같은 전환인데 왜 숫자가 다를까? 세 플랫폼의 아키텍처 차이를 이해하고, 실무에서 데이터를 올바르게 읽는 프레임워크
세 플랫폼의 전환 데이터 불일치는 추적 오류가 아니라, 각 시스템의 태생적 아키텍처와 목적이 다르기 때문이다. 20~30%의 편차는 시스템이 정상 작동하고 있다는 수학적·필연적 결과다.
| 구분 | 메타 광고 (SAN) | GA4 | 앰플리튜드 |
|---|---|---|---|
| 아키텍처 | 폐쇄형 자체 기여 네트워크 (Self-Attributing Network) | 제3자 웹 애널리틱스 | 제품 분석 플랫폼 |
| 전환 귀속 방식 | 자사 DB에서 광고 상호작용 이력 발견 시 스스로 귀속 | UTM/클릭 기반 횡단적 세션 분석 | 제품 내부 행동까지 포괄하는 다중 터치포인트 분석 |
| 외부 터치포인트 | 철저히 무시 (기여도 근시안) | 여러 채널 터치포인트를 고려하여 배분 | 트래픽 획득 + 제품 내 상호작용까지 포괄 |
핵심: 메타는 외부 검증 없이 "내가 보여준 광고 덕분이다"라고 스스로 주장하는 구조이고, GA4는 "마지막으로 어디서 왔는가"를 횡단적으로 판단하며, 앰플리튜드는 "제품 안에서 어떤 경험이 전환을 이끌었는가"를 추적한다.
| 플랫폼 | 기본 기여 모델 | 룩백 윈도우 |
|---|---|---|
| 메타 | 자체 귀속 (Self-Attribution) | 7일 클릭 + 1일 조회 |
| GA4 | 마지막 비직접 클릭 / 데이터 기반(DDA) | 최대 90일 고정 |
| 앰플리튜드 | 유연한 다중 터치 | 무제한 설정 가능 |
실제 시나리오로 이해하기:
[월요일] 사용자가 메타 광고 클릭 → 이탈
[화요일] 구글 검색으로 재방문 → 구매 완료
┌─────────────────────────────────────────────┐
│ 메타: "7일 룩백 안이니까 내 전환 1건!" │
│ GA4: "마지막 비직접 클릭은 구글 검색이니까 │
│ 구글 오가닉 전환 1건!" │
│ 앰플: "제품 내 장바구니 담기 후 결제했으니 │
│ 제품 경험 기반 전환 1건!" │
└─────────────────────────────────────────────┘
→ 하나의 구매가 각 플랫폼에서 서로 다른 채널의 성과로 기록됨
메타는 사용자가 광고를 클릭하지 않고 보기만 한 뒤 24시간 이내에 다른 경로로 전환해도 자사 성과로 인정한다.
[사용자] 인스타그램 피드에서 광고 스크롤 (클릭 X, 노출만)
↓ 3시간 후
[사용자] 구글 검색으로 직접 방문하여 구매
┌─────────────────────────────────────────────┐
│ 메타: "1일 뷰쓰루 전환 1건!" (노출 기반) │
│ GA4: "구글 오가닉 전환 1건" (클릭 기반) │
│ 앰플: 메타 노출 데이터 자체를 추적 불가 │
└─────────────────────────────────────────────┘
GA4와 앰플리튜드는 메타 플랫폼 내부의 노출(Impression) 데이터를 추적할 기술적 수단이 없다. 따라서 메타가 뷰쓰루로 잡는 수많은 건수를 GA4는 Direct나 오가닉으로 분류해버린다.
| 플랫폼 | 식별 방식 | 강점 | 한계 |
|---|---|---|---|
| 메타 | 결정론적 매칭 (로그인 기반) | 모바일→PC 전환도 정확히 식별 | 메타 생태계 내부에서만 유효 |
| GA4 | 확률론적 매칭 (쿠키/구글 시그널) | 전 채널 횡단 가능 | 쿠키 삭제/기기 변경 시 여정 단절, 임계치(Thresholding)로 소규모 데이터 누락 |
| 앰플리튜드 | 3단계 구조 (기기ID/사용자ID/앰플리튜드ID) | 즉각 소급 병합(Retroactive Merging) | 자체 SDK 설치 필수 |
GA4의 고질적 문제: 사용자가 기기를 바꾸거나 쿠키를 삭제하면 완전히 새로운 사용자로 인식한다. 아침에 모바일로 메타 광고를 보고 저녁에 PC에서 구매하면, GA4는 이 여정을 연결하지 못하고 첫 캠페인 기여도를 잃어버린다.
| 정책 | 영향받는 플랫폼 | 결과 |
|---|---|---|
| 애플 ATT | 메타 (가장 심각) | 데이터 24~72시간 지연 보고, 전환 누락 |
| 사파리 ITP | GA4 | 1자 쿠키 수명 24시간~7일로 단축, 과거 유입경로 기억 불가 → Direct 처리 |
| 광고 차단기 | GA4, 앰플리튜드 | 클라이언트 사이드 추적 스크립트 차단 |
[3월 1일] 사용자가 메타 광고 클릭
[3월 5일] 해당 사용자가 구매 완료
┌─────────────────────────────────────────────┐
│ 메타: 3월 1일 매출로 소급 기록 │
│ (광고 클릭 시점 = Click Timestamp) │
│ GA4: 3월 5일 매출로 기록 │
│ (이벤트 발생 시점 = Event Timestamp) │
│ 앰플: 3월 5일 매출로 기록 │
│ (이벤트 발생 시점 = Event Timestamp) │
└─────────────────────────────────────────────┘
→ 같은 날짜 범위로 조회하면 숫자가 필연적으로 어긋남
단일 대시보드로 모든 것을 통제하려는 시도를 버리고, 각 플랫폼의 태생적 목적에 맞게 역할을 분리해야 한다.
