앱 광고 타겟팅, 유형별 특징과 성과를 높이는 전략

같은 앱에 같은 광고를 넣어도, 누구에게 보여주느냐에 따라 수익은 크게 달라집니다. 관심 없는 유저에게 노출된 광고는 클릭되지 않고, 클릭되지 않는 광고는 eCPM(광고 1,000회 노출당 수익)을 끌어내리죠.

하지만 2021년 Apple의 ATT(앱 추적 투명성) 도입 이후, 기존에 쓰던 타겟팅 방식 상당수가 작동하기 어려워졌습니다. 개인정보 활용이 제한되는 환경에서 타겟팅 정밀도를 어떻게 유지할 것인가가 지금 앱 광고 수익화의 핵심 질문이 된 거죠.

이 글에서는 앱 광고 타겟팅의 주요 유형과 특징, ATT 이후 달라진 환경, 그리고 2026년에 실제로 작동하는 전략을 정리합니다.

타겟팅 정밀도가 앱 광고 수익을 좌우하는 구조

광고 네트워크는 eCPM이 높은 캠페인을 더 자주 노출합니다. eCPM이 높아지려면 유저가 광고에 반응해야 하고, 유저가 반응하려면 관심사에 맞는 광고가 노출돼야 하죠. 결국 타겟팅 정밀도가 올라가면 CTR(클릭률)이 올라가고, CTR이 올라가면 eCPM이 올라가고, eCPM이 올라가면 같은 노출 수에서 더 높은 수익이 나오는 구조입니다.

앱 광고에서 타겟팅하는 방식은 크게 다섯 가지로 나뉩니다.

관심사 기반 : 유저의 앱 사용 이력, 검색 패턴을 분석해 관심사를 추정하고 맞는 광고를 보여주는 방식입니다. 행동 데이터가 아직 쌓이지 않은 신규 유저에게도 적용할 수 있다는 장점이 있죠.
리타겟팅 : 이전에 광고를 보거나 특정 행동을 한 유저에게 다시 광고를 노출하는 방식입니다. 이미 관심을 보인 유저 대상이라 전환율이 높은 편이죠.
행동 분석 기반 : 앱 내 행동 데이터를 실시간으로 분석해 최적의 타이밍에 광고를 보여줍니다. 정밀도가 가장 높지만 충분한 데이터 축적이 필요하거든요.
커스텀 : “최근 7일 내 상품을 조회했지만 결제하지 않은 유저”처럼 조건을 직접 설정하는 방식입니다.
컨텍스추얼 : 유저의 개인정보가 아니라 현재 보고 있는 콘텐츠의 맥락에 맞는 광고를 보여주는 방식이죠.

이 방식들은 하나만 쓰는 게 아니라 상황에 따라 조합해서 쓰는 경우가 많습니다. 그런데 2021년 이후 이 중 상당수가 제대로 작동하기 어려운 환경이 됐죠.

ATT 이후, 기존 타겟팅이 왜 안 먹힐까?

Apple의 ATT가 도입되면서 앱 광고 타겟팅의 근간이었던 IDFA(광고 식별자)를 활용하기가 사실상 어려워졌습니다. IDFA는 유저의 앱 사용 행동을 앱 간에 추적할 수 있게 해주는 식별자인데, ATT 이후에는 유저가 직접 동의해야만 추적이 가능해졌거든요.

결과는 극적이었습니다. ATT 도입 이후 추적 가능한 Apple 트래픽은 73%에서 18%로 떨어졌고, 퍼블리셔의 미국 내 광고 수익은 평균 20% 하락한 것으로 보고되고 있거든요.

이 변화가 타겟팅에 미치는 영향은 구조적입니다.

리타겟팅 정밀도 하락 : IDFA 없이는 앱 간 유저 행동을 연결하기 어려워져, 다른 앱에서의 행동을 기반으로 한 리타겟팅이 제한됩니다.
관심사 추정 약화 : 서드파티 데이터를 기반으로 유저 관심사를 추정하던 방식의 정확도가 크게 떨어지고 있죠.
어트리뷰션 불확실성 : 어떤 광고가 실제로 설치나 전환으로 이어졌는지 측정하는 것 자체가 어려워졌습니다.

ATT는 Apple만의 변화가 아닙니다. Google도 Android에서 서드파티 쿠키 제한을 강화하고 있고, 전 세계적으로 개인정보 보호 규제가 강화되는 추세이기 때문에 서드파티 데이터에 의존하는 타겟팅은 앞으로 더 어려워질 수밖에 없는 구조이죠.

