여행·숙박 어트리뷰션과 중복 집계 보정

여행·숙박 예약은 다른 업종보다 고려 기간이 깁니다. 국내 숙소는 예약 시점 기준 보통 3개월 전부터 준비가 시작되고 계획 자체는 1개월 전부터, 해외여행은 숙소 예약이 6개월 전, 계획은 3개월 전부터 시작되는 것이 일반적이라고 알려져 있습니다. 이렇게 고려 기간이 길면 같은 고객이 네이버, 구글, 메타 광고를 여러 차례 오가며 비교하게 되고, 그 사이 노출된 여러 매체가 저마다 자기 매체를 통해 예약이 일어났다고 기록합니다. 문제는 여기서 그치지 않습니다. 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 범위와 기여 기간, 쿠키·기기 식별 방식이 전부 달라서 같은 캠페인이라도 전환수가 다르게 잡히는 것이 정상입니다. 그래서 두 숫자를 그대로 더해 '총 전환'으로 보고하면 실제 예약 건수보다 부풀려진 값이 나옵니다. 먼저 이 격차가 오류가 아니라 시스템마다 답하는 질문이 다르기 때문이라는 전제를 팀 안에 공유하는 것부터 시작하세요.

여행·숙박 시장에서 중복 집계가 특히 심해지는 이유는 예약 채널 구조 자체에 있습니다. 국내 숙박 OTA 시장은 야놀자와 여기어때가 양강 체제를 이루고 있고, 그중 야놀자는 압도적인 숙소 네트워크로 중소형·지방·특이 숙소까지 폭넓게 커버하는 것으로 알려져 있습니다. 게다가 OTA를 통한 예약은 예약번호와 투숙 날짜 정도만 광고주에게 전달되고, 고객의 이메일이나 결제 이력 같은 실제 고객 정보는 OTA가 소유하는 구조로 알려져 있어서, 광고주 입장에서는 자사 GA4·메타 픽셀이 잡은 전환과 OTA가 별도로 보고하는 예약 실적을 하나의 고객 여정으로 이어 붙이기가 구조적으로 어렵습니다. 여기에 고객의 검색 습관도 겹칩니다. 고객들은 '가평 글램핑', '제주 펜션'처럼 지역과 카테고리를 조합해 검색하고 여러 업체를 비교한 뒤 위치·사진·시설·후기를 확인해 예약을 결정하는 경우가 많다고 알려져 있는데, 실무에서는 이 여정이 네이버 검색·플레이스에서 후보군에 들어간 뒤 인스타그램에서 공간 분위기를 확인하고 최종 결정하는 흐름으로 이어진다고 이야기합니다. 검색광고, 플레이스, 인스타그램, OTA 자체 노출이 한 번의 예약 과정에 모두 관여하는 구조이니, 매체별 보고서를 그대로 합산하면 실제보다 부풀려진 성과로 보일 수밖에 없습니다. 그러니 매체별 리포트를 취합할 때는 합산이 아니라 각 매체가 무엇을 답하는 지표인지부터 구분해서 보는 습관이 필요합니다.

