중복 집계가 생기는 이유
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 별도 집계합니다. 두 시스템은 관측 범위, 기여 기간, 쿠키·기기 식별 방식이 모두 달라 같은 캠페인이라도 전환수가 다르게 나오는 것이 정상입니다. iOS 정책 이후 메타는 CAPI·AEM 같은 보정 신호를 쓰지만 GA4는 상대적으로 브라우저 신호에 더 의존해, 매체별 관측 손실 폭 자체가 다릅니다. 그래서 두 숫자를 더하거나 맞춰보려 하지 말고, 각 시스템이 원래 답하는 질문이 다르다는 전제에서 시작해 아래 보정 방법으로 넘어가야 합니다.
하수구·설비 업종은 여기에 한 겹이 더 얹힙니다. 업계에서는 고객이 상담 전화 또는 방문으로 구매를 결정하는 구조라 온라인 광고 클릭과 최종 결제 사이의 인과관계를 증명하기 어렵고, 같은 고객이 여러 업체에 동시에 연락했을 때는 어느 광고에서 온 고객인지 가르기도 어렵다고 말합니다. 이런 구조적 어려움은 CRM 연동이나 고객 인터뷰 추적으로 부분적으로만 풀리는 것으로 알려져 있으니, 완전히 없앨 문제가 아니라 단계적으로 줄여가는 문제로 접근해 보세요. 구글 광고는 클릭마다 GCLID라는 고유 식별자를 부여해 나중에 오프라인 거래 데이터를 붙일 때 같은 고객을 다시 찾아낼 수 있게 해주지만, 이를 위해서는 랜딩페이지와 CRM 양쪽에서 GCLID를 캡처하고 저장해야 하고 소규모 업체는 이 기술 구현 자체가 부담일 수 있습니다. 업계에서는 이 업종 고객이 급한 상황에서 모바일로 검색해 곧바로 전화하는 경향이 있다고 보는데, 그렇다면 접점이 짧고 여러 채널이 비슷한 시점에 몰리는 만큼 어느 채널이 실제로 그 전화를 만들었는지는 매체 리포트 하나만으로 가르기 더 어려워집니다. 그래서 아래처럼 오프라인 연결과 전화 추적을 함께 놓고 봐야 합니다.
보정 방법: 오프라인 전환 연결과 매체별 역할 구분
실제 판매가 오프라인에서 일어나는 구조이므로, 구글 광고의 오프라인 전환 가져오기 기능으로 GCLID와 CRM 거래 기록을 연결해 광고 클릭과 실제 계약을 이어붙이는 방법을 기본으로 삼습니다. 다만 2026년 6월부터 Google Ads API를 통한 오프라인 전환 가져오기는 막히고 Data Manager API로 옮겨졌으므로, 지금 이 연동을 새로 구축한다면 이 경로 기준으로 설계해야 합니다. 리드 폼 제출용 향상된 전환은 이메일·전화번호 같은 고객 데이터를 활용해 오프라인 전환 추적 정확도를 중앙값 기준 10퍼센트 끌어올리지만, 이는 중앙값이라 개별 계정의 실제 향상도는 CRM 연동 수준과 고객 데이터 품질에 따라 달라지니, 도입 후에는 자사 계정 기준으로 향상 폭을 따로 확인해 보세요.
메타 쪽은 AEM(집계 이벤트 측정)이 iOS 추적 거부 사용자에 대해 개별 식별 없이 도메인 단위 집계로 전환을 잡아내며, 2025년 6월부터 웹 전환에 한해 기존의 도메인당 8개 이벤트 우선순위 제한이 풀렸습니다. 다만 iOS 앱 캠페인이나 새 체계로 전환되지 않은 일부 계정에는 여전히 8개 이벤트 제한이 걸려 있을 수 있어 자사 이벤트 관리자 화면에서 직접 확인해야 하고, AEM은 개인 식별 위험을 막기 위해 집계·보고에 24시간에서 48시간의 지연을 의도적으로 둡니다. 이 지연 때문에 캠페인 당일 성과를 메타 화면에서 바로 판단하려 하면 실제보다 낮게 보일 수 있으니, 최소 이틀은 지켜보고 판단하는 편이 안전합니다. 구글의 오프라인 전환 연결과 메타의 AEM은 서로 다른 질문에 답하는 별개 장치이므로, 계약 성사분은 구글 쪽 GCLID·CRM 연결로 확정하고 메타 리포트는 자체 채널 안에서의 최적화 신호로만 쓰는 식으로 역할을 나눠 쓰는 것이 왜곡을 줄이는 방법입니다.
