liminfoAttribution Model Reference
마케팅 어트리뷰션 모델(Last Click/Data-Driven/MTA/MMM) 레퍼런스
Attribution Model Reference 소개
이 어트리뷰션 모델 레퍼런스는 마케팅 어트리뷰션 방법론의 전체 스펙트럼을 다루는 종합 가이드입니다. 싱글터치 모델(Last Click, First Click, Last Non-Direct Click, Last Platform Click), 멀티터치 모델(선형, 시간 감소/반감기 공식, U자형, B2B용 W자형), 데이터 기반 모델(GA4 DDA의 Shapley Value, 마르코프 체인 제거 효과, Shapley Value 게임이론 계산)을 포함합니다.
Marketing Mix Modeling(MMM)의 회귀 모델 구조, 기하/Weibull 감소의 Adstock 잔존 효과, Hill 함수를 사용한 수확체감 포화 곡선, 오픈소스 Meta Robyn(R)과 Google Meridian(Python) 도구를 심층적으로 다룹니다. 측정 인프라에서는 UTM 파라미터 네이밍 규칙, 플랫폼/상품별 전환 윈도우, MMP(AppsFlyer, Adjust, Branch, Singular), GTM Server Container와 Meta CAPI를 활용한 서버사이드 추적을 다룹니다.
성과 지표(ROAS, Geo Lift 예시의 iROAS, CPA/CAC/LTV 비율), 실험 방법론(RCT, 합성 대조군 Geo Lift 테스트, Conversion Lift 스터디), 프라이버시 전략(SKAdNetwork SKAN 4.0, Google Privacy Sandbox, 자사 데이터, MTA+MMM+증분성을 결합한 삼각측량 프레임워크)으로 이 마케팅 분석 레퍼런스를 완성합니다.
주요 기능
- 싱글터치 모델: Last Click, First Click, Last Non-Direct Click(GA UA 기본), Last Platform Click과 중복 제거 가이드
- 멀티터치 모델: 선형(균등 배분), 시간 감소(반감기 공식), U자형(40/20/40), W자형(B2B용 30/30/30/10)
- 데이터 기반 어트리뷰션: GA4 DDA의 Shapley Value, 마르코프 체인 제거 효과 계산, Shapley Value 게임이론 공식
- Marketing Mix Modeling: 회귀 구조, 기하/Weibull Adstock 감소, Hill 함수 포화 곡선, Meta Robyn과 Google Meridian
- ROAS 지표: 채널별 벤치마크 ROAS, Geo Lift 예시 iROAS, 손익분기 ROAS, CPA/CAC/LTV 비율 분석
- 측정 인프라: UTM 네이밍 규칙, 플랫폼별 전환 윈도우, MMP 비교, 서버사이드 추적 구현
- 증분성 테스트: RCT 설계, 합성 대조군과 CausalImpact를 활용한 Geo Lift, Meta Conversion Lift 홀드아웃 방법론
- 프라이버시 전략: SKAdNetwork SKAN 4.0 포스트백, Google Privacy Sandbox API, 자사 데이터 CDP, 삼각측량 프레임워크
자주 묻는 질문
어떤 싱글터치 어트리뷰션 모델이 다루어지나요?
네 가지 싱글터치 모델을 다룹니다: Last Click(최종 터치포인트에 100% 기여, 저관여 리타겟팅에 적합), First Click(최초 터치포인트에 100%, 브랜드 인지도 평가에 적합), Last Non-Direct Click(GA UA 기본값, Direct 트래픽을 잔여 효과로 제외), Last Platform Click(Google/Meta가 각각 100% 주장하여 중복 계산되는 문제와 MMP 중복 제거 솔루션 설명).
멀티터치 어트리뷰션 모델은 어떻게 설명되어 있나요?
네 가지 멀티터치 모델을 공식과 함께 다룹니다: 선형(1/N 균등 배분), 시간 감소(weight = 2^(-t/half_life) 공식으로 14일간 10%/20%/30%/40% 분포 예시), U자형(첫 터치 40%, 마지막 터치 40%, 중간 20% 배분), W자형(첫 터치/리드 전환/기회 생성 각 30%, 나머지 10% 중간 분배, B2B SaaS 긴 판매 주기용).
데이터 기반 어트리뷰션 방법은 어떤 것이 문서화되어 있나요?
세 가지 방법을 다룹니다: GA4 DDA(Shapley Value로 한계 기여도 계산, 최소 300건/30일 전환 필요), 마르코프 체인 모델(채널 전이 확률 행렬과 제거 효과 계산, Python ChannelAttribution 패키지), Shapley Value 게임이론(모든 가능한 채널 조합에서 공정한 기여도 배분 공식과 계산 예시, O(2^n) 계산 복잡도).
Marketing Mix Modeling(MMM)은 어떻게 다루어지나요?
네 가지 항목으로 다룹니다: 기본 회귀 모델 구조(Sales = B0 + B1*TV + B2*Digital + ...), 잔존 효과를 위한 Adstock(lambda 파라미터 기하 감소, 비대칭 감소 Weibull, 반감기 계산), Hill 함수 S 곡선을 사용한 수확체감 포화(최적 광고비 분석), Meta Robyn(R, 빈도주의)과 Google Meridian(Python, 베이지안) 오픈소스 도구 비교와 코드 예시.
ROAS와 성과 지표는 어떤 것이 포함되어 있나요?
세 가지 지표를 다룹니다: 표준 ROAS(매출/광고비)와 채널별 벤치마크(검색 300-500%, SNS 200-400%, 리타겟팅 500-1000%) 및 마진율 기반 손익분기 ROAS 계산; iROAS(Geo Lift로 표준 ROAS 10.0 대비 실제 iROAS 2.4 보여주는 증분 ROAS); CPA/CAC/LTV 관계와 건전한 LTV:CAC 비율(3:1+ 건전, 5:1+ 성장 여지).
증분성 테스트 방법론은 어떤 것이 문서화되어 있나요?
RCT(PSA 광고 대체 무작위 테스트/대조군), Geo Lift 테스트(지역별 광고 On/Off, 합성 대조군, 사전 8주+실험 4주, Python CausalImpact 및 Meta GeoLift 패키지), Conversion Lift 스터디(Meta 자동 90% 테스트/10% 홀드아웃 분할, 리프트 퍼센트와 증분 전환 계산, Google Ads Intent-to-Treat 그룹)를 다룹니다. 검정력 분석, 최소 기간, p < 0.05 유의성을 포함한 실험 설계 체크리스트도 있습니다.
프라이버시 중심 어트리뷰션 전략은 어떻게 다루어지나요?
세 가지 축을 다룹니다: Apple SKAdNetwork SKAN 4.0(거친 전환값, 3개 포스트백 윈도우, 크라우드 익명성 임계치), Google Privacy Sandbox(Attribution Reporting API, 관심사 기반 Topics API, 리마케팅용 Protected Audiences), 자사 데이터 전략(로그인/회원 데이터, Enhanced Conversions 서버사이드 추적, CDP 구축, Google ADH/Meta AEM Data Clean Room).
삼각측량 프레임워크란 무엇인가요?
세 가지 어트리뷰션 접근법을 교차 검증합니다: MMM(탑다운)은 장기 분기/연간 예산 최적화, MTA(바텀업)는 실시간 일/주간 캠페인 최적화, 증분성 테스트(실험)는 분기별 보정을 위한 Ground Truth 역할을 합니다. 세 방법의 결과가 일치하면 신뢰도가 가장 높습니다. 실무에서는 MTA로 일상 최적화, MMM으로 분기 예산 배분, 증분성 테스트로 두 모델을 보정합니다.