Ad Tech Data Infrastructure

광고 타겟팅, 전달, 측정을 위한 데이터 파이프라인과 인프라

핵심 개념

광고 기술(Ad Tech)의 데이터 인프라는 실시간 입찰, 타겟팅, 어트리뷰션, 측정을 지원하는 파이프라인과 시스템을 포함한다. 크로스 디바이스 ID 매핑, 브랜드 안전성, 비용 효율성이 핵심 과제다.

B2B 광고주가 CTV(커넥티드 TV)에서 전문 직업인 오디언스에 도달하는 플랫폼:

2026년 프라이버시 환경에서 어트리뷰션의 현주소:

Spotify의 광고 최적화 멀티에이전트 시스템:

100ms 내 수백만 후보를 좁히는 광고 랭킹의 데이터 시스템:

3-stage funnel(recall vs latency trade-off): Selection(boolean 필터 — eligible한가) → Light Ranking(GBDT, 사전 계산 피처, throughput > accuracy) → Heavy Ranking + Auction(DLRM, full real-time 피처, pCTR)
경매: Total Value = bid × pCTR × quality_score. 최고 bid가 아닌 최고 total value 승리, second-price 지불, reserve price 미달 시 미노출. 저품질 광고가 같은 슬롯에 더 비싸게 지불 → 광고주가 좋은 타겟·크리에이티브에 인센티브
pCTR calibration: raw score는 확률 아님 → 과거 클릭률로 calibrate(uncalibrated면 경매 수식 깨짐)
데이터 모델 핵심: auction log를 후보당 1행으로(loser 포함 — counterfactual·exposure bias 보정), impressions/clicks/conversions 분리(클릭은 노출의 1-3%), agg_ad_performance가 light ranking의 feature store, ad_sets에 SCD Type 2(과거 bid 재구성)
feedback loop가 hard part: 매 경매 → 재학습 → 승자 변경. exposure/survivor bias(노출 안 된 광고는 클릭 라벨 없음) 관리가 “year 3에도 좋은 모델”을 가름

2026년 IBM 조사에 따르면 조직의 25% 이상이 저품질 데이터로 연간 $5M 이상 손실. 광고 어트리뷰션에서 특히 치명적 — 옵트아웃 40~60% 도달 시 전통적 MTA는 신뢰도를 상실한다.