하여 고객에게 맞춤 경험을 제공하고, 고객 메시징과 연결하며, 시간이 지남에 따라 더 강력한 관련 정보를 직접 수집할 수 있습니다. 예를들어, OTT 서비스에 처음 가입한 사용자에게 선호하는 영화나 장르를 선택하게 하고 이후 맞춤형 콘텐츠 추천을 하는 것이 있습니다.
마치며
Google의 발표로 타사 쿠키에 대한 미래가 조금 모호해졌지만 그럼에도 장기적인 그림은 명확합니다. 소비자와 마케터 모두 쿠키에서 벗어나려고 노력할 것이며, 앞으로의 기업 경쟁력을 확보하기 위해선 자체적인 데이터 접근 방식이 필수적입니다. 만약 쿠키 중심의 마케팅 활동을 수행하고 있었다면, 조금씩 벗어나 퍼스트 파티 데이터로 중심을 옮기도록 노력해야 하며, 자체 데이터 전략을 구축할 수 있도록 내부적인 시스템을 개선하고, 이에 필요한 적절한 도구를 선택해야 할 것입니다.

팀맥소노미
YOUR DIGITAL MARKETING HERO
비즈니스 성장을 위한 최적의 솔루션과 무료 데모 시연, 활용 시나리오를 제안 받아보세요
24시간 프리미엄 열람권 받기
관련 글 보기

A/B테스트 개념과 데이터 분석 방법🔍
A/B 테스트는 두 가지 혹은 그 이상의 서로 다른 버전(Variant)을 비교하여 어느 쪽이 더 나은 성과를 내는지 판단하는 실험 기법입니다.

여러분의 고객 데이터는 안전한가요? (feat. DX·AX)
최근 여러 기업에서 개인정보 유출 사고가 발생 중인 상황에서 기업은 어떻게 대응해야 할까? DX와 AX의 흐름 속 개인정보 보호가 나아가야 할 방향.

B급 감성 마케팅이 온다
B급 감성이란?혜성처럼 등장한 B급 감성은 많은 산업과 분야에 영향을 미치고 있습니다. B급의 사전적 의미는 ‘완벽함을 추구하는 것보단, 투박하고 엉성한 스타일을 추구하는 것’입니다. 이런 B급 감성은 소비자가 손쉽게 친근감을 느낄 수 있어, 특히 마케팅 분야에서 많이 시도하는데요.한때 모두가 B급감성을 지향하던 시기가 있을 정도로 그 파급력이 강력했습니다. 하지만 B급 감성을 마케팅에 적절히 활용하기란 여간 까다로운 것이 아닙니다. 잘못된 B급 감성의 적용은 자칫 브랜드 자체를 B급으로 만들어 버릴 수도 있기 때문입니다.B급 감성 마케팅은 모두가 완벽해지고 싶어하는 가운데 일부러 허술함을 표현합니다. 이것은 비슷한 기성품들 사이 차별화를 부각시킴과 동시에, 독보적이고 특별함을 보여줄 수 있는 장점을 가지고 있습니다. 또한 완벽하지 않은 모습에 소비자들이 마음을 조금더 손쉽게 열 수 있는 친근한 접근 방식이죠.하지만 잊지마세요. 오늘 맥사이트픽에서 이야기해볼 ‘B급 감성 마케팅’은 결코 단어 그대로의 B급을 의미하지 않습니다. B급이란 이름표를 달고 있고, 그래서 어딘가 B급처럼 보이긴 하지만 사람들의 마음을 움직이는 힘을 가지고 있는 마케팅이 우리가 추구하는 진정한 B급 감성 마케팅입니다.실제로는 SS급 역할을 해주었을 때, 비로소 B급 감성 마케팅이라 부를 수 있다는 점을 명심하세요! 무조건 B급의 소재를 브랜드와 결합시켰다고 해서 B급 감성 마케팅으로 볼 수 없습니다.B급 감성을 살린 마케팅Dollar Shave Club: 우리 면도날은 끝내주게 좋습니다.출처: DollarShaveClub 유튜브 | Our Blades Are F***ing Great면도기 및 미용용품 구독 서비스를 제공하는 Dollar Shave Club은 저예산 B급 감성의 유튜브 광고 영상을 제작하여 큰 주목을 받았습니다.