앱 만들기는 쉬워졌다, 이제 돈 버는 방법

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

앱 만들기가 쉬워진 지금, 돈 버는 방법은 사용자 경험을 지키면서 광고와 결제를 조합하고 실험으로 수익성을 검증하는 것이다.

📌 핵심 요점

1. 하이브리드 수익화가 출발점이다. 결제 의향이 있는 사용자에게는 구매 경험을 보호하고, 비결제 사용자에게는 광고를 통해 수익에 기여할 선택지를 제공한다.
2. 같은 사람에게 광고를 반복하기보다 광고를 적게 접한 사용자까지 도달 범위를 넓힌다. 보상형 광고, 새로운 지면, 네이티브 포맷을 활용해 노출이 소수에게 집중되는 구조를 개선한다.
3. 광고 빈도와 위치는 A/B 테스트로 결정한다. 광고 제거·횟수 조정 등의 시나리오를 비교하고 리텐션, 수익, LTV, ROAS를 함께 살핀다.
4. AI 앱은 광고 수익과 API 비용의 관계를 먼저 확인해야 한다. 사용자별 수익과 사용 비용을 추적하고, 결제 가능성과 광고 반응에 따라 경험을 조정한다.
5. 글로벌 광고 송출은 SDK로 시작할 수 있지만, 국가별 수익화 전략과 제품 경험은 계속 다듬어야 한다. AI 에이전트는 실험과 구현을 돕는 수단으로 논의되며, 차별화된 경험과 실행 속도가 개발자의 과제로 남는다.

🧩 배경과 문제 정의

영상은 바르셀로나에서 열린 Google Global App Summit 2026 현장에서 앱 광고 수익화 담당자들과 나눈 인터뷰다. 바이브 코딩과 1인 개발이 확산되는 상황에서, 앱을 만든 다음 어떻게 글로벌 수익화를 운영할 것인지 묻는다.

핵심 문제는 사용자마다 결제 의향과 광고 수용도가 다르고, 광고를 늘리면 수익과 이용 경험이 함께 변한다는 점이다. AI 기능이 들어간 앱은 API 비용도 감당해야 하므로 광고·결제의 조합, 사용자 유지, 비용을 함께 검증하는 접근이 논의된다.

🕒 시간순 섹션별 상세정리

1. 글로벌 앱 행사에서 묻는 수익화 과제

• 진행자는 바르셀로나의 구글 앱 행사에서 글로벌 수익화를 원하는 1인 개발자와 앱 제작자를 위한 인터뷰를 시작한다. [00:30]
• 김은영과 오세준은 구글에서 광고 수익화와 모바일 앱 비즈니스를 담당한다고 보여준다. [01:12]

2. 결제 의향의 차이를 반영하는 하이브리드 수익화

• 광고와 구독 등 여러 수익화 방법의 균형에 대한 답으로 하이브리드 수익화를 제시한다. 사용자마다 앱에 느끼는 애착과 지불 의향이 다르므로 선택지를 제공해야 한다는 설명이다. [02:06]
• 인터뷰에서는 인앱 결제 이용자가 5% 미만이라고 설명하며 비결제 사용자의 광고 수익화를 강조한다. 다만 출처와 집계 기준은 제시하지 않는다. [02:48]
• 광고를 무리하게 넣어 핵심 결제 사용자의 구매 경험을 해치지 않도록 균형을 잡아야 한다. [03:03]

3. 구매 여부에 따른 광고 경험과 신규 포맷 사례

• 개발자가 정한 시점에 보여주는 광고와 사용자가 선택하는 보상형 광고를 구분한다. 구매 사용자에게 보상형 광고만 제한적으로 제공하는 전략을 예로 든다. [03:41]
• 비구매 사용자에게는 다양한 포맷을 활용할 수 있으며, 네이티브 광고는 개발자가 광고 구성 요소의 배치를 조정할 수 있다고 보여준다. [04:12]
• 베트남 개발사가 새로운 광고 포맷을 도입해 수익 지표를 21% 개선했다는 사례를 보여준다. 구체적인 실험 조건과 원자료는 제공되지 않는다. [04:22]