의사결정에 쓰는 기준: 전화 연결과 인크리멘털리티
업계에서는 배관·설비 광고는 클릭보다 전화 연결이나 상담 전환을 핵심 지표로 관리해야 하며, 클릭은 많은데 전화 연결이 없는 키워드는 바로 제외 목록에 올려야 한다고 안내합니다. 다만 전화 연결 자체도 실제 문의와 스팸 전화가 섞여 있어 통화 녹음이나 CRM 기록 없이는 구분이 어려우니, 먼저 통화 기록 시스템부터 붙이고 그 위에서 키워드를 정리해 보세요.
이 착시를 검증하는 방법은 지표를 더 정교하게 다듬는 것이 아니라 해당 캠페인을 꺼봤을 때 매출이 실제로 줄어드는지 홀드아웃으로 확인하는 것입니다. 쿠키 없이 매출·광고비 같은 집계 데이터로 채널 기여도를 통계적으로 추정하는 마케팅 믹스 모델은 개인 추적 규제와 무관하게 작동하는 대신 세밀한 인사이트는 주지 못하므로, 인크리멘털리티 테스트와 함께 큰 그림을 보는 용도로 병행하는 것이 원칙입니다. 이렇게 확인된 결과로 채널 간 예산을 옮길 때도 한 번에 20퍼센트를 넘는 이동은 피하고 단계적으로 옮겨야 광고 알고리즘 재학습으로 성과가 흔들리는 리스크를 줄일 수 있습니다.
집행 전 체크리스트
- 구글 쪽은 GCLID를 랜딩페이지와 CRM에서 캡처해 오프라인 전환 가져오기(신규 구축이면 Data Manager API 경로)로 연결했는지 확인하세요
- 리드 폼 향상된 전환에 이메일·전화번호가 정상적으로 넘어가는지, 실제 향상도를 자사 계정 기준으로 별도 확인했는지 점검하세요
- 메타 이벤트 관리자에서 8개 이벤트 우선순위 제한이 걸린 계정인지 확인하고, AEM 리포트는 24~48시간 지연을 감안해 최소 이틀 뒤 판단하세요
- 클릭 대비 전화 연결이 없는 키워드를 통화 녹음·CRM 기록 기준으로 걸러 제외 목록에 올렸는지 확인하세요
- 리타게팅처럼 ROAS가 높게 나오는 캠페인은 홀드아웃으로 꺼봤을 때 신규 문의가 실제로 줄어드는지 검증했는지 확인하세요
- 검증 결과로 채널 간 예산을 옮길 때 한 번에 20퍼센트를 넘기지 않고 단계적으로 이동했는지 확인하세요
추가로 F4·F6(논쟁/후기/통설 tier)를 단정형으로 썼던 부분을 "업계에서는 ~라고 말합니다" 식으로 고쳐 tier 규칙을 지켰습니다.
← 이전 챕터 · D1 하수구·설비 전환 정의와 태깅·측정 설계
- 기여도 왜곡 보정 룰셋: GA4(라스트 클릭 모델) 데이터와 메타 광고 관리자(자체 기여 모델) 데이터 간의 크로스 채널 데이터 격차 조율 공식
- [확인 항목] 메타 어트리뷰션 API 연동 기준: iOS 개인정보 정책 변화에 따른 연도별 매체 기여 데이터 보정 모델(AEM) 작동 한계 점검
- [실패 사례 분석] 라스트 클릭 기여 모델의 착시: 메타 리타게팅 광고의 높은 ROAS 지표만 믿고 예산을 몰았다가 전체 자사몰 매출이 급감한 원인 해부
- 전방위 마케팅 성과 측정의 최종 단계: 디지털 쿠키 추적 없이 거시적 데이터 통계로 채널별 효율을 분석하는 마케팅 믹스 모델(MMM)의 정의
- 인크리멘털리티 기반 예산 재분배: 리프트 점수가 높게 나온 핵심 잠재오디언스(Broad/Broad Lookalike) 채널에 거시 예산 우선 배정 룰
- 인크리멘털리티(Incremental Lift/증분 분석)의 정의: 자연 유입 매출과 광고를 통한 '순수 추가 매출'을 발라내야 하는 거시적 배경
12CODE ACADEMY
체계적으로 배우고 싶다면
퍼포먼스 광고 운영 과정에서 매체별 운영법을 순서대로 다룹니다.