옥외광고 효과 측정 방법론의 진화
천용석 한국옥외광고센터 연구교육팀 주임연구원
기존의 옥외광고 효과 측정 방식은 얼마나 많은 사람이 광고에 노출되는지에 대해 정확하게 산출하는 것이 어려웠다. 많은 실무자와 연구자들에 의해서 다양한 방법론이 개발되어 왔지만 어디까지나 비과학적인 추정에 불과했다고 해도 과언이 아니었다. 우리는 현재 빅데이터 시대에 살고 있다. 빅데이터에서 과학적인 옥외광고 효과 측정의 방법론에 대한 해법을 찾아보고자 한다.
옥외광고와 유동인구
올해 여름, 한 언론 기사에서는 부산 해운대구가 해운대해수욕장의 방문객 집계를 소위 “뻥튀기”했다는 내용이 보도됐다. 해운대구는 지금까지 페르미 추정법에 의해 해수욕장 방문객의 수를 집계해왔는데, 이 페르미 추정법은 단위 면적당 인원으로 전체 방문객 수를 추정하는 것으로 한 번에 파악하기 힘든 숫자를 어림수로 산출할 때 사용하는 방법이다. 이러한 방법은 특정 시간대에 한 곳을 방문한 사람 수를 기반으로 추산하기 때문에 정확도가 매우 떨어진다. 해운대구의 2012년 발표에 의하면 휴가철 해운대를 찾은 피서객이 100만 명을 넘었다고 보고했는데, 이는 해운대 해수욕장의 특정 부분 1㎡ 공간에 있는 사람의 수가 만약 17명이 있다면 여기에 해운대 해수욕장의 총면적 5만 8,400㎡를 곱해서 약 99만 2,800명이라는 수를 추정한 것이라 할 수 있다.1) 이러한 추정치가 어떤 표본을 사용했느냐에 따라 추죄 측인 해운대구와 경찰 측의 추정이 다르다 보니 항상 논란의 거리가 되었다.
1) YTN (2012.08.17.). 해운대 100만 피서객 어떻게 셀까.
이 글을 읽고 있는 독자는 필자가 빅데이터와 옥외광고를 주제로 하면서 왜 뜬금없이 유동인구를 산출한 사례에 대해서 언급하는지 의아해할 것이다. 그 이유는 바로 광고의 노출 효과에 대해서 말하고 싶기 때문이다. 소비자의 광고 수용에 대한 과정을 말하자면 다양한 이론과 모델을 이야기해야 하겠지만, AIDA, AIDMA와 같은 기본적이고 고전적인 모델부터 AISAS와 같은 인터넷 기반의 모델까지 가장 첫 번째 단계는 바로 "A"인 Attention(주의)을 시작으로 전개된다. 소비자의 주의는 제품이나 브랜드 노출에 대한 반응이라 할 수 있으며 이를 시작으로 커뮤니케이션이 시작된다. 광고에 있어서 매체의 효과를 측정하는 것은 그 광고(또는 제품이나 브랜드)가 얼마나 많은 소비자에게 노출되었는가부터 정확히 측정되어야 한다. 특히, 옥외광고는 TV나 인터넷과 달리 불특정 다수에게 무차별적으로 노출된다는 점에서 광고 효과를 측정하는 그 첫 번째 단계에서부터 꽤나 어려운 문제에 봉착한다.
옥외광고 효과 측정의 어려움
광고 분야에서 광고의 매체 효과에 대한 논의와 연구는 끊임없이 계속되고 있다. 최근 인터넷 광고매체의 급성장 요인에는 소비자의 매체 이용 행태의 변화도 있겠지만 광고효과 측정에 대한 과학적인 지표의 제시를 통해 광고주나 매체사로 하여금 효율적인 광고 집행을 할 수 있기 때문이기도 할 것이다.
