[데이터 리터러시 5편] 마지막 클릭의 신화: 기여도 분석의 맹점 (Last-Click Attribution)

본 포스팅은 마케터들이 실무에서 흔히 저지르는 데이터 해석의 오류와 인과관계의 착각을 다루는 [디지털 마케터의 데이터 리터러시] 5부작 기획 시리즈의 마지막 글입니다.

---

1편 선택 편향부터 4편 P-해킹까지, 우리는 데이터가 어떻게 우리의 눈을 가리고 잘못된 결정을 내리게 하는지 살펴보았습니다.

시리즈의 대미를 장식할 마지막 5편의 주제는 퍼포먼스 마케팅 업계의 가장 오래된 미신이자 거대한 착각, 바로 '마지막 클릭 기여도(Last-Click Attribution)'입니다.

---

1. 섀도우 스트라이커와 이기적인 골잡이

라스트 클릭 기여도 비유 골을 넣은 스트라이커(검색 광고)는 화려한 스포트라이트를 받으며 100%의 성과를 인정받습니다. 하지만 어시스트를 찔러준 미드필더와 수비수(유튜브 영상, 브랜딩 광고)는 어둠 속에서 아무런 데이터적 보상을 받지 못합니다. (AI Generated)

한 고객이 당신의 제품을 구매하기까지의 여정(Customer Journey)을 축구 경기에 비유해 봅시다.

1. 고객은 지하철에서 유튜브 인스트림 광고(미드필더)를 보고 당신의 브랜드를 처음 인지합니다.
2. 며칠 뒤, 인스타그램을 하다가 스폰서드 배너(윙어)를 보고 제품 디자인이 예쁘다고 생각합니다.
3. 월급날이 되자, 고객은 네이버 검색창에 당신의 브랜드 이름(스트라이커)을 검색해서 들어와 결제를 완료합니다.

축구팀의 감독(마케터)이 데이터 대시보드(GA4)를 엽니다. 이 대시보드는 기본적으로 '라스트 클릭(마지막 클릭)'을 기준으로 성과를 측정합니다. 즉, 마지막으로 고객을 데려온 '네이버 브랜드 검색 광고'에 매출 기여도 100%를 부여합니다.

데이터를 본 감독은 결단합니다. "유튜브랑 인스타그램 광고는 성과(ROAS)가 0%네? 예산 다 빼고, 검색 광고에 예산 100% 몰빵해!"

---

2. 골잡이만 남은 팀의 비극 (이베이와 아디다스의 실패)

미드필더와 윙어를 모두 방출하고 스트라이커만 11명으로 채운 축구팀은 어떻게 될까요? 패스를 찔러줄 사람이 없으니 스트라이커는 고립되고 팀은 참패하게 됩니다. 마케팅도 완벽하게 똑같습니다.

이베이(eBay)의 검색 광고 실험

과거 이베이는 연간 수천억 원의 예산을 검색 엔진 마케팅(SEM)에 쏟아부었습니다. 하지만 버클리 대학의 Tadelis 교수팀이 진행한 대규모 실험 결과, 검색 광고를 완전히 꺼버려도 이베이의 전체 트래픽과 매출에는 단 0.5%의 타격밖에 없었습니다.

이베이의 브랜드 파워(미드필더)가 이미 확고했기 때문에, 유저들은 검색 광고(스트라이커)가 없어도 알아서 자연 검색(Organic Search)으로 들어와 구매했던 것입니다. 라스트 클릭 대시보드는 이베이가 이미 잡아놓은 물고기(자연 유입분)를 마치 검색 광고가 새로 잡아 온 것처럼 '가로채기(Cannibalization)'하여 성과를 과장하고 있었습니다.

아디다스(Adidas)의 고백

2019년, 글로벌 스포츠 브랜드 아디다스는 퍼포먼스 마케팅의 성과 지표(ROI, ROAS)에 지나치게 집착하여, 라스트 클릭 성과가 잘 나오는 '리타겟팅 광고'와 '퍼포먼스 채널'에만 예산을 집중했습니다.

