Second-price·VCG — 진실 신고가 최선이 되는 경매 디자인

들어가며

Vickrey의 second-price 경매는 1961년에 제안된 디자인인데, 50년 뒤 인터넷 광고 시장의 표준이 됐습니다. 입찰자가 자기 가치를 그대로 부르는 것이 최선 전략이 되도록 만든 경매이고, 그 진실 유도(truthful) 성질이 광고 플랫폼의 운영을 단순하게 만들었습니다. 이 글은 second-price와 그 일반화인 VCG의 직관을 정리하고, VCG 지불 공식의 수학적 구조를 다루며, 광고 시장이 first-price로 옮긴 이유와 second-price가 여전히 살아있는 자리를 마케터 시선에서 풀어씁니다. 마지막으로 “내 캠페인이 지금 어느 경매 위에 있는가”를 진단하는 채널별 대조표를 제공합니다.

Second-price 메커니즘 — 정의와 직관

작동 흐름

1. 모든 입찰자가 봉인된 입찰가를 동시에 제출
2. 가장 높은 가격을 부른 사람이 이김
3. 이긴 사람은 두 번째로 높은 가격을 지불

이긴 사람이 “내가 부른 가격”이 아니라 “두 번째 사람이 부른 가격”을 내는 것이 핵심입니다. 이 한 줄이 입찰자의 인센티브를 바꿉니다.

진실 유도 — 왜 가치 그대로 부르는 게 최선인가

second-price에서 어떤 입찰자 A의 가치가 10원이라고 합시다. 다른 사람들의 입찰가는 7원과 5원입니다.

A의 입찰	결과	A의 이득
A=6 (가치보다 적게)	짐 (7원에 짐)	0
A=10 (가치 그대로)	이김, 7원 지불	10-7=3
A=15 (가치보다 많게)	이김, 7원 지불	10-7=3

가치보다 적게 부르면 좋은 기회를 놓칩니다. 가치보다 많이 부르면 이 경우는 손해가 없지만, 다른 사람이 12원을 불렀다면 어떻게 될까요?

A의 입찰	결과	A의 이득
A=10 (가치 그대로)	짐 (12원에 짐)	0
A=15 (가치보다 많게)	이김, 12원 지불	10-12=-2

가치보다 많이 불러서 이기면 손해가 발생합니다. 결국 가치 그대로 부르는 게 모든 시나리오에서 최소한 이득을 잃지 않는 전략이고, 이게 “진실 신고(truthful)” 성질입니다.

각 입찰자 $i$의 효용을 수식으로 표현하면:

$$u_i=\{\begin{array}{ll}{v}_i-p_2& \text{if win}\\ 0& \text{otherwise}\end{array}$$

$v_i$는 입찰자의 가치, $p_2$는 두 번째 가격. 이긴 가격은 입찰자가 부른 값과 무관하므로($p_2$는 다른 사람들의 입찰), 자기 가치 그대로 부르는 게 항상 최적입니다. 이 성질을 dominant strategy equilibrium(지배 전략 균형)이라고 합니다.

이 성질은 운영자(광고 플랫폼) 입장에서 다음을 보장합니다.

• 입찰자가 시장 분포를 추측해 부풀리거나 깎을 필요가 없음
• 운영자가 입찰자의 가치 분포를 직접 관측 가능
• 시장 효율(가장 높은 가치 입찰자가 이김) 보장

VCG — Vickrey-Clarke-Groves 일반화

Multi-slot로 확장하는 문제

Second-price는 single-slot(낙찰자 1명)에서 아름답게 작동합니다. 그런데 검색 광고처럼 한 페이지에 여러 슬롯이 있다면 어떻게 해야 진실 유도를 유지할 수 있을까요? 이 질문에 대한 답이 VCG(Vickrey-Clarke-Groves) 메커니즘입니다.

VCG 지불 공식

VCG에서 각 입찰자 $i$의 지불액은 “내가 없었더라면 다른 사람들이 추가로 얻었을 사회적 가치”로 정의됩니다.

$$p_i=\sum _{j\ne i}{v}_j\left(x^{-i}\right)-\sum _{j\ne i}{v}_j\left(x\right)$$

여기서 $x$는 입찰자 $i$가 있을 때의 최적 배분, $x^{-i}$는 입찰자 $i$가 없을 때의 최적 배분입니다.

한 줄 직관: 내가 경매에 참여함으로써 다른 참여자들이 잃은 가치만큼을 내가 지불합니다. Single-slot에서 이 공식을 풀면 정확히 두 번째 가격이 나옵니다.

