12CODE
지금 읽는 곳 기여 기간을 바꾸면 정확히 무엇이 같이 바뀌나 1 / 5
12code 라이브러리 아티클 표지. 어트리뷰션 윈도우(클릭 후 며칠·조회 후 며칠) 설정 변경이 성과 지표에 미치는 영향
S3› 3-2› 과목 235› 레슨 19

어트리뷰션 윈도우(클릭 후 며칠·조회 후 며칠) 설정 변경이 성과 지표에 미치는 영향

기여 기간은 단순한 리포팅 옵션이 아니라 최적화 학습 데이터까지 함께 바꾸는 설정이라, 바꾼 날을 기록하지 않으면 성과 하락과 설정 변경을 영영 구분할 수 없습니다.

이 과목 19 / 33편 고급 4분
과목 ID235
트랙S3
모듈3-2
레슨19
난이도고급
플랫폼공통
발행일2026-09-01
검토일2026-09-01
관련 과목104 · 112 · 111
출처7건
핵심요약5개
01

2026년 기준 메타 광고 세트의 기본 기여 설정은 '7일 클릭, 1일 참여 유도, 1일 조회'다

02

메타는 2026년 1월 12일부로 광고 인사이트 API에서 7일 조회·28일 조회 기여 옵션을 영구 제거했다

03

옵션 제거 직후 7일 조회를 쓰던 계정은 15~30%, 28일 조회를 쓰던 계정은 30~40% 귀속 전환이 급감했다는 업계 집계가 있다(메타 공식 발표가 아니라 3차 분석 매체 집계다)

04

GA4 키 이벤트 기본 전환 조회기간은 이벤트 유형별로 다르다 — 획득 이벤트 30일, 그 외 대부분 90일, 참여 조회 3일

05

조회기간을 넓히면 상단 퍼널 채널이, 좁히면 하단 퍼널 채널이 유리해져 채널 서열 자체가 뒤바뀐다

01

기여 기간을 바꾸면 정확히 무엇이 같이 바뀌나

메타의 기여 설정은 광고 세트 단위에서 직접 변경할 수 있는데, 이 값을 바꾸면 리포팅 수치와 결과 전달(최적화)이 동시에 바뀝니다. 즉 화면에 보이는 숫자만 달라지는 것이 아니라 시스템이 학습 신호로 쓰는 전환 집합 자체가 달라진다는 뜻입니다. 조회 기여 기간을 줄이면 시스템이 인식하는 전환 건수가 줄고, 학습 단계에 필요한 전환량 확보가 늦어지며, 그 결과 실제 배분과 입찰까지 영향을 받습니다. 그래서 기여 설정 변경은 크리에이티브 교체나 예산 조정과 같은 주에 하지 않는 것이 좋습니다. 두 변수가 겹치면 성과 변화의 원인을 나중에 분리할 수 없습니다. 2026년 3월 도입된 참여 유도(engage-through) 기여도 같은 성격의 변화입니다. 이때부터 링크 클릭만 '클릭'으로 인정되고 좋아요·댓글·공유 같은 소셜 상호작용은 1일 기여 기간만 적용되는 별도 카테고리로 분리됐습니다. 이전에는 이 상호작용들도 클릭에 포함돼 7일이 적용됐으므로, 참여 중심 캠페인일수록 귀속 전환이 눈에 띄게 줄어듭니다.

02

2026년 메타 변경으로 숫자가 줄어든 계정은 무엇부터 확인하나

API에서 7일 조회·28일 조회 옵션이 사라진 영향은 두 갈래로 나타납니다. 하나는 귀속 전환수 감소이고, 다른 하나는 외부 리포팅 도구의 값이 오류 메시지 없이 조용히 비어버리는 현상입니다. 그래서 확인 순서를 이렇게 잡으세요. ① Looker Studio·스프레드시트 커넥터·BI 도구 등 인사이트 API를 물고 있는 연동을 전부 목록화하고, 각 대시보드에서 기여 기간을 어떤 값으로 지정해 뒀는지 확인합니다. ② 2026년 1월 12일 전후 각 4주 구간을 같은 지표로 뽑아 계정별 실제 감소폭을 직접 계산합니다. 업계 집계로 알려진 15~30%·30~40%는 계정별 편차가 클 수 있는 3차 매체 수치이므로, 광고주 보고용 숫자는 반드시 자사 계정 비교값으로 만들어야 합니다. ③ 감소폭을 구한 뒤에는 그 값을 과거 리포트에 소급 적용하지 말고, 변경일을 기준선으로 그은 뒤 '이 날짜 이전과 이후는 정의가 다른 지표'라고 표기하는 편이 정확합니다.