4. 반복 노출보다 도달 범위 확대가 중요한 이유

• 같은 사용자에게 광고를 계속 보여준다고 수익이 비례해 늘지는 않으며, 노출이 누적되면 광고 단가가 떨어진다고 보여준다. [04:46]
• 새 지면이나 포맷을 통해 광고를 보지 않았거나 적게 본 사용자에게 도달하는 방법을 고민하라고 권한다. [05:04]
• 시식 행사 비유를 통해 광고주는 소수에게 집중된 노출보다 더 많은 잠재 고객에게 도달하기를 원한다고 보여준다. 광고 단가 하락을 볼 때 노출 집중도도 살펴야 한다는 취지다. [06:20]

5. 기존 사용자 중심 앱의 광고 지면 갱신

• 앱 하나를 운영하고 사용자 구성이 크게 바뀌지 않는 경우, 광고 지면을 3~6개월 단위로 조금씩 업데이트하는 방법을 제안한다. [06:44]
• 광고 위치나 노출 흐름을 바꿔 사용자가 광고에 익숙해져 지나치는 현상을 줄이는 전략이며, 게임과 비게임 앱 모두에 해당하는 방법으로 보여준다. [07:12]

6. 이탈 구간을 출발점으로 만드는 실험

• 특정 게임 스테이지 전환에서 사용자 이탈이 발생하고 그 위치에 전면 광고가 있다면, 광고가 원인인지 가설을 세울 수 있다고 보여준다. [07:49]
• 사용자를 여러 그룹으로 나눠 광고 제거, 하루 노출 횟수 변경, 이틀에 한 번 노출 같은 시나리오를 비교하는 예를 든다. [08:17]

7. 수익과 리텐션을 함께 보고 반복하기

• 예시로 2~3주 동안 실험한 뒤 리텐션, 수익화 지표, 유료 마케팅 성과를 함께 보고 ROAS와 LTV를 비교한다. [08:36]
• 가장 성과가 좋은 설정을 기본값으로 채택한 다음, 새로운 의문을 다시 가설과 실험으로 연결하는 과정을 반복한다. [09:10]

8. AI 에이전트가 낮출 수 있는 실험 장벽

• 진행자와 출연자는 에이전트가 A/B 테스트 설계와 운영을 도와 같은 기간에 더 많은 실험을 가능하게 할 것이라는 기대를 나눈다. [09:41]
• 비개발자 출신 유럽 개발사 대표가 바이브 코딩과 AI 에이전트로 직접 시도할 수 있게 돼 즐거워했다는 일화를 보여준다. [10:25]

9. AI 앱의 광고 수익과 API 비용 연결하기

• AI API를 사용하는 앱은 토큰 비용이 발생하므로 광고 수익이 이를 감당할 수 있는지 확인해야 한다는 질문이 제기된다. [11:01]
• 사용자 한 명이 하루에 얼마나 수익을 만드는지 추적하고, 구매 가능성이 높은 사용자와 비구매 가능성이 높은 사용자의 경험을 달리 구성하는 접근을 보여준다. [11:49]
• 광고를 어느 정도까지 보여줄지 실험으로 확인한 뒤, API 지출보다 수익이 높은 접점을 찾아야 한다고 강조한다. [12:06]

10. 수익성 계산의 출발점과 SDK 구성

• 광고 단가와 일치율, API 비용을 비교하는 가상 계산을 제시한다. 전사상 단위가 불명확하지만, 현재 버는 금액과 AI 토큰 비용을 파악한 뒤 최적화한다는 원칙은 분명하다. [12:43]
• 광고 수익화용 SDK와 Firebase Analytics SDK를 기본 구성으로 보여준다. [13:04]
• Firebase Remote Config는 앱 업데이트 없이 사용자별로 다른 콘텐츠나 설정을 적용하는 기능으로 소개되며, 인터뷰는 AdMob과 Firebase 연동을 간단한 출발점으로 제시한다. [13:58]