그렇다면 옥외광고에서 광고효과는 어떻게 측정되는가. 소비자의 감정이나 행동 의도 등 심리적인 커뮤니케이션 효과를 제외하고, 인지에 있어서 옥외광고에 대한 효과를 측정하는 방식에 대해서는 크게 두 가지 단계가 있다. 단순히 말하자면, 첫 번째 단계는 옥외광고 주변에 몇 명의 오디언스(Audience)가 있는지를 측정하는 것이다. 다시 말해, 옥외광고가 설치되어 있는 공간에 얼마나 많은 사람 또는 차량 등이 존재하는가를 측정하는 것이다. 두 번째 단계는 그 유동인구 중 실제로 몇 명의 오디언스가 그 옥외광고를 봤는지를 측정하는 것이다. 방송 매체로 따지자면 주목률을 알아내는 것이다. 기존의 많은 연구와 측정 모델에 있어서 첫 번째 단계인 유동인구를 측정하는 과정에서 많은 아이디어가 사용되었는데, 가장 많이 사용된 방법이 직접 현장에 나가서 유동인구를 파악하는 것이다. 국내에서는 옥외광고에 대한 효과 측정 연구가 본격적으로 시작된 1990년대 중반에 주로 사용되었다. 그 이후 2000년대에 들어서면서 차량의 이동에 대해서 한국도로공사, 경찰청, 자치단체별 교통정보센터 등 국가 기관에서 집계하고 발표하는 교통 데이터를 활용하기 시작했다. 다만, 이러한 공공기관의 정보는 광고 집행에 대한 효과 측정을 목적으로 하고 있지 않기 때문에 마케팅 활용도가 매우 낮으며 적합한 데이터로서의 신뢰성도 확보하기 어렵다. 실제로 필자는 2015년 기금 조성용 옥외광고(야립광고)에 대한 효과 측정 연구를 진행하면서 국토교통부의 도움을 받아 교통량정보제공시스템(TMS)의 데이터를 활용해 고속도로별 야립광고의 CPM(Cost Per Millenium)을 산출한 적이 있다. 다만, 구간별(주로 IC, JCT로 구분)로 제공되는 비연속적인 데이터와 유동 차량별(승용차, 버스, 소형 화물, 중형 화물, 대형 화물 구분) 집계 수치는 전체적인 유동인구를 산출하는데 무리가 따른다는 것을 실감했다. 결국, 옥외광고에 대한 효과 측정에 있어서 두 번째 단계는 아이 트래킹(Eye-Tracking)을 활용해 주목률을 측정하는 방식으로 해결했지만, 첫 번째 단계인 유동인구에 대한 과학적인 측정은 불가능했다. 아직까지도 옥외광고 매체사가 제시하는 대다수 매체 소개서에는 매체의 효과를 소개하는 페이지에 공공기관에서 제공하는 차량 이동량에 가중치를 곱하거나 현장에서 일일이 유동인구를 세어서 앞서 소개한 페르미 추정법을 적용한 방식으로 유동인구를 제시하고 있다.
빅데이터를 활용한 광고효과 측정
최근 통신 데이터를 이용해 유동인구를 추정하는 알고리즘을 개발해 다양한 분야에 적용하는 사례가 있다. 앞서 소개한 부산 해운대구는 올해 여름에 SK텔레콤과 함께 정교한 데이터를 산출하기 위해 휴대폰의 사용자 및 위치 정보를 활용해 피서객 수와 사람들의 거주지 데이터, 행동 패턴 등을 분석했다. 이를 통해 페르미 추정법으로 산정한 누적 방문객 수가 107만 2천여 명인 데 반해, 통신 데이터를 분석한 결과 이보다 20%가량 적은 87만 7천여 명으로 집계된 것을 확인했다. 뿐만 아니라, 방문객의 이동 데이터를 통해 유입지를 분석하기도 했으며, 인구통계학적 분류를 통해서 성별/연령대별 이동 패턴도 파악했다.2)
2) 중앙일보(2017.08.03). 서울 피서객은 '투어형', 제주도 피서객은 '체류형'…빅데이터로 해운대 분석하면.
