공급 경로 최적화 (Supply Path Optimization (SPO))
Supply Path Optimization (SPO)
공급 경로 최적화(SPO)는 광고주가 DSP에서 SSP와 퍼블리셔로 이어지는 복잡한 미디어 바잉 경로 중 수수료가 높고 투명성이 낮은 중개인을 제거하여 광고비 효율을 극대화하는 전략입니다. 핵심은 ‘효과 없는 홉(Hop) 줄이기’와 ‘직거래(Direct/Header Bidding) 비중 확대’입니다.
📖 개념 정의 및 실무 적용
디지털 광고 생태계는 수많은 SSP, 애드체인, 리셀러를 거치며 파편화되어 있어 동일한 광고 지면이라도 경로에 따라 수수료와 리포팅 품질이 크게 달라집니다. 투명하지 않은 경로로 광고를 집행하면 광고비의 상당 부분이 텍(Tech) 수수료로 사라지고 사기 트래픽(Ad Fraud)에 노출될 위험이 커집니다.
💻 실무 활용 코드 스니펫 (PYTHON)
import pandas as pd
def analyze_spo_efficiency(df):
df['fee_percentage'] = (df['total_cost'] - df['media_cost']) / df['total_cost'] * 100
df['cpm'] = df['total_cost'] / (df['impressions'] / 1000)
spo_summary = df.groupby('path_type').agg(
total_spend=('total_cost', 'sum'),
avg_cpm=('cpm', 'mean'),
avg_fee_pct=('fee_percentage', 'mean'),
avg_viewability=('viewability_rate', 'mean')
).reset_index()
return spo_summary.sort_values(by='avg_cpm', ascending=True)
⚡ 5분 만에 적용하는 실행 스텝
- 단계: 광고 서버 및 DSP 로그 데이터에서 미디어 바잉 경로(Path)별 SSP, 중개인(Reseller) 리스트 추출
- 단계: 경로별 테크 수수료(Tech Fee), CPM, 뷰어빌리티(Viewability), 전환율(CVR) 데이터 집계
- 단계: 수수료가 과다하고 성과가 낮은 리셀러 경로를 블랙리스트에 등록하거나 DSP 세팅에서 차단
- 단계: 광고.txt(ads.txt)와 앱-ads.txt 크롤링을 주기적으로 모니터링하여 직거래 및 공인된 경로 비율 유지
첫째, 단순히 CPM이 가장 낮은 경로만 선택하지 마세요. 수수료가 낮아도 뷰어빌리티가 떨어지면 실제 효율은 악화되므로 ‘유효 노출당 비용(vCPM)’ 기준으로 SPO를 평가해야 합니다. 둘째, 매달 퍼블리셔의 ads.txt 업데이트 내역을 크롤링하여 무단 리셀러(Unauthorized Resellers)를 실시간으로 차단하는 자동화 파이프라인을 구축하세요.
첫째, 무조건적인 중개인 차단은 리치(Reach) 급감으로 이어질 수 있으므로 전체 인벤토리의 뼈대가 흔들리지 않는지 테스트 기간을 거쳐야 합니다. 둘째, SSP 리포트와 DSP 리포트 간의 데이터 불일치(Discrepancy)를 고려하지 않고 수수료를 계산하면 왜곡된 결론을 내릴 수 있으므로 1차 퍼블리셔 로그 기준으로 검증해야 합니다.
❓ 자주 묻는 질문 (FAQ)
A. 불필요하게 복잡하고 중복된 리셀러 경로를 차단하므로 노출 볼륨 자체는 일시적으로 줄어들 수 있습니다. 하지만 저품질 지면과 사기 트래픽이 제거되므로 실질적인 유효 노출과 ROAS는 오히려 향상됩니다.
A. 퍼블리셔들은 수시로 광고 수익화 파트너를 변경하거나 추가하므로 적어도 월 1회 이상 자동화된 크롤러를 통해 ads.txt 상태를 모니터링하고 DSP의 허용 리스트를 업데이트하는 것이 좋습니다.