축산물·정육(한돈) 어트리뷰션과 중복 집계 보정

한돈 광고를 스마트스토어·쿠팡·자사몰에서 동시에 돌리다 보면 GA4가 보여주는 전환수와 메타 광고 관리자가 보여주는 전환수가 서로 다르게 나오는 걸 자주 보게 됩니다. GA4는 기본적으로 데이터 기반 어트리뷰션을 쓰지만 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 범위, 기여 기간, 쿠키·기기 식별 방식이 모두 달라 같은 캠페인이라도 전환수가 다르게 나오는 게 정상입니다. iOS 정책 이후 메타는 CAPI·AEM 같은 보정 신호를 쓰지만 GA4는 상대적으로 브라우저 신호에 더 의존해, 매체별 관측 손실 폭 자체가 달라집니다. 그래서 "어느 쪽 숫자가 맞느냐"를 따지기보다 각 시스템이 답하는 질문이 다르다는 전제로 접근해야 합니다.

한돈은 여기에 업종 특유의 변수가 하나 더 얹힙니다. 정육 구매 소비자는 선도와 품질을 직접 확인한 뒤 사려는 성향이 강해서, 온라인 광고를 보고도 실제 구매는 근처 정육점이나 마트 매장에서 이뤄지는 경우가 적지 않다고 업계에서는 말합니다. 이 오프라인 전환은 정육점이나 소규모 판매처의 POS 시스템 연계 능력이 제한적인 경우가 많아 온라인 광고 데이터와 연결되지 않고 그대로 누락되는 경우가 흔하다고 알려져 있습니다. 즉 한돈 광고의 숫자 문제는 매체 간 중복 집계뿐 아니라, 오프라인으로 빠져나가는 전환이 아예 어느 쪽 리포트에도 안 잡히는 누락 집계가 함께 섞여 있다는 뜻입니다. 그래서 먼저 지금 쓰는 광고 계정들이 이 온라인-오프라인 괴리를 어느 정도로 겪고 있는지부터 가늠해 보세요.

가장 먼저 할 일은 메타 쪽 설정을 실제로 눈으로 확인하는 것입니다. AEM(집계 이벤트 측정)은 iOS ATT 프롬프트에서 추적을 거부한 사용자에 대해 개별 식별 없이 도메인 단위 집계 데이터로 전환을 측정하는 메타의 개인정보보호 대응 체계입니다. 2025년 6월부터 메타는 웹 전환에 한해 기존의 도메인당 8개 이벤트 우선순위 지정 제한을 제거했지만, iOS 앱 캠페인과 신 체계로 전환되지 않은 일부 계정에는 여전히 8개 이벤트 우선순위 모델이 적용될 수 있어 자사 Events Manager 화면에서 직접 확인해야 합니다. 한돈처럼 자사몰·스마트스토어·쿠팡을 동시에 운영하면 도메인이 여러 개로 쪼개지기 쉬운 만큼, 이 우선순위 설정이 계정마다 제대로 잡혀 있는지 먼저 점검하세요. AEM은 개인 식별 위험을 막기 위해 데이터 집계·보고에 24~48시간의 의도적 지연을 둔다는 점도 감안해서, 캠페인 종료 직후가 아니라 하루 이상 지난 뒤의 숫자로 판단해야 합니다.

매체 리포트 간 격차 자체를 없애려 하기보다는, 그 위에 인크리멘털리티 검증을 얹는 방법이 있습니다. 인크리멘털리티는 광고 노출 집단과 비노출 집단의 전환 성과를 비교해 광고 없이도 발생했을 매출을 제외한 순수 증분만 분리하는 방법론입니다. 라스트클릭 등 전통적 기여 모델은 이미 구매 의사가 있던 고객의 전환까지 광고 성과로 잡아 과대평가하는 경향이 있고, 인크리멘털리티는 이를 대체하는 게 아니라 기여 데이터가 놓치는 진짜 추가 성과를 별도로 검증하는 보완 장치입니다. 오프라인 전환 데이터를 아예 못 모으는 소규모 정육 판매처라면, 온·오프라인 통합 마케팅 성과 측정은 채널별 매출이 아니라 고객 여정 전체를 하나로 보는 CRM 통합 관점이 필요하고 클릭 앤 콜렉트 같은 서비스가 저비용 옴니채널 전략으로 쓰일 수 있다는 게 실무에서 나오는 이야기입니다.

