[Day. 69] 퍼포먼스 마케팅 프로세스 총정리!!

퍼포먼스 마케팅 프로세스: 성과 측정을 중심으로

 

들어가며: 퍼포먼스 마케팅에서 진짜 알고 싶은 것

퍼포먼스 마케터라면 누구나 한 번쯤 이런 질문을 합니다.

"이번 달 매출 증가는 정말 우리 광고 덕분일까?"

안타깝게도 이 질문에 100% 확실한 답을 주는 데이터는 존재하지 않습니다.

우리가 할 수 있는 것은 최대한 정확하게 '추정'하는 것뿐입니다.

 

이 글에서는 퍼포먼스 측정이 어떻게 작동하는지,

그리고 왜 우리가 보는 숫자들이 항상 '해석의 결과'인지를 초보 마케터 관점에서 쉽게 풀어보겠습니다.

---

1. 퍼포먼스 측정의 기본 구조

퍼포먼스 측정은 항상 3단계로 이루어집니다.

📝 1단계: 기록한다 (로그)

사용자가 무엇을 했는지 사실을 기록합니다.

🔗 2단계: 연결한다 (측정 도구)

기록된 행동을 광고나 채널과 연결합니다.

💡 3단계: 추정한다 (해석)

연결된 데이터를 바탕으로 기여도를 판단합니다.

핵심은 이겁니다.

1단계는 '사실'이지만, 2~3단계는 '규칙과 해석'입니다.

같은 데이터라도 어떤 규칙을 적용하느냐에 따라 결과가 달라집니다.

---

2. 로그(Log): 모든 측정의 출발점

(1) 로그란 무엇인가?

로그는 사용자가 남긴 행동의 시간 기록입니다.

CCTV가 사건을 기록하듯, 로그는 디지털 공간에서 일어난 일을 기록합니다.

마케팅에서 로그는 보통 이런 정보를 담고 있습니다:

• 누가: 익명 사용자 ID (예: user_12345abc - 개인정보는 포함하지 않음)
• 언제: 정확한 시간 (예: 2026-01-20 14:35:22)
• 어디서 왔는지: 광고 클릭, 검색, SNS 등 (예: Facebook 광고 캠페인 A)
• 무엇을 했는지: 앱 설치, 회원가입, 구매 등 (예: 상품 구매 완료)
• 결과 값: 구매금액, 상품명, 전환 여부 등 (예: 49,000원, 운동화)

실제 로그 예시:

사용자: user_12345abc
시간: 2026-01-20 14:35:22
유입: Facebook 광고 - 겨울신상 캠페인
행동: 구매 완료
금액: 49,000원
상품: 러닝화

이런 식으로 모든 행동이 하나하나 기록됩니다.

 

(2) 왜 로그가 중요한가?

로그가 없으면 전환이 있었는지조차 모릅니다. 로그가 부정확하면 AI 최적화, 리포트, 예산 판단이 전부 틀어집니다.

실무 예시:

• 로그 누락: "어제 10건 팔렸는데 대시보드에는 7건만 잡혀요" → 구매 완료 페이지에 추적 코드가 없어서 3건이 기록 누락
• 로그 중복: "한 명이 샀는데 2건으로 잡혀요" → 구매 완료 페이지를 새로고침할 때마다 중복 기록됨
• 로그 오류: "광고 성과가 0으로 나와요" → SDK 연동 시 파라미터 설정 실수

실무에서 "측정이 안 된다"는 말의 80%는 바로 이런 로그 품질 문제입니다.

 

(3) SDK와 추적 코드: 로그를 남기는 도구

로그를 남기려면 우리 서비스(웹/앱)에 '측정 장치'를 설치해야 합니다. 환경에 따라 다른 방식을 사용합니다.

앱(모바일)의 경우: SDK

SDK(Software Development Kit)는 앱 안에 설치하는 '측정용 부품'입니다.

• 앱에서 "설치했다", "구매했다" 같은 행동을 감지
• 그 행동을 로그로 만들어 측정 도구로 전달
• MMP는 무조건 SDK 필요 (앱 전용이기 때문)
• GA4도 앱에서는 Firebase SDK 필요

웹사이트의 경우: 추적 스크립트

웹에서는 SDK가 아니라 자바스크립트 코드를 사용합니다.