03

GA4 조회기간은 어디까지 조정할 수 있나

GA4의 키 이벤트 조회기간(Lookback Window)은 하나의 터치포인트가 기여를 인정받을 수 있는 유효 기간을 결정하고, 이 값은 세션 기여에도 동일하게 적용됩니다. 기본값은 이벤트 유형별로 다릅니다. 획득 이벤트(first_open, first_visit)는 기본 30일이며 7일로 변경할 수 있고, 그 외 대부분의 이벤트는 기본 90일이며 30일 또는 60일로 변경할 수 있으며, 참여 조회(engaged-view) 키 이벤트는 기본 3일입니다. 중요한 점은 이 값이 프로퍼티 전체에 걸리는 단일 설정이 아니라 키 이벤트 단위로 개별 조정된다는 것입니다. 구매 주기가 긴 상품과 즉시 전환되는 상품이 한 프로퍼티에 섞여 있다면 각각 다른 값을 줄 수 있습니다. 여기에 더해 GA4의 데이터 기반 어트리뷰션은 전환 발생 후에도 최대 7일까지 재기여가 일어납니다. 전환 직후 본 채널별 기여도가 며칠 뒤 조금 달라져 있다면 오류가 아니라 재기여가 반영된 정상 동작이므로, 리포트 캡처 시점을 통일해 두어야 불필요한 문의를 줄일 수 있습니다.

04

창을 넓힐지 좁힐지 어떤 기준으로 정하나

정답은 업종 표준이 아니라 자사 판매주기입니다. 절차는 이렇습니다. ① 주문 데이터에서 '첫 접점부터 결제까지 걸린 일수' 분포를 뽑습니다. ② 누적 전환의 80~90%가 채워지는 일수를 찾습니다. ③ 그 일수를 넘지 않는 선에서 조회기간을 정합니다. 창을 판매주기보다 길게 잡으면 상단 퍼널 채널이 실제보다 높게 잡히고, 짧게 잡으면 즉시 전환에 가까운 하단 퍼널 채널만 성과가 몰립니다. 같은 데이터에서 리포트 마감 버퍼도 함께 정하세요. 최근 며칠 데이터는 전환 지연 때문에 계속 채워지므로, 업계 가이드는 쇼핑 캠페인 성과 분석에서 최근 3~7일을 제외하고 최소 48시간(가급적 1주일) 지난 데이터로 분석할 것을 권합니다. 다만 이 수치는 업계 권고치이지 공식 표준이 아니므로, 자사 전환 지연 분포에서 직접 계산한 값으로 대체하는 것이 맞습니다.

05

변경 전후를 비교 가능하게 남기려면 무엇을 기록하나

기여 기간 변경은 반드시 별도 기록으로 남깁니다. 남길 항목은 변경일시, 변경 대상(계정·캠페인·광고 세트 또는 GA4 키 이벤트명), 변경 전후 값, 변경 사유, 영향이 예상되는 지표, 그리고 변경 전후 각 4주 구간의 기준 수치입니다. 광고주 리포트에는 변경일에 수직선을 긋고 각주로 '이 시점부터 기여 정의가 달라짐'을 표기합니다. 매체별 창이 서로 다르다는 점도 함께 적어두세요. 메타 기준 전환수와 GA4 기준 전환수, 내부 주문 데이터 세 숫자가 다른 것은 사고가 아니라 정의 차이이며, 이 차이를 매달 같은 방식으로 계산해 오차율로 관리하는 편이 매번 원인을 다시 설명하는 것보다 빠릅니다.

다음 행동

지금 운영 중인 메타 계정의 광고 세트 기여 설정을 열어 현재 값을 캡처하고, 인사이트 API를 물고 있는 대시보드 목록과 각 대시보드의 기여 기간 지정값을 한 장에 정리해두세요.

