MMP 어트리뷰션 스택 — Adjust·AppsFlyer가 SKAN과 어떻게 합쳐지나

들어가며

모바일 광고를 운영하는 회사라면 거의 모두 Adjust·AppsFlyer·Branch·Singular 같은 MMP(Mobile Measurement Partner)를 한 개 이상 쓰고 있습니다. 마케터가 매일 보는 캠페인 ROAS는 MMP 대시보드의 한 숫자지만, 그 한 숫자 안에는 SKAN postback·결정론적 매칭·확률 매칭(probabilistic) 세 갈래의 신호가 합쳐져 있습니다. 이 글은 마케터가 MMP 보고서를 해석할 수 있도록 어트리뷰션 스택의 안쪽을 정리합니다.

MMP 어트리뷰션 스택 — SKAN·확률·결정론 매칭이 합쳐지는 다이어그램 — 한 줄짜리 ROAS의 안쪽 — 세 갈래 신호가 한 보고서로 합쳐진다

MMP가 하는 일

광고 플랫폼과 앱 사이의 중개자

광고는 Meta·Google·TikTok·DSP 등 여러 플랫폼에서 보여지고, 앱 인스톨·구매는 사용자 디바이스에서 일어납니다. 어느 광고가 어느 인스톨로 이어졌는지 매칭하는 게 어트리뷰션이고, MMP는 이 매칭의 표준 운영자입니다.

표준 보고서 흐름

마케터가 MMP에서 보는 한 줄 ROAS는 다음 단계로 만들어집니다.

광고 노출 데이터(impressions·clicks)를 MMP가 광고 플랫폼에서 수집
인스톨·전환 데이터를 SDK로 앱에서 수집
두 데이터를 매칭해 어트리뷰션 결정
매칭된 데이터에 비용·매출 정보를 합쳐 ROAS 계산

이 4단계 안에 결정론·확률·SKAN 세 갈래가 모두 들어갑니다.

결정론적 매칭 — IDFA·GAID 시절의 기본

작동 원리

광고를 클릭한 디바이스의 ID(IDFA·GAID)와 앱을 인스톨한 디바이스의 ID를 직접 비교합니다. 같으면 어트리뷰션 OK.

iOS는 ATT 동의 유저, 안드로이드는 GAID opt-in 유저에서만 작동합니다. 가장 정확하지만 측정 가능 비율이 제한적.

매칭 정확도

환경	매칭 정확도
ATT 동의 iOS	95~99%
GAID 동의 안드로이드	95~99%
ATT 비동의 iOS	0% (불가능)

ATT 비동의 영역에서는 다른 매칭 방식이 필요합니다.

SKAN 매칭 — 애플이 처리

작동 원리

광고 노출 시 애플 OS가 매칭 정보를 저장하고, 인스톨 + 일정 시간 후 광고 네트워크에 postback으로 어트리뷰션 결과를 직접 전달합니다. 광고주는 SKAN postback을 수신하고, MMP는 이를 광고 플랫폼 비용 데이터와 합쳐 ROAS를 계산합니다.

MMP의 SKAN 처리

다양한 광고 네트워크의 SKAN postback 수집
conversion value 디코딩
비용 데이터와 매칭
coarse-grained·fine-grained 모드 자동 적용

ATT 비동의 유저의 약 60~75%가 SKAN으로 어트리뷰션됩니다. 결정론보다 정확도가 떨어지지만 가장 신뢰할 수 있는 비동의 측정.

확률적 매칭 — 회색 영역

작동 원리

광고 클릭과 인스톨의 시간·IP·user agent·디바이스 카테고리를 비교해 같은 디바이스일 확률을 추정합니다. 결정론적 ID가 없는 환경에서 사용.

대표적인 시그널 조합:

IP 주소 + user agent
디바이스 카테고리 + OS 버전
클릭 시간 + 인스톨 시간 (수 분~수십 분 내)

정확도와 한계

확률적 매칭은 정확도가 낮습니다(60~80%) 그리고 false positive(잘못된 매칭)가 일정 비율 발생합니다.

iOS 환경	매칭 신뢰도
ATT 동의 + 결정론	높음
ATT 비동의 + SKAN	중간
ATT 비동의 + 확률	낮음
ATT 비동의 + 확률 비활성화	0 (NULL)

Apple 정책과 충돌

Apple은 ATT 비동의 유저에 대한 cross-app·cross-website 추적을 금지합니다. 확률적 매칭이 이 정책에 가깝게 동작할 수 있어 MMP·광고 네트워크가 점점 비활성화하는 추세입니다.

세 갈래의 dedup — 한 인스톨이 두 곳에 잡힐 때

같은 인스톨이 SKAN과 결정론 양쪽에 보고됨

ATT 동의 유저가 광고를 클릭하고 인스톨했다면 결정론으로 매칭됩니다. 그런데 같은 디바이스의 SKAN postback도 도착할 수 있습니다 — 한 인스톨이 두 데이터에 잡혀 dedup 처리가 필요.