문을 통과할 때 종이가 엉성하게 뜯기고, 테이프는 제대로 잘리지 않고, 택배 상자 패스를 놓치는 등 실수를 의도적으로 활용하여 웃음을 주면서도 인간적인면을 부각시키는 광고였습니다.굉장히 단순한 촬영과, 현실적인 메시지에 곁들인 유머러스한 대사가 오히려 화려한 광고들보다 특별해보입니다. 이를 곧 친밀감으로 연결할 수 있다는게 B급 감성 마케팅의 힘입니다.이 광고가 그리 특별해보이지 않은 사람도 있을 것입니다. 이미 많이 본 컨셉이라고 하면서 말이죠. 하지만 이 광고가 13년 전인 2012년에 나왔다는 점을 감안했을 때, 당시 얼마나 신선하고 충격적이었을지 상상조차 안됩니다.해당 광고는 공개 후 약 48시간만에 12,000명 이상의 신규 가입자를 유치했고, 이후 영국의 생활 용품 기업 ‘유니레버’에 10억달러에 인수되는 성과를 만들었습니다.CJ 제일제당: 육수커플출처: CJ제일제당 육수커플 유튜브 | 우리 결혼했어요 육수커플최근 제일제당에서는 편의형 코인육수의 신제품인 ‘바지락멸치 맛 1분링’을 출시했습니다. 해당 제품 홍보를 위해 ‘1분링’ 캠페인을 진행 중인데요. 광고 스토리가 정말 재밌습니다.배우 변요한·차주영이 몰던 차량이 강에 빠지자 강물이 육수로 가득 우러나고, 잠시 후 폭발하는 자신의 집을 바라보며 미소를 짓는 두 사람의 모습으로 끝이납니다.B급이라는 표현으로도 부족한 황당한 전개에 과장된 슬로모션까지 더해 광고는 처음부터 끝까지 절대 B급이라는 프레임을 벗어나지 않기 위해 노력합니다. 또한 이런 B급광고에 어울리지 않는 정극 배우들을 모델로 선정하여, 부조화를 이루고 있죠.이런 부조화가 오히려 신선하고 재밌게 다가오며, 소비자로부터 뜨거운 반응을 이끌고 있습니다.우리가 B급 감성을 사랑하는 이유이런 B급 감성의 광고가 소비자의 마음을 움직이는 이유는 뭘까요?익숙하게 자리한 밈(meme) 문화가 밑바탕이 되어있기 때문이라고 설명할 수 있습니다. 밈은 반복과 자가복제 즉 패러디가 핵심인데 B급 콘텐츠는 이러한 이야기 형식에 딱 들어 맞습니다. 한 번 웃기면 빠르게 퍼지고, 재생산되며, 비슷하지만 어딘가 새로운 또 다른 유행을 만들어냅니다.여기에 전형적인 광고의 모습이 아닌 마치 TV드라마의 한 장면같은 구성은 광고에 대한 거부감을 줄이는데 효과적인이면서, ‘B급이니까 광고더라도 그냥 재미로 한번 봐줘’ 의 뉘양스로 소비자에게 더 쉽게 다가갈 수 있었습니다.다만, B급 감성 마케팅을 시도해보고 싶다면 다음 3가지는 절대 피해야만 합니다. 브랜드가 전달하려는 메시지를 방해한다면, B급 감성을 접목하지 말아야 합니다: 브랜드의 상품과 서비스가 B급으로 표현되면 안되는 분야가 있을 수 있습니다. 대표적으로, 사람의 생명을 다루는 의료 또는 의약 분야가 있죠. 이런 분야에서 B급 감성을 잘못 적용하면, 소비자에게 전달될 상품과 서비스의 메시지가 왜곡될 수 있고 이로인해 잘못된 소비자의 이해가 발생할 수 있습니다. 뿐만 아니라, 광고로 인한 사회적 논란이 생겨날 수 있습니다.과한 유머는 소비자의 불쾌감을 유발시킬 수 있습니다: 특정 집단을 대상으로 희화하거나, 적절한 정도를 넘어서는 유머는 대중을 대상으로 하는 광고에서 오히려 반감을 불러일으킬 수 있습니다.일관성있는 메시지와 브랜드의 가치 안에서 B급 감성이 들어있어야 합니다: 이전 포스트인 2025년 대통령 선거로 보는 마케팅 기술에서도 언급되었지만 브랜드의 일관성은 곧 소비자들의 신뢰도와 직결된 부분입니다. 