1st-party 데이터 마케팅 전략, 쿠키 없는 시대 사례로 보는 활용법

무슨 일이 일어나고 있나

세 건의 사례가 비슷한 시기에 같은 방향을 가리켜요.

첫째, 소매 마케팅이 직접 수집한 1st-party 데이터로 옮겨가고 있어요. 서드파티 쿠키 폐지에 맞춰 구매 패턴과 선호도를 자기 손으로 파악하고, CDP가 그 데이터를 통합 관리해서 효율을 끌어올린다는 흐름이에요. 다만 여기엔 함정이 있어요. Google이 서드파티 쿠키 폐지를 사실상 무기한 연기한 지금, 전환의 진짜 동력은 쿠키가 아니라 ROAS 측정이 무너졌다는 점과 개인정보 규제예요.

둘째, 영국 출판사들이 손을 잡았어요. Atria는 Hearst UK, Bauer Media, Immediate, Future, HELLO!, Time Out 등 평소 경쟁하던 6곳이 큐레이션·데이터 관리 플랫폼 Permutive와 함께 만든 연합이에요. 월 3,300만 순방문자, 영국 온라인 이용자의 60% 이상에 닿는 105개 미디어 브랜드 인벤토리를 PMP 딜로 묶어, 광고주가 한 번의 거래 설정으로 여러 프리미엄 출판사에 도달하게 했어요. 소셜 플랫폼의 아웃바운드 링크 제한과 AI 검색 요약 때문에 트래픽이 줄자, 집단 구매력으로 광고 수익을 지키려는 대응이에요.

셋째, 금융 슈퍼앱 Curve가 BigQuery Graph를 도입했어요. 카드 정보·기기·연락처처럼 공통점으로 얽힌 사기 조직을 찾는 작업인데, 기존 SQL 다중 조인으로 수억 개 사용자 관계를 훑으려니 쿼리가 복잡하고 느렸어요. 그래프 쿼리 언어(GQL)로 패턴 매칭이 가능해지면서 2025년 한 해 약 1,200만 달러의 사기 손실을 막고 72% 정도 정확도로 사기 사용자를 식별하고 있어요.

왜 중요한가

세 사례를 꿰는 공통 원인은 '남이 만든 데이터'가 사라졌다는 거예요. 서드파티 쿠키가 무너지면서 광고주는 누가 누군지 추적할 외부 신호를 잃었고, 출판사는 소셜과 AI 검색에 트래픽을 빼앗겼고, 금융사는 점점 조직화하는 사기에 개별 거래 단위 탐지로는 대응이 안 돼요. 해법이 전부 '내가 가진 데이터를 어떻게 엮느냐'로 수렴합니다.

소매업은 고객 동의로 직접 모은 데이터로 개인화를 다시 세우려 해요. 출판사는 1st-party 데이터와 큐레이션 PMP 말고는 프리미엄 지면이 소셜·AI 검색에 맞설 카드가 없다는 걸 인정한 셈이에요. 경쟁사끼리 인벤토리를 합친다는 게 그 방증이고요. Curve는 거래 데이터 안의 숨은 관계망을 그래프로 드러내 손실을 막아요. 개별 거래는 정상으로 보여도 같은 기기·연락처로 얽힌 계정 군집을 보면 조직이 나타나거든요.

중요한 변화는 데이터가 '저장'에서 '실행'으로 이동한다는 점이에요. CDP가 데이터를 모으는 데서 끝나면 의미가 없어요. 활성화 시나리오, 즉 그 데이터로 어떤 메시지를 누구에게 언제 보낼지가 붙어야 ROI가 나와요. Atria 연합도 인벤토리를 한 번에 사는 효율은 매력적이지만, Permutive의 데이터 큐레이션이 ROAS로 증명되지 않으면 또 하나의 중간 마진층으로 끝날 수 있어요.

실무에 주는 함의

도입 순서를 잘못 잡으면 비싼 데이터 호수만 하나 더 파게 돼요. CDP를 깔았다고 데이터가 알아서 통합되지 않거든요. 먼저 정리할 건 세 가지예요. 수집 동의 설계, identity 매칭 키, 부서별로 흩어진 데이터 거버넌스. 이걸 건너뛰면 활성화 단계에서 막혀요.

