밀키트 미디어믹스와 예산 배분 원칙

밀키트는 이미 "오늘 뭐 먹지"를 지나 "밀키트로 먹자"까지 정하고 검색창을 여는 손님과, 아직 밀키트라는 선택지 자체를 떠올리지 않은 손님이 뒤섞여 있는 상품입니다. 그래서 미디어 믹스를 짤 때 가장 먼저 할 일은 금액을 나누는 것이 아니라 채널마다 맡을 역할을 정하는 것입니다. 미디어 믹스는 매체 유치 비용표가 아니라 비즈니스 최종 마진율과 연동된 예산 배분 구조여야 합니다. 역할이 먼저 서야 그 위에 비율을 올릴 수 있습니다.

한 브랜드의 A/B 테스트에서는 밀키트처럼 구매 의도가 분명한 제품에서 파워링크보다 쇼핑검색광고의 효율이 더 높게 나타난 적이 있습니다. 다만 이는 특정 브랜드 한 곳의 테스트 결과라 업종 전체에 그대로 일반화하기는 어렵습니다. 그래서 이 결과를 정답처럼 받아들이지 말고, 자사 계정에서 같은 비교를 소액으로 한 번 돌려보고 그 결과로 역할 배정을 확정하는 편이 안전합니다.

메타(페이스북·인스타그램)는 전환 채널이 데려오지 못하는 손님, 즉 아직 밀키트를 떠올리지 않은 손님을 고려 단계로 끌어올리고, 장바구니나 상세페이지까지 왔다가 이탈한 손님을 리타겟팅으로 되돌리는 역할을 맡습니다. 매체가 공개하는 것은 규격·입찰 방식·전환 기여 기간 같은 운영 파라미터이지 배분 비율 자체는 아닙니다. 전환 기여 기간이 매체마다 달라 대시보드 ROAS를 매체 간에 직접 비교하면 왜곡이 생기므로, 역할을 나눈 다음에는 각 매체의 숫자를 그 매체 안에서만 먼저 비교하는 습관을 들여야 합니다.

총예산을 정하는 순서는 개별 캠페인 예산을 더하는 상향식이 아니라, 매출 목표에서 거꾸로 총액을 먼저 정하고 그 아래로 쪼개는 하향식입니다. 이때 총액을 쪼개는 축은 분기와 매체 두 가지이고, 이 두 축을 동시에 쪼개 놓아야 실행 단계에서 다시 조정할 여지가 남습니다. 밀키트처럼 시즌·프로모션에 반응이 크게 갈리는 업종에서는 이 여지가 특히 중요한데, 분기별로 미리 쪼개 놓지 않으면 프로모션 시즌에 예산을 옮길 근거 자체가 생기지 않습니다.

비율을 가르는 기준은 금액이 아니라 상품별 공헌이익입니다. 공헌이익 기반 배분은 판매량이 아니라 상품별 실제 수익 기여도로 예산을 나누고, 공헌이익률이 높은 상품에는 공격적으로, 낮은 상품에는 목표 CPA를 엄격히 관리하며 배분하는 것이 기본 원칙입니다. 매체별 CPC·CPM·CPA만 비교해서 믹스를 짜면 매출은 늘어도 이익은 줄어드는 함정에 빠지기 쉽습니다. 한 광고대행사는 밀키트가 품목 단가가 낮은 편이라 배송비까지 얹으면 남는 마진이 빠듯해지는 경우가 많다고 보고, 단순 ROAS보다 정기배송 유도와 재구매 구조 설계가 핵심이라고 제안합니다. 다만 이는 대행사 한 곳의 전략 제안이고 실제 마진율과 재구매율은 브랜드마다 다를 수 있다고 그 대행사도 밝히고 있습니다. 그래서 비율을 정하기 전에 마케팅팀이 재무팀과 함께 상품별 원가·변동비 데이터를 먼저 확보하는 작업이 선행되어야 합니다.

