광고 유효인구는 광고 매체의 가시영역 내에 위치하면서, 광고 콘텐츠를 실제로 볼 가능성이 있는 오디언스의 수를 의미한다. 단순히 광고 근처를 지나간 사람(통행량)이나 광고를 볼 수 있는 위치에 있었던 사람(OTS)을 넘어, 실제로 광고를 인지했을 가능성이 높은 오디언스만을 추출한 지표이다. 이는 "얼마나 많은 사람이 지나갔는가"가 아닌 "얼마나 많은 사람이 실제로 광고를 보았는가"라는 광고주의 본질적인 질문에 답하기 위해 설계되었다.
국제적으로 광고 유효인구는 VAC(Visually Adjusted Contact)와 동일한 개념이며, WOO 가이드라인에서는 "eyes on an ad"로 정의한다. 또한 Impact, Visibility Adjusted Impact(VAI), Likelihood to See(LTS) 등의 용어로도 불린다. WOO 가이드라인에서 VAC는 "OTC(Opportunity to Contact)를 가진 오디언스 중 실제로 OOH 프레임을 볼 확률을 가시성 연구 기반의 확률 모델로 산출한 지표"로 정의된다. 애드타입은 이러한 국제 표준을 참조하되, 특허 기술(Appendix 5절)을 적용하여 한국 시장에서 더 정교한 측정을 실현한다.
OTS가 "광고를 볼 수 있는 위치에 있었는가"라는 물리적 조건을 측정한다면, 광고 유효인구는 "그 중 실제로 광고를 보았을 가능성이 있는가"라는 질문에 답한다.
| 구분 | 노출 기회 인구 (OTS) | 광고 유효인구 (LTS) |
| 정의 | 가시영역 내 위치한 인구 | 가시영역 내에서 실제 광고를 볼 가능성이 있는 인구 |
| 핵심 질문 | "광고를 볼 수 있는 위치에 있었는가?" | "실제로 광고를 보았을 가능성이 있는가?" |
| 산출 방식 | 통행량 × 가시영역 필터 | OTS × 가시성 계수 - 비유효 인구 + 주목 가중치 |
| 반영 요소 | 가시영역 | 가시성 계수, 비유효 필터링, 주목 가중치 |
| 국제 대응 | OTC (Opportunity to Contact) | VAC (Visually Adjusted Contact) |
광고 유효인구는 OTS보다 항상 작거나 같은 값이 된다. 가시성 계수 적용, 비유효 인구 필터링, 주목 가중치 적용을 통해 실제 노출 가능성이 낮은 인구가 제거되거나 감소되기 때문이다.
LTS 산출 방식은 이동 수단에 따라 다르게 적용된다. 보행자와 차량은 이동 특성이 근본적으로 다르기 때문에, 각각에 최적화된 가시성 조정 방법을 사용한다.
| 이동 수단 | LTS 산출 공식 | 핵심 변수 | 데이터 소스 |
| 보행자 | OTS × AI 아이트래커 주목률 계수 | 주목률 (주간/야간) | AI 아이트래커 분석 |
| 차량 | OTS × Dwell Time 계수 | 체류 시간 | 실시간 GPS 기반 통과 속도 |
보행자에 AI 주목률을 적용하는 근거
보행자는 이동 속도가 느리고(4~5km/h) 시선 이동이 자유롭기 때문에, Dwell Time보다는 실제 주목 행동이 더 중요한 변수이다. 보행자는 가시영역 내에 충분히 오래 머무르므로 "볼 시간이 있었는가"보다 "실제로 보았는가"가 핵심 질문이 된다.
차량에 Dwell Time 계수를 적용하는 근거
차량은 이동 속도가 빠르고 운전자의 시선이 도로에 집중되기 때문에, 가시영역 내 체류 시간(Dwell Time)이 핵심 변수이다. 속도에 따라 광고를 인지할 수 있는 시간 자체가 결정적으로 달라진다.