격차를 줄이는 방법은 어느 매체가 맞는지 가리는 것이 아니라 용도를 나누는 것입니다. 라스트클릭 같은 전통적 기여 모델은 이미 구매 의사가 있던 고객의 전환까지 광고 성과로 잡아 과대평가하는 경향이 있어서, 실제로 리타게팅 캠페인의 라스트클릭 ROAS만 믿고 예산을 몰았다가 전체 매출이 급감한 사례가 보고된 적이 있습니다. 리타게팅은 이미 구매 의사가 형성된 유저를 대상으로 하므로 구조적으로 ROAS가 높게 나오는데, 이 착시를 검증하는 방법은 지표를 더 정교하게 다듬는 것이 아니라 캠페인을 실제로 꺼서 매출이 줄어드는지 홀드아웃으로 확인하는 것입니다. 설 연휴 시기에는 동아시아 전역에서 대규모 인구 이동이 일어나 항공·열차표가 일찍 매진되는 것으로 알려져 있는 만큼, 여행·숙박 업종은 이런 피크 시즌을 기준으로 홀드아웃 테스트 기간을 성수기 직전과 비수기로 나눠 설계해야 시즌성과 광고 효과를 혼동하지 않습니다. 인크리멘털리티는 광고에 노출된 집단과 노출되지 않은 통제 집단의 전환을 비교해 광고 없이도 일어났을 예약을 제외한 순수 증분만 분리하는 방법이고, 사용자 단위 추적 없이 매출과 광고비 같은 집계 데이터로 채널 기여도를 통계적으로 추정하는 마케팅 믹스 모델(MMM)은 이와 상호 보완 관계로 함께 쓰는 것이 원칙입니다. MMM은 개인 식별자가 필요 없어 추적 제한과 무관하게 작동하지만 채널 단위 큰 그림만 보여줄 뿐 세밀한 개인화 인사이트는 주지 못하니, 채널이 많고 접점이 긴 여행·숙박에서는 MMM으로 큰 배분을 정하고 리프트 테스트로 개별 캠페인을 검증하는 이중 구조가 맞습니다. 한 가지 더 고려할 부분은 iOS 정책 이후 메타가 쓰는 집계 이벤트 측정(AEM)입니다. 이는 추적을 거부한 사용자에 대해 개별 식별 없이 도메인 단위로 전환을 측정하는 체계이고, 데이터 집계·보고에 24~48시간의 의도적 지연을 둡니다.

보정된 데이터를 예산 재배분에 실제로 쓸 때도 순서가 있습니다. 리프트 테스트에서 증분이 높게 나온 채널에 예산을 옮기되, 광범위 타겟팅과 유사 타겟은 이미 브랜드를 아는 좁은 오디언스보다 오가닉 흡수가 적어 같은 ROAS라도 증분 비율이 더 높게 나오는 경향이 있습니다. 유사 타겟을 쓸 때는 소스 오디언스가 최소 100명은 되어야 하고 최적 성과를 보려면 1,000명 이상의 구매자 오디언스가 필요하다고 알려져 있으니, 예약 데이터가 충분히 쌓인 뒤에 시도하는 편이 안전합니다. 예산을 옮길 때는 한 번에 20%를 넘는 이동을 피하고 단계적으로 옮겨야 알고리즘 재학습으로 인한 성과 급락 리스크를 줄일 수 있습니다. 다만 이런 보정 기준 자체도 고정된 값이 아닙니다. 메타는 2025년 11월 GEM이라는 광고 랭킹 모델을 새로 공개했고, 적용 이후 인스타그램 광고 전환이 5%, 페이스북 피드 광고 전환이 3% 늘었다고 자체 보고했습니다. 이런 발표는 매체사의 자체 측정이므로 그대로 내부 기준으로 삼기보다, 자사 홀드아웃 테스트 결과와 비교해 실제로 우리 캠페인에서도 같은 방향인지 분기마다 재확인하는 절차를 두는 편이 안전합니다. 여행·숙박은 설 연휴 같은 동아시아 피크 시즌을 기점으로 광고 환경 자체가 바뀌니, 이 재확인 주기를 성수기 진입 전 점검 시점과 맞춰 두면 매체 발표와 실제 성과 사이의 괴리를 시즌 중에 발견하는 사고를 줄일 수 있습니다.

• GA4와 메타 기여 데이터를 합산해 보고하지 않고, 각 시스템이 답하는 질문이 다르다는 전제로 나눠 보고 있는지 확인하세요
• 자사 직접예약과 OTA 판매 채널이 같은 예약을 중복으로 잡고 있지 않은지, OTA 예약번호 기준으로 자사 전환 데이터를 대조하고 있는지 확인하세요
• 리타게팅 ROAS만 보고 예산을 늘리기 전에, 해당 캠페인을 껐을 때 매출이 실제로 줄어드는지 홀드아웃 테스트를 계획했는지 확인하세요
• 성수기 직전과 비수기 구간을 나눠 인크리멘털리티 테스트 일정을 설계했는지 확인하세요
• 메타 성과 지표를 볼 때 최소 이틀 지난 데이터를 기준으로 판단하고 있는지 확인하세요
• 예산 재배분은 한 번에 20%를 넘지 않게 단계적으로 옮기는 규칙을 세워두었는지, 그 기준을 분기마다 재점검하고 있는지 확인하세요