KT는 3G, LTE 통신 가입자들의 빅데이터를 시간 단위로 분석해 전체 인구통계 DB로 만들어 위치 기반 유동인구 분석을 시도하고 있는데, 국토교통부는 대중교통 정책 수립을 위해서 KT와 협력해 심야시간대 지역별 유동인구를 측정해 가장 효율적인 심야버스 노선을 찾기도 했다.3) [그림1]
통계청에 따르면, 국내 휴대전화 보급률이 2014년 기준으로 1.13대/인으로 국민 1인당 1대 이상의 휴대전화를 가지고 있는 것으로 나타났다. 김경태 외(2015)의 유동인구 추정 시 통신 자료의 활용에 관한 연구4)에 따르면, 휴대전화의 통신 데이터와 통계청의 주간인구지수의 비교에서 매우 높은 일치성을 확인한 것으로 나타났다. 현재 휴대전화의 통신 데이터는 15분마다 실시간으로 기지국에 수집되며 전국을 50m 단위의 셀(Cell)로 분할하여 각 셀마다 주거자, 근무자, 이동자 등을 구분하여 분석할 수 있다.[그림2]
또한, 길 찾기 어플리케이션인 실시간 내비게이션에서 생산되는 빅데이터를 이용하면 차량의 이동 패턴 및 행태를 분석해 볼 수도 있다. 국내는 통신사와 포털 사업자 간 모바일 내비게이션 경쟁이 치열하며, 위치 기반 데이터를 활용한 타 플랫폼과의 시너지 효과가 기대되고 있다. 국내 내비게이션 시장은 2011년 이후 스마트폰 내비게이션이 차량 부착용 내비게이션 서비스 이용률을 넘어서고 있는데, 모바일 내비게이션 1위 사업자인 SKT의 ‘T맵’은 작년 7월 모든 통신사에 서비스를 무료로 공개했으며 카카오 내비게이션은 최근 ‘카카오T’브랜딩을 변경하고 서비스 이용자 확보를 위해 노력 중이다. 2016년 기준 약 2,180만 대의 등록된 자동차 중 실제로 SKT의 실시간 내비게이션인 T맵의 가입자 수는 1,800만 명이며, 월 이용자 수는 800만 명으로 스마트폰을 활용한 실시간 내비게이션의 활용도는 높은 상황이다.5) 다만, 내비게이션 데이터의 경우 App을 켠 상태여야 데이터가 생성되기 때문에 옥외광고의 효과를 측정하기 위한 모수로서 활용하기에는 어려우므로 이를 개선하기 위해서 공공데이터와 통신 데이터를 접목해 차량 유동인구 및 도보 유동인구의 측정을 정교화하는 알고리즘을 개발하는 것이 중요하다.
최근 이러한 통신 데이터를 옥외광고 효과 측정에 활용한 사례로 CJ파워캐스트는 국내 최초로 통신 데이터를 이용해 서울버스 외부광고에 대한 광고효과를 측정하는 솔루션인 OMI(OOH Media Index)를 개발했다. SK텔레콤의 이동통신 데이터를 기반으로 유동인구를 산출하고, 아이 트래킹 측정 및 인지도 조사를 통해 주목도를 도출해 최종적으로 캠페인의 광고효과를 측정한다. 이를 통해서 캠페인 집행 전 광고효과에 대한 사전 예측과 캠페인 종료 후 광고효과 분석이 가능하다.[그림3]
3) 전자신문(2017.10.24). 빅데이터로 버스노선 확정, 시속 1200㎞ 열차.
4) 김경태, 이인묵, 곽호찬, 민재홍 (2015). 유동인구 추정 시 통신 자료의 활용에 관한 연구. 서울도시연구, 16(3), 177-187.
5) IT조선(2015.07.16.). SK플래닛, T맵 빅데이터 기반 장소 추천 서비스 제공.
과학적인 효과 측정의 기대효과
현재는 일부 광고형태에 한정되어 있지만, 점차 빅데이터를 통한 옥외광고 효과 측정에 대한 방법론이 고도화된다면 향후 다양한 옥외광고 매체에 적용이 가능할 것이다. 이를 통해 광고의 도달률(Reach), 빈도(frequency)와 같은 효과성 지표뿐만 아니라 매체비를 고려해 CPM과 같은 효율성 지표에 대해서도 산출이 가능할 것이다. 미국의 경우 옥외광고뿐만 아니라 타 매체와의 CPM 비교를 통해서 옥외광고 매체에 대한 매력도를 어필하고 있다.[그림4]
빅데이터 기반의 옥외광고 효과 측정은 광고매체의 판매(유통)에 있어서도 기여할 수 있다. 온라인 광고 시장은 광고주와 매체 판매자가 효율적인 거래를 할 수 있는 실시간 광고판매 방식인 Open RTB(Real Time Bidding) Platform을 도입해 광고주가 직접 실시간으로 광고매체를 구매할 수 있는 환경으로 변화하고 있다. 옥외광고에 빅데이터가 접목되면 광고매체의 적정 가치가 산출될 수 있으며, 이를 통해서 광고주와의 직거래 방식이 가능해져 빠른 판매와 유통, 투명한 거래 환경이 조성될 수 있을 것이다.