그 결과, 단기적인 대시보드 지표는 화려해졌지만 브랜드 자체의 장기적인 매력도와 전체 매출 성장은 둔화되었습니다. 브랜드 인지도를 높이는 상위 퍼널(Upper Funnel) 마케팅을 무시한 결과였습니다. 결국 아디다스는 라스트 클릭 모델의 실패를 공식적으로 인정하고 마케팅 전략을 전면 수정했습니다.

---

3. 라스트 클릭의 저주에서 벗어나는 방법

대시보드에 찍힌 표면적인 ROAS에 속지 않고, 마케팅 채널 간의 시너지를 제대로 파악하려면 어떻게 해야 할까요?

① 다양한 기여 모델(Attribution Models)의 이해

라스트 클릭 대신, 다음과 같은 기여 모델을 활용하여 미드필더들에게도 성과를 나누어 주어야 합니다.

• 선형(Linear) 모델: 여정에 포함된 모든 터치포인트(유튜브 -> 인스타 -> 검색)에 동일한(33.3%씩) 기여도를 부여합니다.
• 시간 쇠퇴(Time Decay) 모델: 구매 시점에 가까운 터치포인트일수록 더 높은 가중치를 줍니다.
• 데이터 기반 기여(Data-Driven Attribution, DDA) 모델: 머신러닝을 활용해 각 채널이 구매에 미친 실제 영향력을 통계적으로 계산합니다. (참고: 구글은 라스트 클릭의 한계를 인정하고, 2023년부터 GA4의 기본 기여 모델을 DDA로 전면 변경했습니다.)

② MMM (마케팅 믹스 모델링) 도입

iOS 14.5 업데이트 이후 쿠키리스(Cookie-less) 시대가 도래하면서, 유저의 클릭 여정을 1부터 10까지 완벽하게 추적하는 것은 불가능해졌습니다. 이에 대한 대안으로 '마케팅 믹스 모델링(MMM)'이 다시 부상하고 있습니다. MMM은 개별 유저를 추적하는 대신, '이번 달 유튜브 광고비를 2천만 원 늘렸더니, 전체 매출이 5천만 원 늘어났네?'와 같이 거시적인 통계 분석을 통해 각 채널의 진짜 기여도를 역산하는 기법입니다.

③ 증분 테스트 (Incrementality Testing)

가장 확실한 방법은 특정 광고를 "껐다 켜보는 것"입니다. 특정 지역이나 타겟 그룹을 대상으로 유튜브 광고나 검색 광고를 일주일 동안 꺼버린(Hold-out) 뒤, 광고를 계속 튼 대조군과 '전체 매출(Total Sales)'을 비교해 보세요. 대시보드 ROAS가 아니라, 광고가 만들어낸 '진짜 순수 증가분(Incremental Lift)'을 눈으로 확인할 수 있습니다.

---

5부작 시리즈를 마치며: 마케터의 진짜 무기는 '의심'이다

데이터는 21세기 마케팅의 가장 강력한 무기입니다. 하지만 데이터는 맥락(Context)을 스스로 설명해주지 않습니다.

• 헤비 유저만 가입한 것은 아닌지(선택 편향)
• 쪼개어 보면 결과가 다른 것은 아닌지(심슨의 역설)
• 이탈한 유저의 불만이 누락된 것은 아닌지(생존자 편향)
• 우연을 승리로 착각한 것은 아닌지(P-해킹)
• 마지막 터치포인트에만 성과를 뺏긴 것은 아닌지(기여도 맹점)

이 모든 것을 의심하고 질문하는 것은 결국 '인간 마케터'의 몫입니다. 데이터를 믿되 맹신하지 않고, 대시보드 너머의 진짜 고객 행동을 읽어내는 '데이터 리터러시'야말로 AI 시대에도 대체될 수 없는 마케터의 핵심 역량이 될 것입니다.

---

📚 참고자료

• Blake, T., Nosko, C., & Tadelis, S. (2015). Consumer heterogeneity and paid search effectiveness: A large-scale field experiment. Econometrica, 83(1), 155-174.
• Berman, R. (2018). Beyond the last touch: Attribution in online advertising. Marketing Science, 37(5), 771-792.
• Marketing Week (2019). Adidas: We over-invested in digital advertising. (News Article).