Ch.7 퍼포먼스 마케팅

어트리뷰션 모델

어트리뷰션의 개념과 필요성을 설명할 수 있다5가지 어트리뷰션 모델의 차이를 구분할 수 있다라스트클릭과 데이터 기반 모델의 장단점을 비교할 수 있다

전환은 하나, 터치포인트는 열 개

고객이 구매하기까지 블로그 → SNS → 검색광고 → 리타겟팅 순으로 4번 접촉했다. 전환의 공을 누구에게 줘야 할까?

라스트클릭에만 공을 주면, 인지도를 만든 첫 번째 접점은 무시된다. 공정한 배분이 가능할까?

어트리뷰션 모델은 전환에 기여한 채널에 공을 배분하는 방법이다. 모델에 따라 예산 배분이 완전히 달라진다.


article

핵심 내용

고객이 처음 광고를 본 순간부터 구매까지, 여러 채널을 거칩니다. 블로그에서 알게 되고, 인스타에서 관심이 생기고, 검색해서 비교하고, 리타겟팅 광고를 보고 결국 구매합니다.

어트리뷰션(Attribution) = 전환(구매/가입)에 기여한 각 터치포인트(채널)에 공(Credit)을 배분하는 것

왜 중요할까요? 어트리뷰션 모델에 따라 '어떤 채널이 효과적인가'에 대한 답이 달라지고, 그에 따라 예산 배분이 완전히 바뀝니다. 라스트클릭만 보면 검색광고가 최고로 보이지만, 퍼스트클릭을 보면 SNS가 최고일 수 있습니다.

고객 여정 예시: 1차 인스타 광고 (인지) → 2차 블로그 리뷰 (관심) → 3차 네이버 검색 (비교) → 4차 리타겟팅 배너 (재방문) → 구매! 이 전환의 공을 어떻게 나눌 것인가? 그것이 어트리뷰션의 핵심 질문입니다.

대표적인 어트리뷰션 모델 5가지를 살펴봅니다. 각 모델마다 '공의 배분 방식'이 다릅니다.

1. 라스트클릭: 마지막 터치포인트에 100% — 가장 단순하지만 상위 퍼널 무시 2. 퍼스트클릭: 첫 터치포인트에 100% — 인지도 채널 과대평가 3. 선형(Linear): 모든 터치포인트에 균등 배분 — 공평하지만 차별화 부족 4. 시간감소(Time Decay): 전환에 가까울수록 높은 비중 — 리마케팅 유리 5. 데이터 기반(DDA): 머신러닝으로 실제 기여도 계산 — 가장 정교하지만 데이터 필요

가장 많이 쓰이는 라스트클릭과, 가장 정교한 데이터 기반 모델을 비교합니다.

고객이 인스타→블로그→검색→리타겟팅 순으로 접촉한 후 구매했다. '선형 모델'에서 검색광고의 기여도는?

라스트클릭 모델은 브랜드 인지도를 만든 첫 번째 접점의 기여도를 정확히 반영한다.

데이터 기반 어트리뷰션(DDA)이 작동하려면 최소한 어떤 조건이 필요한가?

어트리뷰션 모델을 마쳤습니다!

compare_arrows

비교 정리

항목라스트클릭데이터 기반
방식마지막 클릭에 100% 배분ML로 각 터치포인트 기여도 계산
장점단순·직관적, 구현 쉬움실제 기여도 반영, 정확한 예산 배분
단점상위 퍼널(인지·관심) 과소평가충분한 데이터(전환 300+건) 필요
적합 상황단순 퍼널, 소규모 캠페인다채널 캠페인, 대규모 데이터
신뢰도낮음 (편향 있음)높음 (데이터 충분 시)

Google Ads는 2023년부터 데이터 기반 어트리뷰션(DDA)을 기본값으로 설정했습니다. 라스트클릭은 점점 퇴장하고 있으며, 멀티터치 어트리뷰션이 표준이 되고 있습니다.

image

시각 자료

다이어그램: mkt-scene-7-attribution-models
check_circle

핵심 정리

  • 1어트리뷰션 = 전환에 기여한 채널에 공(Credit) 배분
  • 25가지 모델: 라스트클릭, 퍼스트클릭, 선형, 시간감소, 데이터 기반
  • 3라스트클릭은 단순하지만 상위 퍼널을 과소평가
  • 4데이터 기반(DDA)이 업계 표준으로 자리잡는 중

퀴즈와 인터랙션으로 더 깊이 학습하세요

play_circle인터랙티브 레슨 시작