• GA4는 gtag.js라는 추적 코드 사용
• 웹페이지 HTML에 스크립트 형태로 삽입
• 사용자의 페이지 이동, 클릭 등을 기록

비유하자면: SDK/추적 코드 = 자동차의 계기판입니다. 없으면 속도도, 연료도 알 수 없습니다.

정리:

• MMP → 앱 전용 → SDK 필수
• GA4 → 웹은 gtag.js, 앱은 Firebase SDK

---

3. 측정 도구: MMP와 GA4는 무엇이 다른가?

초보 마케터들이 가장 헷갈려하는 부분입니다.

"MMP와 GA4 둘 다 전환을 보여주는데, 왜 숫자가 다르지?"

답은 간단합니다. 목적이 다르기 때문입니다.

(1) MMP: Mobile Measurement Partner

핵심 질문: "이 설치/구매는 어떤 광고 캠페인 덕분인가?"

주요 역할:

• 광고 클릭/노출 ↔ 앱 설치/구매를 연결
• 광고 캠페인 단위로 성과를 정리
• 앱 광고 성과를 플랫폼 간 비교 가능하게 표준화

즉, MMP는 '앱 광고 성과를 광고 캠페인 기준으로 연결·정리하는 도구'입니다.

대표 제품: AppsFlyer, Adjust, Singular, Airbridge 등

예: 페이스북, 구글, 카카오에 각각 광고를 집행했다면?

MMP가 없으면 각 플랫폼의 대시보드를 따로따로 봐야 합니다.

MMP를 쓰면 한 곳에서 모든 광고 성과를 비교할 수 있습니다.

광고 채널	설치 수	구매 수	ROAS
Facebook	1,200	45	250%
Google	800	52	320%
Kakao	450	18	180%

 

이런 식으로 한눈에 비교 가능합니다.

 

(2) GA4: Google Analytics 4

핵심 질문: "들어온 사용자가 우리 서비스 안에서 어떻게 행동했는가?"

주요 역할:

• 페이지 이동, 이탈, 퍼널 분석
• 구매 전 어디서 막히는지 분석
• 콘텐츠/UX 개선에 필요한 행동 데이터 제공
• 웹과 앱 데이터를 통합하여 분석

한 문장 요약: GA4는 '유입 이후의 사용자 행동을 분석하는 도구'입니다.

실무 활용 예: 쇼핑몰 사이트에 100명이 들어왔는데 구매는 3명만 했다면?

1. GA4 퍼널 분석으로 확인:
   • 메인 페이지: 100명 (100%)
   • 상품 상세: 60명 (40명 이탈, 이탈률 40%)
   • 장바구니: 25명 (35명 이탈, 이탈률 58%)
   • 결제: 10명 (15명 이탈, 이탈률 60%)
   • 구매 완료: 3명 (7명 이탈, 이탈률 70%)
2. 발견: 장바구니에서 결제로 넘어갈 때 이탈률 60%로 가장 높음

*이탈률 계산 방법:

• 장바구니→결제 이탈률 = (장바구니 도달 - 결제 도달) ÷ 장바구니 도달 × 100
• 예시: (25명 - 10명) ÷ 25명 × 100 = 60%
• 의미: 장바구니까지 온 사람 중 60%가 결제 단계로 넘어가지 않고 이탈

*왜 이 구간 이탈률이 중요한가:

• 상품 상세→장바구니: 이탈률 58% (관심은 있지만 아직 결정 안 함)
• 장바구니→결제: 이탈률 60% ⚠️ (구매 의사가 있었는데 포기함)
• 결제→구매 완료: 이탈률 70% (결제 과정 자체의 문제)

장바구니→결제 구간은 "이미 구매하려고 담았는데 포기"하는 단계라

개선 시 매출 증대 효과가 가장 큽니다.

