[가짜 트래픽 공장] Click Farm과 Ad Fraud의 실태와 해결책

Click Farm Concept

가짜 트래픽 공장: Click Farm과 Ad Fraud의 실태 및 대응 전략

디지털 마케팅 예산이 급증함에 따라, 이를 노리는 '가짜 트래픽 공장'과 광고 사기(Ad Fraud)는 산업의 근간을 위협하는 수준으로 진화했습니다. 최신 연구에 따르면 전 세계 인터넷 트래픽의 절반 가까이가 봇(Bot)에 의해 생성되며 [1], 수백억 달러의 마케팅 예산이 허공으로 사라지고 있습니다 [2]. 본 리포트에서는 Ad Fraud와 클릭 농장(Click Farm)의 작동 원리부터 마케팅 성과에 미치는 영향, 2024~2025년 최신 트래픽 현황 데이터, 그리고 이를 방어하기 위한 심층적인 해결 방안을 분석합니다.

---

1. Ad Fraud Traffic과 Click Farm의 정의 및 작동 원리

Ad Fraud (광고 사기)

Ad Fraud란 재정적 이득을 취하거나 경쟁사를 방해할 목적으로 클릭, 노출, 설치 또는 전환율 등의 광고 지표를 고의로 조작하는 모든 행위를 의미합니다 [3]. 광고 사기는 크게 세 가지 퍼널(Funnel) 단계에서 발생합니다 [4].

• 노출 수준(Impression Level): 보이지 않는 1x1 픽셀 크기로 광고를 욱여넣는 픽셀 스터핑(Pixel Stuffing), 여러 광고를 겹쳐 쌓아 올리는 애드 스태킹(Ad Stacking), 가짜 도메인 스푸핑(Domain Spoofing), 오직 광고 수익만을 목적으로 만들어진 저품질 MFA(Made-for-Advertising) 사이트를 통한 노출 조작 등이 포함됩니다 [5-7].
• 클릭 수준(Click Level): 악성 스크립트를 통해 무작위로 클릭을 발생시키는 클릭 스팸(Click Spamming), 실제 유저가 앱을 설치하려는 찰나에 가짜 클릭을 주입해 어트리뷰션(기여)을 가로채는 클릭 인젝션(Click Injection) 등이 대표적입니다 [8-10].
• 이벤트 및 전환 수준(Event Level): 가짜 리드를 제출하거나, 쿠폰 및 추천인 코드를 남용해 수익을 가로채는 고도화된 사기 방식입니다 [11].

Click Farm (가짜 트래픽 공장)

Click Farm(클릭 농장)은 자동화된 봇이 아닌 '실제 사람'을 고용하여 대규모로 허위 클릭, 앱 설치, 소셜 미디어 참여(좋아요, 리뷰 등)를 수동으로 조작하는 물리적 조직입니다 [12-14].

• 작동 원리: 이들은 수십 대에서 수천 대의 실제 스마트폰과 태블릿 기기를 배열해두고 저임금 노동자를 통해 작업을 수행합니다 [14, 15].
• 탐지의 어려움: 실제 기기와 실제 브라우저를 사용하며, 인간의 마우스 움직임이나 체류 시간을 모방하기 때문에 일반적인 봇 탐지 솔루션을 우회합니다 [16, 17]. 특히 CAPTCHA 보안 문자를 쉽게 통과하며 [18], VPN이나 주거용 프록시(Residential Proxies) 네트워크를 이용해 트래픽의 IP를 미국이나 유럽 등 타겟 국가로 위장하므로 적발이 매우 까다롭습니다 [15, 17, 19].

---

2. 마케팅 성과(전환율, 예산 등)에 미치는 영향

허위 트래픽은 마케터의 데이터 분석을 오염시키고 막대한 재무적 손실을 초래합니다.

• 마케팅 예산의 낭비: 클릭 팜이나 봇 트래픽은 절대로 실제 고객의 구매로 이어지지 않습니다 [20, 21]. 이로 인해 기업은 2023년 기준 전 세계적으로 약 840억 달러(온라인 광고 예산의 약 22%)의 비용을 허위 트래픽에 낭비한 것으로 추정됩니다 [2, 22].
• 지표 왜곡과 잘못된 의사결정 (ROI 및 CAC 훼손): 봇과 클릭 팜은 CTR(클릭률)을 크게 부풀립니다. 예를 들어 특정 채널에서 수만 건의 클릭이 발생해도 전환율이 0%인 상황이 연출됩니다 [23, 24]. 반대로, 봇이 웹사이트에 머물면서 활동을 모방하면 이탈률(Bounce Rate)이 낮아지고 체류 시간이 길어져 마케터가 해당 트래픽을 '진성 유저'로 착각하게 만듭니다 [25]. 이는 결국 고객 확보 비용(CAC)을 왜곡시켜 예산 최적화 전략을 완전히 망가뜨립니다 [20, 26].
• 조작된 Viewability(가시성) 지표: 과거에는 사용자가 광고를 실제로 보았는지를 측정하는 'Viewability'가 신뢰할 수 있는 지표로 여겨졌으나, 최근의 봇들은 100% 가시성 기준을 달성하도록 설계되어 화면을 스크롤하거나 마우스를 움직여 이 지표를 무력화하고 있습니다 [27, 28].
• 브랜드 신뢰도 하락 및 리타기팅 예산 소진: 가짜 유저가 리타기팅 풀(Pool)에 섞이게 되면, 구매할 의사가 전혀 없는 봇이나 클릭 팜 노동자에게 리타기팅 광고 예산을 반복적으로 쏟아붓게 됩니다 [29, 30]. 또한 MFA 사이트와 같은 스팸성 환경에 브랜드 광고가 노출되면 브랜드 안전성(Brand Safety)과 신뢰도가 크게 훼손됩니다 [29, 31].

