교육(학원) 어트리뷰션과 중복 집계 보정

학원 광고를 몇 달만 돌려도 네이버 검색광고, 구글 광고, 메타 광고가 각자 보고하는 전환수를 더했을 때 실제 상담 건수보다 훨씬 많아지는 상황을 마주하게 됩니다. GA4는 기본적으로 데이터 기반 어트리뷰션으로 여러 터치포인트에 전환을 나눠 배분하지만 실무에서는 라스트클릭 관성으로 해석되는 경우가 많고, 메타는 자체 기여 모델(2026년 기준 7일 클릭·1일 참여 유도·1일 조회)로 따로 집계합니다. 두 시스템은 관측 범위와 기여 기간, 쿠키·기기 식별 방식이 모두 달라서 같은 캠페인이라도 전환수가 다르게 잡히는 것이 원래 정상입니다. iOS 정책 이후 메타는 CAPI·AEM 같은 보정 신호로 손실을 메우지만 GA4는 상대적으로 브라우저 신호에 더 의존해서, 매체별로 관측이 끊기는 폭 자체가 다릅니다. 특히 AEM(집계 이벤트 측정)은 ATT 프롬프트에서 추적을 거부한 사용자를 개별 식별 없이 도메인 단위로 집계하고, 개인 식별 위험을 막기 위해 데이터 집계·보고에 24~48시간의 의도적 지연을 둡니다. 2025년 6월부터 웹 전환에서는 도메인당 8개 이벤트 우선순위 지정 제한이 풀렸지만, 앱 캠페인이나 신체계로 전환되지 않은 일부 계정에는 여전히 옛 모델이 적용될 수 있어 자사 Events Manager 화면에서 직접 확인해야 합니다. 그래서 이 격차는 "어느 매체가 맞는가"로 따질 문제가 아니라, 각 시스템이 애초에 답하는 질문이 다르다는 전제 위에서 용도별로 나눠 쓰는 방향으로 접근해야 합니다.

학원 업종은 이 격차가 유독 크게 벌어지는 구조를 갖고 있습니다. 학원 광고의 핵심 측정 지표는 클릭 수나 리드 수가 아니라 상담 전환율이라고 업계에서는 봅니다. 클릭이나 리드 확보는 단순한 관심 표현일 뿐 계약·결제로 이어지지 않는 허수 리드가 많기 때문입니다. 그런데 매체마다 무엇을 전환으로 잡는지가 다릅니다. 그러니 매체별 전환수를 그대로 더하면 실제 상담 건수보다 부풀려질 수밖에 없습니다. 실무에서는 학원 인스타그램 광고에서 클릭은 많은데 상담 문의로 이어지지 않는 경우가 일반적이라고 말합니다. 리드가 허수로 잡히는 비율이 높고 클릭에서 상담, 상담에서 계약까지 단계마다 이탈이 크다는 점을 감안하면, 매체별 리드 수 합계보다 실제 상담으로 이어진 건수를 기준으로 어느 매체가 진짜 성과를 내는지 다시 봐야 합니다. 이 재분류 작업 없이 매체 리포트의 전환수만 비교하면, 중복 집계 문제와 허수 리드 문제가 겹쳐서 예산 배분 판단이 실제보다 훨씬 왜곡됩니다.

