업종별 광고 교과서 › 중고차 › 측정
중고차 어트리뷰션과 중복 집계 보정
매체마다 다른 숫자가 나오는 구조적 이유
중고차는 탐색 기간이 길고 비교할 매물과 조건이 많아, 한 명의 구매자가 검색광고와 메타 피드, 리타게팅 배너를 여러 차례 오가다 상담이나 계약에 이르는 경우가 흔합니다. 이 과정에서 GA4는 기본적으로 여러 접점에 가중치를 나눠 배분하는 데이터 기반 모델을 쓰지만 실무에서는 라스트클릭처럼 해석되는 경우가 많고, 메타는 자체 기여 모델로 별도 집계를 하기 때문에 같은 캠페인이라도 두 시스템이 서로 다른 전환수를 보고하는 것은 구조적으로 정상입니다. 두 시스템은 관측 범위와 기여 기간, 쿠키·기기 식별 방식이 모두 다르고, iOS 정책 이후 메타는 보정 신호를 더해 손실을 메우는 반면 GA4는 브라우저 신호에 더 의존해 매체별로 놓치는 전환의 폭 자체가 다릅니다. 각 시스템이 답하는 질문 자체가 다르다는 전제로 접근해야 합니다. 예산 배분 회의 전에 지금 보는 숫자가 어느 시스템의 어떤 기여 모델인지부터 확인하세요.
콜센터로 유입된 리드는 온라인 클릭과 오프라인 상담 연결 사이의 시간 갭이 커서 추적과 귀속이 어렵다고 업계에서는 알려져 있습니다. 그래서 리드가 발생한 순간의 매체·캠페인·키워드 정보를 CRM에 함께 기록하는 최소한의 연동부터 갖춰야 이후 어떤 보정 작업도 가능해집니다. 리드 폼 제출자 중 상당수는 단순 탐색 목적으로만 접근한다는 것이 업계의 공통된 지적이라, 리드 수를 매체별로 그대로 합산하면 실제 상담·계약 성과와는 거리가 먼 숫자가 만들어집니다. 그래서 리드 수가 아니라 상담 전환율을 매체별로 따로 추적하는 쪽이 광고 ROI를 제대로 파악하는 방법이라고 업계에서는 안내합니다. 먼저 이 지표부터 매체별로 나눠 쌓아보세요.
매체별 리드 품질 차이가 착시를 두 배로 키우는 지점
메타 리드광고는 양이 많지만 상담 연결률이 낮고, 네이버 폼은 양이 적어도 상담 전환율이 높게 나오는 등 매체마다 리드 품질 자체가 다르다고 업계에서는 보고 있습니다. 이 차이를 무시하고 리드 단가나 리드 수만으로 매체 순위를 매기면 실제로는 성과가 낮은 매체에 예산이 더 몰리는 왜곡이 생깁니다. 그래서 소스별 리드 품질을 비교 분석해야 실질적인 ROI를 파악할 수 있다는 게 업계의 진단이며, 먼저 매체별 리드마다 상담 연결 여부와 계약 성사 여부까지 남기는 CRM 필드부터 만들어 두세요. 리드 폼으로 수집한 고객 정보를 CRM에 정확히 기록하고 상담사의 응답 시간을 단축하지 않으면 실제 판매로 이어지는 전환이 급격히 떨어진다고 업계에서는 통용됩니다. 리드 접수 후 첫 응답까지 시간이 길어질수록 이탈 확률이 급격히 올라간다는 점도 함께 알려져 있어, 매체 간 성과를 비교하기 전에 상담률과 평균 응답 시간부터 매체별로 나눠 집계하는 것이 순서입니다. 이 두 지표가 갖춰지지 않은 상태에서 매체 간 예산을 조정하면 어느 쪽으로 옮기든 근거 없는 결정이 됩니다.
