왜 같은 데이터로 다른 결론이 나오나

한 고객이 인스타그램 광고를 보고 브랜드를 처음 알게 된 뒤, 며칠 후 구글 검색으로 다시 방문해 최종 구매를 완료했다고 가정해보겠습니다. 이 전환을 인스타그램의 성과로 볼 것인지, 구글 검색의 성과로 볼 것인지는 어떤 기여 모델을 쓰느냐에 따라 완전히 달라집니다. 첫 클릭 모델을 쓰면 이 전환은 전액 인스타그램의 성과로 기록되고, 라스트 클릭 모델을 쓰면 전액 구글 검색의 성과로 기록됩니다. 실제로는 두 채널 모두 이 전환에 기여했는데, 모델 선택에 따라 한쪽 채널의 성과가 완전히 가려지는 것입니다.

첫 클릭 모델이 유리하게 평가하는 채널

첫 클릭 모델은 고객이 브랜드를 처음 인지하게 만든 채널에 전환의 공을 전부 돌립니다. 이 모델을 쓰면 브랜드 인지도 확산이나 신규 고객 발굴에 강한 채널(디스플레이 광고, 인플루언서 협업, 콘텐츠 마케팅)의 성과가 상대적으로 높게 평가됩니다. 반면 이런 채널은 실제 구매 결정에 직접 관여하지 않는 경우가 많은데도 전환 전체의 공을 인정받게 되므로, 실제 기여도보다 과대평가될 위험이 있습니다.

라스트 클릭 모델이 유리하게 평가하는 채널

라스트 클릭 모델은 구매 직전 마지막으로 클릭된 채널에 전환의 공을 전부 돌립니다. 이 모델에서는 검색광고나 리타겟팅 광고처럼 이미 구매 의도가 확고한 고객을 마지막에 붙잡는 채널이 유리하게 평가됩니다. 문제는 이런 채널이 애초에 그 고객의 관심을 처음 만들어낸 것은 아닌 경우가 많다는 점입니다. 라스트 클릭만으로 평가하면, 실제로 고객을 처음 유입시킨 상위 퍼널 채널의 기여가 완전히 무시되고 예산이 하위 퍼널 채널에만 쏠리는 왜곡이 생길 수 있습니다.

여러 채널 여정이 흔한 서비스일수록 왜곡이 커진다

구매 결정에 시간이 오래 걸리고 여러 정보를 비교하는 고관여 상품(가전, 자동차, 교육 서비스 등)일수록 고객이 구매까지 여러 채널을 거치는 경우가 많아, 기여 모델 선택에 따른 왜곡도 그만큼 커집니다. 반대로 충동구매가 많은 저관여 상품은 여정이 짧아 모델 간 차이가 상대적으로 작습니다. 자사 서비스의 평균 구매 여정이 얼마나 복잡한지를 먼저 파악하면, 기여 모델 선택이 실제로 얼마나 중요한 문제인지 가늠할 수 있습니다.

하나의 모델만 쓰지 말아야 하는 이유

첫 클릭과 라스트 클릭 중 하나만 골라 전사 표준으로 못박으면, 그 모델이 유리하게 평가하는 채널에만 예산이 쏠리는 구조적 편향이 생깁니다. 실무에서는 두 모델을 나란히 비교해서 각 채널이 인지 단계에서 강한지, 전환 직전 단계에서 강한지를 함께 파악하는 것이 안전합니다. GA4는 두 모델 외에도 여정 전체에 기여도를 분산시키는 데이터 기반 기여 모델을 기본으로 제공하는데, 이는 다음 심화 레슨(어트리뷰션 모델링 심화)에서 더 자세히 다룹니다.

채널별 역할을 구분해서 예산을 배분하는 법

두 모델을 비교해 인지 단계에서 강한 채널과 전환 단계에서 강한 채널을 구분했다면, 각 채널의 예산 목표(KPI)도 다르게 설정하는 것이 합리적입니다. 인지 단계 채널은 신규 사용자 도달률이나 첫 방문 수를 KPI로, 전환 단계 채널은 실제 CPA·ROAS를 KPI로 삼는 식입니다. 모든 채널에 똑같이 라스트 클릭 기준 CPA만 요구하면, 인지 단계 채널은 항상 성과가 나쁜 것처럼 보여 부당하게 예산이 삭감되는 결과로 이어질 수 있습니다.

대행사가 자기 채널 성과만 유리한 모델로 보고하는 경우

여러 대행사와 동시에 협업하는 경우, 각 대행사가 자신이 담당하는 채널에 유리한 기여 모델을 골라 자체 성과를 보고하는 경우가 있습니다. 예를 들어 상위 퍼널을 담당하는 대행사는 첫 클릭 기준으로, 검색광고를 담당하는 대행사는 라스트 클릭 기준으로 각자 유리하게 성과를 제시하면, 광고주 입장에서는 두 보고서를 그대로 합산했을 때 실제 매출보다 훨씬 부풀려진 전환수를 보게 되는 착시가 생깁니다. 이런 문제를 막으려면 광고주가 직접 하나의 통일된 기여 모델(또는 GA4의 자체 판단 기준)로 전체 채널 성과를 다시 집계해서 대행사 보고서와 대조하는 절차가 필요합니다.

오프라인 접점이 있는 경우의 한계

매장 방문이나 전화 상담처럼 온라인으로 추적되지 않는 오프라인 접점이 구매 여정에 섞여 있다면, 어떤 기여 모델을 쓰든 온라인 채널에서 볼 수 있는 여정은 실제 고객 여정의 일부에 불과합니다. 이런 업종은 기여 모델 숫자를 절대적인 진실로 받아들이기보다, 실제 매출과 온라인 기여 데이터 사이의 괴리를 감안하며 참고 자료 정도로 활용하는 것이 안전합니다. 오프라인 접점 비중이 큰 업종이라면, 온라인 기여 모델만으로 채널 예산을 결정하기보다 설문조사나 매장 전용 쿠폰 코드처럼 오프라인 방문 경로를 역으로 추적할 수 있는 보조 장치를 함께 마련해두는 것이 온라인 데이터만으로는 메울 수 없는 한계를 보완하는 실무적인 방법입니다. 이런 보조 장치 없이 온라인 기여 데이터만 근거로 오프라인 접점이 큰 채널의 예산을 함부로 줄이면, 실제로는 그 채널이 조용히 기여하고 있던 매출까지 함께 잃는 결과로 이어질 수 있습니다.