개인 식별 없이 채널 효율을 큰 그림으로 보고 싶다면 마케팅 믹스 모델(MMM)도 병행할 만합니다. MMM은 사용자 단위 추적 없이 매출·광고비·외부 변수 같은 집계 데이터로 채널 기여도를 통계적으로 추정하는 방법론이라 개인 식별자가 필요 없어 서드파티 쿠키 규제나 iOS 추적 제한과 무관하게 작동합니다. 대신 채널·매체 단위 큰 그림만 보여줄 뿐 세밀한 개인화 인사이트는 주지 못하므로, 인크리멘털리티 테스트와 상호 보완 관계로 함께 쓰는 게 원칙입니다. 한돈처럼 POS 연계가 어려운 오프라인 접점이 섞여 있는 업종에서는 어트리뷰션 하나만 붙잡기보다 이 조합을 기본 세팅으로 가져가는 편이 낫습니다.

숫자를 보정했다면 그다음은 그 숫자로 예산을 어떻게 옮기느냐입니다. 여기서 가장 흔한 착시가 리타게팅입니다. 리타게팅은 이미 구매 의사가 형성된 유저를 대상으로 하므로 라스트클릭 기준 ROAS가 구조적으로 높게 나오고, 이 ROAS만 보고 예산을 집중하면 신규 유입을 만드는 상단 퍼널 캠페인의 예산이 줄어 전체 매출 기반이 축소됩니다. iOS 정책 이후 픽셀 단독 추적으로는 전환의 상당 부분이 누락돼 이런 라스트클릭 지표의 왜곡이 더 커진 상태이고, 이 착시를 검증하는 방법은 지표를 더 정교하게 다듬는 게 아니라 리타게팅 캠페인 자체를 껐을 때 매출이 실제로 줄어드는지 홀드아웃으로 확인하는 것입니다.

예산을 옮길 때 기준으로 삼을 오디언스도 정해두는 게 좋습니다. 유사 타겟은 소스 오디언스 최소 100명, 최적 성과를 위해서는 1,000명 이상의 구매자 오디언스가 권장되고, 광범위 타겟팅과 유사 타겟은 이미 브랜드를 아는 좁은 오디언스보다 오가닉 흡수가 적어 같은 ROAS라도 증분 비율이 더 높게 나오는 경향이 있습니다. 메타는 2026년 인크리멘털 어트리뷰션 기능을 확대해 표준 기여 모델 대비 증분 전환을 24% 늘렸다고 자체 발표했는데, 이는 메타가 직접 낸 수치이니 자사 리프트 테스트 결과로 한 번 더 대조해 보는 편이 안전합니다. 리프트 테스트 결과를 예산 룰로 바꿀 때는 한 번에 20%를 넘는 예산 이동을 피하고 단계적으로 옮겨야 알고리즘 재학습 리스크를 줄일 수 있습니다.

메타 알고리즘 자체도 계속 바뀐다는 점을 판단 기준에 넣어야 합니다. 메타는 2025년 11월 GEM이라는 LLM 규모의 광고 랭킹 파운데이션 모델을 공개했고 적용 이후 인스타그램 광고 전환 5%, 페이스북 피드 광고 전환 3% 증가를 보고했으며, 2024년 12월 공개된 AI 광고 검색 엔진 안드로메다는 회수율 6%, 광고 품질 8% 개선이 보고됐습니다. 이런 수치는 메타 자체 발표이므로, 새 모델이 롤아웃될 때마다 자사 계정의 전환 추이가 실제로 따라가는지 분기 단위로 대조하는 루틴을 만들어 두면 예산 판단이 숫자 하나에 흔들리지 않습니다.

• Events Manager에서 도메인별 이벤트 우선순위가 8개 제한 모델인지 신 체계로 전환됐는지 먼저 확인하세요
• 정육점·매장 판매분을 POS나 고객 DB로 광고 시스템에 연계할 수 있는지 인프라 유무부터 점검하세요
• 리타게팅 예산을 끄고 매출이 실제로 줄어드는지 홀드아웃으로 검증한 뒤 상단 퍼널 예산을 조정하세요
• 유사 타겟 오디언스가 최소 100명, 가능하면 1,000명 이상 구매자 기반인지 확인하세요
• 리프트 테스트로 확인된 예산 재배분은 한 번에 20% 이내로 나눠 옮기세요
• 온·오프라인 전환을 하나로 보려면 CRM 통합 여부와 클릭 앤 콜렉트 같은 저비용 옴니채널 옵션을 같이 검토하세요