클릭 사기가 애드테크에서 1,000억 달러를 빼가고 있다. 그 돈이 실제로 어디로 가는지 살펴본다.

IAB는 2025년 전 세계 광고 사기 손실을 840억 달러로 추정했다. 대부분의 업계 분석가는 2026년 수치가 1,000억 달러를 넘어설 것으로 본다. 이 수치들은 워낙 자주 인용되다 보니 이제 충격을 주지 못하지만, 그 이면의 작동 원리는 광고로 수익을 내는 인벤토리를 운영하거나 대규모로 프로그래매틱 미디어를 구매하는 이들에게 여전히 중요하다.

손실은 고르게 분산되지 않는다. 전담 브랜드 안전 팀을 둔 대형 광고주는 자사 캠페인을 노리는 사기의 대부분을 잡아낸다. 대행사를 통해 운영하는 중견 광고주는 상당한 비율의 예산을 잃는다. 인벤토리 보호가 취약한 퍼블리셔는 부정 노출이 정상 인벤토리를 삼켜버리는 상황을 겪는다. 총합 1,000억 달러라는 숫자는 밸류 체인 전반에 흩어진 수많은 작은 손실의 합이다.

이 글은 자사의 실제 노출 위험이 어떤 모습이고 어떤 방어책이 통하는지 이해하려는 애드테크, 프로그래매틱, 퍼블리셔 리더를 위한 것이다. 애드테크의 5대 사기 유형, 사후 검증(post-bid)만으로 부족한 이유, 그리고 실제로 효과가 있는 사전 입찰(pre-bid) 아키텍처를 설명하기 위해 작성했다.

애드테크의 5대 사기 유형

클릭 사기(Click fraud)

가장 직접적인 형태다. 자동화된 트래픽이 전환 의도 없이 유료 광고를 클릭한다. 광고주는 클릭 비용을 지불하지만, 그 클릭은 아무 가치도 만들지 못한다. 업계 벤치마크에 따르면 클릭 사기는 대부분의 캠페인에서 유료 클릭의 15~25%를 차지한다.

작동 방식: 봇 네트워크나 유료 트래픽 조직이 대규모로 클릭을 생성한다. 현대의 조직은 residential proxy 인프라를 이용해 클릭이 정상적인 소비자 트래픽처럼 보이게 만든다. 부정 클릭 한 건의 비용은 공격자 측에서 1센트의 몇 분의 일에 불과한 반면, 광고주는 경매에 따라 클릭당 1~50달러를 지불한다.

표적: CPC가 높은 캠페인이 가장 매력적이다. 클릭당 50달러 이상을 지불하는 법률 서비스 캠페인은 클릭당 0.25달러를 지불하는 브랜드 인지도 캠페인보다 더 매력적인 표적이다. 사기는 돈을 따라간다.

실패하는 방어 패턴: 클릭 이후의 전환 분석. 클릭이 전환되지 않는다는 것을 눈치챌 무렵이면 예산은 이미 소진된 뒤다. 광고 네트워크로부터의 환불은 가능하지만 느리고 부분적이다.

효과가 있는 방어 패턴: 사전 입찰(pre-bid) 단계의 device intelligence. 입찰을 넣기 전에 해당 노출이 정상적인 기기에 전달되고 있는지 검증한다. 지연 예산은 빠듯하지만—보통 50밀리초 미만—적절한 아키텍처만 있으면 실현 가능하다.

노출 사기(Impression fraud)

이벤트당 가치는 클릭 사기보다 낮지만 물량은 더 많다. 봇 트래픽이 광고주가 비용을 지불하는 인벤토리에 노출을 발생시키지만, 그 광고를 보는 사람은 아무도 없다. 업계 추정에 따르면 생태계 전반에서 노출의 10~20%가 부정 노출이다.

작동 방식: 퍼블리셔(흔히 여러 사이트에 걸쳐 운영되는 그림자 퍼블리셔)가 봇 트래픽을 일으켜 자사 인벤토리의 노출 수를 부풀린다. 봇이 페이지를 로드하고, 광고가 게재되고, 노출이 집계되고, 퍼블리셔는 대금을 받는다. 그 트래픽은 애초에 사람이 아니었다.

변종:

• 광고 스태킹(Ad stacking): 하나의 슬롯에 여러 광고를 게재한다. (사용자가 있었다면) 사용자는 맨 위 광고만 본다. 스택에 쌓인 나머지 4~10개의 광고도 노출로 집계된다.
• 픽셀 스터핑(Pixel stuffing): 1×1 픽셀 iframe 안에 광고를 게재한다. 업계 정의상으로는 기술적으로 "조회 가능(viewable)"하다. 실제로는 아무에게도 보이지 않는다.
• 자동 새로고침 사기(Auto-refresh fraud): 페이지가 광고 슬롯을 높은 빈도로 자동 새로고침해 새로고침마다 노출을 생성한다. 노출 수를 극대화하려는 저품질 사이트에서 흔하다.

