직접·오가닉이 부풀려지는 경로는 어디인가

먼저 의심할 것은 마케팅이 아니라 태그 설정입니다. 결제 완료 후 PG사 페이지를 거쳐 자사몰로 돌아올 때, GA4가 이를 새로운 유입(참조 트래픽)으로 잘못 잡는 문제가 대표적입니다. 이 경우 원래 광고에서 유입된 세션이 결제 직전에 끊기고 전환은 PG 도메인이나 직접 유입 쪽으로 넘어갑니다. 태그 설정 구성의 '원치 않는 추천 나열'에 결제 도메인을 등록해 참조 목록에서 제외하면 해결됩니다. 두 번째는 교차 도메인 측정 누락입니다. 브랜드 사이트와 쇼핑몰 도메인이 분리돼 있는데 도메인 구성을 해두지 않으면, 도메인을 넘는 순간 클라이언트 ID가 이어지지 않아 세션이 새로 시작되고 유입 소스가 초기화됩니다. GA4는 웹 스트림 세부정보 > 태그 설정 구성 > 도메인 구성에서 설정하며, 내부적으로 URL에 붙는 _gl 파라미터로 클라이언트 ID를 도메인 간에 전달합니다. 이 두 가지만 정리해도 직접 유입 비중이 눈에 띄게 내려가는 계정이 흔합니다.

사용자 식별이 끊기면 무엇이 어떻게 왜곡되는가

같은 사람이 여러 명으로 집계되면 신규 사용자와 직접 유입이 함께 부풀려집니다. GA4의 보고 ID 중 '블렌드' 옵션은 User-ID가 수집되면 그것을 우선 쓰고, 없으면 기기 ID로, 그마저 없으면 모델링으로 사용자를 식별하는 우선순위 구조입니다. 문제는 User-ID 연동이 부실할 때입니다. 로그인 트리거가 일부 페이지에서 빠졌거나 ID 발급 방식이 서비스마다 다르면 블렌드가 계속 아래 단계로 폴백해, 실제로는 한 사람인데 여러 명으로 중복 집계됩니다. User-ID는 광고주가 부여한 식별자를 GA4로 보내 여러 세션·기기·플랫폼의 행동을 하나로 잇는 기능이지만, 로그인 시점부터만 연결되고 로그인 전 익명 행동이 자동으로 소급되지는 않습니다. 구글 신호는 광고 개인 맞춤설정을 켠 상태로 구글 계정에 로그인한 사용자에 한해 크로스디바이스 측정을 도와주지만 커버리지가 계정마다 다르고 광고주가 통제하는 식별자가 아닙니다. 점검 순서는 ① 로그인 발생 페이지 전수에서 User-ID가 실제로 실리는지 ② 발급 규칙이 서비스 간 동일한지 ③ 보고 ID 설정이 무엇으로 돼 있는지입니다.

모델 선택이 만드는 착시는 어떻게 걷어내는가

같은 데이터라도 모델이 다르면 오가닉의 몫이 달라집니다. 2026년 현재 GA4에서 선택 가능한 어트리뷰션 모델은 데이터 기반 어트리뷰션(DDA), 유료+오가닉 라스트 클릭, 구글 유료 채널 라스트 클릭 3가지입니다. 이름 그대로 '유료+오가닉 라스트 클릭'은 오가닉 검색도 라스트 클릭 후보로 취급하므로, 유료 광고로 인지한 뒤 브랜드명을 검색해 들어온 전환이 오가닉 성과로 넘어갑니다. 라스트 터치 모델의 구조적 한계 자체가 마지막 접점에만 기여를 몰아주고 그 앞의 접점을 무시하는 것이므로, 이 모델로 본 오가닉 비중을 그대로 채널 성과로 읽으면 유료 상단 퍼널이 계속 저평가됩니다. 반면 DDA는 전환에 이른 경로뿐 아니라 전환하지 못한 경로까지 함께 써서, 각 접점을 추가했을 때 전환 확률이 얼마나 달라지는지를 반사실적으로 비교합니다. 다만 DDA 사용 가능 여부는 전환(키 이벤트) 종류마다 개별 판정되므로 같은 프로퍼티 안에서도 어떤 전환은 되고 어떤 전환은 안 될 수 있습니다. 그러니 리포트에는 어떤 전환이 어떤 모델로 계산됐는지를 함께 적어야 비교가 성립합니다. 참고로 GA4는 2023년 11월부로 첫 클릭·선형·시간 가치 하락·위치 기반 모델 지원을 종료해, 그 기준 수치는 백업이 없으면 재현할 수 없습니다.

설정을 다 고친 뒤에도 남는 의심은 무엇으로 푸는가

설정과 모델을 정리하고 나면 남는 질문은 하나입니다 — "이 오가닉·직접 전환은 광고가 없었어도 일어났을까?" 이건 어트리뷰션 데이터로는 원리적으로 답이 나오지 않습니다. 증분성 측정이 존재하는 이유가 정확히 이것으로, 광고를 노출한 집단과 노출하지 않은 통제 집단의 성과를 비교해 광고가 없었어도 자연 발생했을 매출을 제외하고 순수 추가분만 분리하는 방법론입니다. 전통적 기여 모델은 이미 구매 의사가 있던 고객의 전환까지 광고 성과로 잡아 과대평가하는 경향이 있는데, 통제집단 비교가 이 왜곡을 보정합니다. 실무에서는 브랜드 검색 캠페인이나 리타게팅처럼 "원래 살 사람을 다시 잡는 것 아니냐"는 의심이 반복되는 채널부터 홀드아웃 실험 대상으로 올리는 것이 효율적입니다. 이때 통제 그룹에 광고가 아예 노출되지 않도록 격리해야 하며, 계정 내 다른 캠페인과 오디언스가 겹치면 결과가 오염됩니다. 표본과 기간 설계는 이 과목 11편의 절차를 따르십시오.

검증 결과를 리포트에 어떻게 반영하는가

검증은 했는데 리포트가 그대로면 아무것도 바뀌지 않습니다. 세 가지를 반영하십시오. 첫째, 채널 성과표에 '측정 신뢰도' 열을 두고 각 채널이 어떤 모델·어떤 식별 방식으로 집계됐는지 한 줄로 표시합니다. 둘째, 직접·오가닉 항목 아래에 최근 정리한 설정 변경(참조 제외 추가, 교차 도메인 설정)과 그 적용일을 각주로 남깁니다. 설정을 고친 날 이후로 직접 유입이 줄어드는 것은 성과 악화가 아니라 정정이므로, 이 각주가 없으면 오해를 삽니다. 셋째, 기여도 수치가 며칠 뒤 달라질 수 있다는 점을 명시합니다. GA4 DDA는 전환 발생 후에도 최대 7일까지 재기여가 이뤄져 과거 전환의 채널별 배분이 다시 계산될 수 있는데, 이는 오류가 아니라 설계된 동작입니다.