정밀한 모바일 데이터를 계속 써야 성과를 증명할 수 있다고 믿는 팀일수록 지금 더 불편한 질문을 해야 합니다. 지금 보고 있는 어트리뷰션, 리타게팅, 오프라인 방문 측정이 정말 "마케팅 성과"를 보여주는지, 아니면 언젠가 사라질 수 있는 민감 신호 위에 세워진 착시인지 말입니다.
이번 FTC와 Kochava의 합의는 그 질문을 더 이상 미룰 수 없게 만들었습니다. FTC는 2022년 제기한 소송의 정리로, Kochava와 자회사 CDS가 미국인의 정밀 위치 데이터를 판매·이전·공유하려면 명시적 동의를 받아야 하고, 그마저도 소비자가 직접 요청한 서비스 제공 목적에 한정된다는 내용의 제안 명령을 법원에 제출했습니다.12 이건 한 회사의 악재라기보다, 위치 기반 측정이 법적·평판적 비용을 감당하기 어려운 자산이 되고 있다는 신호에 가깝습니다.
핵심은 "Kochava가 안전한가"가 아니라 "우리 성장 모델이 무엇에 기대고 있나"다
Kochava는 원래 모바일 어트리뷰션과 분석, 옴니채널 측정을 내세워 온 회사입니다. 앱 설치, 전환, LTV, 오프라인 방문, 크로스디바이스 성과까지 한 플랫폼에서 본다고 설명해왔고, 일부 오프라인 성과 측정은 데이터 파트너십을 통해 제공해 왔습니다.3 문제는 이런 약속 중 일부가 얼마나 정밀한 위치 데이터, 모바일 광고 ID, 외부 브로커 데이터에 기대고 있는지 고객이 끝까지 이해하지 못한 채 쓰기 쉽다는 점입니다.
FTC가 문제 삼은 것도 바로 그 지점입니다. 소장과 후속 보도에 따르면 Kochava의 데이터는 수억 대 기기에서 수집된 정밀 위치 데이터를 포함했고, 의료시설·종교시설·쉼터 같은 민감 장소 방문 추론에 쓰일 수 있다고 봤습니다.14 Kochava는 "프라이버시 블록" 같은 대응책을 내놓기도 했지만, 이번 합의는 더 구조적인 제한으로 갔습니다.15
실무적으로 중요한 함의는 단순합니다. 지금 대시보드가 잘 돌아간다고 해서 데이터 모델이 미래에도 유효하다는 뜻은 아닙니다. 특히 아래 중 하나라도 의존한다면 취약점일 수 있습니다.
정밀 위치 기반 방문 측정
브로커가 공급한 제3자 위치 데이터
MAID 중심 사용자 연결
"익명화"를 전제로 한 민감 행동 추론
공급망 깊숙한 곳의 데이터 출처를 모르는 enrichment
측정 벤더를 평가할 때 이제 봐야 할 질문
이번 합의안에는 판매 제한만 있는 게 아닙니다. 민감 위치 데이터 프로그램, 공급자 동의 검증, 데이터 수신자 공개 요청, 동의 철회, 보관·삭제 일정, 제3자 오남용 보고 같은 운영 의무가 포함됩니다.126 즉, 앞으로 좋은 측정 파트너는 "데이터가 많다"보다 "데이터 흐름을 설명하고 끌 수 있다"가 더 중요해집니다.
벤더를 볼 때는 기능 목록보다 데이터 모델을 캐야 합니다. 예를 들면 이런 질문입니다.
이 데이터는 SDK에서 직접 오나, 외부 공급사에서 사오나?
위치 데이터는 GPS만인가, Wi‑Fi·Bluetooth·셀 타워 추론도 포함하나?
동의는 감사 가능한가, 아니면 계약서상 보증만 있나?
민감 위치는 어떤 기준으로 분류하고 얼마나 자주 갱신하나?
그 신호를 꺼도 우리 KPI 중 무엇이 깨지나?
여기서 반론도 있습니다. "동의를 제대로 받으면 되지 않나"라는 주장입니다. 맞는 말이지만, 이번 합의안의 기준은 꽤 엄격합니다. 동의는 별도 고지와 철회 수단을 포함한 명시적·구체적·정보에 입각한 형태여야 하고, 다크패턴성 UI는 인정되지 않는 방향으로 읽힙니다.6 형식적 체크박스로 해결될 문제가 아니라는 뜻입니다.
위치 데이터 이후: 덜 정밀해도 더 오래 가는 대안들
정밀 위치가 줄어들면 측정이 완전히 무너질까요? 일부 유스케이스는 분명 타격을 받습니다. 특히 방문 기반 성과 주장이나 초정밀 리타게팅은 약해질 수 있습니다. 하지만 대안은 이미 꽤 많습니다.
앱 팀이라면 SKAN, Privacy Sandbox, 온디바이스 측정처럼 플랫폼이 허용하는 집계형 신호를 우선 봐야 합니다. Kochava도 GitHub에서 Google on-device measurement 연동 모듈을 공개하고 있을 정도로, 업계는 이미 방향을 바꾸고 있습니다.7
그다음은 1st-party 이벤트 품질입니다. 회원가입, 결제, 활성화, 재방문, 구독 유지 같은 이벤트 정의가 엉성하면, 위치 데이터가 많아도 의사결정은 흔들립니다. 여기에 코호트 리텐션 분석, holdout 테스트, geo-lift, MMM이나 집계형 전환 모델을 붙이면 "누가 봤는지"보다 "예산이 실제로 결과를 만들었는지"에 더 가까워집니다.
정밀도는 떨어질 수 있습니다. 하지만 그건 손실만은 아닙니다. 많은 팀이 지나치게 미세한 추적 때문에 채널 기여도를 과신해 왔습니다. 신호가 줄어들면 오히려 실험 설계, 성공 지표, 예산 배분이 더 정직해질 수 있습니다. 프라이버시 압력은 측정 약화의 이야기이기도 하지만, 동시에 분석 성숙도의 테스트이기도 합니다.
지금 이 이슈를 가장 심각하게 봐야 하는 사람은 앱 마케터, MMP 이용사, 리테일·오프라인 방문 측정 의존도가 높은 브랜드, 그리고 "데이터 파트너가 알아서 해준다"고 믿어온 운영팀입니다. 앞으로의 기준은 간단합니다. 더 많은 데이터를 주는 파트너보다, 어떤 데이터가 왜 필요한지 설명할 수 있고 그 신호가 사라져도 의사결정이 계속 가능한 파트너가 더 미래지향적입니다.
참고
2FTC closes Kochava location data case with strict consent rules
3Measure & Optimize What Matters Across All Channels
5FTC orders Kochava to stop selling people's location data
6The FTC Bars Kochava From Selling Sensitive Data Without Consent
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.