어트리뷰션이란 무엇인가 — 어떤 광고가 구매에 기여했는지 판단하는 법

 

고객이 제품을 샀다. 그런데 그 고객은 인스타그램 광고를 보고, 유튜브 영상을 보고, 네이버에서 검색하고, 블로그 후기를 읽은 뒤에 구매했다.

이 중 어떤 채널이 구매에 기여했는가. 광고비를 어디에 더 써야 하는가. 이 질문에 답하는 것이 어트리뷰션이다.

💡 관련 글

• 퍼널이란 무엇인가
• 그로스해킹이란 무엇인가
• AARRR이란 무엇인가
• UTM이란 무엇인가
• ROAS vs ROI

---

어트리뷰션이란 무엇인가

어트리뷰션(Attribution)은 고객의 구매 여정에서 각 마케팅 채널이 얼마나 기여했는지를 측정하고 분배하는 방법이다.

고객은 한 번의 광고를 보고 바로 사지 않는다. 여러 채널을 거치고 여러 번 브랜드를 접한 뒤에 구매한다. 어트리뷰션은 이 복잡한 여정에서 어떤 채널에 공을 줄지를 결정하는 것이다.

어트리뷰션이 중요한 이유는 단순하다. 광고비는 한정돼 있고, 어디에 써야 효율적인지 알아야 하기 때문이다.

---

어트리뷰션 모델 6가지

어트리뷰션 모델은 기여도를 어떻게 분배하느냐에 따라 나뉜다. 같은 데이터도 어떤 모델을 쓰느냐에 따라 결론이 완전히 달라진다.

1. 라스트 클릭 (Last Click)

구매 직전 마지막으로 클릭한 채널에 100% 기여도를 준다.

예시 : 인스타 광고 → 유튜브 → 네이버 검색 → 구매. 네이버 검색 광고에 100% 기여.

장점 : 단순하고 이해하기 쉽다. 구현이 쉽다.

단점 : 인지 단계에서 기여한 채널이 전혀 평가받지 못한다. 상위 퍼널 채널을 과소평가한다.

적합한 상황 : 전환 중심의 단기 캠페인, 구매 의도가 명확한 카테고리

---

2. 퍼스트 클릭 (First Click)

고객이 처음으로 클릭한 채널에 100% 기여도를 준다.

예시 : 인스타 광고 → 유튜브 → 네이버 검색 → 구매. 인스타 광고에 100% 기여.

장점 : 브랜드 인지를 만든 채널을 평가할 수 있다.

단점 : 구매를 마지막에 끌어낸 채널이 평가받지 못한다.

적합한 상황 : 신규 고객 유입 채널 파악, 브랜드 인지 캠페인 평가

---

3. 선형 모델 (Linear)

구매 여정에 관여한 모든 채널에 동일하게 기여도를 나눈다.

예시 : 4개 채널을 거쳤다면 각각 25%씩.

장점 : 모든 채널을 공평하게 평가한다.

단점 : 실제로 기여도가 다른 채널을 동일하게 취급한다. 현실과 괴리가 있다.

적합한 상황 : 채널별 기여도 파악이 어려울 때 기본값으로 사용

---

4. 시간 감쇠 모델 (Time Decay)

구매에 가까울수록 더 높은 기여도를 준다. 오래된 터치포인트일수록 기여도가 줄어든다.

예시 : 구매 직전 채널 40% → 그 전 채널 30% → 그 전 20% → 처음 10%

장점 : 구매 결정에 직접 영향을 준 채널을 더 높이 평가한다.

단점 : 초기 인지 단계의 기여를 과소평가한다.

적합한 상황 : 구매 사이클이 짧은 카테고리, 프로모션 기간 캠페인

---

5. 위치 기반 모델 (Position Based / U-Shape)

첫 번째 터치포인트와 마지막 터치포인트에 각각 40%씩, 나머지 채널에 20%를 나눈다.

예시 : 첫 채널 40% + 마지막 채널 40% + 중간 채널들 20% 분배

장점 : 인지와 전환 모두를 중요하게 본다.

단점 : 중간 채널의 기여가 과소평가될 수 있다.

적합한 상황 : 신규 고객 획득과 전환을 동시에 중요하게 보는 경우

---

6. 데이터 기반 모델 (Data-Driven)

실제 전환 데이터를 머신러닝으로 분석해 채널별 기여도를 산출한다. GA4에서 지원하는 모델이다.

장점 : 가장 정확하다. 실제 데이터 기반이다.

단점 : 충분한 데이터가 쌓여야 작동한다. 해석이 어렵다.

적합한 상황 : 데이터가 충분히 쌓인 중대형 브랜드

---

모델별 한눈에 비교

모델	기여도 분배	강점	약점
라스트 클릭	마지막 채널 100%	단순·명확	상위 퍼널 무시
퍼스트 클릭	첫 채널 100%	인지 채널 평가	전환 채널 무시
선형	균등 분배	공평함	현실과 괴리
시간 감쇠	최근일수록 높음	전환 중심	인지 채널 무시
위치 기반	첫+마지막 40%씩	균형적	중간 채널 약함
데이터 기반	AI 분석	가장 정확	데이터 필요

---

어트리뷰션의 현실적 한계

어트리뷰션은 완벽하지 않다. 세 가지 한계가 있다.

크로스 디바이스 문제
같은 사람이 스마트폰으로 광고를 보고 PC로 구매하면 다른 사람으로 인식된다. 실제 여정을 완전히 추적하기 어렵다.

오프라인 터치포인트 누락
오프라인 매장 방문, 지인 추천, 옥외광고 같은 접점은 디지털로 추적이 안 된다. 디지털 어트리뷰션만으로는 전체 그림을 볼 수 없다.

쿠키 제한
iOS 업데이트와 서드파티 쿠키 폐지로 데이터 수집 자체가 어려워지고 있다. 어트리뷰션의 정확도가 점점 낮아지는 환경이다.

---

마케터가 실무에서 어트리뷰션을 쓰는 법

모델 하나에만 의존하지 마라
라스트 클릭만 보면 상위 퍼널 채널이 모두 사라진다. 여러 모델을 함께 보고 채널별 역할을 입체적으로 파악해야 한다.

채널의 역할을 구분하라
모든 채널이 전환을 만들 필요는 없다. 인지를 만드는 채널, 신뢰를 쌓는 채널, 전환을 끌어내는 채널. 역할이 다르면 평가 기준도 달라야 한다.

UTM으로 데이터를 쌓아라
어트리뷰션 분석의 전제는 데이터다. UTM 파라미터를 모든 링크에 붙여서 채널별 유입을 정확히 추적하는 것이 시작이다.

---

마케터가 기억해야 할 것

어트리뷰션은 어떤 채널이 기여했는지를 찾는 작업이 아니다. 광고비를 어디에 써야 가장 효율적인지를 판단하는 작업이다.

모델이 다르면 결론이 다르다. 어떤 모델을 쓰느냐에 따라 예산 배분이 달라지고, 어떤 채널을 키우고 줄일지가 결정된다. 그래서 어트리뷰션 모델을 이해하는 것이 중요하다.

데이터는 중립적이지 않다. 어떻게 보느냐에 따라 완전히 다른 이야기가 된다.

---