실패하는 방어 패턴: 조회가능성(viewability) 지표만 보는 것. MRC 조회가능성 기준(픽셀의 50%가 1초간 표시)은 쉽게 우회된다. 조회가능성을 "통과"한 인벤토리도 여전히 노출 사기일 수 있다.

효과가 있는 방어 패턴: 사전 입찰(pre-bid) 단계의 트래픽 품질 평가. 노출을 요청하는 기기가 실제 소비자 기기인지, 아니면 인벤토리 부풀리기 작업의 일부인지 식별한다.

전환 사기(Conversion fraud)

성과형 마케팅과 제휴 네트워크에 특화된 유형이다. 광고주는 CPA(전환당 비용)를 지불한다—보통 적격 리드, 가입, 판매 건당 10~200달러다. 사기 조직은 CPA 지급을 받아낼 만큼 정상적으로 보이지만 실제 고객으로는 이어지지 않는 가짜 전환을 만들어낸다.

작동 방식: 제휴 조직은 과거 데이터 유출에서 리드를 수집해 그 자격 증명으로 가입 양식을 채우고 CPA 지급을 청구한다. 또는 identity-as-a-service 조직을 통해 일회용 신원을 만들어 전환 흐름을 완료한 뒤 사라진다.

경제학: 제휴 네트워크는 전환에 대해 CPA를 지불한다. 사기 조직은 낮은 한계비용으로 전환을 생성한다. 여러 광고주와 네트워크에 작업을 분산시키면 개별 손실은 정밀 검사를 피할 만큼 작지만 총 물량은 상당하다.

실패하는 방어 패턴: 전환율만 따로 떼어 보는 것. 부정 트래픽은 사기가 정상처럼 보이도록 설계됐기 때문에 흔히 정상처럼 보이는 전환율을 만들어낸다.

효과가 있는 방어 패턴: 전환 소스에 대한 기기 단위 분석. "서로 다른" 여러 리드가 동일한 device fingerprint에서 나온다면 제휴 사기의 신호다. 고객 간 기기 연결(cross-customer device linking)은 여러 광고주에 걸친 작업을 잡아낸다.

도메인 스푸핑(Domain spoofing)

광고 거래소 생태계를 가장 직접적으로 악용하는 사기 유형이다. 공격자는 실제로는 그림자 사이트에서 발생하는 노출을 프리미엄 도메인에서 발생하는 것처럼 속여 광고 거래소에 인벤토리를 잘못 표시한다.

작동 방식: 광고 요청에는 페이지 도메인을 주장하는 메타데이터가 포함된다. 일부 거래소와 SSP는 이를 엄격하게 검증하지 않는다. 광고주는 신뢰할 만한 퍼블리셔라고 생각한 곳의 노출에 프리미엄 CPM을 지불하지만, 실제 노출은 스푸퍼와 CPM 수익을 나누는 그림자 사이트에서 게재된다.

변종:

• 서브도메인 스푸핑: 실제로는 yourbrand.com을 흉내 낸 subdomain.shadowsite.com에서 발생하는 노출을 yourbrand.com에서 발생한 것으로 주장.
• 앱 도메인 스푸핑: 모바일 앱 인벤토리를 프리미엄 앱 인벤토리라고 주장.
• CTV/스트리밍 스푸핑: 커넥티드 TV 노출을 프리미엄 스트리밍 플랫폼의 노출이라고 주장.

실패하는 방어 패턴: SSP를 신뢰하는 것. 많은 SSP는 도메인 주장에 대한 검증이 미흡하다. 검증 없는 신뢰가 곧 취약점이다.

효과가 있는 방어 패턴: 인벤토리 진위에 대한 사전 입찰(pre-bid) 검증. device intelligence(봇 주도의 인벤토리 부풀리기 포착), referrer 분석(도메인 스푸핑 포착), SSP 감사(검증 품질에 근거한 선별적 신뢰)를 결합한다.

정교한 부정 트래픽(SIVT, Sophisticated invalid traffic)

가장 우려스러운 사기를 포괄하는 IAB 분류다—탐지를 회피하기 위해 실제 사용자처럼 보이도록 특별히 설계된 봇 트래픽이다. 조잡한 클릭 봇이 아니라, 참여 지표를 시뮬레이션하고 퍼널 액션을 완료하며 행동상으로 사람과 유사하게 보이는 자동화다.

