어트리뷰션이 전환의 절반밖에 못 보는 시대 — 교육 플랫폼 광고 예산을 다시 짜는 MMM 측정법
지난달 GA4와 Meta 광고 관리자에 찍힌 전환 수를 더해 봤더니, 실제 결제 건수보다 1.7배 많았던 경험이 있으신가요? 매체마다 자기 공을 중복으로 주장하기 때문입니다. 2026년 현재 멀티터치 어트리뷰션(MTA)의 추적 커버리지는 한때 90% 이상에서 30~60% 수준으로 추락했습니다. 절반 이상의 전환 경로가 보이지 않는데, 우리는 여전히 그 절반의 데이터로 예산을 나누고 있습니다.
왜 지금 어트리뷰션만으로는 예산을 못 짜는가
쿠키 기반 추적이 무너진 데는 세 가지 구조적 원인이 겹쳤습니다.
- 서드파티 쿠키의 실질적 소멸: 구글이 프라이버시 샌드박스의 쿠키 대체안을 사실상 철회하면서, 크로스사이트 추적 자체가 불안정해졌습니다.
- 월드가든의 데이터 차단: Meta, Google, TikTok 등은 자사 플랫폼 안의 데이터를 외부로 잘 내보내지 않습니다. 각 매체 대시보드의 숫자를 단순 합산하면 중복 집계가 발생합니다.
- 동의(consent) 신호 의존도 하락: iOS ATT 이후 유저 단위 식별이 어려워지면서, 개인 추적에 기반한 MTA는 '보이는 일부'만 측정하게 됐습니다.
💡 PRO TIP: 매체별 대시보드 전환 수를 합산해 ROAS를 보고하고 있다면, 그 수치는 거의 항상 과대 집계입니다. 실제 결제 건수(백엔드 기준)와 매체 합산 전환 수의 괴리율부터 측정해 보세요. 괴리가 30%를 넘으면 측정 체계 재정비 신호입니다.
MMM이 돌아온 이유: 추적하지 않고 측정한다
마케팅 믹스 모델링(MMM, Marketing Mix Modeling)은 개인을 추적하지 않습니다. 대신 '기간별 매체 지출'과 '기간별 성과(매출·가입·결제)'의 집계 데이터를 회귀 분석해, 각 채널이 성과에 기여한 정도를 통계적으로 추정합니다. 쿠키도, 디바이스 ID도, 동의 신호도 필요 없기 때문에 프라이버시 규제의 영향을 받지 않습니다. 2026년의 핵심 변화는 무료 오픈소스 도구의 등장입니다. 과거 6자리 컨설팅 비용이 들던 MMM이 무료로 풀렸습니다.
| 도구 | 제공 | 방식 | 특징 |
|---|---|---|---|
| Meridian | 베이지안 | 인터랙티브 HTML·Looker Studio 대시보드, 구글 생태계 연동 | |
| Robyn | Meta | Ridge 회귀 + 진화 알고리즘 | 통계 전문성 부담이 적고 빠른 자동 예산 추천 |
| PyMC-Marketing | PyMC Labs | 베이지안 | 유연한 커스터마이징, 파이썬 친화적 |
⚠️ 주의사항: MMM은 '주 단위 이상, 최소 1~2년치' 데이터가 쌓여야 신뢰할 수 있는 결과를 냅니다. 캠페인 3개월 차에 MMM으로 즉답을 기대하면 안 됩니다. 데이터가 얇은 초기에는 인크리멘탈리티 테스트(지역 분할 실험)로 보완하세요.
교육 플랫폼이 MMM을 실무에 적용하는 4단계
- 데이터 집계: 주 단위로 매체별 광고비(네이버 GFA·파워링크, Meta, 유튜브, 카카오모먼트), 그리고 종속변수(주간 결제 매출 또는 신규 수강 등록 수)를 한 테이블로 모읍니다. 프로모션·시즌(개강·방학)·가격 변동 등 외생 변수도 컬럼으로 함께 넣습니다.
- 모델 학습: Robyn으로 빠른 1차 진단을 돌립니다. 통계 인력이 있다면 Meridian으로 신뢰구간까지 확인합니다.
- 기여도·수익곡선 해석: 각 채널의 기여 매출과 한계 ROAS(추가 1원 투입 시 회수액)를 봅니다. 핵심은 '평균 ROAS'가 아니라 '한계 ROAS'입니다. 이미 포화된 채널은 평균은 높아도 한계 효율이 떨어집니다.
- 예산 재배분 → 검증: 모델이 추천한 배분안으로 일부 예산을 옮긴 뒤, 지역 분할 인크리멘탈리티 테스트로 실제 증분을 검증합니다. 모델은 가설이고, 실험이 증거입니다.
💡 PRO TIP: 교육 플랫폼은 '개강 시즌'이라는 강한 계절성이 있습니다. 이 시즌 변수를 모델에 넣지 않으면, 시즌 효과가 마지막에 클릭된 매체의 공으로 잘못 귀속됩니다. 계절 더미 변수는 필수입니다.
MTA를 버리라는 게 아니다: 2026년의 정답은 하이브리드(UMM)
MMM이 만능은 아닙니다. MMM은 '전략 단위(채널 간 예산 배분)'에 강하지만, '오늘 어떤 소재가 더 잘 도나' 같은 전술 단위 최적화에는 느립니다. 반대로 MTA는 커버리지가 떨어졌어도 캠페인·소재 단위 실시간 최적화에는 여전히 유용합니다. 그래서 2026년의 베스트 프랙티스는 둘을 합친 **통합 마케팅 측정(UMM, Unified Marketing Measurement)**입니다.
| 레이어 | 도구 | 역할 | 의사결정 주기 |
|---|---|---|---|
| 전략 | MMM | 채널 간 예산 배분, 장기 효과 | 분기·월 |
| 검증 | 인크리멘탈리티 테스트 | 실제 증분 인과 검증 | 캠페인 단위 |
| 전술 | MTA + 서버사이드(CAPI) | 소재·캠페인 실시간 최적화 | 일·주 |
세 레이어를 함께 쓰면, MMM이 '어디에' 쓸지를 정하고, 인크리멘탈리티가 '정말 효과 있는지'를 검증하고, MTA가 '그 안에서 무엇을' 최적화할지를 담당합니다.
핵심 요약
- 2026년 MTA 커버리지는 30~60%까지 떨어져, 매체 합산 전환 수만으로는 예산을 짤 수 없습니다.
- MMM은 개인 추적 없이 집계 데이터로 채널 기여도를 추정해, 쿠키리스 시대의 기준 측정 체계로 부활했습니다.
- Meridian·Robyn·PyMC-Marketing 등 무료 오픈소스로 진입 장벽이 사라졌습니다.
- 교육 플랫폼은 계절성 변수를 반드시 모델에 포함하고, '한계 ROAS'로 예산을 재배분한 뒤 실험으로 검증해야 합니다.
- 정답은 MMM 단독이 아니라 MMM·인크리멘탈리티·MTA를 합친 하이브리드(UMM)입니다. 광고비가 새는 곳을 '추적'이 아니라 '측정'으로 다시 보고 싶다면, 이 블로그를 구독하세요. 매일 현업에 바로 쓰는 퍼포먼스·그로스 마케팅 인사이트를 전해드립니다. 메타 디스크립션: 2026년 어트리뷰션 커버리지가 30%대로 무너진 쿠키리스 시대, 교육 플랫폼이 광고 예산을 다시 짜는 MMM 측정법과 하이브리드(UMM) 전략을 실무 4단계로 정리했습니다.