우리의 메인 메시지와 정체성이 이어지지 않은 B급 감성 마케팅은 그저 ‘B급 감성을 위한 마케팅’이 될 것입니다.🚩맥소노미가 PICK한 이유대부분의 광고와 마케팅의 목적은 소비자에게 브랜드의 가치를 진정성있고 친근하게 전달하여 브랜드로 들어오는 유입 장벽을 낮추기 위함입니다. 그러나 이때, 브랜드와 어울리지 못한, 그리고 정도를 지나친 B급 감성 마케팅은 되려 소비자 마음의 문을 닫아버릴 수 있으니 다른 마케팅 전략보다 더욱 신중할 필요가 있습니다. 브랜드가 소비자에게 이야기하고 싶은 메시지를 잃지 않고서 B급 감성이 활용되어야 마케팅을 통한 진정한 B급을 만들어낼 수 있습니다. B급 감성은 처음에는 소비자들에게 어설퍼 보일 수 있지만, 실제로 이는 계산된 어설픔이라 결과적으로는 완벽하다는 메시지로 이어집니다. 그리고 장난처럼 보이지만 누구보다 진지하다는 것을 소비자들이 알수 있습니다. 소비자가 처음에는 가벼운 마음으로 B급 감성 마케팅을 받아들이지만 궁극적으로는 누구보다 진지하게 자신들의 가치를 전달하고 있는 브랜드의 감성을 제대로 이해해주었을 때 B급 감성이 제대로 성공했다고 볼 수 있을 것 입니다.

Amplitude Feature Experiment: 데이터 기반 실험의 시작
실험이 중요한 이유디지털 서비스를 운영하다 보면 다음과 같은 질문과 마주하게 됩니다. “이 버튼을 바꾸면 클릭률이 더 높아질까?” “새로운 기능을 모든 사용자에게 바로 공개해도 될까?” “프리미엄 사용자에게만 실험적으로 먼저 공개해보고 싶은데, 어떻게 관리하지?”대부분 경우 직감이나 내부 회의로 결정을 내리지만, 그 결과가 실제로 사용자 경험과 KPI에 긍정적인 영향을 주는지 알기 어렵습니다. 이로 인해 향후에 추가적인 실험 테스트를 수행하기 어려운 환경이 조성되어 버리기도 합니다.또한, 서비스를 운영하다보면, 서비스의 성장을 위해 여러 고민과 의사결정이 필요한 순간이 옵니다.✅ 새로운 기능을 모든 사용자에게 배포하기엔 위험할 때✅ 디자인이나 UI를 바꾸고 그 효과를 정확히 측정하고 싶을 때✅ 특정 사용자 그룹에게만 실험적으로 기능을 보여주고 싶을 때✅ 실험 결과를 클릭률, 전환율, 리텐션율 등의 지표로 분석하고 싶을 때따라서, 개발단의 리소스를 최소화하면서, 실제 사용자 데이터 기반의 결과 분석이 가능한 실험 체계를 도입할 필요가 있습니다. Amplitude Experiment는 고객에게 제공하는 기능 on/off 토글링부터 A/B 테스트, 점진적 릴리즈, 결과 분석까지 하나의 워크플로우 안에서 지원함으로써 "기능 실험 → 결과 측정 → 의사결정"을 오차없이 빠르게 수행할 수 있도록 도와줍니다.Amplitude Experiment에서는 다음 두 가지 방식으로 실험을 구성할 수 있습니다.Feature ExperimentWeb Experiment이름만 보아서는 비슷해 보이지만, 실제 사용 목적과 운영 방식에는 뚜렷한 차이가 있습니다. 이번 포스팅에서는 이중 Feature Experiment에 대해 집중적으로 알아보겠습니다.Feature Experiment: 기능 중심 실험Feature Experiment는 코드 기반으로 운영되는 실험 방식입니다. 개발자가 직접 고객에게 보여줄 화면을 만들거나 신규 기능을 구현한 후에 이것을 일부 고객들에게만 노출하고 원하는 효과를 보았는지 확인하고자 할 때 활용합니다.