1. 원인 분석 (GA4로 추가 확인 가능):
   • 예상치 못한 배송비 발견 (가장 흔한 원인)
   • 회원가입 필수 조건
   • 결제 수단 부족
   • 복잡한 결제 과정
   • 모바일 결제 불편
2. 액션: 배송비 정책을 명확히 표시하거나, 결제 수단을 추가하는 등 개선

이처럼 GA4는 "어디서 문제가 생기는지"를 찾는 데 특화되어 있습니다.

 

(3) MMP vs GA4 비교

구분	MMP	GA4
중심	광고 성과	사용자 행동
핵심 질문	어떤 광고 덕분인가	서비스 안에서 무엇을 했나
관점	광고 캠페인	사용자 여정
주요 용도	광고 ROI 측정	UX 개선, 퍼널 분석
플랫폼	주로 앱	웹 + 앱 통합

 

중요한 포인트: MMP는 "어떤 광고가 효과적이었나"를 보는 도구이고,

GA4는 "유입된 사용자가 우리 서비스를 어떻게 사용하나"를 보는 도구입니다.

---

4. 어트리뷰션(Attribution): '누구 덕분'을 정하는 규칙

로그가 있다고 해서 자동으로 기여도가 나오는 것은 아닙니다.

한 사용자가 구매하기까지:

1. 월요일: 인스타그램 광고를 보고 관심 생김
2. 수요일: 네이버 검색으로 다시 방문해서 상품 확인
3. 금요일: 구글 광고를 클릭해서 최종 구매

이 1건의 구매는 누구의 성과일까요?

• 인스타그램: "우리가 처음 알렸잖아!"
• 네이버: "우리 검색에서 재방문했잖아!"
• 구글: "우리가 최종 전환시켰잖아!"

이걸 정하는 규칙이 바로 어트리뷰션입니다.

 

(1) 주요 어트리뷰션 모델

 

1. 마지막 클릭 기준 (Last Click)

• 금요일 구글 광고만 성과로 인정
• 장점: 단순하고 명확함
• 단점: 초기 인지를 만든 인스타그램 광고는 무시됨

2. 첫 클릭 기준 (First Click)

• 월요일 인스타그램 광고만 성과로 인정
• 장점: 신규 고객 유입 기여도 강조
• 단점: 전환을 직접 유도한 구글 광고는 무시됨

3. 멀티 터치 어트리뷰션 (Multi-Touch)

• 세 광고 모두에게 일정 비율로 성과 분배
• 예: 인스타 30% + 네이버 20% + 구글 50%
• 장점: 전체 고객 여정을 반영
• 단점: 복잡하고, 비율을 어떻게 정할지가 또 다른 문제

실무 팁: 전환 수 중복 카운트 문제

대부분의 광고 플랫폼은 기본적으로 '마지막 클릭' 기준을 사용합니다.

그래서 각 플랫폼의 대시보드에서 보는 전환 수를 다 더하면 실제보다 훨씬 많아지는 현상이 발생합니다.

 

예시:

한 사용자의 구매 여정:

• 월요일 오전: Facebook 광고 클릭 → 둘러보고 나감
• 화요일 오후: Google 검색 광고 클릭 → 장바구니 담고 나감
• 수요일 저녁: Kakao 광고 클릭 → 최종 구매 (1건)

각 플랫폼 대시보드에서 보이는 전환:

• Facebook: 전환 1건 (우리 광고 클릭 후 7일 내 구매했으므로)
• Google: 전환 1건 (우리 광고 클릭 후 7일 내 구매했으므로)
• Kakao: 전환 1건 (우리 광고 클릭 후 구매했으므로)

합계: 3건? ❌

실제 구매: 1건 ✓

 

왜 이런 일이 생기나요?

각 플랫폼은 자기 광고를 클릭한 사용자가 일정 기간(보통 7일) 내에 구매하면 "우리 광고 덕분"이라고 카운트합니다.

다른 플랫폼 광고도 클릭했는지는 모르고, 알아도 상관없이 자기 성과로 집계합니다.

 

실무에서 자주 하는 실수:

❌ 잘못된 계산: "Facebook 전환 50건 + Google 전환 40건 = 총 90건 팔렸네요!"

✓ 올바른 이해: "실제로는 60건 정도 팔렸을 거고, 30건은 중복 카운트입니다."

