손해보험 어트리뷰션과 중복 집계 보정

매체마다 숫자가 다른 이유부터 짚어야 합니다

손해보험은 검색광고·메타·구글 디스플레이를 동시에 돌리며 하나의 잠재고객을 여러 매체가 함께 터치해 DB(리드)로 넘기는 구조라, 매체별 보고 숫자가 서로 어긋나는 것 자체는 오히려 정상입니다. GA4는 기본적으로 데이터 기반 어트리뷰션(여러 터치포인트에 가중 배분)을 쓰지만 실무에서는 라스트클릭 관성으로 해석되는 경우가 많고, 메타는 2026년 기준 자체 기여 모델(7일 클릭·1일 참여 유도·1일 조회)로 별도 집계합니다. 두 시스템은 관측 범위, 기여 기간, 쿠키·기기 식별 방식이 모두 달라 같은 캠페인이라도 전환수가 다르게 나오는 게 정상입니다. 여기에 iOS 정책 이후 메타는 CAPI·AEM 같은 보정 신호를 쓰지만 GA4는 상대적으로 브라우저 신호에 더 의존해, 매체별 관측 손실 폭 자체가 다릅니다. 그래서 격차를 "누가 맞는가"로 접근하지 말고, 각 시스템이 답하는 질문이 다르다는 전제 위에서 용도별로 나눠 써야 합니다. 손해보험처럼 하나의 DB를 검색·메타·디스플레이가 동시에 터치하는 구조에서는 이 격차가 곧바로 "어느 매체 예산을 늘릴 것인가"라는 의사결정으로 이어지므로, 숫자를 맞추려 하지 말고 원인부터 정리한 뒤 다음 단계로 넘어가세요.

리드 수가 아니라 상담 전환율로 봐야 진짜 성과입니다

손해보험 광고에서 리드 수는 관심 표현일 뿐이며, 실제 광고 성과는 상담 전환율을 기준으로 평가해야 합니다. 업계에서는 리드 50건 중 상담 전환이 2~3건에 그치면 광고 효율이 낮다고 판단합니다. 업계 실무에서는 보험 광고의 온라인 리드가 상담으로 이어지지 않는 원인을 크게 세 가지로 봅니다. 응답 실패가 60% 이상으로 가장 크고, 메신저·카카오채널처럼 실시간성이 강한 채널은 1~5분 안에 응답하지 못하면 이탈률이 급격히 올라가며, 광고 메시지와 실제 상담 내용이 어긋나는 기대 불일치도 상당한 비중을 차지한다고 봅니다. 매체 보고서를 비교하기 전에 각 매체가 어느 시점을 전환으로 잡고 있는지부터 맞춰 두세요.

리타게팅 ROAS 착시를 홀드아웃으로 검증하세요

리타게팅은 이미 구매 의사가 형성된 유저를 대상으로 하므로 라스트클릭 기준 ROAS가 구조적으로 높게 나옵니다. ROAS만 보고 리타게팅에 예산을 집중하면 신규 유입을 만드는 상단 퍼널 캠페인의 예산이 줄어, 전체 상담 DB의 기반이 축소됩니다. iOS 개인정보 정책 이후 픽셀 단독 추적으로는 전환의 상당 부분이 누락돼 라스트클릭 지표의 왜곡이 더 커진 상태입니다. 이 착시를 검증하는 방법은 지표를 더 정교하게 다듬는 게 아니라, 리타게팅 캠페인 자체를 껐을 때 실제로 신규 상담 DB가 줄어드는지 홀드아웃으로 확인하는 것입니다.

보정 방법: 인크리멘털리티와 MMM을 함께 씁니다

인크리멘털리티는 광고 노출 집단과 비노출(통제) 집단의 전환 성과를 비교해, 광고 없이도 발생했을 상담·가입까지 광고 성과로 잡는 과대평가를 걸러내는 방법론입니다. 라스트클릭 등 전통적 기여 모델은 이미 가입 의사가 있던 고객의 전환까지 광고 성과로 잡아 과대평가하는 경향이 있습니다. 인크리멘털리티는 기여 모델을 대체하는 게 아니라, 기여 데이터가 놓치는 진짜 추가된 성과를 별도로 검증하는 보완 장치입니다. 리프트 테스트 결과를 예산 룰로 옮길 때는 유사 타겟(Lookalike Audience)의 경우 소스 오디언스 최소 100명, 최적 성과를 위해서는 1,000명 이상의 가입자 오디언스가 권장됩니다. 광범위(Broad) 타겟팅과 유사 타겟은 이미 브랜드를 아는 좁은 오디언스보다 오가닉 흡수가 적어, 같은 ROAS라도 증분 비율이 더 높게 나오는 경향이 있습니다. 리프트 테스트 결과를 예산 룰로 전환할 때는 한 번에 20%를 넘는 예산 이동을 피하고 단계적으로 옮겨야 알고리즘 재학습 리스크를 줄일 수 있습니다. 사용자 단위 추적 없이 매출·광고비·외부 변수 같은 집계 데이터로 채널 기여도를 추정하는 마케팅 믹스 모델(MMM)은 개인 식별자가 필요 없어 쿠키 규제·iOS 추적제한과 무관하게 작동하지만, 채널 단위 큰 그림만 보여줄 뿐 세밀한 개인화 인사이트는 주지 못해 인크리멘털리티 테스트와 함께 쓰는 게 원칙입니다.

메타 AEM과 구글 향상된 전환의 한계도 함께 점검하세요

AEM(집계 이벤트 측정)은 iOS ATT 프롬프트에서 추적을 거부한 사용자에 대해 개별 식별 없이 도메인 단위 집계 데이터로 전환을 측정하는 메타의 개인정보보호 대응 체계입니다. AEM은 개인 식별 위험을 막기 위해 데이터 집계·보고에 24~48시간의 의도적 지연을 두므로, 실시간 상담 응대 지표와 광고 성과 지표를 같은 시각 기준으로 비교하면 오차가 생긴다는 점을 감안하세요. 구글 쪽은 2026년 6월 15일부터 오프라인 전환 가져오기 기능의 API 경로가 Data Manager API로 이전되며, 구글은 리드 확보용으로 해싱된 고객 데이터를 활용하는 향상된 전환으로의 업그레이드를 권장하고 표준 방식 대비 전환수가 중앙값 기준 10% 늘어난다고 밝혔습니다. 다만 해싱된 고객 데이터라도 개인정보를 다루는 절차이므로, 전환 매핑을 바꾸기 전에 사내 개인정보 처리 기준과 고객 동의 범위를 담당 부서와 먼저 확인하고 진행하세요.