구체적인 비율 자체를 업종 표준으로 공표한 국내 기관·매체사는 확인되지 않습니다. 한 광고대행사는 네이버 쇼핑 광고에 50~60퍼센트, 메타 광고에 30~40퍼센트를 배분하고 처음 1~2주는 네이버에서 키워드 성과를 테스트한 뒤 3주차부터 메타 리타겟팅을 시작하는 방안을 제안한 적이 있습니다. 다만 이 역시 대행사 한 곳의 제안이고 실제 성과는 제품·브랜드 인지도·시장 조건에 따라 달라질 수 있다고 그 대행사도 밝히고 있습니다. 그래서 이 숫자를 업종 표준처럼 쓰지 말고 시작점으로만 삼고, 4주를 기준선으로 잡아 한 번에 한 채널만 바꿔가며 같은 요일끼리 비교하는 절차로 자사 비율을 찾아가는 것이 안전합니다. 최종 판정은 매체별 지표가 아니라 전체 매출을 전체 광고비로 나눈 MER로 하고, 세부 진단에만 매체 지표를 씁니다.

자사 집행 데이터가 아직 없는 신규 브랜드나 신제품 런칭 초기에는 경쟁사 버즈량과 업계 표준 단가를 대체 데이터로 쓰는 수밖에 없습니다. 메타 쪽에서 참고할 수 있는 숫자로 식품·음료 업종 전체의 평균 CPC가 공개돼 있지만, 이는 식품 전체 업종 평균이고 밀키트만의 수치는 아니며 지역·계절에 따라서도 달라집니다. 그래서 이 숫자를 밀키트 캠페인의 목표 CPC로 그대로 가져다 쓰지 말고, 집행 전 범위를 가늠하는 참고치로만 두는 것이 안전합니다. 첫 예산 배분의 목적도 정밀한 최적화가 아니라 여러 매체에 소액을 걸어 데이터를 빠르게 쌓는 데 있습니다.

한 광고대행사는 밀키트를 일정 주기로 소비되는 정기 구매형 상품으로 보는데, 이 역시 브랜드별로 재구매율 차이가 날 수 있다는 전제가 붙어 있습니다. 그래서 테스트 구간에는 1회 구매 ROAS만 보지 말고 재구매로 이어지는 손님 비율도 같이 기록해 두면 다음 단계 판단에 유리합니다. 테스트 몇 주가 지나 실측 데이터가 쌓이면 곧바로 경쟁사 추정치를 자사 데이터로 교체해야 합니다.

확대 단계에서 CPC가 사전 예측치보다 50퍼센트 이상 뛰면 예산 소진 속도와 최종 도달 성과가 시뮬레이션과 크게 어긋나므로, 경쟁 심화·타겟팅 설정 오류·매체 정책 변경 중 어느 원인인지부터 구분해야 합니다. 원인을 다 밝히기 전이라도 입찰가 상한을 임시로 낮춰 소진 속도를 늦추는 것이 먼저이고, 원인이 특정 소재나 타겟 그룹에 몰려 있다면 그 부분만 예산을 다른 그룹으로 돌려 대응할 수 있습니다. 이 사례는 다음 시뮬레이션의 CPC 가정값에 반영해 두어야 같은 오차가 되풀이되지 않습니다.

확대 승인을 받을 때는 숫자표보다 도넛 차트나 막대그래프처럼 핵심 메시지를 바로 보여주는 시각 자료가 짧은 시간에 더 설득력을 갖습니다. 퍼널 단계별(인지·고려·전환) 예산 점유율을 보여주면 왜 이 비율인지 한눈에 이해시킬 수 있습니다. 다만 시각 자료 뒤에는 항상 원본 데이터 표를 부록으로 붙여 세부 질문에 대비하고, 발표 전에는 실제 숫자와 대조해 오차나 단위 실수가 없는지 맞춰 봐야 합니다.

• 채널별 역할(전환 중심 네이버 쇼핑검색광고 vs 고려·리타겟팅 중심 메타)을 먼저 정하고, 그 역할에 맞게 비율을 올렸는지 확인합니다
• 비율을 외부 표준이 아니라 상품별 공헌이익 데이터와 자사 테스트 결과로 정했는지 확인합니다
• 분기·매체 두 축으로 총예산을 미리 쪼개 시즌·프로모션 구간에 재배분할 여지를 남겼는지 확인합니다
• 런칭 초기 경쟁사 추정치로 시작했더라도, 실측 데이터가 쌓이는 즉시 자사 데이터로 교체할 일정을 잡아 두었는지 확인합니다
• CPC 급등 시 입찰가 상한을 먼저 낮추고 원인(경쟁·타겟팅·정책)을 구분하는 대응 순서를 팀이 공유하고 있는지 확인합니다
• 배분 변경을 보고할 때 쓸 시각 자료와 원본 데이터 표를 함께 준비했는지 확인합니다