전면 광고 빈도 vs 리텐션: 2주 실험에서 배운 기준

TL;DR

전면 광고는 빈도 자체보다 노출 타이밍이 리텐션에 더 큰 영향을 줬습니다. 세션 시작 직후를 피하고 자연스러운 전환 지점에 맞추면 수익과 리텐션 손실을 함께 줄일 수 있었습니다.

내 상황

세션 길이가 짧은 캐주얼 앱이었고, 신규 유저 비중이 높은 주였습니다. 광고 요청 실패보다 이탈률 증가가 더 큰 리스크였습니다. 특히 첫 2세션에서 이탈한 유저가 많아, “초반 경험 훼손”이 장기 수익에 더 큰 손해를 주는 구조였습니다. 팀에서는 주간 매출 목표 압박으로 빈도 상향 의견이 강했지만, 리텐션 하락 시 회복 비용이 더 크다는 점을 먼저 수치로 합의했습니다. 실험 시작 전, 전면 광고 빈도 정책을 바꿀 때 반드시 함께 봐야 할 지표를 문서로 고정해 의사결정 충돌을 줄였습니다.

문제 정의

전면 광고 노출을 늘리면 단기 수익은 오르지만 다음 날 재방문이 떨어졌습니다. 팀 내 기준이 없어서 의사결정이 매번 감각적으로 반복되는 문제가 있었습니다. 또한 불만 리뷰에 “진행 흐름이 끊긴다”는 표현이 반복됐고, 이는 단순 빈도 문제보다 맥락 없는 노출이 원인임을 시사했습니다. 문제 정의를 “몇 번 보여줄 것인가”가 아니라 “어떤 행동 직후에 보여줄 것인가”로 바꾸는 것이 실험 성공의 시작점이었습니다.

시도/실패/대안

처음에는 고정 간격(예: N분)으로 제어했지만 플레이 흐름과 맞지 않아 불만이 늘었습니다. 이후 이벤트 기반으로 전환해서 레벨 완료, 명확한 완료 행동 뒤에만 노출하도록 바꿨습니다. 마지막으로 신규/기존 사용자 빈도를 분리해 신규군만 보수적으로 조정했습니다. 추가 실험으로 세션 1회차에는 전면 광고를 완전히 제거하고 2회차부터 정책을 적용해 초기 이탈 변화를 관찰했습니다. 결과적으로 “고정 간격 + 단일 정책” 조합은 구현은 쉽지만, 지표 변동성 해석이 어려워 운영 효율이 오히려 떨어졌습니다. 반대로 이벤트 기반 정책은 설정 항목이 조금 늘어나더라도 실패 원인을 추적하기 쉬워 주간 운영 속도가 빨라졌습니다.

측정 방법

• 기간: 14일
• 비교군: 고정 간격 vs 이벤트 기반 빈도
• 지표: ARPDAU, D1/D3 Retention, 세션 길이
• 보조 지표: 리뷰 부정 키워드 비중, 세션 1회차 이탈률
• 성공 기준: ARPDAU 개선과 함께 D1 손실을 0.5%p 이내로 제한

결과

항목	고정 간격	이벤트 기반	해석
ARPDAU	0.030	0.033	소폭 개선
D1 Retention	29%	31%	악화 방지
평균 세션 길이	4m 10s	4m 42s	흐름 단절 감소

이벤트 기반 빈도에서 수익 지표와 사용성 지표를 동시에 지킬 수 있었습니다. 리뷰 부정 키워드(“갑자기 광고”, “흐름 끊김”) 비중도 같은 기간 18%에서 11%로 감소해 체감 품질이 함께 개선됐습니다. 무엇보다 신규 유저 구간을 보수적으로 분리하자 D3 리텐션의 하락 꼬리가 줄어, 다음 실험을 이어갈 체력이 확보됐습니다.

결론

전면 광고는 빈도 숫자보다 맥락 설계가 핵심입니다. 특히 신규 유저 구간은 별도 정책으로 분리하는 편이 안정적이었습니다. 향후에는 세션 길이 상위 유저군과 하위 유저군을 분리해 빈도 상한을 다르게 주는 실험을 진행할 예정입니다. 한 번에 모든 화면에 정책을 적용하기보다, 핵심 전환 화면부터 단계적으로 확장하는 방식이 리스크를 가장 낮췄습니다.

체크리스트

• 전면 광고 노출 지점이 사용자 완료 행동 이후인지 확인
• 신규/기존 유저 빈도 정책을 분리했는지 확인
• 리텐션과 수익 지표를 같은 기간으로 비교했는지 확인
• 불만 리뷰 키워드 변화를 주간 단위로 점검했는지 확인

관련 글

• AdMob 시작 7일차 eCPM 로그
• 스토어 심사 리젝 대응 플레이북
• 온보딩 퍼널 이벤트 설계