브랜드 캠페인의 장기 효과(Carry-over)를 증분 모델에 반영하는 방법

애드스톡은 광고 집행의 효과가 노출 즉시 끝나지 않고 시간이 지나며 점차 줄어드는 형태로 매출에 이월된다는 것을 수학적으로 모델링한 개념입니다. 브랜드 캠페인은 특히 이 성질이 강합니다. 캠페인을 본 사람이 그날 구매하는 것이 아니라, 몇 주 뒤 필요해졌을 때 그 브랜드를 떠올리는 경로로 작동하기 때문입니다.

이 성질은 실험 설계에 직접적인 영향을 줍니다. 광고를 끄는 방식의 실험이라면, 끈 직후 구간에는 이전 집행의 잔여 효과가 남아 있어 실험군과 대조군의 차이가 작게 나옵니다. 관측 기간이 짧을수록 이 왜곡은 커집니다. 브랜드 캠페인 실험에서 "효과가 없다"는 결론이 성급하게 나오는 대부분의 경우가 여기에 해당합니다.

세 가지 방법이 있습니다.

첫째, 관측 기간을 늘립니다. 광고를 끈 뒤 효과가 실제로 사라지는 데 걸리는 시간만큼 관측해야 차이가 드러납니다. 지오 홀드아웃 실무 가이드도 하위 퍼널 전환 캠페인보다 브랜드·상위 퍼널 캠페인에 더 긴 기간을 권하지만, 이 권고 기간은 특정 업체 권고치이지 공식 표준이 아닙니다. 자사 전환 지연 분포를 확인해 조정해야 합니다.

둘째, 회복 구간을 함께 관측합니다. 광고를 다시 켠 뒤 지표가 언제 원래 수준으로 돌아오는지를 보면 감쇠 속도를 역으로 추정할 수 있습니다. 실험 종료 시점이 곧 관측 종료 시점이 아니라는 뜻입니다.

셋째, 온·오프를 여러 번 반복합니다. 한 번의 온·오프로는 이월과 우연한 변동을 구분할 수 없지만, 여러 주기를 관측하면 반복되는 패턴에서 감쇠 형태를 읽을 수 있습니다.

MMM은 애드스톡으로 이월을, 포화 함수로 지출 증가에 따른 증가폭 둔화를 함께 모델링합니다. 구글의 Meridian은 감쇠 곡선을 애드스톡 함수로 반영하고, 포화 효과는 유연한 Hill 변환 함수로 모델링해 지출이 적을 때는 가파르게, 많아지면 완만하게 반응하는 형태를 표현합니다.

실험과 모델을 잇는 지점이 여기입니다. 실험은 특정 구간의 인과 효과를 알려주고, 모델은 그 효과가 시간에 따라 어떻게 퍼지는지를 형태로 표현합니다. Meridian은 실험 데이터로 모델을 보정하는 기능을 공식 지원하므로, 브랜드 캠페인 실험 결과를 모델에 넣으면 애드스톡 추정이 실제 관측에 맞춰 조정됩니다. 모델을 운영하지 않는 조직이라면, 실험에서 관측한 회복 곡선을 표로 남겨 다음 캠페인의 관측 기간 설계에 쓰는 것만으로도 실익이 있습니다.

자사 데이터로 추정하는 절차는 이렇습니다. ① 브랜드 캠페인을 완전히 중단한 구간을 찾습니다(과거 예산 소진, 시즌 종료 등 자연 발생 구간도 활용할 수 있습니다). ② 중단 시점 이후 주차별로 브랜드 검색량·직접 유입·총 주문을 추적합니다. ③ 중단 전 평균 수준 대비 몇 주 만에 어느 정도로 떨어지는지 기록합니다. ④ 여러 차례의 중단 구간에서 같은 패턴이 나오는지 확인합니다.

이 방법은 통제된 실험이 아니므로 정확한 감쇠 계수를 주지는 않습니다. 그러나 "우리 브랜드는 광고를 끄면 대략 몇 주부터 지표가 움직인다"는 감각을 데이터로 만들 수 있고, 그 값이 다음 실험의 관측 기간을 정하는 근거가 됩니다. 해외 사례에서 인용되는 반감기 수치를 그대로 옮겨 쓰는 것보다 훨씬 낫습니다.

이월을 반영한 결과는 표현이 까다롭습니다. "4주 실험에서 증분 8%"와 "이월을 감안하면 실제 효과는 더 클 것"이라는 두 문장이 함께 나가면, 뒤 문장이 근거 없는 방어로 읽힐 수 있습니다.

그래서 두 값을 각각 제시하는 편이 낫습니다. ① 관측 기간 내 확인된 증분(측정값) ② 관측 이후 구간까지 포함해 추정한 증분(추정값, 가정과 함께). 두 값을 구분해 적고, ②에는 어떤 감쇠 가정을 썼는지 한 줄로 명시하십시오. 이렇게 하면 측정과 추정이 섞이지 않고, 가정에 이의가 있는 사람은 가정만 두고 논의할 수 있습니다.