개발단에서는 변경된 화면이나 기능을 적용하고 예외 처리를 추가하여 특정 사용자에게만 노출될 수 있도록 구현하고, 실무자는 원하는 고객군과 모수 비율을 Amplitude 콘솔에서 언제든 수정하여 테스트를 수행 해 볼 수 있습니다.개발단 기능- 화면 구성- 조건 처리실무단 기능- 모수집단 선정, 비율 선택- 전환 목표 지정, 분석 방식 선정- 테스트 시작, 종료, 기간 선정- 실험 분석 결과 확인- Analytics로 추가 심화 분석 수행예시로 이해하는 Feature Experiment 활용1) 신규 기능 가설 세우기어느 날, 개발자가 추천 알고리즘 로직 개선 작업을 완료 하였습니다. 이 알고리즘을 서비스에 적용하면 굉장한 효과를 보여줄 것이라 기대하고 있지만, 바로 운영계에 적용하기에는 어떤 사이드 이펙트가 있을지 예상할 수 없었습니다. 가령 잘못된 상품 추천으로 고객에게 안 좋은 경험을 제공하면 이탈로 이어질 수 있죠.따라서, 전체 고객이 아닌, VIP 고객 중 10%에게만 새 알고리즘을 적용하고 클릭률, 구매율을 측정하기로 하였습니다. 결과 데이터가 나머지 고객들에 비해 5%이상 증가한다면 전체 사용자에게 확대 배포하는 거죠.2) 개발단 작업처음 실험을 진행하는 것이라면 Amplitude Experiment SDK를 적용하는 작업이 필요합니다. 신규 추천 알고리즘은 이미 개발 완료된 상황이고 SDK 적용은 큰 시간이 소모되지 않기 때문에 거의 바로 실험 진행이 가능합니다.(Amplitude Experiment SDK 라이브러리 탑재 및 초기화 후 고객마다 서로 다르게 제공하고자 하는 위치에서 조건문(if)을 구성)Android 적용법1. 라이브러리 추가 (build.gradle에 dependencies 추가)2. 초기화 (Application단에서 초기화)3. 현재 사용자의 experiment 관련 정보 수신4. 고객이 보유한 flag 값에 따라 제공 여부 결정( 새로운 추천 알고리즘이 제공될 10%의 VIP 고객은 "on"으로, 그 외 고객들은 모두 "off"로 적용)3) Amplitude 설정(Experiment UI 구성)3-1) Deployment 생성하기운영하는 서비스는 여러 환경으로 구분되어 있습니다.개발계(development) / 내부 QA 테스트 수행 환경(staging) / 운영 환경(production)Android, iOS, Web 등 제공 플랫폼 환경실험을 진행하고자 할 때, 특정한 환경에서만 진행하실 수도 있고, 여러 환경에서 동시에 진행해 보실 수도 있을 겁니다. 이 때, 어떤 환경에 실험을 배포할 것인지를 정의할 수 있도록 "Deployment"라는 작업이 필요합니다.하나의 프로젝트 내에서 배포할 환경마다 각각의 Deployment를 생성해주시면, 실험을 진행할 때, 이 실험을 어떤 환경에만 배포할지 지정할 수 있습니다.Experiment > Deployments 화면에서 제공하는 “Create Deployment”를 클릭하고 배포할 환경의 이름과 프로젝트를 선택하면 바로 Deployment 생성이 가능합니다.3-2) Experiment 생성하기이제 기본적인 세팅은 모두 완료 되었으니 실험을 만들어 볼 수 있습니다!Experiment > Experiments 메뉴에서 새로운 실험명과 사용할 키 값을 정하신 후 생성(Create)합니다.4) 실험 설계4-1) 목표 설정하기실험을 만들 때 가장 먼저 생각해야 할 부분은 "목표" 설정 입니다. 