한 사용자가 페이스북 광고를 보고, 며칠 후 구글 검색으로 다시 들어오고, 또 며칠 후 인스타그램 광고를 본 다음 가입했다.
이 가입자의 공로를 어느 광고에게 돌릴 것인가. 페이스북? 구글? 인스타그램? 셋 다? 답은 고른 어트리뷰션 모델에 따라 다르다. 같은 데이터가 Last-touch 모델 에서는 인스타그램이, First-touch 모델 에서는 페이스북이, Linear 모델 에서는 세 매체가 각 1/3씩 가져갑니다.
이 결정이 어느 채널에 광고비를 더 쓸지 를 바꾼다. 어트리뷰션은 마케팅 의사결정의 가장 깊은 층에 있습니다.
마지막 편입니다.
이번 편에서 다룰 것
13개 용어. 어트리뷰션 모델 7종(First-touch, Last-touch, Linear, Time-decay, Position-based, Data-driven, Multi-touch), 모델 외 개념(View-through, Click-through, Incrementality), 실제 도구 3종(GA4, Amplitude, Mixpanel).
시리즈의 마지막 편입니다. 도구 지도까지 마치면 13편 136개 용어 의 어휘집이 끝납니다.
First-touch Attribution · 첫 접점 어트리뷰션
① 정의
가입자의 공로를 가장 처음 만난 채널 에 100% 부여.
페이스북 → 구글 → 인스타그램 → 가입
페이스북 = 1.0 (100% 공로)
나머지 = 0② 맥락
- 회의에서: “브랜드 인지도 캠페인 효과를 보려면 First-touch가 적합.” — 처음 알게 한 채널 평가.
③ 액션
- 기획: First-touch는 브랜드 광고와 디스플레이 광고에 우호적. 검색 광고는 보통 나중에 등장 하므로 First-touch 모델에서는 과소평가됩니다.
⑤ 비고
- 함께 보기: Last-touch, Multi-touch
Last-touch Attribution · 마지막 접점 어트리뷰션
① 정의
가입자의 공로를 가장 마지막에 만난 채널 에 100% 부여.
페이스북 → 구글 → 인스타그램 → 가입
인스타그램 = 1.0 (100% 공로)
나머지 = 0오랫동안 기본 모델 이었습니다. Google Analytics Universal Analytics(UA)의 기본값이 Last Non-direct Click.
② 맥락
- 회의에서: “GA4 기본은 Data-driven인데 우리는 익숙해서 Last-touch도 함께 봅니다.” — 모델 전환기의 일반적 운영.
③ 액션
- 기획: Last-touch는 전환 직전 채널에 우호적. 검색 광고와 리타게팅 광고가 과대평가 되기 쉽습니다.
④ 사례
- 센티: Last-touch 모델에서는 카카오 검색 이 35% 공로 1위. 그러나 그 사용자들이 어디서 처음 들었는지 보면 페이스북 비중이 훨씬 높음. 모델만 보면 카카오 광고비를 늘리는 잘못된 결정.
⑤ 비고
- 함께 보기: First-touch, Multi-touch
Linear Attribution · 선형 어트리뷰션
① 정의
가입자의 공로를 모든 접점에 동일하게 분배.
페이스북 → 구글 → 인스타그램 → 가입
페이스북 = 0.33, 구글 = 0.33, 인스타그램 = 0.33② 맥락
- 회의에서: “단순 평등 모델. 어느 채널도 과소평가 안 됩니다.” — 모델 선택의 출발점.
③ 액션
- 기획: Linear는 치우치지 않지만 진실에 가깝지도 않은 모델. 보통 분석 시작 시 베이스라인 으로 사용.
⑤ 비고
- 함께 보기: Time-decay, Position-based
Time-decay Attribution · 시간 감쇠 어트리뷰션
① 정의
가입에 가까운 접점일수록 큰 가중치. 반감기(half-life)에 따라 감쇠.
페이스북 (3주 전) → 구글 (1주 전) → 인스타그램 (1일 전) → 가입
페이스북 = 0.15, 구글 = 0.30, 인스타그램 = 0.55 (예시)② 맥락
- 회의에서: “전환까지의 마지막 1주가 더 결정적이라는 가정. Time-decay 7일 반감기.” — 적당한 가중의 표준 모델.