다음 글 · 레슨 20→MMM 모델의 입력 데이터 품질(누락·이상치)을 사전 검증하는 체크리스트

← 이전 글 · 레슨 18 데이터 이력 관리 없이 트래킹 코드를 변경했을 때 발생한 리포트 오류 복구 사례

CHALLENGE

배운 걸 실전 문제로 확인

카테고리별 Level Test로 실무 레벨을 점검해보세요.

챌린지 보기 →
이 과목의 게시글33편
01어트리뷰션 모델 비교 실험군·대조군 설계 시 통계적 오류를 피하는 방법02MMM(마케팅믹스모델링) 도입 검토에서 대행사가 보유해야 할 원본 데이터·변경 이력·승인 기록03증분성(인크리멘탈리티) 실험 설계 회고를 다음 제안서·운영 매뉴얼에 재사용하는 형식04라스트클릭 vs 데이터기반 어트리뷰션 전환 시 과거 성과 데이터를 재해석하는 방법05지역 기반 증분성 테스트(지오 테스트)를 설계할 때 대조군 지역을 선정하는 기준06서버사이드 태깅 도입 후 기존 클라이언트사이드 데이터와의 오차를 검증하는 방법07전환 지연(컨버전 랙)을 반영한 성과 리포트 마감 시점을 정하는 기준08쿠키리스 시대 대비 퍼스트파티 데이터 기반 측정 체계로 전환하는 로드맵09CDP(고객데이터플랫폼) 도입 시 기존 매체 전환 데이터와 CDP 데이터의 정합성 검증법10MMM 결과와 어트리뷰션 결과가 상충할 때 어느 쪽을 의사결정에 우선할지 판단 기준11증분성 실험의 최소 표본 크기(샘플사이즈)를 사전에 계산하는 방법12측정 신뢰성 문제(픽셀 오류·중복 집계)를 조기에 발견하는 정기 점검 루틴13광고주에게 측정 오차 범위(신뢰구간)를 포함해 보고하는 방식과 표현법14다채널 어트리뷰션에서 오가닉·직접 유입 기여도를 과대평가하지 않는 검증법15A/B 테스트 결과가 통계적으로 유의미한지 판단하는 최소 신뢰수준과 표본 기준16측정 도구(GA4·매체 픽셀·CDP)별 데이터 정의 차이를 통일하는 용어집 만들기17증분성 테스트 결과를 실제 예산 배분에 반영하기까지의 승인 프로세스18데이터 이력 관리 없이 트래킹 코드를 변경했을 때 발생한 리포트 오류 복구 사례19어트리뷰션 윈도우(클릭 후 며칠·조회 후 며칠) 설정 변경이 성과 지표에 미치는 영향20MMM 모델의 입력 데이터 품질(누락·이상치)을 사전 검증하는 체크리스트21측정 신뢰도를 높이기 위한 광고주-대행사 간 데이터 공유 범위와 계약 조건22증분성 실험 중 외부 변수(경쟁사 프로모션 등)의 영향을 통제하는 방법23오프라인 전환(매장 방문·전화 문의)을 온라인 광고 성과에 연결하는 측정 설계24다중 기여 모델(멀티터치 어트리뷰션) 도입 시 각 채널의 가중치를 검증하는 방법25측정 신뢰성 감사(Measurement Audit)의 표준 점검 항목과 보고서 구성26새 트래킹 시스템 도입 전 기존 시스템과 병행 운영(더블 트래킹)으로 검증하는 기간27증분성 테스트에서 대조군에 광고를 노출시키지 않는 실무적 방법(홀드아웃 그룹)28데이터 변경 이력(버전 관리)을 남기지 않아 과거 성과를 재현할 수 없었던 사례와 예방법29통계적 오류(1종·2종 오류)가 마케팅 실험 해석에 미치는 실무적 영향30측정 신뢰성 문제로 광고주와 분쟁이 생겼을 때 근거 자료를 제시하는 방법31MMM과 어트리뷰션을 함께 쓸 때 각각의 역할(장기 전략 vs 단기 최적화)을 구분하는 기준32신규 매체 추가 시 기존 어트리뷰션 모델의 재검증이 필요한 이유33측정 운영 매뉴얼(누가·언제·무엇을 검증하는지)을 문서화해 담당자 교체에 대비하는 법 과목 전체 보기 →

MKT TOOLS

실무자를 위한 무료 도구

카피 글자수 검사, CPC·ROAS 계산기, UTM 생성기까지.

워크스페이스 열기 →