RTB와 입찰 — 0.1초에 일어나는 광고 경매의 모든 것

사용자가 웹페이지를 열면 0.1초 안에 광고 슬롯의 경매가 일어납니다. 수십·수백 광고주가 같은 임프레션을 두고 입찰하고, 가장 높은 입찰자의 광고가 사용자 화면에 도달합니다. 이게 RTB(Real-Time Bidding) — 디지털 광고의 80%+가 굴러가는 메커니즘. 마케터가 광고 운영을 깊게 이해하려면 한 번 들여다봐야 할 자리. 매체 기초 체력의 두 번째.

1. RTB의 한 줄 정의

RTB의 한 줄:

매 임프레션마다 실시간으로 경매를 굴려, 가장 높은 입찰자의 광고를 노출.

전통 광고와의 차이:

• 전통 — 매체 단위 슬롯 직접 구매 (TV·신문)
• RTB — 임프레션 단위 실시간 입찰

RTB의 표준 흐름은 광고 생태계 글에서 본 것과 같습니다. 이 글은 그 안의 입찰 메커니즘에 집중.

0.1초 안에 입찰 요청·다수 DSP 응답·낙찰·광고 표시의 흐름. 한 사용자의 한 임프레션을 두고 매번 새로운 경매가 일어난다.

📌 이 글에서 다루는 것

이 글은 RTB의 흐름·입찰가 결정·운영 자리에 집중. 경매 메커니즘의 변화(GSP→First-price)는 huny.log의 GSP·First-price 글에서 더 자세히. 이 글은 입문 토대.

2. 한 임프레션의 0.1초 흐름

사용자가 페이지를 열고 광고 슬롯이 나타나면:

Step 1 — Bid Request (10ms)

매체의 SSP가 입찰 요청 만듦. 안에 들어가는 정보:

• 매체 정보 (사이트·앱 ID·카테고리)
• 슬롯 정보 (위치·크기·형태)
• 사용자 정보 (쿠키 ID·디바이스 ID·지역·시간)
• 가격 floor (최저 입찰가)

Step 2 — DSP 입찰 응답 (50ms)

Ad Exchange가 bid request를 다수 DSP에 동시 송신. 각 DSP는:

• 사용자 정보로 활성 캠페인 매칭
• CTR·CVR 예측 모델로 노출 가치 계산
• 입찰가 결정
• 광고 소재(creative)와 함께 응답

각 DSP는 50ms 안에 응답. 늦으면 패스.

Step 3 — 낙찰 결정 (5ms)

Ad Exchange가 모든 응답 모아 가장 높은 입찰 선택. 낙찰가는 First-price면 그대로, GSP면 second price.

Step 4 — 광고 표시 (35ms)

낙찰된 DSP가 광고 소재 URL 반환 → 매체 페이지에 광고 로드 → 사용자가 봄.

총 100ms 안에 모든 흐름. 매일 수십억 번 일어남.

3. 입찰가가 결정되는 메커니즘

DSP가 한 임프레션에 얼마를 입찰할지 결정하는 흐름:

3-1. 노출 가치 계산

광고주의 목표(전환·CTR·인지)에 맞춰 노출 가치:

$$\text{Bid Value} = \text{Predicted CVR} \times \text{Conversion Value}$$

• CVR 예측 — 사용자 정보·광고 소재로 모델 예측
• Conversion Value — 광고주가 정한 한 전환의 가치 (예: 50,000원)

CVR 0.005·Conversion Value 50,000원이면 노출 가치는 250원. 이 값을 넘기지 않는 선에서 입찰.

3-2. 입찰 전략

같은 노출 가치에 다른 입찰 전략 가능:

• Truthful — 노출 가치 그대로 입찰 (GSP에 최적)
• Bid Shading — 노출 가치보다 낮게 입찰 (First-price에서 표준)
• Aggressive — 노출 가치보다 높게 입찰 (시장 점유율 우선)

GSP·First-price 글에서 메커니즘 변화 후 truthful이 더 이상 최적이 아닌 이유를 더 자세히.

3-3. 예산 페이싱

캠페인 예산을 시간에 따라 분배. 하루 100만원 예산을 24시간 균등 또는 시간대별 가중. 페이싱이 너무 빠르면 예산 소진, 너무 느리면 미달.

4. RTB의 인프라 부담

RTB는 매우 큰 인프라:

• 매일 수십억 임프레션
• 각 임프레션 0.1초 안에 처리
• DSP는 매 응답에 50ms 안에 모델 예측 + 입찰가 결정
• Ad Exchange는 동시 수만 connection 처리

대형 DSP(Trade Desk·Google DV360)는 분당 100만 입찰 처리 능력. 인프라 비용이 막대해 운영 효율 = 비즈니스 모델.

5. 마케터가 직접 만지는 자리

마케터의 광고 매니저(Meta·Google·TikTok) 화면이 사실상 DSP 인터페이스. 그 안에서 RTB의 어떤 자리를 만지나.

5-1. 입찰 전략 선택

광고 매니저의 "입찰 전략" 옵션:

• Cost cap — 평균 CPA 한도
• Bid cap — 한 임프레션 입찰 한도
• Target ROAS — ROAS 목표
• Lowest cost — 가장 낮은 비용 추구
• Highest value — 가장 큰 노출 가치 추구

이 옵션이 DSP의 입찰 알고리즘에 직접 들어감. 자리에 따라 다른 결과.