③ 액션
- 기획: Time-decay는 짧은 구매 결정 사이클(이커머스)에 적합. 긴 사이클(B2B SaaS)에는 너무 큰 가중 을 마지막 접점에 줍니다.
⑤ 비고
- 함께 보기: Linear, Position-based
Position-based Attribution · 위치 기반 어트리뷰션
① 정의
첫 접점과 마지막 접점 에 큰 가중치, 중간에 작은 가중치. U자형. 40-20-40 또는 40-40-20 의 변형.
페이스북 (첫) → 구글 (중간) → 인스타그램 (마지막) → 가입
페이스북 = 0.40, 구글 = 0.20, 인스타그램 = 0.40② 맥락
- 회의에서: “브랜드 인지와 전환 모두 중요. Position-based 40-20-40.” — 균형 모델.
③ 액션
- 기획: Position-based는 마케팅 깔때기의 시작과 끝 을 모두 인정. 디스플레이와 검색이 같은 비중을 가집니다.
⑤ 비고
- 함께 보기: Linear, Time-decay
Data-driven Attribution · 데이터 기반 어트리뷰션
① 정의
알고리즘이 각 접점의 실제 기여도를 데이터로 학습 해서 가중치 부여. 머신러닝 기반.
GA4 Data-driven, Google Ads Data-driven, Adobe Algorithmic
"전환한 경로와 전환하지 않은 경로를 비교해 어느 채널이 진짜 영향을 줬는지 추정"② 맥락
- 회의에서: “GA4가 2024년 Data-driven을 기본으로 바꿨어요. Last-touch 보고서가 사라졌습니다.” — 표준 변화의 회의.
③ 액션
- 개발: Data-driven은 충분한 전환 데이터(보통 월 300 전환+)가 있어야 모델 학습 가능. 작은 캠페인은 모델이 안 돌아갑니다.
- 기획: Data-driven은 블랙박스 라 결과를 100% 설명하기 어렵습니다. 다른 모델과 함께 보기 가 안전.
④ 사례
- 센티: GA4 Data-driven 모델 결과 — 페이스북 32%, 구글 28%, 카카오 18%, 기타 22%. Last-touch였던 카카오 35% 1위가 페이스북에 자리를 넘겼습니다.
- 실제 사례: Google이 2024~2025년 모든 어트리뷰션 보고서의 기본을 Data-driven으로 통일. 사실상 Last-touch 시대의 종말.
⑤ 비고
- 함께 보기: Multi-touch, Incrementality
Multi-touch Attribution (MTA) · 멀티터치 어트리뷰션
① 정의
여러 접점에 공로를 분배하는 모델 전체 의 우산 용어. Linear, Time-decay, Position-based, Data-driven 모두 MTA의 일종.
Single-touch: First-touch, Last-touch
Multi-touch: Linear, Time-decay, Position-based, Data-driven② 맥락
- 회의에서: “Single-touch 시대에서 MTA로 전환 중. 그러나 cookie 종말로 MTA 자체의 정확도도 하락.” — 환경 변화의 어휘.
⑤ 비고
- 함께 보기: First-touch, Last-touch, Data-driven
View-through Conversion · 노출 후 전환
① 정의
광고를 클릭하지 않고 보기만 했는데도 나중에 전환한 경우, 그 광고에 공로 부여.
View-through Window: 보통 1일~7일
"본 후 N일 안에 전환하면 그 광고 효과로 카운트"② 맥락
- 회의에서: “디스플레이 광고는 View-through 비중이 높아요. 클릭만 보면 효과가 작아 보입니다.” — 디스플레이 광고 평가의 주요 지표.
③ 액션
- 기획: View-through는 과대평가 위험. 광고를 봤다고 그 광고가 원인 이라고 단정할 수 없습니다. Incrementality 테스트 로 검증.
⑤ 비고
- 함께 보기: Click-through, Incrementality
Click-through Conversion · 클릭 후 전환
① 정의
광고를 클릭한 후 전환한 경우.
