MMP raw export 컬럼 사전 — Appsflyer, Adjust, Branch가 주는 진짜 데이터

앱 광고 운영자라면 MMP raw export는 매일 만나는 데이터입니다. 그런데 정작 컬럼이 100개가 넘어가는 그 CSV에서 무엇이 진짜 신뢰할 컬럼이고, 무엇이 보조 정보이고, 무엇이 NULL이 많은지를 한 곳에서 정리한 글은 의외로 드물어요. 이 글은 Appsflyer·Adjust·Branch 세 MMP의 raw export 컬럼을 한 표로 정리하고, 각 컬럼이 마케터의 의사결정에서 어떤 의미를 갖는지를 함께 풉니다. 이 글 하나 옆에 두고 raw 데이터 보면 80%의 질문이 끝납니다.

왜 raw export를 직접 봐야 하나

MMP UI 대시보드는 굉장히 잘 만들어졌습니다. 캠페인별 install·revenue·ROAS가 알아서 그려져요. 그런데 운영자가 다음 단계로 가려면 raw export를 직접 만져야 하는 순간이 옵니다.

“UI ROAS와 BI ROAS가 다르다, 어디서 깨졌나”
“MMM에 넣을 채널별 install·revenue 일자별 데이터”
“사내 CDP와 MMP 데이터를 user-level로 매칭”
“incrementality 분석을 위한 raw event 추출”
“View-through와 click-through를 분리해서 보고”

이 모든 분석의 1번 입력이 MMP raw export입니다. UI는 가공된 요약이라서 원하는 단위·정의로 못 자릅니다.

Appsflyer·Adjust·Branch raw export 컬럼 매핑 인포그래픽 — 세 MMP의 컬럼은 이름이 다르지만 같은 의미. media_source·campaign·attribution flag·reinstall·postback 5개 그룹으로 매핑하면 한 번에 보인다.

5초 요약 — 세 MMP의 컬럼 매핑 표

의미	Appsflyer	Adjust	Branch
매체 이름	`media_source`	`network_name`	`last_attributed_touch_data_tilde_channel`
캠페인	`campaign`	`campaign_name`	`..._tilde_campaign`
광고 그룹	`adset` / `af_adset`	`adgroup_name`	`..._tilde_ad_set_name`
소재	`af_ad`	`creative_name`	`..._tilde_ad_name`
install 시각	`install_time`	`installed_at`	`last_attributed_touch_data_plus_timestamp`
클릭 시각	`click_time`	`click_time`	`last_attributed_touch_data_plus_click_timestamp`
사용자 ID	`appsflyer_id` + `customer_user_id`	`adid` + `user_id`	`branch_id` + `developer_identity`
디바이스 ID	`idfa`/`idfv`/`gaid`	`idfa`/`gps_adid`	`idfa`/`google_advertising_id`
매출	`revenue`	`revenue_usd`	`last_attributed_touch_data_plus_revenue`
attribution 종류	`af_status`(Organic/Non-Organic)	`tracker`	`last_attributed_touch_type`
Reattribution	`is_retargeting` + `reattribution_status`	`is_reattributed`	`last_cta_view_timestamp`
첫 설치인가	`is_first_session`	`is_first_session`	(이벤트 type)

이 표 한 장으로 MMP 간 데이터 매핑 SQL의 90%가 결정됩니다.

Appsflyer 핵심 컬럼

Appsflyer가 글로벌 1위 MMP인 만큼 raw export 컬럼이 가장 풍부하고, 또 많아서 헷갈립니다. 자주 쓰는 컬럼 그룹을 분류해볼게요.

매체·캠페인 식별

media_source — 매체 (예: facebook_int, googleadwords_int, organic)
campaign / campaign_id — 캠페인
adset / adset_id — 광고 그룹
af_ad / af_ad_id — 소재
af_channel — 매체가 지정한 채널
af_keywords — 검색 광고의 키워드

Attribution 결과

af_status — Organic / Non-Organic. 가장 중요한 분류 컬럼
attribution_type — click_through / view_through / impression
match_type — referrer / probabilistic / id_matching
is_primary_attribution — 같은 install의 multiple touch 중 1차 attribution 여부

시간

install_time — 첫 설치 시각 (가장 중요)
event_time — 이 이벤트 시각
attributed_touch_time — 마지막 어트리뷰션 터치 시각
click_time — 마지막 클릭 시각

식별자

appsflyer_id — MMP가 만드는 device-level ID
customer_user_id — 광고주가 박는 사용자 ID (CDP 매칭용)
idfa / idfv / gaid — 디바이스 광고 ID
idfv — iOS는 ATT 동의 안 받으면 idfa는 NULL, idfv만 채워짐

매출과 이벤트

event_name — purchase, level_up, tutorial_complete 등 SDK가 보낸 이벤트
event_value — 이벤트 페이로드 JSON
revenue — 매출 (자사 통화)
revenue_in_selected_currency — 보고서 환산 통화의 매출

Adjust 핵심 컬럼

Adjust는 Appsflyer 대비 컬럼이 좀 더 깔끔하고 표준 OpenAPI 친화적입니다. 자주 쓰는 컬럼:

tracker — Adjust가 만든 deeplink 트래커 ID
network_name / campaign_name / adgroup_name / creative_name — 매체 계층
installed_at — 첫 설치 시각
click_time — 마지막 클릭 시각
impression_time — 마지막 view 시각 (view-through 시)
adid — Adjust device ID
idfa / idfv / gps_adid
user_id — 광고주가 박는 사용자 ID
revenue_usd — USD 변환된 매출
currency — 원본 통화
is_first_session — 첫 설치/재설치 여부
is_reattributed — reattribution 여부
engagement_type — click / impression / install

Adjust의 강점은 tracker 한 컬럼만 봐도 캠페인 전체 계층(매체·캠페인·광고그룹·소재)을 다 풀어낼 수 있다는 점입니다. 단일 키로 모든 매핑을 할 수 있어 SQL이 깔끔해요.

