요청받은 "상관관계 증명"은 실제로 무엇을 증명해 달라는 요청인가

현업에서 이 요청이 나오는 자리는 대개 두 가지입니다. 하나는 브랜드 예산을 지킬 근거가 필요한 자리, 다른 하나는 브랜드 예산을 퍼포먼스로 옮길 근거가 필요한 자리입니다. 어느 쪽이든 상관계수 하나로는 결론이 나지 않습니다. 인지도와 CPA가 같이 움직였다는 사실은 광고비 총액이 함께 늘었다는 사실로도 똑같이 설명되기 때문입니다.

그래서 첫 단계는 질문을 다시 쓰는 일입니다. "인지도와 CPA의 상관을 보여 달라"를 "인지도 캠페인에 쓴 금액을 줄이면 전환 비용이 얼마나 올라가는가"로 바꾸면, 답을 낼 수 있는 설계가 무엇인지가 곧바로 보입니다. 앞 문장은 관측 데이터로 답할 수 있고, 뒤 문장은 비노출군이 있어야만 답할 수 있습니다. 보고서에는 둘 중 어느 질문에 답한 것인지 먼저 밝히는 편이 나중에 해석 분쟁을 줄입니다.

인지도는 어떤 지표로 측정해 모델에 넣어야 하나

브랜드 인지도는 통상 세 항목으로 측정합니다. 제품군을 떠올릴 때 가장 먼저 언급되는 최초상기(Top of Mind), 힌트 없이 스스로 떠올리는 비보조인지, 브랜드명을 제시했을 때 안다고 답하는 보조인지입니다. 신제품 런칭 국면에서 가장 먼저 움직이는 것은 보조인지이고, 최초상기는 훨씬 늦게 움직입니다. 세 층을 한 덩어리로 뭉쳐 "인지도"라는 단일 숫자로 만들면, 실제로는 보조인지만 오른 상황이 전체 인지도 상승으로 보고되어 CPA와의 관계가 왜곡됩니다.

측정 도구를 매체 내부 설문으로 잡을 경우, 구글 브랜드 광고 효과 측정 설문에서 선택할 수 있는 항목은 광고 회상도·인지도·연결·구매 고려도·호감도·구매 의도와 맞춤 항목이며 한 스터디에 최대 3개까지 담을 수 있습니다. 항목 수는 요구 예산과 직결되므로, 인지도 한 항목만 쓸지 회상도와 고려도까지 넣을지를 모델 설계 단계에서 먼저 정해야 합니다.

두 지표를 같은 시간축에 올리려면 무엇을 맞춰야 하나

인지도는 조사 시점의 단면값이고 CPA는 기간 누적값입니다. 이 둘을 그대로 엑셀에 나란히 붙이면 안 됩니다. 실무에서 쓰는 정렬 절차는 이렇습니다. ① 인지도 조사를 캠페인 전·중·후 최소 3회로 잡아 각 조사 시점을 주차로 고정합니다. ② CPA는 같은 주차의 주간 값으로 계산하되, 전환 지연 때문에 최근 며칠 데이터가 계속 채워진다는 점을 감안해 리포팅 버퍼를 정하고 그 안쪽 데이터로는 판단하지 않습니다. ③ 인지도 시계열과 CPA 시계열의 시차를 0주·1주·2주로 바꿔가며 각각 계산해, 어느 시차에서 관계가 가장 뚜렷한지 표로 남깁니다. 시차를 하나만 골라 제시하면 그 시차를 왜 골랐는지가 곧바로 반박 지점이 됩니다.

조사 표본이 작으면 인지도 변화가 조사 오차 안에서 흔들립니다. 한국갤럽 기준 신뢰수준 95%에서 표본오차는 500명일 때 ±4.4%포인트, 1,000명일 때 ±3.1%포인트입니다. 표본 500명 조사에서 인지도가 3%포인트 올랐다면 그 상승은 오차 범위 안이라 "올랐다"고 단정할 수 없습니다.

상관계수까지만 제출할 때 함께 적어야 하는 것은 무엇인가

관측 데이터로 상관을 냈다면, 같은 페이지에 혼동 요인 목록을 적는 것이 원칙입니다. 최소한 네 가지는 적어야 합니다. 같은 기간 총 광고비의 변화, 프로모션·가격 변경 일정, 계절성 구간, 경쟁사 대형 캠페인 유무입니다. 이 목록이 없으면 상관계수는 "광고비를 늘렸더니 인지도도 오르고 전환도 늘었다"는 당연한 사실을 어렵게 표현한 문장에 그칩니다.

표현도 조심해야 합니다. 신뢰수준 95%는 "이 결과가 95% 확률로 맞다"는 뜻이 아니라, 같은 방식으로 100번 조사하면 표본오차 범위 안에 참값이 들어가는 경우가 95번 정도 나온다는 반복시행 개념입니다. 보고 문장을 여기에 맞춰 쓰지 않으면, 숫자는 맞는데 해석이 틀린 보고서가 됩니다.

인과까지 주장하려면 어떤 설계를 얹어야 하나

비노출군이 있어야 인과를 말할 수 있습니다. 증분 분석은 광고를 노출한 집단과 노출하지 않은 통제 집단의 성과를 비교해, 광고가 없었어도 발생했을 몫을 제외한 순수 추가분만 분리하는 방법론입니다. 신제품 런칭에서 현실적으로 얹을 수 있는 설계는 두 갈래입니다. 하나는 지역 단위로 인지도 캠페인을 집행하지 않는 지역을 남겨두고 그 지역의 CPA와 비교하는 방식이고, 다른 하나는 매체 내부 리프트 테스트로 노출군·비노출군을 무작위 분할해 브랜드 지표와 전환을 함께 재는 방식입니다.

두 설계 모두 실험 결과를 모델로 축적할 수 있습니다. 구글의 오픈소스 MMM 프레임워크 Meridian은 A/B 테스트나 증분 실험 데이터로 모델을 보정하는 기능을 공식 기능으로 제공합니다. 이번 런칭에서 얻은 실험값을 다음 모델의 사전 정보로 넘겨두면, 다음 신제품에서는 같은 질문에 훨씬 짧은 절차로 답할 수 있습니다.

신제품이라서 특히 어긋나는 지점은 무엇인가

신제품에는 기준선이 없습니다. 기존 제품이면 지난해 같은 시기 데이터로 자연 증가분을 가늠할 수 있지만, 신제품의 초기 전환 증가는 캠페인 효과와 출시 자체의 신규성이 뒤섞여 있습니다. 그래서 신제품 런칭에서는 "전 대비 상승"이 아니라 "비노출 지역·비노출군 대비 차이"만 근거로 삼아야 합니다.

또 하나는 조사 시점입니다. 출시 직후 인지도 조사를 첫 광고 노출 이후에 처음 실시하면 사전값이 존재하지 않아 상승폭 자체를 계산할 수 없습니다. 사전 조사는 캠페인 시작 최소 1~2주 전에 끝나 있어야 하며, 이 일정은 소재 제작 일정보다 먼저 확정해야 합니다.