Click-through Window: 보통 7일~30일
"클릭한 후 N일 안에 전환하면 그 광고 효과로 카운트"View-through보다 훨씬 강한 신호.
② 맥락
- 회의에서: “검색 광고는 Click-through 위주, 디스플레이는 View-through 위주.” — 채널별 평가 기준.
⑤ 비고
- 함께 보기: View-through, Last-touch
Incrementality · 증분 효과
① 정의
광고가 없었다면 일어나지 않았을 전환 의 비율. 진짜 광고 효과.
Incremental Conversion = 실험군 전환 - 대조군 전환
Incrementality % = Incremental ÷ 실험군 전환 × 100대조군은 광고를 보지 않은 집단. Geo Holdout(지역별), PSA Test(공익광고 대체) 등으로 측정.
② 맥락
- 회의에서: “리타게팅 광고 ROAS 600%인데 Incrementality 테스트 결과 진짜 효과는 25%. 나머지는 그냥 들어왔을 사람.” — 어트리뷰션의 함정 폭로.
③ 액션
- 개발: Incrementality 테스트는 지역(도시) 단위 홀드아웃 이 일반. 한 지역은 광고 보여주고, 비교 지역은 안 보여주고 차이 측정.
- 기획: Incrementality 결과가 어트리뷰션 보고서의 진실 검증. 모든 광고 의사결정의 최후 기준.
④ 사례
- 실제 사례: 페이스북·구글이 Lift Studies(Brand Lift, Conversion Lift) 도구로 Incrementality 측정 제공. 그러나 매체가 제공하는 결과는 유리한 쪽으로 편향 우려, 독립 측정 권장.
⑤ 비고
- 함께 보기: Holdout, Data-driven
GA4 · Google Analytics 4
① 정의
Google의 무료 웹·앱 통합 분석 도구. 2023년 7월부터 Universal Analytics(UA) 대체. 모든 데이터가 이벤트 기반.
② 맥락
- 회의에서: “GA4로 옮긴 후 보고서가 다르게 보여요. UA와 정의가 달라요.” — 전환기의 일반적 혼란.
③ 액션
- 개발: gtag.js 또는 Google Tag Manager 설치. 자동 측정 + 커스텀 이벤트.
- 기획: GA4는 마케팅 보고 에 강점. 제품 분석(funnel, retention, segmentation)은 Amplitude·Mixpanel이 더 강함.
④ 사례
- 벤치마크 환경: 한국 기준 GA4 점유율은 가장 높습니다. 무료 + 광고 매체 연동 의 강점.
⑤ 비고
Amplitude
① 정의
제품 분석(Product Analytics) 전문 도구. 사용자 행동 추적, 코호트, 리텐션, A/B 테스트 에 강점.
② 맥락
- 회의에서: “GA4는 광고 어트리뷰션, Amplitude는 제품 분석. 둘 다 운영.” — 일반적 도구 분담.
③ 액션
- 기획: Amplitude는 PM과 디자이너의 도구. 코호트 분석, 퍼널 분석, 사용자 경로 분석 에 GA4보다 친화적. 무료 플랜으로 시작 가능, 본격 사용은 유료.
④ 사례
- 실제 사례: 토스, 당근, 무신사 등 한국 주요 IT 기업 다수가 Amplitude 사용.
⑤ 비고
Mixpanel
① 정의
Amplitude와 유사한 제품 분석 도구. 사용자 경로, 깊이 분석, 자유로운 쿼리 에 강점.
② 맥락
- 회의에서: “Mixpanel은 분석가가 SQL처럼 깊이 파고들기 좋아요. Amplitude는 PM이 빠르게 보기 좋고요.” — 두 도구의 일반적 비교.
③ 액션
- 기획: Mixpanel은 분석가·데이터팀의 도구. Boards, JQL(Mixpanel Query Language) 등 자유도 높음.