산출 공식
LTS(보행) = OTS(보행) × AI 아이트래커 주목률 계수
애드타입 보행자 OOH 주목률 측정 프로세스
애드타입의 보행자 주목률 측정은 다섯 단계의 프로세스를 거친다.
첫째, 현장 영상을 촬영한다. 보행자 눈높이에 카메라를 장착하고, 자연스러운 보행 속도로 가시영역 내를 이동하며 촬영한다. 조명 조건에 따른 주목률 차이를 반영하기 위해 주간과 야간을 별도로 촬영한다.
둘째, AI Saliency 분석을 수행한다. SUM(Saliency Unification through Mamba) 모델을 적용한다. SUM은 WACV 2025 Oral 논문으로 발표된 Mamba 기반 saliency 모델이다. 동영상의 경우 프레임 단위로 추출하여 각 프레임에 SUM 모델을 적용한다.
셋째, Saliency Heatmap을 생성한다. 각 프레임별로 사람의 자연스러운 시선 분포를 AI가 예측한 heatmap을 출력한다.
넷째, 광고 영역의 주목 점수를 추출한다. 생성된 heatmap에서 광고 매체가 위치한 영역의 평균 saliency 값을 추출하며, 이 값이 해당 매체의 주목률 계수가 된다.
다섯째, 주간/야간 주목률 계수를 확정한다. 주간 촬영 영상의 분석 결과로 주간 주목률 계수를, 야간 촬영 영상의 분석 결과로 야간 주목률 계수를 산출한다. 실제 리포팅 시에는 시간대에 따라 해당 계수가 자동으로 적용된다.
| 구분 | 기존 방식 (실험실/VR 피험자 연구) | 애드타입 방식 (AI 아이트래커) |
| 측정 환경 | 실험실 또는 VR 재현 | 실제 현장 |
| 분석 주체 | 제한된 수의 피험자 | AI 모델 객관적 분석 |
| 비용 | 높음 (피험자 모집, 장비) | 낮음 (영상 촬영 + AI 처리) |
| 확장성 | 소수 매체에 한정 | 전체 매체 적용 가능 |
| 시간대 구분 | 주간/야간 별도 실험 필요 (비용 2배) | 주간/야간 별도 촬영으로 쉽게 분리 |
| 재현성 | 피험자 개인차에 따른 편차 | 동일 모델, 일관된 결과 |
WOO 가이드라인에서는 가시성 연구에 실험실 기반과 실제 환경 기반 두 가지 접근법이 있음을 설명하며, 실제 환경에서는 기상, 조명, 일시적 장애물 등 다양한 변수를 통제하기 어렵다는 점을 언급하고 있다. 애드타입의 AI 아이트래커 방식은 실제 현장 영상을 대량으로 수집·분석하여 이러한 변수들을 통계적으로 반영한다.
주목률 계수 갱신 주기
| 조건 | 갱신 주기 |
| 정기 갱신 | 연 1회 |
| 수시 갱신 | 매체 주변 환경 변화 시 (건축물 신축/철거, 수목 성장 등) |
| DOOH 특수 | 매체 하드웨어 또는 운영 방식 변경 시 |
산출 공식
LTS(보행) = OTS(차량) × Dwell Time 계수
Dwell Time 정의
WOO 가이드라인에서 Dwell Time은 "오디언스가 OOH 프레임의 가시영역 내에 머무르는 시간(The time spent by an audience member in the visibility area of an OOH Frame)"으로 정의된다.
Dwell Time 산출 공식
MOVE(호주) 등 주요 측정 기관에서는 Dwell Time을 가시영역 통과 거리(visibility distance)와 이동 속도(approach speed)를 기반으로 산출한다. 애드타입은 이를 참조하여 다음 공식을 적용한다.
Dwell Time(초) = 가시영역 통과 거리(m) ÷ 이동 속도(m/s)
이동 속도는 실시간 GPS에 따른 가시권 추정 통과 속도(평균 속력)를 사용한다.