실험을 한다는 것은 결국, 무언가를 더 좋게 만들기 위해서이기 때문에, 반드시 “이 실험을 통해 무엇이 좋아지기를 기대하는가?”에 대한 기준이 필요하며, 그것이 바로 목표 설정입니다. 우리가 설정한 목표를 달성했는지 여부를 가지고 이번 실험의 성공 여부를 파악해 보실 수 있겠지요.목표는 기존에 만들어 두었던 지표를 선택하실 수도 있고, 원하는 목표를 새롭게 생성하실 수도 있습니다.Unique, Event Total, Conversion 등 분석에서 활용해 보셨던 다양한 지표 옵션을 기반으로 목표 설정이 가능한데, 이번 실험에서는 클릭율이 5% 이상 증가하는 것을 목표로 잡았기 때문에, "화면 진입 > 버튼 클릭"으로의 전환율이 5% 이상 상승하는 것을 목표로 설정했습니다.4-2) 대안(Variant) 등록하기비교 테스트를 진행할 때, 대안은 하나일 수 있지만 여러 개가 있을 수도 있습니다. "내가 테스트하고 싶은 기능의 버전은 몇 가지이며, 각각 어떤 차이가 있을까?" 테스트 하고자 하는 대안의 수 만큼 Add a Variant 옵션으로 추가하여 정의할 수 있습니다. (단, 너무 많은 Variant는 분석을 어렵게 하므로 2~4개 이내를 권장합니다.)각 Variant의 Value 값은 SDK에서 분기 처리에 사용(e.g. variant.value)되므로 개발단에서 미리 지정하신 값이 있을 경우, 해당 값으로 기입되어야 하며, 미리 정의되어 있지 않았다면 여기에서 정의하시는 값으로 개발단의 코드 작업이 수행되어야 합니다.※Value 값이 수정될 경우, 앱의 재배포가 필요하므로 처음 생성 시 Amplitude에서 허용하는 명명규칙(숫자, 영문, 언더스코어, 하이픈만 허용)을 참고하시어 향후 변경하지 않을 값으로 지정이 필요합니다.4-3) 고객 그룹(Targeting) 정의하기[Audience]실험에 활용할 대안을 등록했다면, 누구를 대상으로 실험을 진행할 것인지 모수 집단을 선택하실 수 있습니다. All Users를 선택하여 전체 고객을 모수 집단으로 선정할 수 있으며, Target Users를 선택하여 특정 모수집단을 Segment로 정의할 수 있습니다.[Distribution]선정한 모수 집단을 각 대안에 어느 정도 비율로 할당 할것인지 지정할 수 있습니다. 기본 옵션인 evenly distribute로 동일한 비율로 지정하는 것을 권장 드리며, 원하실 경우 Customize 옵션으로 수동 설정이 가능합니다.(control로 할당되는 고객들은 실험에 참여는 하지만 실제로는 변경된 대안 UI가 노출되지 않는 그룹으로써, 대조군의 역할을 수행합니다.)[Rollout]지정하신 모수 집단 전체를 대상으로 실험을 수행하실 수도 있으나 그 중 일부를 대상으로만 진행하는 것도 가능합니다. Rollout 설정을 통해 전체 모수 집단 중 몇 %에 해당하는 고객들을 대상으로 실험을 진행할 것인지 범위를 지정할 수 있습니다.(Control vs. Rollout: control에 포함된 고객은 실험에 포함되어 향후 결과 분석 시 대조군 역할을 하지만, Rollout에서 제외된 고객은 실험 자체에 포함되지 않으므로 결과 또한 추적되지 않습니다.)5) 전달 구성5-1) Flag & Evaluation 정의Flag는 실험을 식별하는 고유 식별자로써, 실험을 생성하시는 시점에 key 항목으로 기입한 정보를 확인하실 수 있으며, 실험 시작 전까지는 변경이 가능합니다. 