5-2. 타겟팅 설정

DSP가 매 bid request에서 사용자 매칭 시 사용:

• 1st party 데이터 (CDP에서 업로드한 이메일 해시)
• 3rd party 데이터 (DMP의 세그먼트, 쿠키 종말로 약화)
• Lookalike (자체 유사 사용자)
• 컨텍스트 (페이지 카테고리·키워드)

5-3. 광고 소재 (Creative)

매 bid에 함께 송신. CTR·CVR 예측에 영향. A/B 테스트로 더 좋은 소재 선별. Creative testing scaling 글 참조.

5-4. 페이싱·시간대

캠페인 시간 분배. "오전 9시-오후 6시 우선" 같은 설정이 RTB 페이싱에 들어감.

사용자 → SSP → Bid Request → 다수 DSP 입찰
                                 ↓
                          Ad Exchange 낙찰
                                 ↓
                       낙찰 DSP의 광고 표시

이게 본문에 박는 유일한 코드(텍스트 다이어그램)입니다. 0.1초의 흐름.

6. RTB의 변화 — 5가지

6-1. GSP → First-price (2017)

전통 GSP에서 First-price 경매로 메커니즘 변경. truthful bidding이 더 이상 최적이 아니게 됨. GSP·First-price 글 참조.

6-2. Header Bidding 표준화

매체가 여러 SSP에 동시 입찰을 굴려 가격 최대화. SSP 사이의 경쟁이 매체 측 수익 늘림.

6-3. 쿠키 종말과 데이터 변화

3rd party 쿠키 사라지면서 사용자 매칭 어려워짐. 1st party 데이터·CDP·Privacy Sandbox로 이동.

6-4. AI·ML 기반 입찰 자동화

DSP의 입찰 알고리즘이 ML 모델로 정교화. CTR·CVR 예측 + 입찰 최적화. 마케터의 직접 입찰 결정이 줄고 알고리즘에 위임.

6-5. 클린룸과 서버사이드

광고주·매체 데이터를 안전한 환경에서 결합. 사용자 식별 없이 매칭. 쿠키 이후의 표준.

7. 마케터의 운영 결정 가이드

7-1. 입찰 전략

• 신규 캠페인 — Lowest cost로 시작 (시장 학습)
• 안정 캠페인 — Target ROAS로 효율 우선
• 큰 이벤트 — Bid cap으로 비용 통제

7-2. 페이싱

• 균등 페이싱 — 안정적, 시간대 효과 못 잡음
• 가중 페이싱 — 시간대별 다른 가중치, 도메인 지식 필요

7-3. 자동화 vs 수동

• 자동화 — DSP 알고리즘에 위임 (대부분 자리)
• 수동 — 특수 캠페인·새 시장 진입 시

{/* TODO_HUNY: huny가 운영 중인 캠페인에서 RTB 입찰 전략 변경으로 큰 차이를 본 자리 한 가지 추가해주세요. 자동 입찰 vs 수동·전략 옵션 변경 등. */}

8. RTB가 깨질 때 — 흔한 함정 3가지

8-1. CTR·CVR 예측이 부정확

DSP의 ML 모델이 우리 캠페인에 안 맞으면 입찰가 부정확. 너무 높이거나 낮게. 캠페인 초반 학습 시간 필요(보통 1-2주).

8-2. 페이싱이 비효율

예산이 너무 빨리 소진되거나 남음. 시간대별 노출 패턴 모니터링하고 가중 페이싱 조정.

8-3. 매체별 인벤토리 차이

DSP가 접근 가능한 매체별 인벤토리 다름. 같은 입찰 전략이 매체별로 다른 결과. 매체별 보고서를 분리해 봐야.

⚠️ 자동 입찰의 블랙박스 함정

대부분 마케터가 DSP 자동 입찰 알고리즘에 의존. 알고리즘 안의 로직은 블랙박스. 결과가 안 좋을 때 디버깅 어려움. 정기 인크리멘털리티 측정(incrementality test 결정 트리)으로 진짜 효과 검증.

9. RTB의 직관에 익숙해지면

이 토대가 잡혀 있으면 다음 광고 글들이 자연스럽게 이어집니다.

• GSP·First-price — 경매 메커니즘 변화
• BayesOpt 광고 예산 — 채널 단위 입찰 최적화
• Privacy Sandbox — 쿠키 이후의 입찰
• 어트리뷰션의 역사 — 측정 흐름 (다음 글)

10. 마치며 — 0.1초의 결정

RTB는 디지털 광고의 토대. 마케터가 직접 입찰을 굴리지 않아도 그 메커니즘 이해가 운영 의사결정의 깊이를 만듭니다.

매 임프레션 0.1초 경매. DSP 입찰 알고리즘이 노출 가치 계산. 마케터는 매니저 화면에서 전략·타겟·페이싱 만짐.

다음 글에서는 광고의 또 다른 자리 — 어트리뷰션의 역사를 다룹니다. 쿠키부터 클린룸까지의 측정 흐름.

참고

• IAB OpenRTB Spec — RTB 표준 규격
• Yuan, Wang & Zhao (2013), Real-time bidding for online advertising — RTB 학술 종합
• Wang, Zhang & Yuan (2016), Display Advertising with Real-Time Bidding (RTB) and Behavioural Targeting — 입찰 알고리즘 표준
• Trade Desk 백서 — 운영 표준
• AdTech 101 by Clearcode — 입문 자료
• huny.log 내부 글: 광고 생태계 지도, GSP·First-price, BayesOpt 예산, Privacy Sandbox