예시
Dwell Time-LTS 계수 기준
애드타입은 Route(영국), WOO, Geopath(미국)의 연구를 참조하여 다음과 같은 Dwell Time-LTS 계수를 수립하였다. (1.3.3절 참조)
| Dwell Time | LTS 계수 | 참조 근거 |
| 5초 이상 | 100% | Route(영국) eye-tracking 연구: 가시영역 내 체류 시간과 주목 확률의 상관관계 분석 |
| 2~5초 | 50~80% (선형 보간) | WOO Visibility Adjustment: partial visibility |
| 1~2초 | 0~50% (선형 보간) | 부분적 인지 가능 구간 |
| 1초 미만 | 0% | Geopath(미국) dwell 연구: 체류시간 부족으로 시선 고정 불가 |
Dwell Time은 가시영역 통과 거리와 이동 속도에 따라 결정되므로, 동일한 속도라도 가시영역이 넓은 매체는 더 높은 LTS 계수를 갖게 된다.
이동 속도 데이터 소스
| 대상 | 데이터 소스 | 활용 |
| 보행자 | KT 통신 시그널 유동인구 | OTS 산출용 (LTS는 AI 주목률 적용) |
| 차량 | 고속도로 실시간 통행 & 속도 (차량 GPS 기반 집계 데이터) | 도로 링크별 평균 속력 → Dwell Time 산출 |
실시간 GPS 속도 데이터를 통해 교통 정체 상황이 자동으로 반영된다. 이는 동일한 가시영역이라도 시간대에 따라 Dwell Time과 LTS가 달라지는 효과를 만든다.
시간대별 Dwell Time 및 LTS 변화 예시 (가시영역 50m 기준)
| 시간대 | 도로 상태 | 속도 | Dwell Time | LTS 계수 |
| 출근 시간 | 극심한 정체 | 10km/h | 18.0초 | 100% |
| 오전 | 원활 | 50km/h | 3.6초 | 66% |
| 점심 | 다소 정체 | 30km/h | 6.0초 | 100% |
| 오후 | 원활 | 45km/h | 4.0초 | 70% |
| 퇴근 시간 | 정체 | 15km/h | 12.0초 | 100% |
| 심야 | 원활 | 70km/h | 2.6초 | 56% |
광고 유효인구는 단순한 통행량이나 노출 기회 인구를 넘어, 실제 광고 효과가 발생할 수 있는 오디언스만을 정밀하게 추출한 지표이다. 건물 내부 체류자 제외, 차량 이동 방향 분석, Dwell Time 기반 고속 이동자 필터링, AI 아이트레킹 지표 기반의 주목률 보정 등 다층적인 정제 과정을 거침으로써, 광고주에게 보다 신뢰할 수 있는 노출 데이터를 제공한다.
특히 차량 오디언스의 경우 GPS 기반의 이동 방향 분석을 통해 광고를 향해 접근하는 차량만을 정밀하게 식별함으로써, 도로 구조와 교통 흐름을 반영한 정교한 측정이 가능하다. 이는 양방향 도로, 교차로, 고속도로 진출입로 등 복잡한 교통 환경에서 매체 가치를 정확하게 평가하는 데 기여한다.
광고 유효인구는 국제 표준인 VAC(LTS)와의 호환성을 유지하면서도, 한국 시장의 데이터 환경과 애드타입의 특허 기술을 결합하여 더 정밀한 측정을 실현한다. 이를 통해 광고주는 캠페인의 실제 도달 규모를 보다 정확하게 파악할 수 있으며, 매체사는 자사 매체의 실질적인 광고 가치를 객관적으로 입증할 수 있다. 광고 유효인구는 캠페인 기획 시 예상 노출 수 산정, 캠페인 종료 후 실제 노출 성과 측정, 매체 간 효율 비교 등 광고 거래의 핵심 통화로 활용된다.