11. 광고 타이밍과 몰입을 지키는 포맷

• 광고 자체에 대한 거부감만 가정하기보다 노출 타이밍을 봐야 한다고 강조한다. 몰입 중 갑작스럽게 전면 광고를 보여주는 상황을 좋지 않은 예로 든다. [14:43]
• 픽처 인 픽처는 작은 영상 화면처럼 광고를 보여주면서 콘텐츠 소비 방해를 줄이는 포맷으로 보여준다. [15:42]
• 스퀴즈백은 화면을 축소하고 주변 공간에 광고를 배치하는 방식으로 보여준다. 진행자는 데모의 이용 경험을 긍정적으로 평가하지만 실제 앱별 성과는 제시되지 않는다. [16:38]

12. 글로벌 광고 송출과 개발자가 집중할 일

• 출연자는 해외 사무실 없이도 SDK를 통해 전 세계 사용자에게 광고를 송출할 수 있다고 보여준다. [17:15]
• 개발자는 여러 국가 사용자가 앱을 좋아하고 다시 방문하도록 만드는 데 시간을 쓰고, 리포팅과 대시보드를 보며 경험을 개선하라고 권한다. [17:51]
• 구현 관점에서는 Google GMA SDK 하나로 국가가 다른 사용자에게 광고를 제공할 수 있다는 설명을 덧붙인다. [18:18]

13. 글로벌 시장에서는 국가별로 광고 정책 검증하기

• 출연자는 경험상 한국 퍼블리셔가 수익화에 보수적인 경우가 많았다며, 광고 빈도를 높이는 가설도 실험해 볼 필요가 있다고 드러낸다. [19:14]
• 한국 사용자의 반응을 모든 시장에 적용하지 말고, 광고 빈도를 어디까지 높일 수 있는지 국가별로 임계점을 확인하라고 제안한다. [19:58]
• 해외에서는 한국과 결제 성향이 다를 수 있으므로 광고 수익화를 더 적극적으로 검토하되 사용자 경험과 균형을 맞추라고 강조한다. [21:03]

14. 광고 횟수와 개인화 설정의 구현 방식

• 개발자가 정한 조건과 화면에서 노출되는 광고는 코드로 제어하고, 보상형 광고의 사용자당 빈도 제한은 AdMob 콘솔에서 설정할 수 있다고 보여준다. [21:39]
• 사용자별 광고 경험을 세밀하게 맞추려면 추가 코딩이 필요하며, 대화에서는 AI가 이런 구현을 도울 수 있다는 가능성을 언급한다. [22:06]

15. 비결제 사용자 수익화와 시장별 규모의 차이

• 광고도 결제도 없는 사용자는 직접 수익에 기여하지 않으면서 서버 비용을 발생시킬 수 있다는 점을 짚어 본다. [22:27]
• 인도와 인도네시아처럼 이용자 규모가 큰 시장을 예로 들며, 광고 단가와 결제 비중이 달라 국가별로 다른 수익화 전략이 필요하다고 보여준다. [23:08]
• SDK의 기본 최적화는 제공되지만 고급 최적화에는 개발자의 시간과 작업이 더 필요하다고 구분한다. [23:30]

16. 에이전트와 스킬을 활용한 최적화 전망

• 진행자는 에이전트에 스킬을 연결해 데이터 분석과 광고 최적화를 맡길 가능성을 묻고, 출연자는 가능해질 것으로 본다고 답한다. 구체적인 제품 범위나 실증 결과는 제시되지 않는다. [24:09]
• 코딩과 운영 작업을 에이전트에 위임하면 운영 비용을 줄이고 같은 시간에 더 많은 테스트를 할 수 있을 것이라고 전망한다. [24:27]

