두 지표는 왜 그대로 합칠 수 없나

자사몰 전환은 개별 사용자의 행동으로 기록되는 값입니다. 반면 구글 애즈의 매장 방문 전환 수치는 개별 사용자 추적값이 아니라 익명 집계 데이터와 모델링으로 산출한 추정치이며, 구글은 1,000만 명 이상 규모의 오피니언 리워드 참여자 패널 설문으로 모델을 검증한다고 안내합니다. 개인정보 보호 임계값을 넘길 만큼 데이터가 모이지 않으면 계정에 수치 자체가 표시되지 않습니다.

이 차이 때문에 두 값을 한 표에 그대로 더하면 안 됩니다. 모델링된 추정치는 절대 건수로 읽기보다 실험군과 대조군 사이의 상대 차이를 보는 용도로 쓰는 것이 맞고, 임계값 미달 구간에서는 그 비교조차 불가능합니다. 실험 설계 단계에서 "매장 방문 데이터가 표시될 만큼 규모가 나오는가"를 먼저 확인해야 하는 이유입니다.

측정 요건은 무엇을 갖춰야 하나

구글 매장 방문 전환은 매장이 대상 국가에 있어야 하고, 위치 확장 또는 제휴사 위치 확장을 사용해야 하며, 비즈니스 프로필 위치 인증과 충분한 광고 클릭·노출 및 방문 데이터가 있어야 측정됩니다. 검색·디스플레이·유튜브 네트워크에서 지원되고, 매장 방문과 매장 판매 중 하나만 선택할 수 있습니다.

실험 관점에서 특히 주의할 항목은 위치 확장입니다. 위치 확장이 비활성화되면 보고가 끊깁니다. 실험 기간 중 계정 정리나 소재 개편으로 위치 확장을 껐다 켜면 실험군과 대조군의 측정 조건이 달라져 결과가 무효가 됩니다. 실험 시작 전에 계정 변경 잠금 대상에 위치 확장과 비즈니스 프로필 설정을 포함시켜야 합니다.

하나의 실험에서 두 지표를 어떻게 함께 재나

현실적인 설계는 지역 단위 실험입니다. 이유는 단순합니다. 매장 방문은 애초에 지역에 묶인 행동이고, 온라인 전환도 지역별로 집계할 수 있기 때문입니다. 사용자 단위 홀드아웃으로는 매장 방문을 실험군·대조군으로 나눌 방법이 없습니다.

절차는 이렇습니다. ① 매장 상권을 기준으로 지역을 정의합니다. 행정구역 단위가 아니라 매장이 실제로 커버하는 범위로 잡아야 합니다. ② 그 지역들을 실험군·대조군으로 나눕니다. ③ 실험 기간 동안 실험군에만 광고를 집행합니다. ④ 온라인 전환은 지역별 주문 데이터로, 매장 방문은 매장 방문 전환 지표와 자체 방문객 집계(POS 거래 건수, 예약 건수 등)로 각각 산출합니다. ⑤ 두 결과를 별도 행으로 보고합니다.

④에서 자체 집계를 함께 쓰는 것이 중요합니다. 매장 방문 전환이 임계값에 걸려 표시되지 않아도, POS 거래 건수는 언제나 확보할 수 있습니다. 두 값이 같은 방향을 가리키는지 확인하면 결과의 신뢰도가 올라갑니다.

두 결과를 어떻게 합산하나

합산은 건수가 아니라 금액으로 합니다. 순서는 이렇습니다. ① 온라인 증분 주문 수에 온라인 평균 객단가를 곱해 온라인 증분 매출을 구합니다. ② 매장 방문 증분 건수에 방문 1건의 기대 가치를 곱해 오프라인 증분 매출을 구합니다. ③ 두 값을 더한 뒤 실험군 광고비로 나눠 통합 증분 ROAS를 산출합니다.

②의 방문 1건 기대 가치는 반드시 별도로 정의하고 근거를 남겨야 합니다. 매장 방문자 중 구매 비율과 매장 평균 객단가를 곱하는 방식이 일반적이며, 이 두 값은 POS 데이터에서 구할 수 있습니다. 이 값을 근거 없이 잡으면 통합 ROAS 전체가 그 가정 하나에 좌우됩니다. 보고서에는 이 가정을 바꿨을 때 결과가 어떻게 달라지는지 민감도 표를 함께 넣는 편이 안전합니다.

온·오프 사이의 잠식은 어떻게 확인하나

광고가 만든 것이 새로운 수요인지, 온라인 주문이 매장 방문으로 옮겨간 것인지 구분해야 합니다. 확인 방법은 실험군·대조군 각각에서 온라인 매출과 오프라인 매출의 합계를 비교하는 것입니다. 실험군에서 매장 방문은 늘었는데 온라인 주문이 그만큼 줄었다면 총합은 그대로이고, 그 경우 증분은 채널 이동일 뿐입니다.

이 확인이 특히 중요한 이유는 조직 구조 때문입니다. 온라인 부문과 오프라인 부문의 성과가 따로 관리되는 회사에서는 한쪽 지표만 보고 성공이라 결론 내리기 쉽습니다. 실험 결과 보고서에는 두 채널 합계를 맨 윗줄에 두는 것이 좋습니다.