측정 기준도 바꿔야 해요. 발송량이나 노출 도달이 아니라 실제 행동 신호로 성과를 봐야 하는데, 그러려면 CRM·웹 분석·구매 이력이 한 곳에서 일관되게 관리돼야 해요. 출판사 연합을 통해 미디어를 살 때도 'ROAS로 증명되는가, 어트리뷰션 투명성은 누가 책임지는가'를 계약 단계에서 따지세요. 6개사 연합은 사실상 가격 협상력을 묶어 쥐는 구조라 단가 인하 여지가 줄 수 있어요.

그래프 분석은 사기·이상탐지뿐 아니라 마케팅에서도 쓸 데가 있어요. 같은 결제 수단·기기로 묶인 가구 단위 추론, 추천인 네트워크 추적 같은 데 응용 가능해요. 다만 Curve의 72% 정확도는 오탐 비중이 작지 않다는 뜻이라, 실시간 차단보다 사람이 검토하는 위험 점수 단계에 붙이는 게 현실적이에요. 정상 고객을 오인 차단했을 때 잃는 신뢰 비용까지 계산에 넣어야 해요. BigQuery 안에서 처리하니 별도 graph DB 운영 부담은 덜었고요.

리스크·한계

첫째, 통합의 환상이에요. 데이터를 한 플랫폼에 올렸다고 품질이 좋아지지 않아요. 자사 데이터 품질과 적재 구조가 받쳐주지 않으면 분석 성능은 그대로예요. 둘째, 벤더 종속이에요. 특정 포맷이나 카탈로그에 데이터 자산을 묶으면 나중에 빠져나오는 비용이 만만치 않으니 계약 단계에서 따져야 해요. 셋째, 큐레이션 PMP가 또 다른 중간 마진층이 될 위험이에요. 도달 효율은 분명하지만 성과로 증명되지 않으면 광고주에겐 비용만 늘어요.

넷째, 측정 자체의 한계예요. 1st-party 데이터로 옮겨도 채널 간 어트리뷰션이 자동으로 깔끔해지지 않아요. 누가 측정을 책임지고 어떤 모델로 성과를 귀속할지 합의가 없으면, 데이터만 많고 판단은 못 하는 상태가 됩니다.

자주 묻는 질문

1st party data meaning, 1st-party 데이터가 뭔가요

기업이 고객과 직접 관계에서 모은 데이터예요. 가입 정보, 구매 이력, 자사 웹·앱 행동 로그가 해당돼요. 외부 사업자가 수집해 파는 서드파티 데이터와 달리 동의 기반이라 규제 리스크가 낮고, 쿠키 소멸 이후 개인화의 핵심 자산이 됐어요.

cdp 란, CDP가 정확히 뭔가요

흩어진 고객 데이터를 하나로 통합해 마케팅에 활용하게 해주는 플랫폼이에요. 다만 CDP를 도입한다고 데이터가 알아서 합쳐지지 않아요. 동의 설계, identity 매칭 키, 부서별 데이터 거버넌스를 먼저 정리해야 통합이 실제로 작동해요.

데이터 마케팅 전략, 어디서부터 시작해야 하나요

수집부터 활성화까지 시나리오를 거꾸로 설계하세요. '이 데이터로 누구에게 어떤 메시지를 보낼지'가 먼저 정해져야 어떤 데이터를 어떻게 모을지가 나와요. 활성화 시나리오 없이 데이터부터 쌓으면 ROI를 증명 못 하는 프로젝트가 됩니다.

ai 마케팅 성공 사례로 볼 만한 게 있나요

금융 슈퍼앱 Curve가 BigQuery Graph로 사기 네트워크를 분석해 2025년 한 해 약 1,200만 달러 손실을 막은 게 데이터 활용의 구체적 사례예요. 같은 기기·연락처로 얽힌 계정 군집을 그래프 패턴으로 찾아내는 방식인데, 마케팅에선 가구 단위 추론이나 추천인 네트워크 추적에 응용할 수 있어요.

리테일미디어 트렌드에서 출판사 연합은 어떤 의미인가요

경쟁 출판사들이 인벤토리를 합쳐 한 번의 딜로 영국 온라인 인구 60%에 닿게 한 건, 프리미엄 지면이 소셜·AI 검색에 맞설 카드가 1st-party 데이터와 큐레이션 PMP뿐이라는 신호예요. 광고주에겐 미디어 바이 효율이 오르지만, 집단 협상력 탓에 단가는 내려가기 어렵고 측정 투명성이 관건이에요.