데이터 클린룸(Data Clean Room) 기반 비식별 기여도 분석

데이터 클린룸(Data Clean Room)은 둘 이상의 당사자(예: 광고주와 매체사)가 각자 보유한 사용자 데이터를 원본(raw) 상태로 서로에게 노출하지 않으면서, 정해진 보안 환경 안에서만 결합·쿼리해 집계된 분석 결과만 반출할 수 있게 설계된 데이터 협업 인프라다.

구글 Ads Data Hub(ADH)는 광고 노출·전환 이벤트 단위 데이터를 SQL로 쿼리하는 클린룸 제품이고, Google Ads Data Manager는 광고주의 외부 퍼스트파티 데이터를 구글 계정(고객일치, 오프라인 전환 가져오기 등)에 연동·업로드하는 별도의 데이터 임포트 도구다 — 이름이 비슷하지만 2026년 현재 서로 다른 제품이며 ADH가 'Data Manager'로 개명된 것이 아니다.

Ads Data Hub(ADH)는 Google Cloud(BigQuery) 기반으로 동작하며, 광고주·대행사·측정 파트너가 구글 Ads·DV360·CM360·유튜브의 이벤트 단위 광고 데이터를 자사 퍼스트파티 데이터(CRM, 오프라인 전환 등)와 결합해 분석할 수 있게 하되, 사용자 단위 원본 데이터는 절대 구글 보호 환경 밖으로 노출하지 않는다.

ADH는 노이즈 주입(noise injection) 방식일 경우 결과 행(row)당 약 20명, 차이 검사(difference checks) 방식일 경우 약 50명, 클릭·전환 데이터만 쓰는 쿼리는 약 10명의 순 사용자 수를 최소 기준으로 요구하며, 이 기준 미만인 결과는 출력되지 않는다.

ADH 정책상 사용자는 최소 집계 요건을 우회하기 위해 결과를 여러 개의 작은 쿼리로 쪼개 재조합(disaggregate)하는 시도를 해서는 안 되며, 사용자 ID가 0이거나 null인 이벤트는 애초에 집계 임계값 계산에 포함되지 않는다.

업계 매체(AdExchanger, Ad Age)는 구글이 Ads Data Hub의 기능을 (1)광고주가 퍼스트파티 데이터로 오디언스를 타겟팅하는 용도와 (2)제3자 측정 파트너가 캠페인 성과를 분석하는 용도, 두 갈래로 나누는 방향으로 재편하고 있다고 보도했다.

아마존 마케팅 클라우드(Amazon Marketing Cloud, AMC)는 광고 노출·조회·구매 등 이벤트 단위 데이터를 가명화(pseudonymized)된 형태로 SQL 쿼리할 수 있는 클린룸으로, 자격을 갖춘 광고주에게 별도 비용 없이 제공되며 스폰서 광고만 집행하는 광고주도 아마존 광고 파트너를 통해 DSP 집행 없이 접근할 수 있다.

2025년 AMC에 자연어 프롬프트로 SQL 없이 오디언스를 생성하는 AI 오디언스 생성기(AI Audience Generator)가 도입됐고, 2026년 3월에는 쿼리 에디터 안에 우클릭 메뉴로 AI 제어 기능을 내장한 Enhanced Ads Agent가 추가됐다.

메타 고급 분석(Advanced Analytics)은 광고주 데이터(Pixel, Conversions API, 오프라인 이벤트 세트, Advanced Measurement API·AA Uploader로 업로드된 데이터)를 메타 플랫폼 데이터와 결합해 사전 승인된 SQL 쿼리 템플릿으로 분석하는 클린룸으로, 메타라는 단일 매체 안에서만 작동하는 '매체 소유형(platform-owned)' 클린룸으로 분류된다.

구글 클라우드는 광고 전용 ADH와 별개로, BigQuery 위에서 동작하는 범용 데이터 클린룸(BigQuery data clean rooms) 기능을 제공한다 — 광고 데이터에 국한되지 않고 어떤 산업의 두 조직이든 원본 데이터를 이동시키지 않고 안전한 뷰(view)·분석 규칙으로 데이터를 공유·분석할 수 있게 설계됐다.

스노우플레이크(Snowflake)는 자사의 데이터 셰어링·시큐어 뷰 기술을 기반으로 한 데이터 클린룸 기능을 제공해, 서로 다른 두 조직의 Snowflake 계정이 원본 데이터를 상대에게 넘기지 않고도 정해진 규칙 안에서 결합 분석을 할 수 있게 한다 — 특정 매체(구글·메타 등)에 종속되지 않는 독립형(vendor-neutral) 클린룸으로 분류된다.

하부(Habu)는 특정 매체에 종속되지 않고 여러 클라우드·클린룸 인프라(Snowflake, BigQuery, AWS Clean Rooms 등)를 연결·오케스트레이션하는 독립형 데이터 협업 소프트웨어로 업계에 소개되며, 빅테크 매체 클린룸과 달리 이종 산업(예: 유통사-제조사) 간 데이터 제휴 분석에 쓰이는 사례로 언급된다.

차분 프라이버시(Differential Privacy)는 쿼리 결과에 통계적 노이즈를 더해 특정 개인이 데이터셋에 포함됐는지 여부를 결과만으로 역추적할 수 없게 하는 기법이고, 최소 모수 임계값(threshold) 정책은 결과에 포함되는 사용자 수가 일정 수 미만이면 아예 결과 자체를 출력하지 않는 방식이다 — 두 기법은 함께 쓰이는 경우가 많으며, ADH의 노이즈 주입·차이 검사 임계값이 이 두 방식을 결합한 실제 사례다.

클린룸에서 이메일·전화번호 같은 식별자를 가명 ID로 매칭하려면 양측이 동일한 정규화 규칙(소문자 변환, 공백 제거 등)을 적용한 뒤 동일한 해시 알고리즘(흔히 SHA-256)과 동일한 인코딩 방식으로 해싱해야 하며, 이 정규화·해싱·인코딩 방식이 조금이라도 어긋나면 매칭률이 급격히 낮아지는 문제가 클린룸 도입 실무에서 반복적으로 보고되는 대표적 실패 원인으로 꼽힌다.