ROAS 800%는 거짓말일 수 있다 — 광고가 진짜 만든 매출을 증명하는 증분성 측정 4단계
리타겟팅 캠페인 ROAS가 800%로 찍혔다. 보고서엔 효자 채널로 올라간다. 그런데 그 광고를 한 달간 꺼봤더니 매출은 거의 그대로였다면? 그 800%는 '광고가 만든 매출'이 아니라 '어차피 살 사람을 가로챈 숫자'였을 뿐입니다. 미국 마케터의 52%가 이미 증분성(Incrementality) 측정을 도입했고, 리테일 미디어에서는 광고주의 71%가 증분성을 단일 최우선 KPI로 꼽습니다. 쿠키가 사라지는 2026년, '진짜 광고 효과'를 증명하는 방법을 정리합니다.
1. 왜 ROAS는 당신을 속이는가 — 상관관계 ≠ 인과관계
플랫폼이 보고하는 ROAS와 어트리뷰션 매출의 가장 큰 함정은 '광고를 본 사람이 구매했다'를 '광고 때문에 구매했다'로 착각하게 만든다는 점입니다. 특히 두 구간에서 과대평가가 심합니다.
- 리타겟팅: 이미 구매 의도가 높은 사람에게 광고를 노출하므로, 광고가 없었어도 살 사람의 매출을 광고 성과로 흡수합니다.
- 브랜드 검색: 우리 브랜드명을 검색한 사람은 이미 전환 직전입니다. 여기 붙은 매출 대부분은 증분이 아닙니다.
⚠️ 주의사항 마지막 클릭(Last-click) 어트리뷰션은 전환 직전에 등장한 채널에 공을 몰아줍니다. 그래서 '꺼도 매출이 유지되는' 채널이 보고서에서는 항상 1등으로 보입니다. ROAS가 높다는 것과 그 채널이 매출을 '추가로' 만들었다는 것은 전혀 다른 명제입니다. 퍼널 관점에서 보면, ROAS는 전환(Conversion) 단계의 '기여'를 보여줄 뿐 인지·고려 단계에서 새 수요를 만들었는지는 답하지 못합니다. 그 답을 주는 것이 증분성 측정입니다.
2. 증분성(Incrementality)이란 — '광고를 꺼본 세계'와 비교하기
증분성 측정의 핵심은 단순합니다. 광고에 노출된 그룹(테스트군)과 노출되지 않은 그룹(대조군)의 결과 차이가 곧 광고가 순수하게 만든 성과(Lift)입니다. 여기서 나오는 지표가 증분 ROAS, 즉 iROAS(incremental ROAS)입니다. 2026년 벤치마크는 이 방법이 왜 '측정의 표준'이 되었는지 보여줍니다.
| 지표 | 2026년 데이터 | 의미 |
|---|---|---|
| 중앙값 iROAS | 2.31 | 225개 지오·홀드아웃 실험 기준, 광고비 1원당 증분 매출 2.31원 |
| 통계적 유의성 도달률 | 88.4% | 잘 설계된 테스트의 대부분이 신뢰할 결과 확보 |
| 마케터 도입률 | 52% | 2년 전 소수 기법 → 절반 이상이 사용 |
| 리테일 미디어 최우선 KPI | 71% | 광고주 다수가 증분성을 1순위 지표로 채택 |
주목할 점은 이 방식이 iOS 추적 제한과 서드파티 쿠키 종료의 영향을 받지 않는다는 것입니다. 개인 식별자가 아니라 '지역'이나 '무작위 분리 그룹'을 비교하기 때문입니다. 쿠키리스 시대에 측정 체계를 다시 세워야 하는 교육 플랫폼에게 특히 중요한 자산입니다.
3. 측정하는 3가지 방법 — 무엇을 언제 쓰나
증분성 측정은 난이도와 정밀도가 다른 세 가지 방법이 있습니다. 예산과 추적 환경에 맞게 고르세요.
