왜 리타게팅 ROAS는 항상 좋아 보이는가

리타게팅 캠페인의 타겟 오디언스는 이미 웹사이트를 방문했거나, 장바구니에 상품을 담았거나, 과거 구매 이력이 있는 유저입니다. 이 유저군은 애초에 전환 확률이 일반 신규 유저보다 훨씬 높습니다. 여기에 라스트클릭 기여 모델을 적용하면, 이 유저가 다른 경로(오가닉 검색, 직접 방문, 이메일)로 왔더라도 마지막에 리타게팅 광고를 한 번이라도 클릭했다면 전환 전체가 리타게팅 광고 성과로 잡힙니다.

이 구조에서는 리타게팅 캠페인의 ROAS가 항상 다른 캠페인보다 높게 나올 수밖에 없습니다. 문제는 이 숫자가 "리타게팅이 매출을 늘렸다"는 증거가 아니라 "이미 살 사람에게 마지막 터치를 붙였다"는 증거에 가깝다는 점입니다. 라스트클릭 모델은 이 차이를 구분하지 못하고 둘 다 같은 방식으로 집계합니다.

실제로 벌어진 착시의 전형적인 흐름

전형적인 실패 패턴은 이렇습니다. 담당자가 캠페인별 ROAS를 비교하다 리타게팅 캠페인의 ROAS가 프로스펙팅(신규 유입) 캠페인보다 몇 배 높다는 걸 발견하고, "효율이 좋은 곳에 예산을 더 쓰자"는 합리적으로 보이는 판단으로 리타게팅 예산 비중을 계속 늘립니다. 동시에 상대적으로 ROAS가 낮아 보이는 광범위 타겟팅·신규 오디언스 확장 캠페인의 예산은 줄어듭니다.

단기적으로는 전체 계정의 평균 ROAS 지표가 개선된 것처럼 보이지만, 몇 주가 지나면 리타게팅 대상이 될 신규 방문자·장바구니 이탈자 자체가 줄어듭니다. 리타게팅은 애초에 상단 퍼널에서 유입된 사람을 재포착하는 캠페인이기 때문에, 신규 유입이 마르면 리타게팅할 대상 풀 자체가 고갈됩니다. 이 시차 때문에 문제가 예산 재배분 시점이 아니라 한두 달 뒤 전체 자사몰 매출이 꺾이는 시점에야 드러나, 원인 추적이 어려워집니다.

이 착시를 지표 조정만으로는 못 푸는 이유

이 문제를 눈치챈 팀이 흔히 시도하는 대응은 기여 모델을 라스트클릭에서 다른 모델로 바꾸거나 기여 기간을 조정하는 것입니다. 하지만 어떤 기여 모델을 쓰든 결국 관측된 클릭·조회 데이터를 나눠 배분하는 방식이라, "광고가 없었어도 일어났을 전환"이라는 근본 문제 자체는 해결하지 못합니다. 모델을 바꾸면 리타게팅과 프로스펙팅 사이의 성과 배분 비율이 달라질 뿐, 리타게팅이 실제로 순매출을 늘렸는지에 대한 답은 여전히 나오지 않습니다.

이 질문에 답할 수 있는 방법은 리타게팅 캠페인 자체를 일부 오디언스에서 꺼서(홀드아웃) 그 그룹의 매출이 실제로 줄어드는지를 확인하는 증분 분석뿐입니다. 만약 리타게팅을 끈 홀드아웃 그룹의 매출이 노출 그룹과 큰 차이 없이 유지된다면, 그 리타게팅 예산은 애초에 광고 없이도 나왔을 매출에 얹혀 ROAS만 부풀리고 있었다는 뜻입니다.

재발을 막기 위한 예산 배분 원칙

이 실패를 겪은 이후 실무에서 흔히 적용하는 원칙은, 리타게팅 캠페인의 예산 비중을 프로스펙팅 캠페인 대비 일정 상한선 아래로 유지하고, 정기적으로(분기 단위 등) 리타게팅 일부를 홀드아웃으로 돌려 실제 증분을 재검증하는 것입니다. ROAS는 계속 참고 지표로 쓰되, 예산 배분의 최종 근거로 삼지 않고 리프트 테스트 결과와 함께 교차 검증하는 방식입니다. 신규 유입과 재포착 사이의 균형이 무너지면 단기 효율은 좋아 보여도 중장기 매출 기반이 줄어든다는 것이 이 사례의 핵심 교훈입니다.

iOS 개인정보 정책이 착시를 더 키운 지점

문제를 더 어렵게 만든 것은 iOS 앱 추적 투명성(ATT) 정책 이후 픽셀 단독 추적으로는 전환의 상당 부분이 누락된다는 점입니다. 브라우저 기반 픽셀만으로는 관측되지 않는 전환이 늘어난 상태에서, 리타게팅처럼 이미 식별된 유저(로그인 상태, 앱 내 활동 등)를 대상으로 하는 캠페인은 상대적으로 관측이 잘 되는 반면, 신규 유입 캠페인은 추적 손실의 영향을 더 크게 받습니다. 그 결과 프로스펙팅 캠페인의 실제 기여도가 리포트상 수치보다 저평가되는 방향으로 왜곡이 겹치고, 담당자는 "리타게팅이 더 잘 잡히니까 더 잘 먹힌다"는 착시를 한 겹 더 얹게 됩니다. 전환 API(서버사이드 추적)를 프로스펙팅 캠페인에도 동일한 수준으로 붙여 신규 유입 쪽의 관측 손실을 줄이는 것이 이 왜곡을 줄이는 선행 조치입니다.