작동 방식: 정교한 소프트웨어(2026년에는 흔히 LLM 기반 에이전트)로 구동되는 봇 조직이 광고주 사이트에서 실제 참여를 발생시킨다. 스크롤하고, 페이지에 머무르고, 내비게이션을 클릭해 이동하며, 때로는 부분 전환까지 완료한다. 그 행동 시그니처는 사람과 충분히 비슷해서 단순한 행동 분석으로는 잡히지 않는다.

효과가 있는 방어 패턴: 행동상의 유사성과 그 기반 인프라의 차이 사이의 간극을 잡아내는 기기 단위 intelligence. 에이전트는 사람처럼 행동할 수 있지만, 기기·네트워크·환경 특성이 정체를 드러낸다. 일관성 검사(coherence checking)를 포함한 다층 탐지는 행동 분석만으로는 놓치는 것을 잡아낸다.

대부분의 광고주가 가진 아키텍처 공백

대부분의 광고주와 퍼블리셔는 다음 방어 계층 중 하나 이상을 사용한다:

사후 검증(post-bid)(MOAT, IAS, DV 등). 게재 이후의 노출을 분석한다. 환불 청구와 브랜드 안전 리포팅에는 좋다. 예방에는 효과가 없다—예산은 이미 소진된 뒤다.

정적 차단 목록(Static block lists). 알려진 부정 도메인, IP, 기기 특성의 목록. 표면 시그니처만 바꾸면 우회된다. 유지 부담은 크고 효과는 제한적이다.

광고 거래소 필터. 광고 거래소나 DSP에 내장된 사전 입찰(pre-bid) 필터. 품질 편차가 극심하다. 주요 DSP는 정교한 필터를 갖추고 있지만, 소규모는 그렇지 않다.

전환 추적 분석. 전환율과 품질을 살펴 사기를 탐지한다. 게으른 사기는 잡지만, 정상처럼 보이는 전환율을 만들도록 설계된 정교한 유형은 놓친다.

내부 트래픽 분석. 일부 광고주는 자사 트래픽에서 사기 패턴을 분석한다. 사후에 일부 사기를 잡는 데 유용하지만, 예방에는 한계가 있다.

공백: 입찰이 이루어지기 전에 해당 인벤토리가 정상인지 판단하는 실시간 사전 입찰(pre-bid) intelligence. 이것이 업계 전반에서 투자가 부족한 계층이다. 이를 구현할 아키텍처는 존재하지만 널리 배포되어 있지는 않다.

사전 입찰(pre-bid) device intelligence의 모습

아키텍처 패턴:

퍼블리셔 측: 페이지의 SDK가 페이지 로드 시점에 device fingerprint와 행동 신호를 수집한다. 이 기기 데이터는 광고 거래소로 보내는 입찰 요청 메타데이터에 포함된다.

광고 거래소: 입찰 요청은 표준 인벤토리 정보와 함께 device intelligence 페이로드를 실어 나른다.

DSP/광고주 측: device intelligence 서비스에 대한 사전 입찰(pre-bid) 검증 호출. 서비스는 10~50밀리초의 사전 입찰 지연 예산 안에서 판정—사람일 가능성 높음, 봇일 가능성 있음, 사기일 가능성 높음—을 반환한다.

의사결정 로직: DSP는 이 판정을 이용해 해당 노출에 입찰할지 결정한다. 사람일 가능성이 높은 인벤토리는 정상적으로 입찰한다. 봇일 가능성이 높은 인벤토리는 낮은 금액으로 입찰하거나 아예 건너뛴다. 사기일 가능성이 높은 것은 명시적으로 배제한다.

사후 입찰 로깅: 판정과 신호는 사후 이벤트 분석, 환불 청구, 지속적인 규칙 튜닝을 위해 노출과 함께 로깅된다.

이점: 사후 이벤트 환불이 아니라 예방. 광고주는 나중에 환불을 좇는 대신 애초에 부정 인벤토리에 비용을 지불하지 않는다.

지연 제약은 실재한다. 사전 입찰 예산은 보통 경매 시작부터 입찰 응답까지 왕복 총 100ms다. 그 안에서 다른 DSP 로직을 위한 시간을 남기려면 device intelligence 호출은 30~50ms 안에 완료되어야 한다. 이는 사전 입찰 맥락에서 어떤 탐지 아키텍처가 실용 가능한지를 제한하는 엄격한 엔지니어링 제약이다.

실제 배포의 모습

대략 월 1억 노출을 처리하는 프로그래매틱 광고 플랫폼. 업계 벤치마크에 근거한 배포 전 사기율 추정: 노출의 18~25%가 봇 또는 부정 인벤토리에 도달.

