기여 설정이 왜 단순한 리포팅 옵션이 아닌가

기여 설정(Attribution Setting)은 "광고를 클릭하거나 본 뒤 며칠 이내에 발생한 전환을 이 광고의 성과로 인정할 것인가"를 정하는 값입니다. 언뜻 보면 리포트 화면에 숫자가 얼마나 잡히는지 정도의 차이로 보이지만, 실제로는 이 기여 기간이 곧 알고리즘이 "무엇을 학습 데이터로 삼을지"를 정의하는 기준입니다. 기여 기간 안에 들어온 전환만 그 광고 세트의 최적화 신호로 인정되므로, 기여 기간을 바꾸는 것은 결과 전달(최적화)과 리포팅 수치를 동시에 바꾸는 결정입니다.

이 때문에 기여 설정을 변경하면 단순히 화면에 보이는 전환수만 달라지는 것이 아니라, 알고리즘이 "이 세트가 잘하고 있다"고 판단하는 근거 자체가 바뀝니다. 기여 기간을 넓히면 더 많은 전환이 그 광고의 성과로 잡히면서 학습 데이터가 풍부해지고, 좁히면 더 적은 전환만 인정되면서 학습 데이터가 줄어들 수 있습니다.

2026년 기준 기본값은 무엇이고 무엇을 의미하는가

2026년 기준 메타 광고 세트의 기본 기여 설정은 "7일 클릭, 1일 참여 유도, 1일 조회"입니다. 클릭 후 7일 이내, 또는 광고를 보기만 하고(조회) 1일 이내에 발생한 전환을 해당 광고에 귀속시킨다는 뜻입니다. 클릭 기반 기여 기간이 조회 기반보다 훨씬 긴 이유는, 실제로 광고를 클릭한 행동이 단순히 화면에 노출된 것보다 구매 의도와의 인과관계가 더 뚜렷하다고 보기 때문입니다.

이 기본값은 대부분의 계정에 적절한 균형점으로 제시되지만, 업종에 따라 조정이 필요할 수 있습니다. 구매 결정 주기가 긴 고가 상품(가구, 가전)이라면 7일이라는 클릭 기여 기간이 실제 구매 주기보다 짧아 성과를 과소평가할 수 있고, 반대로 충동구매가 많은 저가 소모품이라면 7일이 오히려 넉넉해 실제로는 광고와 무관한 전환까지 성과로 잡힐 수 있습니다.

2026년 1월 API 변경이 실무에 남긴 영향은 무엇인가

메타는 2026년 1월 12일부로 광고 인사이트 API에서 7일 조회와 28일 조회 기여 기간 옵션을 영구 제거했습니다. 이 변경으로 이 두 옵션에 의존하던 외부 리포팅 대시보드·BI 툴은 오류 메시지 없이 값이 조용히 비어버리는 현상을 겪을 수 있습니다. 즉 대시보드가 멈추거나 에러를 띄우는 것이 아니라, 특정 지표 칸이 아무 설명 없이 0이나 공백으로 표시되는 식이라 발견이 늦어지기 쉽습니다.

이 변경은 광고 관리자 자체의 세트별 기여 설정 옵션과는 별개로, 인사이트 API를 통해 데이터를 끌어오는 외부 연동 도구에 영향을 준 것입니다. 사내 리포팅 자동화나 대행사가 제공하는 대시보드를 쓰고 있다면, 7일 조회·28일 조회 값을 참조하는 항목이 있는지 점검하고 없다면 API가 지금도 지원하는 기여 유형으로 리포트 로직을 다시 맞춰야 합니다.

참여 유도(engage-through) 기여는 무엇이 달라졌는가

2026년 3월부터 메타는 참여 유도(engage-through) 기여 유형을 새로 도입했습니다. 이전에는 좋아요·댓글·공유 같은 소셜 상호작용도 '클릭'으로 인정돼 7일이라는 긴 기여 기간이 적용됐지만, 변경 이후에는 링크 클릭만 진짜 '클릭'으로 인정되고 소셜 상호작용은 참여 유도라는 별도 카테고리로 분리돼 1일이라는 짧은 기여 기간만 적용됩니다.

이 변화는 특히 참여(engagement) 중심 캠페인을 운영하는 계정의 귀속 전환수를 눈에 띄게 줄일 수 있습니다. 과거에는 게시물에 댓글을 남긴 사람이 일주일 안에 구매하면 광고 성과로 잡혔지만, 지금은 하루 안에 구매해야만 성과로 인정됩니다. 참여형 콘텐츠 캠페인을 운영하면서 이 시점 전후로 전환수가 갑자기 줄었다면, 캠페인 문제가 아니라 이 정책 변경이 원인일 가능성을 먼저 확인해야 합니다.

기여 기간을 조정할 때 학습 속도와 어떤 균형을 잡아야 하는가

기여 기간을 좁히면 더 엄격한 기준으로 성과를 측정할 수 있다는 장점이 있지만, 그만큼 학습 데이터로 인정되는 전환수도 줄어듭니다. 이 과목 전반에서 반복해서 다루는 세트당 주당 50건 전환이라는 학습 기준선을 이미 겨우 채우고 있는 세트라면, 기여 기간을 좁히는 순간 그 세트가 학습 제한 상태로 넘어갈 위험이 있습니다. 반대로 세트가 이미 충분한 전환량을 확보하고 있다면, 기여 기간을 좁혀 더 정밀한 성과 측정을 시도해볼 여유가 있습니다.

따라서 기여 설정을 조정하기 전에는 먼저 그 세트의 현재 주간 전환수를 확인하고, 기준선 대비 여유가 얼마나 있는지 파악하는 것이 순서입니다. 기여 기간과 세트 예산·구조는 서로 독립된 설정처럼 보이지만, 실제로는 학습 데이터량이라는 같은 자원을 두고 함께 영향을 주는 관계입니다.