Branch 핵심 컬럼

Branch는 deeplink·attribution을 한 번에 다루는 회사라 컬럼 이름이 길고 nested합니다. 그런데 그만큼 한 이벤트의 attribution 맥락 전체가 한 row에 들어있어요.

last_attributed_touch_data_tilde_channel — 매체
last_attributed_touch_data_tilde_campaign — 캠페인
last_attributed_touch_data_tilde_ad_set_name — 광고 그룹
last_attributed_touch_data_tilde_ad_name — 소재
last_attributed_touch_data_plus_timestamp — 마지막 touch 시각
last_attributed_touch_data_plus_click_timestamp — 마지막 클릭 시각
last_attributed_touch_type — click / impression / referrer
last_attributed_touch_data_plus_revenue — 매출
branch_id — Branch device ID
developer_identity — 광고주 박은 사용자 ID
last_cta_view_timestamp — 마지막 CTA view 시각

Branch는 단일 row 안에 first touch / last touch 정보가 다 들어있어 multi-touch attribution을 한 SQL로 짤 수 있다는 게 강점입니다.

SKAdNetwork postback 컬럼

iOS 14.5 이후 attribution은 SKAdNetwork(SKAN) 기반 conversion value postback이 표준이 됐습니다. MMP raw에 추가로 들어오는 컬럼들이에요.

컬럼 의미	Appsflyer	Adjust	Branch
Conversion value	`conversion_value` (0~63)	`conversion_value`	`conversion_value`
Redownload	`redownload`	`redownload`	`redownload`
App version	`source_app_id` 등	`source_app`	`app_version`
Postback 시각	`event_time` (postback 도착 시각)	`postback_at`	`postback_received_at`

SKAN 데이터는 다음 두 가지 특성이 있어 raw 처리할 때 주의가 필요해요.

24~48시간 지연 후 도착 (lag)
일정 수 이하의 install은 privacy threshold로 NULL (k-anonymity)
conversion value 6비트(0~63)에 자사 정의한 의미 매핑이 필요 (compressed value)

깊은 SKAN 다루는 skan-postback-decoding·ios-att-skadnetwork-aem에서 더 자세히 정리했으니 SKAN 운영하시면 같이 보시면 좋습니다.

Reinstall·Reattribution 컬럼이 가장 헷갈리는 자리

같은 user가 앱을 지웠다가 다시 설치하면 그건 새 install인가, 재설치인가. 이걸 어떻게 카운팅하느냐에 따라 ROAS가 달라집니다.

MMP의 룰:

첫 설치 후 24시간 이내 재설치 → reinstall (is_first_session=true, is_reattributed=false)
첫 설치 후 24시간 이상 후 재설치 → reattribution (is_first_session=false, is_reattributed=true)
둘 다 새 install로 매체에 attribution은 됨

마케터 시선에서는 이걸 분리해서 봐야 해요.

is_first_session=true AND is_reattributed=false → 진짜 신규
is_reattributed=true → 재유입 (재마케팅 효과)

이걸 안 나누면 reattribution이 신규로 잡혀 ROAS가 부풀려져 보입니다.

환경 노이즈를 거르는 필터

raw export에는 자주 보이는 노이즈가 몇 가지 있습니다. 다음 필터를 기본으로 적용하고 분석을 시작하면 시간이 절약돼요.

attribution_type IS NOT NULL — attribution 실패 row 제외
media_source <> 'organic' — 광고 분석 시 organic 제외
is_first_session = true — 신규 설치만 본다면
app_version >= '최신 버전' — 구버전 데이터의 가짜 attribution 제외
event_time BETWEEN install_time AND install_time + INTERVAL '30 days' — 이상치 제외

사내 CDP와 매칭하는 키 우선순위

MMP 데이터를 사내 CDP·DW와 매칭할 때 어느 키를 쓸지 표준화가 필요합니다.

customer_user_id (Appsflyer) / user_id (Adjust) / developer_identity (Branch) — 광고주가 박은 사내 ID. 가장 강함.
idfa / gaid — 디바이스 ID. ATT 거부면 NULL.
appsflyer_id / adid / branch_id — MMP device ID. 약하지만 유일.
idfv — iOS 앱별 ID. 한 앱 안에서만 유효.

CDP를 운영한다면 사내 user_id를 MMP SDK 초기화 때 즉시 박는 게 표준입니다. 이걸 빠뜨리면 attribution은 잡혀도 CDP 매칭이 안 돼서 한 단계 더 분석을 할 수 없어요.

마치며

MMP raw export는 컬럼이 많지만 분류 매핑 한 번 해두면 SQL 짜는 게 단순해집니다. 위 표를 옆에 두고 새 분석을 시작할 때마다 컬럼 매핑 먼저 정리하시면 됩니다.

다음 글에서는 매체 자체 raw data — Meta·Google·TikTok·Naver export의 진짜 컬럼들 raw-data-meta-google-tiktok-naver로 이어집니다.