배포된 아키텍처:

• 퍼블리셔 인벤토리에 device intelligence SDK 적용(접근 가능한 경우)
• DSP에서 검증 서비스로의 사전 입찰(pre-bid) 검증 호출
• 세 가지 임계값(높은 신뢰도의 사람, 의심스러움, 사기 가능성 높음)을 통한 입찰 로직으로의 판정 통합
• 분석 및 환불 청구를 위한 사후 입찰 로깅

90일 시점의 결과:

• SDK가 적용된 인벤토리에서 봇 노출 78% 감소
• 정화된 인벤토리에서 클릭률 31% 증가(실제 사람이 광고를 실제로 봤기 때문)
• 정화된 인벤토리에서 전환율 22% 증가(클릭이 실제 사용자에게서 나왔기 때문)
• 상위 SSP에 대한 환불 청구 60% 감소(사전 입찰 예방이 환불이 필요해지기 전에 대부분의 사기를 잡았기 때문)
• 검증으로 추가된 평균 입찰 지연: 32ms(예산 이내)
• 예방된 사기에 대한 직접 절감: 이 규모에서 월 34만 달러

이 플랫폼의 ROI 계산: 검증 인프라 비용은 월 약 4,000달러. 직접 절감: 월 34만 달러. 비직접적 이점(개선된 캠페인 성과 지표, 향상된 광고주 유지, 환불 청구 관리에 드는 시간 절감)이 그 가치를 더욱 키운다.

이것이 당신의 팀에 의미하는 것

애드테크 영역에서 운영 중이라면 세 가지를 관찰할 수 있다:

관찰 1: 당신의 실제 사기율은 리포트에 나타나는 것보다 아마 더 높다. 사후 검증(post-bid)은 식별할 수 있는 것을 잡는다. 정교한 부정 트래픽은 사후 검증의 공백을 특정해 노린다. 정직한 사기율은 대개 보고된 사기율보다 높으며, 때로는 상당히 그렇다.

관찰 2: 사전 입찰(pre-bid)은 업계 전반에서 투자가 부족하다. 대부분의 플랫폼은 업계가 표준화했기 때문에 사후 검증을 갖추고 있다. 사전 입찰 검증이 바로 레버리지가 큰 공백이다. 이를 배포한 플랫폼은 경쟁사가 갖지 못한 우위를 지닌다.

관찰 3: 50ms 지연 제약은 결함이 아니라 기능이다. 지연 예산에 들어맞는 아키텍처는 효율적일 수밖에 없다. 들어맞지 않는 아키텍처는 광고 거래소에서 거부된다. 제약이 더 나은 엔지니어링을 만든다.

이 전환을 잘 다루는 플랫폼은 공통된 패턴을 보인다: 사기율을 정직하게 측정하고(사후 검증이 놓치는 유형까지 포함), 가능한 모든 인벤토리 지점에 사전 입찰 검증을 배포하며, 이 통합을 벤더 선정이 아니라 지속적인 엔지니어링으로 다룬다.

Tracio가 들어맞는 지점

Tracio device intelligence는 애드테크 맥락에서 사전 입찰(pre-bid) 배포를 위해 설계됐다. 이 아키텍처는 광고 거래소가 요구하는 50ms 지연 예산을 충족한다. 신호 커버리지는 다섯 가지 사기 유형—클릭 사기, 노출 사기, 전환 사기, 도메인 스푸핑, SIVT—을 통합 탐지 계층으로 처리한다.

통합 패턴:

• 인벤토리 검증을 위한 퍼블리셔 측 SDK
• 사전 입찰 판정을 위한 DSP 측 서버 호출
• 여러 광고주에 걸친 사기 작업을 잡기 위한 고객 간 신호 공유(cross-customer signal sharing)
• 사기 조직의 회피에 저항하기 위해 매일 순환하는 다형성(polymorphic) JavaScript 계층

판정—사람일 가능성 높음, 의심스러움, 사기 가능성 높음—은 기반 신호를 첨부한 채 50ms 이내에 반환된다. DSP 팀은 이를 이용해 입찰 로직을 구동한다. 퍼블리셔 팀은 이를 이용해 게재 전에 인벤토리를 걸러낸다.

무료 등급은 월 2,500회 검증을 제공한다—특정 캠페인이나 인벤토리 세그먼트에서 의미 있는 파일럿을 돌리고 실제 사기율을 측정하기에 충분하다.

당신의 실제 사기율이 어떤 모습인지 확인하고 싶은가?

무료 체험 시작하기 — 2,500회 검증 무료, 신용카드 불필요. 사전 입찰 통합 패턴과 DSP별 아키텍처를 포함해 당신의 구체적인 애드테크 배포 시나리오를 우리 팀과 함께 짚어보려면 데모 예약하기.