2026년에 실제로 작동하는 타겟팅 전략

서드파티 데이터 활용이 어려워진 환경에서 타겟팅 정밀도를 유지하려면, 앱이 직접 가지고 있는 데이터를 더 잘 활용하는 방향으로 전략을 재설계해야 합니다.

퍼스트파티 데이터 활용

퍼스트파티 데이터는 앱 자체에서 수집한 유저 행동 데이터입니다. 어떤 화면을 봤는지, 어떤 기능을 썼는지, 어느 시간대에 활성화되는지 같은 정보이죠.

이 데이터의 핵심 장점은 서드파티 데이터와 달리 프라이버시 규제에 영향을 덜 받는다는 점입니다. 유저가 앱을 사용하면서 자연스럽게 남기는 행동 데이터이기 때문에 별도의 추적 동의 없이도 활용할 수 있거든요. 쇼핑 앱이라면 유저가 자주 보는 카테고리, 장바구니에 담았다가 결제하지 않은 상품, 검색 키워드 같은 데이터를 기반으로 정밀한 세그먼트를 만들 수 있습니다.

다만 퍼스트파티 데이터만으로는 앱 밖에서의 유저 행동을 파악하기 어렵다는 한계가 있습니다. 앱 안에서의 행동만 볼 수 있기 때문에, 유저의 전체적인 관심사를 파악하는 데는 제약이 있죠.

컨텍스추얼 타겟팅

컨텍스추얼 타겟팅은 유저의 개인정보를 수집하지 않고, 지금 보고 있는 콘텐츠의 맥락에 맞는 광고를 노출하는 방식입니다. 여행 관련 콘텐츠를 보고 있으면 항공권 광고를, 요리 콘텐츠를 보고 있으면 주방용품 광고를 보여주는 식이죠.

컨텍스추얼 타겟팅은 프라이버시 규제를 완전히 준수하면서도 광고 관련성을 유지할 수 있다는 점에서 ATT 이후 특히 주목받고 있습니다. 다만 컨텍스추얼 타겟팅은 유저 개인의 구매 의도나 행동 패턴까지는 반영하지 못한다는 한계가 있어, 전환율 면에서는 행동 기반 타겟팅보다 낮은 편이죠.

온디바이스 분석

온디바이스 분석은 유저 데이터를 서버로 전송하지 않고 기기 안에서 분석하는 방식입니다. 앱 사용 패턴을 기기 내에서 분석해 관심사 세그먼트를 만들고, 그 결과만을 광고 타겟팅에 활용하는 구조이죠.

이 방식이 주목받는 이유는 퍼스트파티와 컨텍스추얼의 한계를 동시에 보완할 수 있기 때문입니다. 퍼스트파티 데이터만으로는 앱 밖 행동을 못 보고, 컨텍스추얼은 개인 의도를 못 읽는데, 온디바이스 분석은 기기 내에서 유저의 전반적인 사용 패턴을 분석하면서도 개인정보가 기기 밖으로 나가지 않아 프라이버시를 지키는 구조입니다.

실제로 온디바이스 AI 기반 타겟팅을 적용했을 때 광고 클릭률이 10.49%까지 올라간 사례도 있습니다. 배너 광고의 평균 클릭률(0.12%)과 비교하면 수십 배 차이이죠. 개인정보를 기기 밖으로 보내지 않으면서 이 수준의 정밀도가 나온다는 건, ATT 이후에도 높은 광고 성과를 만들 수 있는 구조가 존재한다는 뜻이기도 합니다.

프라이버시 규제 시대, 타겟팅 전략의 출발점이 달라지고 있다

프라이버시 규제는 앞으로 더 강화될 수밖에 없는 흐름입니다. 지금부터 서드파티 데이터에 의존하지 않는 타겟팅 구조를 갖추는 것이 앱 광고 수익의 장기적인 안정성을 지키는 방법이기도 하죠.

앱의 데이터 환경에 따라 출발점은 달라질 수 있습니다. 데이터가 아직 적다면 컨텍스추얼 타겟팅으로 시작하는 게 현실적이고, 앱 내 행동 데이터가 쌓여 있다면 퍼스트파티 기반 세그먼트 타겟팅이 효과적이죠. 서드파티 의존도를 줄이면서도 정밀도를 유지해야 한다면 온디바이스 분석이 가장 강력한 대안이 될 수 있습니다.

기존 UX를 건드리지 않으면서 타겟팅된 광고로 수익을 추가하는 구조가 궁금하다면 아래 글에서 다루고 있습니다.