MMP의 dedup 룰

우선순위	매칭 방식
1	결정론 (가장 정확)
2	SKAN (애플 표준)
3	확률 (보조)

같은 인스톨이 여러 곳에 잡히면 우선순위 1번만 카운트하고 나머지는 버립니다. dedup이 잘 작동하면 MMP 보고와 광고 플랫폼 자체 보고가 비슷한 숫자로 맞아갑니다.

MMP vs 광고 플랫폼 보고 차이

같은 캠페인을 MMP와 광고 플랫폼(Meta·Google) 자체 보고에서 봤을 때 30% 안의 차이는 정상입니다. 그보다 크다면 다음을 의심:

SKAN conversion value 매핑 차이
결정론 매칭 윈도우 차이 (MMP 7일 vs 광고 플랫폼 1일 등)
광고 플랫폼이 자체 view-through 측정을 추가
MMP의 확률 매칭 활성/비활성 차이

MMP 선택 기준

회사 단계별 추천

단계	추천
초기 (인스톨 < 만/월)	AppsFlyer 무료 tier 또는 Adjust 트라이얼
성장기 (인스톨 만~10만)	AppsFlyer·Adjust 유료
대형 (인스톨 > 100만)	멀티 MMP 또는 자체 측정 추가

비교 항목

SKAN 처리 정확도와 conversion value 자동화
확률 매칭 정책 (정책 보수성)
광고 네트워크 통합 수
API 안정성과 raw data export
가격 (인스톨·이벤트 단위)

운영 함정 — 분기 점검 체크리스트

측정 정합성

MMP 보고와 광고 플랫폼 보고의 차이 30% 이내
SKAN conversion value 매핑이 비즈니스 KPI와 일치
결정론 매칭 윈도우가 분기 캠페인 목표와 맞음
확률 매칭 비활성/활성 정책 명확

데이터 품질

EMQ 점수 7 이상 (CAPI 운영 시)
CAPI dedup ID와 MMP event ID가 일치하는지
raw data export가 분석팀 데이터 웨어하우스에 들어오는지

다중 MMP 시나리오

대형 회사는 측정 신뢰성을 위해 두 MMP를 동시 운영하기도 합니다. iOS는 Adjust, 안드로이드는 AppsFlyer 같은 분리 운영도 흔합니다. 분기마다 두 MMP 보고를 비교해 측정 안정성을 점검합니다.

MMP·MMM·Lift의 자리

MMP의 어트리뷰션이 일·주 단위 캠페인 운영의 1차 데이터라면, MMM은 분기 채널 비중 의사결정에, Lift는 신규 채널·incrementality 검증에 쓰입니다.

의사결정 단위	주력 도구
캠페인 운영 (일·주)	MMP
채널 비중 (분기)	MMM
Incrementality 검증 (불정기)	Lift

세 도구가 서로를 보정하는 triangulation 흐름을 분기 운영에 박아두는 게 측정 신뢰의 절반입니다(mta-mmm-lift-comparison 참고).

함정 모음

MMP 한 줄을 그대로 신뢰 — dedup 실패·SKAN 매핑 오류 가능성
iOS·안드로이드 합산 ROAS — 측정 정확도가 다름, 분리 보고 권장
광고 플랫폼 자체 보고와 단순 비교 — 매칭 윈도우·view-through 정책 차이
확률 매칭 의존도 무시 — 정책 변경 시 측정 데이터 갑자기 줄어듦
SKAN 비중 모름 — 분기마다 SKAN 비중을 측정에서 점검 필요

마치며

MMP는 iOS·안드로이드 광고 측정의 표준 운영자이지만, 한 줄짜리 ROAS의 안쪽에는 결정론·SKAN·확률 세 갈래의 신호가 dedup·우선순위와 함께 합쳐져 있습니다. 마케터가 그 안쪽을 알아두면 보고서의 변동을 해석할 수 있고, MMP·광고 플랫폼 자체 보고의 차이도 합리적으로 설명할 수 있습니다.

다음 분기에 한 번만 시도해 볼 만한 것은 MMP raw data export를 데이터 웨어하우스로 가져와 매칭 종류별(결정론·SKAN·확률) 비중을 분기 KPI로 두는 흐름입니다. 측정 신뢰의 분기별 변화가 한 화면에 보입니다.

참고

Adjust, “Attribution methods explained”: https://www.adjust.com/blog/attribution/
AppsFlyer, “iOS measurement guide”: https://www.appsflyer.com/resources/guides/ios-measurement/
Singular, “MMP comparison”: https://www.singular.net/blog/mmp/
Apple, “App Store Review Guidelines on tracking”: https://developer.apple.com/app-store/review/guidelines/#privacy
Branch, “Mobile attribution overview”: https://branch.io/glossary/mobile-attribution/

매체 데이터 알아보기 카테고리의 다른 글