먼저 상담이 오프라인 전화나 방문으로 마무리되는 학원 구조에 맞춰 온라인 클릭과 오프라인 상담을 연결하는 장치가 필요합니다. 구글 광고는 학원의 오프라인 상담 전환을 측정하기 위해 향상된 전환(Enhanced Conversions for Leads)을 권장하며, GCLID와 이메일·전화 같은 고객정보를 업로드해 추적하는 방식입니다. 다만 사용자에게 개인정보 수집에 대한 명확한 안내와 동의를 받아야 합니다. 이 장치를 붙이면 적어도 구글 쪽에서는 상담 신청 이후 실제 등록까지 이어졌는지를 연결해 볼 수 있습니다. 다음으로 매체 리포트의 전환수 자체를 의심하고, 광고를 껐을 때 실제로 상담이 줄어드는지 보는 인크리멘털리티(증분) 검증이 필요합니다. 인크리멘털리티는 광고 노출 집단과 비노출 집단의 전환 성과를 비교해서 광고 없이도 어차피 왔을 상담까지 광고 성과로 잡는 과대평가를 걸러내는 방법입니다. 라스트클릭 같은 전통적 기여 모델은 이미 상담 의사가 있던 학부모나 학생의 전환까지 광고 성과로 잡는 경향이 있고, iOS 정책 이후 픽셀 단독 추적으로는 전환의 상당 부분이 누락돼 기여 데이터만으로 광고 효과를 판단하기가 더 어려워졌습니다. 그래서 인크리멘털리티는 기여 모델을 없애는 것이 아니라 기여 데이터가 놓치는 진짜 추가 성과를 따로 검증하는 보완 장치로 같이 씁니다. 채널·캠페인 단위로 더 큰 그림이 필요하면 쿠키 추적 없이 매출·광고비 같은 집계 데이터로 채널 기여도를 통계적으로 추정하는 마케팅 믹스 모델(MMM)도 함께 고려할 수 있습니다. MMM은 개인 식별자가 필요 없어 추적 제한과 무관하게 작동하지만 개인화된 세밀한 인사이트는 주지 못하므로 인크리멘털리티 테스트와 상호 보완적으로 씁니다.

보정한 뒤에는 어떤 숫자를 보고 예산을 옮길지 기준이 필요합니다. 가장 흔한 착시는 리타게팅 캠페인의 라스트클릭 ROAS만 보고 예산을 몰아주는 경우입니다. 리타게팅은 이미 상담 의사가 형성된 사람을 대상으로 하므로 라스트클릭 기준 ROAS가 구조적으로 높게 나오는데, 이걸 그대로 믿고 예산을 몰면 신규 상담을 만드는 상단 퍼널 캠페인의 예산이 줄어서 전체 상담 기반 자체가 축소됩니다. 이 착시는 지표를 더 정교하게 다듬는다고 해결되지 않고, 리타게팅 캠페인 자체를 꺼봤을 때 상담이 실제로 줄어드는지 홀드아웃으로 확인해야 드러납니다. 반대로 리프트 테스트에서 증분 비율이 높게 나온 채널에는 예산을 우선 배정하는 것이 원칙입니다. 유사 타겟이나 광범위 타겟팅은 이미 브랜드를 아는 좁은 오디언스보다 오가닉 흡수가 적어서, 같은 ROAS라도 증분 비율이 더 높게 나오는 경향이 있습니다. 다만 리프트 테스트 결과를 예산 룰로 바로 옮길 때는 한 번에 20%가 넘는 예산 이동을 피하고 단계적으로 옮겨야 알고리즘 재학습으로 인한 성과 흔들림을 줄일 수 있습니다.

• GA4와 메타 광고관리자의 전환수를 각각 어떤 용도로 쓸지 미리 정했는지 확인하세요
• 오프라인 상담 전환을 구글에 연결하는 향상된 전환 세팅과 개인정보 동의 문구가 준비됐는지 확인하세요
• 클릭 대비 상담 전환율 기준으로 키워드·소재를 재분류할 체계가 있는지 점검하세요
• 리타게팅 캠페인을 꺼봤을 때 상담 건수 변화를 보는 홀드아웃 테스트 일정을 잡았는지 확인하세요
• 예산 재분배는 한 번에 20% 이내로 단계적으로 옮기는 룰을 정했는지 확인하세요
• 앱 캠페인이나 신체계로 전환되지 않은 계정이 남아 있다면 Events Manager에서 이벤트 우선순위 모델을 직접 확인했는지 점검하세요