다중 ADX 동시 측정을 통한 온라인 광고 성능 비교 방법

초록

본 연구는 여러 광고 교환(ADX) 플랫폼을 동시에 평가할 수 있는 동기화된 측정 프레임워크를 제안한다. 교차 플랫폼 공통 웹 페이지 집합을 이용해 동일한 가상 사용자 프로필을 구축하고, 광고 링크를 병렬로 수집함으로써 측정 편향을 최소화한다. 실험 결과, 제안 방법은 ADX 간 광고 노출 차이를 명확히 구분하고, 가상 프로필 변화에 대한 민감도 차이를 정량화한다.

상세 분석

이 논문은 기존의 단일 ADX 측정 방식이 갖는 근본적인 한계를 정확히 짚어낸다. 기존 방법은 각 ADX마다 별도의 훈련 웹 페이지 집합을 사용해 가상 사용자(virtual persona)를 만들기 때문에, 플랫폼마다 프로필 편차가 발생한다. 이러한 편차는 “관심 특성 편향(interest bias)”이라 명명되며, 다중 ADX를 직접 비교할 때 통계적 유의성을 저해한다. 논문은 이를 해결하기 위해 두 가지 핵심 혁신을 도입한다. 첫째, 여러 ADX가 동시에 모니터링하는 교차 웹 페이지 집합을 선정한다. 이 교차 집합은 모든 대상 ADX가 동일한 트래픽을 관찰하도록 보장함으로써, 가상 사용자의 기본 프로필을 일관되게 만든다. 교차 페이지 선정 알고리즘은 페이지 카테고리, 트래픽 규모, 광고 태그 보유 여부 등을 고려해 자동화된 스코어링 방식을 적용한다. 둘째, 광고 링크를 실시간으로 수집하면서도 가상 사용자의 행동 기록에 영향을 주지 않도록 “병렬 광고 읽기(parallel ad fetching)” 메커니즘을 설계한다. 구체적으로, 메인 가상 사용자가 광고가 삽입된 페이지를 방문하면, 별도의 전용 가상 사용자(전용 크롤러)가 즉시 해당 광고 URL을 요청한다. 이때 두 사용자 간 쿠키와 지문 정보를 격리시켜, 메인 사용자의 프로필이 광고 내용에 의해 변형되지 않도록 한다. 시스템 아키텍처는 크게 네 개의 모듈로 구성된다: (1) 교차 페이지 탐색 및 선정 엔진, (2) 가상 사용자 프로파일링 모듈, (3) 동기화된 페이지 방문 및 광고 추출 파이프라인, (4) 데이터 정제 및 성능 지표 계산 엔진. 실험 환경은 4대 물리 서버와 Docker 기반 가상 브라우저(Chrome headless) 20개 인스턴스를 활용했으며, 대상 ADX는 국내외 주요 6개(구글, 바이두, 알리바바, 소니, 징동, 스닝)였다. 평가 지표는 광고 노출 수, 클릭률 추정(CVR), 광고 카테고리 다양성, 시간적 동적 변화(temporal dynamics) 등을 포함한다. 결과는 동일 가상 프로필에 대해 ADX마다 평균 23% 이상의 노출 차이를 보였으며, 일부 ADX는 프로필 변화에 민감하게 반응해 광고 종류가 급격히 전환되는 반면, 다른 ADX는 비교적 안정적인 노출 패턴을 유지했다. 특히, 광고 동적 변화 분석에서는 실시간 입찰(RTB) 특성에 따라 시간대별 변동 폭이 크게 달라지는 것을 확인했다. 논문은 또한 측정 오버헤드와 프라이버시 위험을 최소화하기 위한 쿠키 격리, IP 랜덤화, 사용자 에이전트 다변화 전략을 제시한다. 한계점으로는 교차 페이지 집합이 충분히 대표성을 가질 경우에만 결과가 일반화될 수 있다는 점과, 일부 ADX가 고급 지문 방어 메커니즘을 사용해 크로스 도메인 추적을 차단할 경우 측정 정확도가 떨어질 수 있다는 점을 언급한다. 향후 연구 방향으로는 머신러닝 기반 프로파일 자동 최적화, 모바일 앱 환경 확장, 그리고 실시간 광고 비용(CPM/CPC) 측정 통합을 제시한다.