 

그럼 실제 전환 수는 어디서 확인하나요?

1. GA4의 전환 수: 중복 제거된 실제 전환 수
2. MMP의 통합 리포트: 어트리뷰션 규칙에 따라 중복 제거
3. 자사몰 주문 데이터: 가장 정확한 실제 판매 건수

초보 마케터가 기억할 점:

• 각 플랫폼 대시보드는 "우리 기준으로 봤을 때"의 성과를 보여줍니다
• 전체 성과를 파악하려면 GA4나 MMP 같은 통합 측정 도구가 필요합니다
• 보고서 작성 시 "각 채널별 전환 수 합계"와 "실제 전환 수"를 구분해서 표기해야 합니다

 

(2) 핵심 개념

 

어트리뷰션은 '사실'이 아니라 '규칙'입니다.

"진짜 원인"을 증명하는 것이 아니라, 우리가 정한 기준에 따라 성과를 배정하는 것입니다.

같은 전환이라도 어떤 어트리뷰션 모델을 쓰느냐에 따라 결과가 완전히 달라질 수 있습니다.

 

현실: 회사에서 "구글 광고 성과가 좋으니 예산을 늘려야 해"라고 말할 때,

그건 사실 "마지막 클릭 기준으로 봤을 때 구글이 좋아"라는 뜻입니다.

만약 첫 클릭 기준으로 보면 인스타그램이 더 좋을 수도 있습니다.

그래서 "어떤 어트리뷰션 모델을 쓰고 있는지"를 항상 확인해야 합니다.

---

 

5. 상관관계 가중치: 편리하지만 위험한 도구

(1) 상관관계 가중치란?

실무에서 자주 사용하는 "상관관계 기반 가중치"는 이런 논리입니다:

• 광고비와 매출이 같이 움직이면 → "기여한 것 같다"
• 더 많이 같이 움직인 채널에 → 더 높은 가중치 부여

그래프로 보면:

광고비:  ↑↑↑ ↓↓ ↑↑↑
매출:    ↑↑↑ ↓↓ ↑↑↑
→ 상관관계 높음 = 기여했을 것

 

즉, "함께 올랐으니 영향이 있었을 것이다"라는 추정입니다.

언뜻 보면 합리적으로 보이지만...

 

(2) 왜 위험한가?

 

상관관계는 원인이 아닙니다.

 

예시 1: 블랙프라이데이 세일

• 모든 광고 채널의 예산을 동시에 늘림
• 동시에 세일 기간이라 매출이 폭등
• 결과: 모든 채널이 매출과 상관관계 높게 나옴
• 문제: 사실은 "세일 때문"일 수 있는데, 광고 효과로 오해

예시 2: TV 브랜딩 광고

• 월요일: TV 광고 집행 (비용 많이 듦)
• 화~금요일: 검색량 증가 → 검색 광고 전환 증가
• 결과: 검색 광고와 매출의 상관관계 높음
• 문제: 진짜 기여는 TV 광고인데, 검색 광고가 효과적인 것처럼 보임

예시 3: 월급날 효과

• 매달 25일: 모든 채널 예산 증액
• 매달 25일: 월급날이라 자연 매출 증가
• 결과: 모든 채널이 상관관계 높음
• 문제: 광고 효과인지 월급날 효과인지 구분 불가

→ 이런 상황에서는 모든 채널이 매출과 상관관계가 높게 나옵니다.

 

(3) 올바른 사용법

 

상관관계 가중치는:

• ❌ "확정 기여도"가 아닙니다
• ⭕ "가설 생성 도구"로만 써야 합니다

실무 활용 방법:

1. 1단계 - 빠른 판단: 상관관계로 "어떤 채널이 관련있어 보이는지" 가설 수립
2. 2단계 - 검증: A/B 테스트나 실험으로 실제 인과관계 확인
3. 3단계 - 의사결정: 검증된 데이터로 예산 배분

잘못된 사용: "상관관계 높으니까 예산 늘려!" → ❌ 위험

올바른 사용: "상관관계 높네? 실제로 효과가 있는지 테스트해보자" → ⭕ 안전

빠른 판단이 필요할 때 참고 자료로는 좋지만,

증분 기여(Incremental Impact)를 확정하는 근거로 쓰기에는 위험합니다.

