Attribution 기여도 분석: 전환에 영향을 준 채널을 나누어 보는 방법

Attribution, 즉 기여도 분석은 사용자가 전환하기 전까지 거친 여러 채널 중에서 어떤 채널이 전환에 얼마나 기여했는지 판단하는 분석입니다.

사용자는 보통 하나의 채널만 보고 바로 결제하지 않습니다. 블로그를 보고, 유튜브 영상을 보고, 검색 광고를 클릭한 뒤 결제할 수도 있습니다.

 

예를 들어 사용자의 흐름이 다음과 같다고 해보겠습니다.

블로그 방문 → 유튜브 시청 → 검색 광고 클릭 → 결제

이때 결제는 마지막에 검색 광고 클릭 후 발생했습니다. 하지만 그렇다고 해서 검색 광고만 결제에 기여했다고 단정하기는 어렵습니다. 블로그가 처음 관심을 만들었고, 유튜브가 신뢰를 높였으며, 검색 광고가 마지막 전환을 도왔을 수도 있기 때문입니다.

 

1. Attribution은 채널별 기여도를 나누어 보는 분석이다

Attribution 분석은 다음 질문에 답하기 위해 사용합니다.

“이 결제는 검색 광고 덕분일까?”
“블로그와 유튜브도 영향을 준 걸까?”
“각 채널에 기여도를 어떻게 나눠야 할까?”

 

즉, Attribution은 단순히 마지막 클릭만 보는 것이 아니라, 고객이 전환하기까지 거친 여러 접점의 역할을 이해하려는 분석입니다.

접점역할 예시

블로그	처음 관심을 만듦
유튜브	제품 이해와 신뢰를 높임
검색 광고	결제 직전 행동을 유도함

이렇게 보면 각 채널이 전환 과정에서 어떤 역할을 했는지 더 명확하게 볼 수 있습니다.

 

2. 대표적인 Attribution 방식

Attribution에는 여러 방식이 있습니다. 어떤 기준을 쓰느냐에 따라 채널별 성과 해석이 달라질 수 있습니다.

방식의미

First Touch	첫 번째 접점에 기여도 부여
Last Touch	마지막 접점에 기여도 부여
Linear	모든 접점에 동일하게 기여도 배분
Time Decay	전환에 가까운 접점일수록 더 높은 기여도 부여
Position-based	첫 접점과 마지막 접점에 더 높은 기여도 부여

예를 들어 블로그 → 유튜브 → 검색 광고 → 결제 흐름에서 Last Touch 방식은 검색 광고에 가장 큰 기여도를 줍니다. 반면 First Touch 방식은 블로그를 가장 중요하게 봅니다. Linear 방식은 블로그, 유튜브, 검색 광고에 기여도를 나누어 배분합니다.

3.  Attribution을 보는 이유

Attribution 분석을 하는 이유는 마케팅 예산과 채널 전략을 더 정확하게 판단하기 위해서입니다.

마지막 클릭만 보면 검색 광고가 가장 좋아 보일 수 있습니다. 하지만 블로그와 유튜브가 없었다면 사용자가 애초에 제품을 알지 못했거나 신뢰하지 못했을 수 있습니다.

따라서 Attribution은 “어떤 채널이 전환을 만들었는가”를 단순히 하나로 정하는 것이 아니라, 고객 여정 안에서 각 채널이 어떤 역할을 했는지 나누어 보는 방식입니다.

 

4. Attribution 해석 시 주의할 점

Attribution은 채널별 기여도를 나누는 데 유용하지만, 실제 추가 효과를 완벽히 증명하는 것은 아닙니다.

예를 들어 검색 광고가 마지막 클릭이었다고 해도, 사용자가 원래 구매하려던 고객이었다면 광고의 실제 증분 효과는 낮을 수 있습니다. 그래서 Attribution은 Incrementality와 함께 보면 더 좋습니다.

 

개념핵심 질문

Attribution	어떤 채널이 전환에 기여했는가?
Incrementality	이 채널이 없었어도 전환이 일어났을까?

즉, Attribution은 기여도 배분을 보는 분석이고, Incrementality는 실제 추가 효과를 보는 분석입니다.

 

5. 정리

Attribution 기여도 분석은 사용자가 전환하기 전 거친 여러 채널 중 어떤 채널이 전환에 얼마나 기여했는지 나누어 보는 분석입니다.