⑤ 비고
이번 편 한눈에 보기
| 용어 | 정의 (한 줄) | 비고 |
|---|---|---|
| First-touch | 첫 접점 100% 공로 | 브랜드 평가 |
| Last-touch | 마지막 접점 100% 공로 | UA 기본, 종말 중 |
| Linear | 모든 접점 동일 분배 | 베이스라인 |
| Time-decay | 가입에 가까울수록 큰 가중치 | 짧은 사이클에 적합 |
| Position-based | 첫·마지막 강조, 중간 약화 | 40-20-40 |
| Data-driven | ML로 가중치 학습 | GA4 기본 (2024+) |
| Multi-touch (MTA) | 다중 접점 모델 우산 용어 | — |
| View-through | 광고 본 후 전환 | 과대평가 위험 |
| Click-through | 광고 클릭 후 전환 | 강한 신호 |
| Incrementality | 진짜 광고 효과 | 어트리뷰션의 진실 검증 |
| GA4 | Google 통합 분석 | 마케팅 어트리뷰션 표준 |
| Amplitude | 제품 분석 도구 | PM·디자이너 친화 |
| Mixpanel | 제품 분석 도구 | 분석가 친화, 깊은 쿼리 |
도구 지도 — 어떤 도구가 어떤 일에 맞나
| 분석 목적 | 적합한 도구 |
|---|---|
| 광고 어트리뷰션 | GA4, Adjust, AppsFlyer |
| 사용자 행동 분석 | Amplitude, Mixpanel |
| A/B 테스트 | GrowthBook, Optimizely, Statsig |
| 히트맵·세션 리플레이 | Hotjar, Microsoft Clarity, FullStory |
| NPS·설문 | Delighted, AskNicely, Typeform |
| 데이터 웨어하우스 | BigQuery, Snowflake, Redshift |
| BI 대시보드 | Looker, Tableau, Metabase |
| 마케팅 자동화 | Braze, Iterable, CleverTap |
자주 헷갈리는 쌍
Attribution vs Incrementality
| Attribution | Incrementality | |
|---|---|---|
| 무엇 측정 | 전환의 공로 분배 | 진짜 광고 효과 |
| 방식 | 관찰 데이터 | 실험 (대조군) |
| 함정 | 채널별 과대평가 | 측정 비용 큼 |
View-through vs Click-through
| View-through | Click-through | |
|---|---|---|
| 트리거 | 광고 노출만 | 광고 클릭 |
| 신뢰도 | 약함 | 강함 |
| 윈도우 | 1~7일 | 7~30일 |
GA4 vs Amplitude vs Mixpanel
| GA4 | Amplitude | Mixpanel | |
|---|---|---|---|
| 주 목적 | 마케팅 어트리뷰션 | 제품 분석 | 제품 분석 (깊이) |
| 무료 | 완전 무료 | 한도 있음 | 한도 있음 |
| 광고 매체 연동 | 매우 강함 | 약함 | 약함 |
| 사용자 경로 | 보통 | 강함 | 매우 강함 |
| 타겟 사용자 | 마케터 | PM·디자이너 | 분석가·데이터팀 |
시리즈를 마치며
13편 136개 용어. 광고 비용 → 효율 → 유입 → 활성화 → 유지 → 이탈 → 수익 → 추천 → 실험 → 트래킹 → 어트리뷰션 까지 깔때기 전 구간을 한 어휘 체계로 묶었습니다.
처음 개요와 색인 으로 돌아가 세 가지 색인 — 퍼널 단계별 / 회의 시나리오별 / UI 컴포넌트별 — 으로 다시 둘러보시기를 권합니다. 어휘는 한 번에 외우는 게 아니라 필요할 때 찾아 쓰는 것 이니까요.
회의에서 모르는 단어가 나왔을 때 다시 찾으실 수 있도록, 이 시리즈는 읽고 끝 이 아니라 옆에 두는 핸드북 이 되기를 의도했습니다.
참고 자료
- Google. Attribution Modeling in GA4. https://support.google.com/analytics
- Singh, S. Marketing Attribution. Wiley.
- Facebook Marketing Partners. Conversion Lift Study Guide.
- Adjust. Mobile Attribution 101. https://www.adjust.com
- AppsFlyer. The State of Mobile Attribution.
- Tunguz, T. MTA, MMM, and Incrementality. https://tomtunguz.com
- Mixpanel vs Amplitude — G2 Crowd Comparisons. https://www.g2.com