무엇을 기준으로 예산을 옮길지 정합니다
리타게팅은 이미 구매 의사가 형성된 유저를 대상으로 하기 때문에 라스트클릭 기준 ROAS가 구조적으로 높게 나옵니다. 이 지표만 믿고 예산을 리타게팅에 몰아붙이면 신규 유입을 만드는 상단 퍼널 캠페인의 예산이 줄어 전체 매출 기반 자체가 축소된 실패 사례가 있습니다. 탐색 기간이 길고 여러 매체를 오가는 중고차 구매 여정에서는 이 착시가 더 크게 작동할 수 있으므로, 라스트클릭 ROAS만 보고 상단 퍼널 예산을 급격히 줄이는 결정은 매출 기반 자체를 무너뜨릴 수 있는 위험한 판단입니다. 이런 결정은 반드시 검증을 거친 뒤에 내려야 합니다. 이 착시를 검증하는 방법은 지표를 더 정교하게 다듬는 것이 아니라 리타게팅 캠페인 자체를 껐을 때 상담과 계약이 실제로 줄어드는지 홀드아웃으로 확인하는 것입니다. 인크리멘털리티는 광고에 노출된 집단과 노출되지 않은 집단의 전환 성과를 비교해, 광고가 없어도 어차피 발생했을 계약까지 광고 성과로 잡는 과대평가를 걸러내는 방법입니다. 사용자 단위 추적이 어려운 콜센터·오프라인 상담 접점이 많은 중고차 특성상, 매출과 광고비 같은 집계 데이터로 채널 기여도를 추정하는 마케팅 믹스 모델을 인크리멘털리티 테스트와 함께 보완적으로 쓰는 방법도 검토해볼 만합니다. 홀드아웃 검증으로 특정 채널의 증분 효과가 확인된 뒤에 예산을 옮길 때도 한 번에 상당 부분을 이동하지 말고 20%를 넘지 않는 선에서 단계적으로 옮겨야 알고리즘 재학습에 따른 성과 변동 리스크를 줄일 수 있습니다. 즉 일상적인 매체 내 최적화는 각 매체가 보고하는 숫자를 그대로 써도 되지만, 매체를 넘나드는 예산 재배치 결정만큼은 홀드아웃과 인크리멘털리티 검증을 통과한 뒤에 내리는 것을 기준으로 삼으세요.
집행 전 체크리스트
- 리드 발생 시점에 매체·캠페인·키워드 정보를 CRM에 함께 기록해, 콜센터로 넘어간 뒤에도 어느 매체에서 왔는지 추적할 수 있게 해두세요
- 매체별 리포트의 전환수는 그대로 더하지 말고, GA4와 메타 각각이 어떤 기여 모델로 집계한 숫자인지 확인한 뒤 용도를 나눠 쓰세요
- 리드 수가 아니라 상담 연결률과 계약 성사율을 매체별로 따로 집계해 실질 ROI를 판단하세요
- 리타게팅 ROAS만 보고 상단 퍼널 예산을 줄이기 전에, 해당 채널을 껐을 때 상담과 계약이 실제로 줄어드는지 홀드아웃으로 확인하세요
- 채널 간 예산 재배치는 한 번에 20%를 넘기지 말고 단계적으로 옮기며 매 단계마다 상담률과 응답 시간을 다시 확인하세요
- 리드 접수부터 첫 응답까지 걸리는 시간을 매체별로 측정해, 응답 지연이 긴 매체의 리드가 손실되고 있지 않은지 점검하세요
더 읽기
- 기여도 왜곡 보정 룰셋: GA4(라스트 클릭 모델) 데이터와 메타 광고 관리자(자체 기여 모델) 데이터 간의 크로스 채널 데이터 격차 조율 공식
- [실패 사례 분석] 라스트 클릭 기여 모델의 착시: 메타 리타게팅 광고의 높은 ROAS 지표만 믿고 예산을 몰았다가 전체 자사몰 매출이 급감한 원인 해부
- 인크리멘털리티(Incremental Lift/증분 분석)의 정의: 자연 유입 매출과 광고를 통한 '순수 추가 매출'을 발라내야 하는 거시적 배경
- 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