가구·소품 어트리뷰션과 중복 집계 보정

GA4는 기본적으로 여러 터치포인트에 가중치를 나눠주는 데이터 기반 어트리뷰션을 쓰지만 실무에서는 라스트클릭 관성으로 해석되는 경우가 많고, 메타는 광고 관리자 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 달라 같은 캠페인이라도 전환수가 다르게 나오는 것이 정상입니다. 여기에 iOS 정책 이후 메타는 CAPI·AEM 같은 보정 신호를 쓰는 반면 GA4는 상대적으로 브라우저 신호에 더 의존해, 매체별로 놓치는 전환의 폭 자체가 다릅니다. 메타의 AEM은 개인 식별 없이 도메인 단위 집계로 전환을 측정하는 체계인데, 데이터 집계·보고에 24~48시간의 의도적 지연을 둡니다.

가구는 여기에 오프라인 변수가 하나 더 겹칩니다. 온라인 클릭이 매장 상담·방문·전화 구매로 이어지는 흐름은 Google Ads의 GCLID 기반 추적이나 향상된 전환으로 잡을 수 있지만, 매장 방문 고객 자체를 추적하기 어렵고 콜센터 수신과 상담 기간이 며칠에서 주 단위로 길어져 정확한 어트리뷰션이 한층 복잡해집니다. 그러니 오프라인 상담 비중이 큰 품목은 온라인 매체 리포트의 전환수만으로 광고 성과를 판단하지 마세요.

이 구조에서는 하나의 실제 구매가 매체 리포트, 스토어 플랫폼 리포트, 오프라인 상담 기록 세 군데에 각각 잡힐 여지가 생깁니다. 업계에서는 이런 다채널 판매 구조일수록 매체 리포트의 ROAS를 실제 매출과 그대로 등치하면 안 된다고들 말합니다. 그러니 먼저 채널별 리포트가 서로 다른 질문에 답하고 있다는 전제를 세우고, 어느 리포트를 예산 판단의 최종 근거로 쓸지 채널별로 나눠 정하세요.

가장 먼저 할 일은 격차를 "누가 맞는가"로 다투지 않는 것입니다. 각 시스템이 답하는 질문이 다르다는 전제 위에서 용도별로 나눠 써야 합니다. 오프라인 구매 고객까지 전환으로 잡으려면 CRM의 구매 이력·고객 정보를 Google Ads나 네이버 광고와 연동하는 방법이 있는데, 업계에서는 POS 연동과 데이터 정규화, 개인정보 보안 처리가 까다롭고 시간이 걸린다고 이야기합니다. 연동을 진행한다면 동의 절차와 암호화를 반드시 함께 갖추세요. 마침 Google Ads는 2026년 6월부터 오프라인 전환 추적을 Data Manager API로 옮기면서 기존 방식보다 더 정확한 전환 보고서를 제공한다고 안내하므로, 가구 광고주는 이 시점에 맞춰 CRM 연동을 새로 걸거나 업그레이드해야 할 수 있습니다. 지금 쓰는 오프라인 전환 연동이 이 전환 대상에 포함되는지 담당자와 미리 점검해 두세요.

매체 리포트 간 격차를 근본적으로 다루려면 인크리멘털리티(증분) 테스트와 마케팅 믹스 모델(MMM)을 함께 쓰는 방법이 있습니다. 인크리멘털리티는 광고 노출 집단과 비노출 집단의 전환 성과를 비교해 광고 없이도 발생했을 매출을 제외한 순수 증분만 분리하는 방법론이고, 기여 모델을 대체하는 것이 아니라 기여 데이터가 놓치는 진짜 추가 성과를 검증하는 보완 장치입니다. MMM은 사용자 단위 추적 없이 매출·광고비 같은 집계 데이터로 채널 기여도를 통계적으로 추정해 서드파티 쿠키 규제나 iOS 추적 제한과 무관하게 작동하지만, 채널 단위 큰 그림만 보여줄 뿐 매체 리포트만큼 세밀한 개인화 인사이트는 주지 못합니다. 그래서 MMM은 인크리멘털리티 테스트와 상호 보완 관계로 함께 쓰는 것이 원칙입니다. 두 방법을 한 번에 갖추기 어렵다면 최소한 매체 리포트의 ROAS 하나만으로 대형 예산 결정을 내리지는 마세요.

예산을 옮길 때 가장 흔한 착시는 리타게팅 캠페인의 높은 ROAS입니다. 리타게팅은 이미 구매 의사가 형성된 유저를 대상으로 하므로 라스트클릭 기준 ROAS가 구조적으로 높게 나오고, 이 숫자만 보고 예산을 몰아주면 신규 유입을 만드는 상단 퍼널 캠페인의 예산이 줄어 전체 매출 기반이 축소됩니다. 이 착시는 지표를 더 정교하게 다듬어서 풀리는 문제가 아니라, 리타게팅 캠페인 자체를 껐을 때 매출이 실제로 줄어드는지 홀드아웃으로 확인해야 풀립니다.

신규 오디언스로 예산을 넓힐 때는 유사 타겟(Lookalike Audience)의 소스 오디언스를 최소 100명, 가능하면 1,000명 이상의 구매자 오디언스로 채우는 것이 권장됩니다. 광범위 타겟팅과 유사 타겟은 이미 브랜드를 아는 좁은 오디언스보다 오가닉 흡수가 적어 같은 ROAS라도 증분 비율이 더 높게 나오는 경향이 있으므로, 리프트 점수가 높게 나온 채널에 예산을 우선 배정하는 편이 합리적입니다. 메타는 2026년 인크리멘털 어트리뷰션 기능을 확대하면서 표준 기여 모델 대비 증분 전환이 24% 늘었다고 자체 발표했는데, 이런 벤더 발표 수치는 참고용으로만 두고 자사 홀드아웃 테스트 결과를 최종 기준으로 삼으세요. 리프트 테스트 결과를 예산 룰로 바꿀 때는 한 번에 20%를 넘는 예산 이동을 피하고 단계적으로 옮겨야 알고리즘 재학습 리스크를 줄일 수 있습니다. 예산 조정 계획을 세울 때 이 20% 상한을 기본 규칙으로 박아 두세요.

• 오프라인 상담·매장 구매가 섞이는 품목은 CRM 연동 여부와 동의·암호화 절차를 함께 점검하세요
• 2026년 6월 Data Manager API 전환 일정에 맞춰 오프라인 전환 연동을 미리 업그레이드하세요
• 리타게팅 예산을 늘리기 전에 홀드아웃으로 껐을 때 매출이 실제로 줄어드는지 확인하세요
• 유사 타겟 확장은 소스 오디언스 1,000명 이상을 기준으로 삼고, 예산 이동은 한 번에 20% 이내로 제한하세요