17. 마지막 조언은 제품 경험과 빠른 실행

• 앱 개발이 쉬워지고 경쟁 서비스가 늘어난 만큼, 개발자는 사용자에게 어떤 고유한 경험을 제공할지 날카롭게 고민해야 한다고 강조한다. [25:27]
• 실패에 대한 걱정만 이어가기보다 작은 트래픽에서 테스트하고 결과에 따라 단계적으로 업데이트하라고 권한다. AI로 개발 속도가 빨라진 상황에서 실행 속도도 경쟁 요소가 됐다는 설명이다. [26:47]
• 진행자는 글로벌 광고 수익화를 더 적극적으로 실험해 보라는 메시지를 정리하고, 사이드 프로젝트에 Firebase와 AdMob을 적용해 다양한 시도를 해보라고 권하며 인터뷰를 마친다. [27:43]

🧾 결론

• 광고·결제·구독의 조합은 사용자마다 다른 지불 의향과 이용 방식에 맞춰 설계해야 한다.
• 광고 수익화의 기준은 노출 횟수 자체보다 사용자 유지와 비용을 함께 고려한 수익성이다.
• SDK 연동은 시작 단계다. 가설을 세우고 작은 트래픽에서 검증한 뒤 성과가 좋은 설정을 다음 실험의 기준으로 삼는 운영이 필요하다.
• 개발이 쉬워질수록 사용자가 다시 찾을 이유를 만드는 제품 기획과 빠른 개선이 중요해진다는 것이 인터뷰의 마지막 메시지다.

📈 투자·시사 포인트

• 앱 사업을 평가할 때 사용자 규모와 함께 비결제 사용자의 광고 수익 기여, 결제 전환, 리텐션을 살펴볼 필요가 있다.
• AI 앱은 매출 증가와 API 지출이 함께 움직일 수 있다. 사용자당 수익과 비용을 연결해 보아야 사업의 지속 가능성을 판단할 수 있다.
• 글로벌 확장은 국가별 결제 성향, 광고 단가, 이용자 규모에 따라 수익 구조가 달라진다. 국내에서 적용한 광고 정책을 그대로 확대하기보다 시장별 검증이 필요하다.
• AI를 통한 구현·실험 비용 절감은 기회지만, 인터뷰는 서비스 경쟁과 사용자 기대도 높아졌다고 강조한다. 자동화 도입만으로 제품 경쟁력이 확보된다고 해석하기는 어렵다.

⚠️ 불확실하거나 확인이 필요한 부분

• 인앱 결제 이용자가 5% 미만이라는 설명에는 조사 출처, 기간, 대상 앱과 모집단이 제시되지 않는다. 전사에는 비결제 비중이 99%와 95%로 혼재하므로 보편적 통계로 인용하기 전에 확인해야 한다.
• 베트남 개발사의 21% 개선 사례는 지표명과 회사명이 전사에서 불명확하다. 실험 조건, 비교 기간, 리텐션 변화가 없어 다른 앱의 예상 매출 증가율로 적용할 수 없다.
• AI API 비용과 광고 수익을 비교하는 숫자 예시는 통화·단위와 광고 지표가 불명확하게 전사돼 있다. 제시된 숫자로 수익성을 재계산하기보다 실제 앱에서 같은 기준의 수익과 비용을 측정해야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 현재 앱의 결제·비결제 사용자 비중과 사용자당 광고 수익, 리텐션을 먼저 정리한다.
• AI 기능이 있다면 사용자별 API 사용 비용을 수익 데이터와 연결해 비용 대비 수익을 확인한다.
• 구매 사용자에게 제공할 광고 경험과 비구매 사용자에게 제공할 경험을 나누고, 보상형 광고를 선택지로 검토한다.
• 광고 제거·빈도·노출 시점을 바꾸는 실험을 작은 트래픽에서 진행하고, 인터뷰에서 예시로 든 2~3주 동안의 수익과 유지 지표를 함께 비교한다.

❓ 열린 질문

• 우리 앱에서는 광고 빈도를 어디까지 높였을 때 추가 수익보다 사용자 이탈의 손실이 커지는가?
• 구매 가능성이 높은 사용자와 광고 중심 사용자를 어떤 관측 데이터로 구분할 수 있는가?
• 국가별 광고 수익과 AI 사용 비용을 함께 비교했을 때 지속 가능한 서비스 제공 범위는 어디까지인가?