---

3. 최신 데이터 및 연구 자료 분석 (2024~2025년 기준)

최근 연구 자료들은 봇 트래픽의 급증과 광고 사기의 산업화 현상을 뚜렷하게 보여줍니다.

• 천문학적인 피해 규모: Improvado의 2026 가이드에 따르면 글로벌 디지털 광고 사기 피해액은 2023년 840억 달러에서 2026년 1,000억 달러(약 130조 원)를 돌파할 것으로 전망됩니다 [32]. 2024년 글로벌 IVT(무효 트래픽) 비율은 전체 광고 지출의 약 20.64% ~ 22%에 달합니다 [33].
• 봇 트래픽의 인터넷 장악: 2023~2024년 기준 인터넷 트래픽의 무려 49.6%가 봇(자동화 프로그램)에 의해 발생하여 인간 트래픽의 비중이 역전될 위기에 놓였습니다 [1]. 이 중 악성 봇(Bad bots)은 글로벌 트래픽의 약 32%를 차지합니다 [1].
• 플랫폼별 사기율의 차이 (2024년 FraudScore 리포트): 2024년 전 세계 모바일 트래픽의 41.09%가 사기성 트래픽으로 판명되었습니다 [34]. 웹(Web) 트래픽의 사기율은 21.03%로 모바일보다 다소 낮았습니다 [35]. 모바일 OS별로는 Android 트래픽의 42.7%, iOS 트래픽의 34.7%가 허위 트래픽이었습니다 [34]. 사기 발생이 가장 높은 지역은 중국, 유럽(EU), 러시아 및 독립국가연합(CIS) 순으로 나타났습니다 [34].
• MFA 사이트의 득세: 현재 온라인 노출의 약 20%(5회 중 1회)가 '광고 수익만을 위해 만들어진' MFA 사이트에서 발생하며, 프로그래매틱 광고 예산의 15%가 이러한 사이트로 흘러 들어가고 있습니다 [36].

---

4. 탐지 및 해결 방안

날로 고도화되는 봇과 인간이 개입된 클릭 팜을 방어하기 위해서는 다각적이고 데이터 중심적인 기술 접근이 필요합니다.

1) 실시간 데이터 검증 및 유입 전단(Ingestion) 차단

사후에 분석하여 환불을 요구하는 전통적 방식은 늦습니다. 트래픽이 분석 대시보드나 어트리뷰션 모델에 입력되기 전에, IP와 기기 핑거프린트, 클릭-전환 간의 비정상적인 시간차(예: 5초 미만 전환) 등을 식별하여 룰 기반으로 실시간 차단하는 데이터 거버넌스 시스템(Data Governance) 구축이 필수적입니다 [37, 38].

2) 다중 신호 분석과 IP 인텔리전스

클릭 팜과 같은 인적 사기는 일반 봇 탐지를 회피하므로 여러 신호를 교차 검증해야 합니다.

• IP 주소 패턴 및 프록시 분석: 데이터센터 IP나 호스팅 서비스 IP를 필터링하고, 주거용 프록시(Residential Proxies)의 비정상적인 트래픽 밀집도를 IP 인텔리전스 도구로 실시간 평가해 차단해야 합니다 [39-41].
• 타이밍 및 참여 품질 모니터링: 특정 시간대에 비정상적으로 집중되거나 일정한 주기로 발생하는 클릭 패턴, 이탈률이 100%에 달하거나 체류 시간이 '0'인 트래픽 소스는 즉각적인 조사가 필요합니다 [42, 43].

3) 얕은 지표(CTR, Viewability)에서 깊은 지표(실제 전환/ROAS)로의 이동

봇이 가시성(Viewability)이나 CTR을 쉽게 위조할 수 있으므로, 이러한 겉치레 지표에 대한 의존도를 낮춰야 합니다 [27, 44]. 대신, 실제 사람만이 수행할 수 있는 '최종 구매', '유효 리드 생성' 등 딥 퍼널(Deep-funnel)에서의 실질적인 비즈니스 성과와 ROAS를 측정 기준으로 삼아야 합니다 [45, 46]. 전환 기여도를 분석할 때 0%에 수렴하는 D1(1일 차) 잔존율을 보여주는 소스는 즉시 필터링해야 합니다 [47].

4) 공급망 투명성 표준 도입과 직접 타기팅

• 표준 프로토콜 활용: IAB Tech Lab이 주도하는 ads.txt, app-ads.txt, sellers.json, 그리고 SupplyChain object 등의 업계 투명성 도구를 의무적으로 도입하여 가짜 도메인이나 승인되지 않은 중개인의 인벤토리를 구매하는 것을 원천 차단해야 합니다 [48-50].
• 직접 타기팅(IP-based Targeting): El Toro 사례처럼 무작위 쿠키 기반 타기팅을 지양하고, 실제 검증된 가구의 물리적 주소와 매핑된 IP에만 광고를 송출하여 애초에 봇넷이나 클릭 팜이 접근할 수 없는 폐쇄적이고 투명한 구조로 광고를 집행하는 방법도 대안으로 떠오르고 있습니다 [51, 52].

📚 참고자료

• NotebookLM Deep Research 결과
• (추후 사용자가 리뷰하며 논문, 자료 링크 등 추가 예정)