구체적 예시로 보겠습니다. 슬롯이 2개(클릭률 0.1, 0.05), 입찰자가 A(가치 10), B(가치 7), C(가치 4)라고 합시다. A·B·C 모두 있으면 배분은 (A→슬롯1, B→슬롯2, C→없음). A가 빠지면 (B→슬롯1, C→슬롯2).

• A의 VCG 지불 — A가 있을 때 다른 사람들의 가치 합은 $7\times 0.05+4\times 0=0.35$, A가 없을 때는 $7\times 0.1+4\times 0.05=0.90$. 차이 $0.90-0.35=0.55$원
• B의 VCG 지불 — B가 있을 때 다른 사람들의 가치 합은 $10\times 0.1+4\times 0=1.0$, B가 없을 때는 $10\times 0.1+4\times 0.05=1.20$. 차이 $0.20$원
• C는 슬롯을 못 받았으므로 지불 없음

VCG는 진실 유도를 보장하지만 이 계산이 모든 입찰자 조합에 대해 매번 들어가야 하고, 실무 광고 시스템에서는 GSP 변형으로 단순화해 쓰는 경우가 많습니다.

GSP — Generalized Second-Price

검색 광고가 택한 현실적 타협점이 GSP입니다. GSP는 다음으로 처리합니다.

• 입찰가 순으로 슬롯 배정 (1등이 1번, 2등이 2번…)
• $i$번째 슬롯 입찰자는 $i+1$번째 입찰가를 지불

$$\text{Ad Rank}=\text{bid}\times \text{quality score}$$

Ad Rank가 큰 광고주가 위쪽 슬롯을 차지하고, quality score(CTR·관련성·랜딩 페이지 품질)가 높으면 같은 입찰가로 위 슬롯에 갈 수 있어 광고주에게 인센티브가 생깁니다.

First-price로 옮긴 이유 — 투명성과 복잡성

Soft floor와 불투명성

Second-price 시절 publisher·SSP들이 floor를 동적으로 조정해 사실상 first-price처럼 동작하게 만들었습니다. 입찰자가 부른 가격에 가까운 floor를 잡으면 second-price도 그 가격에 가까이 청구할 수 있었습니다.

광고주들이 “내가 내는 돈이 어디서 결정되는지” 묻기 시작했고, 투명성 요구로 first-price 전환이 가속됐습니다(2017-2019년). First-price는 단순합니다 — 내가 부른 대로 냅니다. 복잡한 floor 조작의 여지가 줄어듭니다.

Header bidding과 다층 환경

여러 SSP가 동시에 입찰하는 header bidding 환경에서 second-price 운영이 복잡합니다. 각 SSP가 자기 안에서 second-price를 돌려 결과를 publisher에게 보내는데, publisher가 그 결과들끼리 다시 second-price로 결정하면 진실 유도 성질이 깨집니다. First-price는 이런 다층 환경에서 더 단순합니다.

Publisher 매출 차이

Second-price/GSP는 운영이 단순하지만 publisher 매출이 first-price보다 평균 10-30% 적다는 보고가 있습니다. 그래서 시장이 first-price로 옮겼고, DSP들이 bid shading으로 과납을 방어하게 됐습니다(bid-shading-first-price 참고).

마케터 운영 시나리오 — 내 채널은 어느 경매인가

채널별 경매 형식 대조표

마케터가 운영하는 채널이 어느 경매 형식 위에 올라가 있는지 알면 입찰 전략이 완전히 달라집니다. 채널별로 정리하면 다음과 같습니다.

채널	경매 형식	입찰 책임	적정 전략
Google Search	GSP (2nd price 변형)	광고주·스마트 자동입찰	품질점수 최적화 + 가치 기반 입찰
Google Display / DV360	First-price	DSP 자동 bid shading	DSP ML에 위임, ROAS 목표 설정
Meta (Facebook/Instagram)	Second-price 변형	Meta 자동입찰	예산 + 목표 ROAS, 수동 입찰 지양
OpenRTB (프로그래매틱)	대부분 First-price	DSP bid shading	DSP 설정 확인, shading 파라미터 점검
네이버 검색	GSP 변형	광고주	품질지수 + 입찰가 균형
Kakao / TikTok	Second-price 변형	자동입찰	예산 목표 기반 자동화

같은 Google이라도 다른 경매

흥미로운 점은 같은 회사(Google)의 제품이라도 캠페인 종류별로 경매 형식이 다르다는 것입니다. Google Search는 여전히 GSP 기반이고, Google Display Network는 2019년에 first-price로 전환했습니다. 자동 입찰을 켜두면 Google의 ML이 형식에 맞게 입찰가를 조정하지만, 수동 입찰을 하는 경우 Search와 Display에서 다른 전략이 필요합니다.

