왜 업종별 비율표가 없나

같은 의류 업종이라도 브랜드 인지도가 있는 곳과 없는 곳, 리타게팅 모수가 큰 곳과 작은 곳은 각 매체에서 얻을 수 있는 결과가 완전히 다릅니다. 검색 수요가 이미 있는 브랜드는 검색 채널의 효율이 높게 나오고, 인지도가 없는 신생 브랜드는 같은 채널에서 아무것도 얻지 못합니다.

그래서 국내 기관이나 매체사가 업종별 배분 비율을 표준으로 공표한 사례를 확인하지 못했습니다. 매체가 공개하는 것은 규격, 입찰 방식, 전환 기여 기간, 최소 전환 요건 같은 운영 파라미터입니다. 예를 들어 구글은 PMax의 머신러닝 최적화를 위해 최소 주당 10~15건의 전환을 권장하는데, 이런 값이 실제로는 배분을 정하는 데 더 유용합니다.

인용해도 되는 참고치는 어디까지인가

성과 효율이 좋은 광고주들의 배치별 예산 배분이 피드 6070%, 릴스 2030%, 스토리 10~20%라는 업계 분석이 있습니다. 다만 이것은 메타 안에서의 배치 배분이지 채널 간 배분이 아니고, 특정 분석 업체의 집계치이며 국내 공식 표준이 아닙니다.

해외 집계 쪽으로 넓히면 성격이 다른 세 종류가 있고, 섞어 쓰면 안 됩니다. 첫째는 한 채널의 예산 비중입니다. 미국 The CMO Survey 2026(마케팅 리더 308명, 2026년 1월 실사)은 마케팅 예산 중 소셜미디어 비중을 평균 14.25%(중앙값 10, 응답 163명)로 집계했고, 업태별로 갈라 보면 B2C 제품 19.31%(39명), B2C 서비스 16.24%(18명), B2B 제품 9.50%(62명)입니다. 온라인 매출 비중이 5099%인 기업만 보면 19.05%인데 응답이 14명뿐입니다. 둘째는 예산 대분류입니다. 가트너 2026 CMO Spend Survey(CMO 401명, 북미·영국·유럽, 2026년 13월)는 디지털이 전체 미디어 투자의 3분의 2를 넘었고 인지와 전환 목적이 미디어 지출의 62.6%를 차지한다고 보고합니다. 셋째는 시장 구성비입니다. IAB·PwC의 2025 회계연도 집계에서 미국 디지털 광고 매출 2,946억 달러는 검색 38.8%, 디스플레이 27.7%, 비디오 26.5%로 나뉩니다.

셋 다 국내 수치가 아니고, 층위가 서로 다릅니다. 특히 IAB 수치는 광고사업자의 매출 구성비이지 광고주 한 곳의 예산 배분이 아니므로 "우리 예산을 검색 38.8%로 나누라"는 근거가 될 수 없습니다. The CMO Survey의 업태별 값은 응답자가 열 명 단위라 표준편차와 응답 수를 반드시 함께 적어야 하고, 가트너 응답자는 대부분 연매출 10억 달러가 넘는 대기업입니다. 출발선을 잡는 참고선까지가 이 숫자들의 용도입니다.

이런 참고치를 제안서에 쓸 때는 출처와 함께 "특정 업체 집계치이며 업종 표준이 아님"을 병기해야 합니다. 그리고 채널 배분 문제에 배치 배분 수치를 끌어다 쓰는 것은 층위가 다른 인용이므로 피하는 편이 낫습니다.

배분의 하한선을 먼저 정하는 방법

비율을 정하기 전에 각 채널이 학습을 시작할 수 있는 최소 예산부터 확인합니다. 채널마다 알고리즘이 최적화를 시작하려면 일정한 전환 수가 필요한데, 그 수를 못 채울 예산을 배분하면 그 채널은 데이터도 성과도 못 만듭니다.

계산은 역산으로 합니다. 그 채널에서 예상되는 전환당 비용에 필요한 주당 전환 수를 곱하면 주간 최소 예산이 나옵니다. 이 값이 전체 예산의 절반을 넘는다면 그 채널은 지금 시점에 추가할 채널이 아닙니다. 세 채널에 골고루 나눠 셋 다 학습에 실패하는 것이 가장 흔한 실패 형태입니다.

4주 기준선은 무엇을 기록하나

현재 구조를 그대로 4주 돌리면서 채널별 노출·클릭·전환, 요일별 변동 폭, 그리고 전체 매출과 전체 광고비를 기록합니다. 여기에 각 채널의 전환 기여 기간 설정값도 함께 적어 둡니다.

기여 기간은 매체마다 기본값이 다릅니다. 네이버 검색광고는 클릭 후 15일, 네이버 GFA는 30일, 메타는 7일이 흔히 쓰이는 기본값이고, 메타는 2026년 기준 7일 클릭·1일 참여 유도·1일 조회를 기본 설정으로 씁니다. 집계 기준이 다른 숫자를 나란히 놓고 비교하면 배분 결정 자체가 틀어집니다.

한 번에 한 채널만 바꾼다는 절차

기준선 4주가 끝나면 다음 4주에 한 채널만 움직입니다. 예를 들어 틱톡 예산만 늘리고 메타와 구글은 예산·소재·타겟을 그대로 둡니다. 세 채널을 동시에 조정하면 전체 매출이 올라도 어느 채널 덕인지 알 수 없습니다.

증액 폭도 통제합니다. 하루에 예산을 50% 이상 늘리지 않는 것이 권장되는 실무 관행이며, 급격한 증액은 학습 재시작이나 입찰 불안정을 유발할 수 있습니다. 이 관행은 특정 업체 가이드에서 나온 것이므로, 증액 후 며칠간 CPM이 어떻게 움직이는지 자기 계정에서 확인해 두는 편이 좋습니다.

결과는 어떤 지표로 판정하나

매체 대시보드 ROAS를 합산하면 안 됩니다. 여러 매체와 순차로 상호작용한 뒤 전환된 고객은 각 매체 대시보드에 전환 1건씩 중복으로 잡히는 경우가 흔해, 단순 합산하면 실제 자사몰 매출보다 부풀려진 숫자가 나옵니다. 라스트 터치 모델은 전환 직전 마지막 접점에만 성과를 100% 귀속시켜 이전 단계 기여를 반영하지 못하는 한계도 있습니다.

그래서 배분 실험의 판정은 전체 매출을 전체 광고 지출로 나눈 MER로 합니다. 채널별 지표는 어디를 손볼지 찾는 진단용으로 쓰고, 배분을 바꿀지 말지는 MER이 기준선 대비 움직였는지로 결정합니다. 증분성 검증과 어트리뷰션 모델 선택을 본격적으로 다루는 방법론은 과목 235에서 이어집니다.