이 값은 SDK에서 실험 정보 요청에 사용(e.g.FLAG_KEY) 되므로 개발단에서 미리 정하신 값이 있다면 그 값으로, 없다면 여기에서 정의된 값으로 개발단의 코드 작업이 수행되어야 합니다.Evaluation Mode는 고객이 어떤 대안에 해당 되는지를 어디에서 계산할 것인지 선택하는 항목입니다. 일반적으로는 Amplitude에 수집된 정보를 실시간으로 확인하여 결정되나, 실시간 검토 방식은 통신 상의 약간의 딜레이(0.1~1초)가 발생하므로, 고객에게 즉각적으로 노출되어야 하는 UI에 대해서는 로컬에서 계산하는 방식을 선택하실 수도 있습니다.5-2) 배포 환경(Deployment) 선택지금까지 작성한 실험을 어떤 환경에 배포 할 것인지를 선택합니다. 특정 플랫폼이나 개발환경에만 적용하고자 하실 경우, 해당하는 deployment만 선택하여 배포가 가능합니다.6) 실험 시작모든 세팅을 완료했다면, 우측 상단 버튼을 이용하여 각 플랫폼 별로 적용할 수 있는 샘플 코드를 확인할 수 있습니다. 개발 담당자에게 해당 정보를 전달하여 적용을 요청할 수 있습니다.실험을 고객들에게 배포하기 전, 미리 등록해 둔 테스터만을 대상으로 선행적으로 배포가 가능하며, 예약 실행이나 feature flag만 활성화하고 실험 분석은 수행하지 않는 등 여러 옵션을 정의해 보실 수 있습니다.모든 사항의 확인이 완료되었다면, 최종적으로 Start Experiment를 클릭하여 실험 시작이 가능합니다. 실험을 종료할 때에는 초기 버전으로 롤백을 할 것인지, 아니면 특정 대안( Variant )으로 적용할 것인지 선정하여 실험을 마칠 수 있습니다.실험이 진행되는 동안 발생한 실험 참여(Assigentment), 실험 노출(Expouse) 및 목표로 잡은 정보들은 모두 고객별 프로필에 저장되므로 이를 기반으로 심층 분석(Analytics)을 바로 수행해 볼 수 있습니다. 또한, 처음 목표로 잡았던 것 이외에도 각 그룹별로 어떠한 변화가 있었는지 수집된 데이터를 기반으로 분석이 가능합니다.실험과 분석을 하나의 플랫폼 안에서실험과 데이터 분석은 이제 더 이상 따로 작업할 필요가 없습니다. 기존 A/B 테스트 도구들이 단순히 실험을 “실행”하는 데 집중했다면, Amplitude Feature Experiment는 실험 설계부터 분석, 최종 반영까지 추가적인 개발단 작업없이 한 번에 처리할 수 있는 실험 플랫폼 체계를 제공합니다.CUPED, Sequential Testing, Bonferroni 등 실험의 정확도를 높이는 기능이 기본으로 탑재되어 있어, 적은 트래픽으로도 빠르게 유의미한 결론을 얻을 수 있으며, Amplitude Analytics와 완벽히 연결되어 언제든 전환율,리텐션, 코호트 분석 등 심층적인 결과 분석을 바로 이어나갈 수 있습니다.또한 클라이언트 배포 없이, 서버-사이드 실험 연동을 지원하므로 고객들에게 끊김없는 실험 환경 제공이 가능합니다. 제품의 성과를 빠르게 검증하고, 그 결과를 정확히 해석해 다음 의사결정으로 이어가고 싶다면, Amplitude Feature Experiment는 더없이 강력한 선택이 될 것입니다.Feature Experiment 활용에 도움이 필요하나요?팀 맥소노미 Amplitude 도입문의 바로가기