| 방법 | 작동 방식 | 적합한 상황 | 난이도 |
|---|---|---|---|
| 플랫폼 내장 Conversion Lift (Meta) | 이용자를 무작위로 노출/비노출 분리하는 RCT | Meta 단일 채널 효과 검증, 픽셀·CAPI 연동 시 | 낮음 |
| 지오 실험 (Google Geo / GeoLift) | 지역을 테스트/대조로 나눠 시장 단위 비교 | 유저 추적 없이 채널·매체 전반 측정, 쿠키리스 대응 | 중간 |
| 홀드아웃 (Holdout) | 전체 모수의 10~20%를 광고 비노출로 유지 | 상시 채널의 베이스라인 매출 파악 | 중간 |
💡 PRO TIP 처음 시작한다면 Meta의 Conversion Lift처럼 플랫폼에 내장된 도구부터 쓰세요. 별도 데이터 인프라 없이 무작위 대조군을 자동 배정해 줍니다. 채널을 넘나드는 통합 측정이 필요해지면 지역 단위로 비교하는 지오 실험(Google의 지역 기반 Conversion Lift, 메타 GeoLift)으로 확장하는 것이 현실적인 순서입니다. 실제 사례로, 몬델리즈는 매칭 마켓 지오 테스트에서 증분 ROAS 2.41과 오프라인 매장 매출 14% 상승을 116개 지역에서 확인했습니다. 지오 실험이 디지털을 넘어 오프라인 효과까지 잡아낸다는 점을 보여줍니다.
4. 실전 증분성 테스트 4단계
도구보다 중요한 건 설계입니다. 다음 4단계로 운영하세요.
- 가설 정의: '리타겟팅을 꺼도 매출의 80%는 유지될 것이다'처럼 검증 가능한 가설을 숫자로 세웁니다. 측정할 단일 1차 지표(매출, 신규 수강 신청 등)를 먼저 정합니다.
- 대조군 설계: 홀드아웃은 모수의 10~20%가 이상적입니다. 홀드아웃이 클수록 신호가 선명해집니다. 지오 실험이라면 과거 매출 추세가 유사한 지역끼리 테스트/대조로 매칭합니다.
- 충분한 기간 확보: 최소 한 번의 구매 사이클을 포함해야 합니다. 짧은 사이클은 15일 이상, 고려 기간이 긴 상품(고가 강의 등)은 4~6주를 권장합니다. 중간에 멈추면 유의성이 깨집니다.
- 해석과 의사결정: 테스트군과 대조군의 차이를 iROAS로 환산하고, 통계적 유의성(p-value, 신뢰구간)을 확인합니다. 'ROAS는 높지만 iROAS는 1 미만'인 채널은 예산을 줄이고, 증분이 큰 채널로 재배분합니다.
💡 PRO TIP 교육 플랫폼의 1차 지표는 '결제 매출'보다 '신규 수강생 수'나 '신규 고객 매출(New Customer Revenue)'로 잡는 것이 좋습니다. 기존 수강생의 재구매가 섞이면 증분이 과대평가됩니다. A/B 테스트 제안: 같은 예산을 (A) 리타겟팅 비중 70% vs (B) 신규 고객 타겟(인지·고려) 비중 70%로 나눠 각각 지오 실험을 돌리세요. 비교 지표는 채널 ROAS가 아니라 신규 고객 기준 iROAS입니다. 대개 B가 '진짜 새 수요'를 더 만든다는 결과가 나옵니다.
핵심 요약
- 높은 ROAS ≠ 광고가 만든 매출. 리타겟팅·브랜드 검색은 '어차피 살 사람'을 흡수해 성과를 과대평가한다.
- 증분성은 광고를 꺼본 대조군과 비교해 순수 효과(Lift)를 잰다. 2026년 중앙값 iROAS는 2.31, 테스트의 88.4%가 유의성에 도달한다.
- 시작은 플랫폼 내장 Conversion Lift, 확장은 지오 실험. 둘 다 쿠키·iOS 제한에서 자유롭다.
- 홀드아웃 10
20%, 최소 1구매 사이클(15일6주) 을 지키고, 모든 채널 예산은 ROAS가 아니라 iROAS로 재배분하라. 허영 지표(Vanity Metric)인 보고서상 ROAS에서 벗어나 '광고가 없었다면 일어나지 않았을 매출'을 측정하는 순간, 같은 예산의 효율이 달라집니다.
📌 매주 실무에 바로 적용할 수 있는 퍼포먼스·그로스 마케팅 인사이트를 받아보고 싶다면, 블로그를 구독하세요.
Next Step & 리스크 점검
- 표본 리스크: 트래픽이 작은 교육 플랫폼은 홀드아웃·지오 실험에서 통계적 유의성 확보가 어려울 수 있습니다. 테스트 전 최소 표본·검정력(power) 계산을 먼저 하세요.
- 계절성 함정: 시험 시즌·할인 행사 등 외부 변수가 테스트 기간에 끼면 결과가 오염됩니다. 안정적인 평시 구간에 실험을 배치하세요.
- 다음 액션: 우선 가장 의심스러운 채널(보통 리타겟팅) 하나를 골라, 다음 분기에 2주짜리 홀드아웃 테스트를 1건 설계해 보시길 권합니다. 단 하나의 실험만으로도 예산 배분의 근거가 완전히 달라집니다.
