국내 공식 벤치마크는 왜 못 찾는가

결론부터 말하면 국내 기관이나 매체가 공표한 업종별 광고 CPC·CPA·ROAS 공식 벤치마크는 확인되지 않습니다. 검색으로 나오는 업종별 수치는 대부분 해외 집계이거나 개별 대행사·솔루션사가 자기 고객사 데이터를 모아 만든 자체 집계입니다.

인접 영역에서도 같은 결론이 나옵니다. 국내 자사몰의 업종별 평균 구매 전환율을 공표하는 공식 통계는 확인되지 않으며, 국가데이터처의 온라인쇼핑동향조사는 거래액과 상품군별 규모를 집계할 뿐 개별 자사몰의 전환율 벤치마크를 제공하지 않습니다. 광고 성과 지표도 사정이 다르지 않습니다.

없는 숫자를 있는 것처럼 인용하면 그 위에 세운 모든 판단이 흔들립니다. "업종 평균 대비 낮다"는 진단으로 캠페인을 끄기 전에, 그 평균의 출처가 무엇인지부터 확인해야 합니다.

그러면 무엇을 기준선으로 삼는가

자사 데이터로 기준선을 세웁니다. 절차는 네 단계입니다. 첫째, 변경 전 4주를 기준선 구간으로 잡습니다. 둘째, 한 번에 한 항목만 바꿉니다. 셋째, 같은 요일끼리 비교합니다. 광고 성과는 요일별 편차가 크기 때문에 주중과 주말을 섞으면 변화의 방향조차 흐려집니다. 넷째, 가능하면 일부를 바꾸지 않은 홀드아웃으로 남겨 비교합니다.

이 기준선은 매체별로 따로 만듭니다. 매체별 기본 전환 기여 기간이 달라 네이버 검색광고 15일, 네이버 GFA 30일, 메타 7일이 기본값으로 흔히 쓰이므로, 같은 ROAS라도 집계 기준 자체가 다릅니다. 매체를 가로질러 하나의 기준선을 만들면 그 기준선은 매체 구성이 바뀔 때마다 흔들립니다.

매체가 공개한 기준은 어디까지 쓸 수 있는가

매체가 명시한 기준은 성과 벤치마크가 아니라 작동 요건입니다. 이건 그대로 쓸 수 있습니다. 메타 머신러닝의 최소 기준은 광고 세트당 7일 이내 50개 최적화 이벤트이고, 구글은 PMax의 AI 최적화에 최소 주당 1015건의 전환을 권장하며, 구글 스마트 입찰의 학습 이탈에는 통상 3050건의 전환이 필요합니다.

이 숫자들은 "성과가 좋은지"가 아니라 "판단이 가능한 상태인지"를 알려 줍니다. 진단의 첫 질문을 "우리 CPA가 평균보다 높은가"가 아니라 "이 캠페인이 학습 조건을 채우고 있는가"로 바꾸면, 벤치마크가 없어도 대부분의 문제는 걸러집니다. 학습 제한 상태에 있는 세트는 업종 평균과 비교할 대상이 아니라 구조를 고칠 대상입니다.

해외 집계는 어떻게 다루는가

해외 업종별 집계는 방향성 참고로만 씁니다. 예를 들어 업종별로 고객 1명의 가치가 큰 분야일수록 CPC가 높게 형성된다는 경향이나, CTR이 낮아도 전환율이 높아 CPA가 낮아지는 업종이 있다는 패턴은 구조 설계에 참고할 만합니다. 그러나 특정 금액이나 배수를 목표로 삼는 데 쓰면 안 됩니다.

인용할 때는 국내 공식 표준이 아니라는 점을 문서에 함께 적습니다. 통화·경쟁 밀도·매체 구성·계절성이 모두 다르고, 집계 주체가 표본을 어떻게 모았는지도 공개되지 않는 경우가 많습니다. 사내 보고서에서 이 단서를 빼는 순간, 다음 분기에 그 숫자가 목표치로 굳어집니다.

기준선을 세운 뒤 무엇을 관리하는가

기준선은 한 번 만들고 끝나는 값이 아닙니다. 매체가 집계 기준을 바꾸면 과거 값과 비교할 수 없게 됩니다. 실제로 메타는 2026년 1월 12일부로 인사이트 API에서 7일 조회·28일 조회 기여 기간 옵션을 영구 제거했고, 2026년 3월에는 참여 유도 기여 유형을 도입해 좋아요·댓글·공유를 클릭에서 분리했습니다. 네이버는 파워링크 품질지수 서비스를 2026년 7월을 마지막으로 종료할 예정입니다.

그래서 기준선 문서에는 값과 함께 '언제, 어떤 집계 기준으로 잰 값인지'를 적어 둡니다. 기준이 바뀐 시점에는 기준선을 다시 세우고, 그 이전 값과는 직접 비교하지 않습니다. 이 규칙이 없으면 매체 정책 변경으로 생긴 숫자 변화를 캠페인 구조 문제로 오진하게 됩니다.

갱신 주기는 분기 단위가 무난합니다. 매달 다시 세우면 계절 변동이 기준선에 그대로 묻어 들어와 비교의 의미가 사라지고, 연 단위로 두면 매체 정책 변경을 놓칩니다. 갱신할 때는 이전 기준선을 지우지 말고 세대별로 남겨 두는 편이 좋습니다. 몇 세대치가 쌓이면 그 자체가 우리 계정의 시계열이 되고, 남의 업종 평균보다 훨씬 쓸모 있는 비교 대상이 됩니다.