---

6. 퍼포먼스 측정 총정리

(1) 레이어별 이해

① 로그 (사실 기록) - 객관적 영역

• SDK/태그를 통해 행동을 기록
• "무슨 일이 일어났는가"

② 측정 도구 (정리/연결) - 비교적 객관적 영역

• MMP, GA4가 로그를 목적에 맞게 정리
• "데이터를 어떻게 분류할 것인가"

③ 어트리뷰션 (배정 규칙) - 판단의 영역

• 전환을 누구 성과로 볼지 정함
• "성과를 누구에게 돌릴 것인가"

④ 해석/모델 (추정) - 해석의 영역

• 상관관계, MMM, 실험 등으로 "기여"를 추정
• "진짜 영향은 무엇이었는가"

 

(2) 실무자가 기억해야 할 것

 

위로 갈수록 객관적이고, 아래로 갈수록 주관적입니다.

모든 퍼포먼스 리포트는 결국 ③~④ 단계의 '해석'을 포함하고 있습니다.

그래서 같은 데이터를 보고도 팀마다 다른 결론을 내릴 수 있습니다.

---

7. 실무에서의 적용: 어떻게 활용할 것인가

Case 1: "광고 성과가 좋은지 알고 싶어요"

→ MMP 사용

• 어떤 광고 캠페인에서 설치/구매가 많이 발생했는지 확인
• ROAS, CPA 등 광고 효율 지표 분석
• 채널별 성과 비교

Case 2: "앱 내에서 사용자들이 어디서 이탈하나요?"

→ GA4 사용

• 퍼널 분석으로 각 단계별 이탈률 확인
• 경로 탐색으로 사용자 행동 흐름 파악
• 페이지/화면별 체류 시간, 이탈률 분석

Case 3: "이 채널에 예산을 더 투입해야 할까요?"

→ MMP + 상관관계 분석 + 실험

 

단계별 접근:

1. MMP로 현재 성과 확인
   • Facebook: ROAS 250%, CPA 15,000원
   • Google: ROAS 320%, CPA 12,000원
2. 상관관계로 가설 수립
   • Google 예산 증액 시 매출도 같이 상승했던 패턴 발견
   • "Google 예산을 더 늘리면 효과적일 것 같다"는 가설
3. A/B 테스트로 검증 (가장 확실한 방법)
   • A 그룹: 현재 예산 유지
   • B 그룹: 예산 20% 증액
   • 2주간 테스트 후 실제 ROAS 변화 확인
4. 검증된 데이터로 의사결정
   • 테스트 결과 ROAS가 유지되면 → 예산 증액 진행
   • ROAS가 떨어지면 → 예산 유지 또는 다른 채널 고려

왜 이렇게 해야 하나요?

• MMP 숫자만 보고 결정: "ROAS 좋으니 무조건 예산 늘려!" → 위험 (규모의 한계가 있을 수 있음)
• 상관관계만 믿고 결정: "같이 올랐으니 효과 있을 거야!" → 위험 (인과관계 아닐 수 있음)
• 테스트 후 결정: "실제로 테스트해봤더니 효과 있네!" → 안전 ✓

---

마치며: 숫자 너머를 보는 눈

퍼포먼스 마케팅에서 숫자는 중요합니다.

하지만 더 중요한 것은 그 숫자가 무엇을 의미하는지 아는 것입니다.

기억해야 할 핵심

1. 로그는 사실이지만, 어트리뷰션은 규칙입니다
   • 같은 전환도 규칙에 따라 다른 채널의 성과가 될 수 있습니다
2. MMP와 GA4는 다른 질문에 답합니다
   • 광고 효과를 보려면 MMP, 사용자 행동을 보려면 GA4
3. 상관관계는 원인이 아닙니다
   • 함께 올랐다고 해서 인과관계가 있는 것은 아닙니다
4. 모든 측정은 추정입니다
   • 100% 확실한 답은 없습니다. 최선의 추정만 있을 뿐입니다