Second-price 환경에서 shading 적용의 함정

마케터가 흔히 저지르는 실수는 second-price/GSP 환경에서 bid shading을 적용하는 것입니다. Second-price에서는 자기 가치 그대로 부르는 게 최선이므로, 인위적으로 입찰가를 낮추면 낙찰 기회를 잃을 뿐입니다. Shading은 first-price 환경에서만 의미 있는 전략입니다.

Soft floor 탐지와 경매 감사

Soft floor 의심 신호

분기 경매 감사 체크리스트

• 운영 캠페인의 각 채널이 어느 경매 형식인지 명확히 문서화
• 검색(GSP) vs 디스플레이(first-price) 입찰 전략 분리 적용 여부 확인
• DSP가 자동으로 처리하는 bid shading 파라미터 분기 점검
• Google Ads quality score 분기 리뷰 (GSP 환경에서 quality score가 입찰가보다 중요)
• 단가가 두 번째 가격과 일치하는가 (second-price 환경 한정)
• Soft floor 의심 신호: 같은 입찰가 → 다른 단가 패턴 모니터링
• DSP·SSP와 계약된 경매 형식 명세 재확인

함정 모음

• 경매 형식 모르고 운영 — second-price 환경에서 shading 적용하거나, first-price에서 가치 그대로 부르기
• Quality score 무시 — 검색 광고 GSP에서 입찰가만 올리고 품질점수 방치
• Soft floor 미인식 — second-price 보고지만 사실상 first-price 단가 청구
• VCG 진실 유도 과신 — multi-slot GSP는 엄밀히 truthful이 아님
• 운영 단순성 함정 — second-price 시절 학습된 행동(가치 그대로 입찰)을 first-price에 그대로 적용 → 과납 발생
• 채널 혼동 — 같은 Google인데 Search(GSP)와 Display(first-price)를 동일 전략으로 운영

마치며

Second-price와 그 일반화 VCG는 1961년에 제안된 메커니즘 디자인인데, 인터넷 광고 시장에서 50년간 표준 자리를 차지했습니다. 시장이 first-price로 옮긴 뒤에도 검색·multi-slot 환경에 GSP라는 변형으로 살아있고, 그 진실 유도 직관은 광고 운영의 인식 프레임을 단순하게 만듭니다.

VCG 지불 공식 $p_i={\sum }_{j\ne i}{v}_j(x^{-i})-{\sum }_{j\ne i}{v}_j(x)$의 핵심 직관은 “내가 남에게 끼친 외부 비용만 지불”입니다. 이 원리가 single-slot에서 two-price로, multi-slot에서 VCG로 구현되고, 광고 시장에서는 GSP라는 실용적 타협으로 이어집니다.

마케터가 자기 캠페인이 어느 경매 위에 있는지 인식하는 것만으로도 입찰 전략의 절반이 정해집니다. 다음 분기에 한 번만 시도해 볼 만한 것은 운영 캠페인 채널별 경매 형식을 위의 대조표에 맞춰 정리하고, 형식별로 다른 입찰 전략 가이드라인을 분기 운영 매뉴얼에 박는 흐름입니다. 자동 입찰을 켜놓아도 채널마다 다른 숨은 룰이 작동 중이라는 인식이 퍼집니다.

다음에 읽을 글

• GSP와 First-price 전환 — 검색 경매의 역사: GSP가 왜 등장했고 시장이 왜 first-price로 옮겼는지 경위와 입찰 전략 변화
• Bid Shading — first-price 과납을 막는 알고리즘: first-price 환경에서 DSP가 어떻게 최적 입찰가를 계산하는지
• RTB — 0.1초 안의 입찰 결정: 실시간 입찰 인프라 전체 흐름과 DSP·SSP·Ad Exchange의 역할

참고

• Vickrey, “Counterspeculation, auctions, and competitive sealed tenders” (1961): https://www.jstor.org/stable/2977633
• Edelman et al., “Internet Advertising and the Generalized Second-Price Auction”: https://www.aeaweb.org/articles?id=10.1257/aer.97.1.242
• “Auction Theory” (Krishna 2009): https://www.elsevier.com/books/auction-theory/krishna/978-0-12-374507-1
• Google, “How the Google Ads auction works”: https://support.google.com/google-ads/answer/142918
• “Mechanism design without money” (Procaccia & Tennenholtz): https://www.cs.cmu.edu/~arielpro/15896/docs/paper8.pdf