시장 규모 비례 배분은 어디까지 믿을 수 있나

인구, 이커머스 침투율, 카테고리 시장 규모 같은 거시 지표로 나눈 초기 배분은 출발점으로는 합리적입니다. 다만 이 방식은 "그 시장에 우리 상품을 살 사람이 얼마나 있는가"만 답하고, "그 사람에게 도달하는 데 얼마가 드는가"는 답하지 않습니다. 도달 비용은 경쟁 밀도와 계절, 입찰 목표에 따라 크게 달라집니다.

여기서 주의할 점은 국가별 CPM·CPC 벤치마크 표를 그대로 쓰는 것입니다. 플랫폼이 국가별 단가를 공식으로 공개하지 않기 때문에 유통되는 수치는 대체로 대행사 자체 집계이고, 업종과 기간·입찰 방식에 따라 크게 흔들립니다. 참고 자료로 볼 수는 있지만 배분 근거로 삼기에는 근거가 약합니다. 국내 공식 표준이 아닌 해외 집계라는 점을 함께 표기해 두고 쓰는 편이 안전합니다.

배분 기준에 무엇을 더 넣어야 하나

예산을 나눌 때 매출 잠재력만 보면 마진이 낮은 시장에 돈이 몰립니다. 공헌이익을 기준에 넣으면 판단이 달라집니다. 공헌이익률이 높은 상품에는 예산을 공격적으로 배분해 확장을 노리고, 낮은 상품에는 목표 CPA를 엄격히 걸어 관리하는 방식이 실무에서 쓰입니다. 국가 단위에도 같은 논리를 적용할 수 있습니다.

손익분기 기준을 계산해 두면 상한선이 생깁니다. 아마존 광고에서 쓰는 손익분기 ACoS 공식은 판매가에서 매출원가와 플랫폼 수수료를 뺀 뒤 판매가로 나누는 방식인데, 이 구조를 국가별로 다시 계산해 두면 어느 나라에서 광고비를 어디까지 쓸 수 있는지 선이 보입니다. 국가마다 수수료율, 물류비, 관세, 결제 수수료가 다르기 때문에 같은 상품이라도 이 선이 달라집니다.

비용 구조를 어떻게 국가별로 다시 계산하나

먼저 상품 단위로 착륙 원가를 잡습니다. 제품 원가에 국제 운송비, 관세, 현지 물류비, 반품 처리 비용을 더한 값입니다. 인플루언서 시딩처럼 물건이 오가는 활동이 있으면 이 계산이 더 복잡해집니다. 현지 창고에서 직접 출고하면 국제 배송 대비 비용이 낮고 통관을 마친 상태라 빠르지만, 대량 사전 물류비와 창고 보관료 같은 초기 선투자가 필요합니다.

반품 경로도 원가에 들어갑니다. 반품 접수 후 실제로 제품이 해외로 반출되지 않으면 반출 이력이 남지 않아 판매자가 관세 환급을 받기 어려워지는 구조적 문제가 지적됩니다. 통관 서류가 부정확하면 통관 지연이나 벌금이 발생할 수 있고, 식품·화장품·건강기능식품처럼 수입국 규제기관의 시설 등록이나 사전 신고가 필요한 품목도 있습니다. 이런 항목이 빠진 원가표로 예산을 나누면 광고 효율이 좋아 보이는 나라가 실제로는 적자인 상황이 생깁니다.

초기 4주는 어떻게 운영해야 하나

근거가 부족한 상태에서 정확한 배분비를 맞추려 하기보다, 기준선을 만드는 기간으로 쓰는 편이 낫습니다. 첫 4주는 각 나라에 최소 유의미 예산만 넣고 자사 데이터를 쌓습니다. 이 기간에는 한 번에 한 항목만 바꿉니다. 소재와 입찰 전략과 예산을 같이 바꾸면 무엇 때문에 숫자가 움직였는지 알 수 없습니다.

비교는 같은 요일끼리 합니다. 국가별로 주말 구조와 공휴일이 다르기 때문에 주 단위 평균만 보면 착시가 생깁니다. 그리고 가능한 범위에서 홀드아웃을 남겨 두면 좋습니다. 광고를 노출한 집단과 노출하지 않은 통제 집단의 성과 차이를 비교하면 자연 발생 매출을 제외한 순수 추가분만 분리해 볼 수 있고, 이 값이 진짜 배분 근거가 됩니다.

국가 간 성과를 비교할 때 무엇을 통일해야 하나

같은 지표라도 매체와 지역에 따라 계산 창이 다릅니다. 네이버 검색광고는 클릭 후 15일, 네이버 성과형 디스플레이는 30일, 메타는 7일이 기본값으로 흔히 쓰입니다. 이 창을 통일하지 않고 국가별 ROAS를 나란히 놓으면 창이 긴 매체를 많이 쓴 나라가 유리하게 보입니다.

중복 집계도 걸러야 합니다. 여러 매체와 순차적으로 접촉한 뒤 전환한 고객은 각 매체 대시보드에 전환 1건씩 중복으로 잡히는 경우가 흔합니다. 국가별로 매체 구성이 다르면 중복 정도도 달라지므로, 비교용 지표는 매체 대시보드 합계가 아니라 자사 주문 데이터를 기준으로 잡는 편이 낫습니다. 채널 수가 많아 개별 기여를 가리기 어려운 단계라면 집계 데이터로 채널 기여를 추정하는 마케팅 믹스 모델링을 보조 수단으로 검토할 수 있습니다.