┌──────────────────────────────────────────────────────────┐
│ 데이터 거버넌스 스택 │
├──────────────┬──────────────────┬────────────────────────┤
│ 메타 광고 │ GA4 │ 앰플리튜드 │
│ │ │ │
│ 매체 내부 │ 채널 간 │ 제품 내부 │
│ 최적화 시그널 │ 횡단 분석 │ 행동 분석 │
├──────────────┼──────────────────┼────────────────────────┤
│ • 캠페인별 │ • 오가닉 vs │ • 코호트별 잔존율 │
│ ROAS 추이 │ 페이드 비중 │ • 핵심 기능 사용률 │
│ • 소재별 │ • 전체 트래픽 │ • LTV 예측 │
│ CTR/CVR │ 유입 패턴 │ • 온보딩 퍼널 │
│ • 타겟 오디언스 │ • 채널별 예산 │ • 반복 구매 패턴 │
│ 탐색 │ 배분 기준 │ │
│ • 입찰 전략 │ • 랜딩페이지 │ • 진성 고객 세그먼트 │
│ 최적화 │ 전환율 비교 │ 발굴 │
└──────────────┴──────────────────┴────────────────────────┘
| 플랫폼 | 핵심 질문 | 데이터 활용 목적 |
|---|---|---|
| 메타 | "이 광고/소재가 매체 알고리즘 안에서 잘 돌아가고 있는가?" | 입찰 최적화, 소재 테스트 |
| GA4 | "전체 트래픽 중 어느 채널이 실질적으로 기여하는가?" | 채널 간 예산 배분, 유입 분석 |
| 앰플리튜드 | "어떤 제품 경험이 고객을 진짜 유지시키는가?" | 리텐션, LTV, PLG 전략 |
완벽하게 일치하는 '단일 진실 공급원(Single Source of Truth)'은 존재하지 않는다. 의사결정의 목적에 따라 기준 플랫폼을 달리 해야 한다.
| 의사결정 목적 | 기준 플랫폼 | 이유 |
|---|---|---|
| 캠페인/소재별 최적화 | 메타 대시보드 | 알고리즘이 뷰쓰루·크로스디바이스 포함 자사 데이터로 학습하므로, 매체 내부 비교에는 매체 지표가 일관적 |
| 채널 간 예산 분배 | GA4 | 매체들은 전환을 중복 집계하므로 단순 합산 시 ROAS 과대 계상. GA4의 횡단 분석이 더 객관적 |
| LTV/구독/B2B | 앰플리튜드 | 전환 주기가 길고 반복 결제가 중요한 비즈니스에서 소급 병합 기반 제품 중심 기여 모델이 적합 |
[기존: 클라이언트 사이드만]
브라우저 픽셀 → (ATT/ITP/광고차단기로 유실) → 매체
[개선: 서버 사이드 병행]
브라우저 픽셀 ─┐
├→ 매체 (이중 검증)
백엔드 서버 ───┘
(결제 완료 이벤트 → 해시 암호화된 1자 데이터 → CAPI 전송)
- 백엔드 결제 단의 퍼스트 파티 데이터를 해시 암호화하여 매체로 직접 전송
- IP 주소와 벤더 식별자(IDFV)를 페이로드에 포함
- ATT/ITP로 인한 브라우저 단 데이터 유실을 서버 단에서 보완
GA4가 채널을 정확히 배분하려면 일관된 UTM 체계가 필수다.
✅ 올바른 예시:
utm_source=meta&utm_medium=paid_social&utm_campaign=spring_sale_2024&utm_content=video_15s_a
❌ 잘못된 예시:
utm_source=facebook (meta와 혼용)
utm_source=fb (비표준 약어)
UTM 파라미터 없이 광고 집행 → GA4에서 Direct로 집계
| 요인 | 영향 |
|---|---|
| 사용자가 뒤로가기 빠르게 누름 | 클릭은 집계되나 세션 미생성 |
| 리다이렉트 체인 | UTM 파라미터 유실 가능 |
| 탭을 열어두고 방치 후 전환 | 세션 만료 후 Direct로 재분류 |
| 광고 차단기 | 클라이언트 추적 스크립트 차단 |
플랫폼 종속성에서 완전히 벗어나려면 자체 데이터 웨어하우스(DWH) 기반 통합 분석이 필요하다.
┌─────────────────────────────────────────────────────┐
│ Data Warehouse (BigQuery 등) │
│ │
│ GA4 원시 로그 + 앰플리튜드 행동 이벤트 + 매체 비용 │
│ │
│ ┌───────────────────┐ │
│ │ 커스텀 기여 모델 │ │
│ │ • MTA (다중 터치) │ │
│ │ • MMM (믹스 모델) │ │
│ │ • 증분 실험 │ │
│ └───────────────────┘ │
│ │ │
│ ┌─────────▼─────────┐ │
│ │ 독립적 의사결정 기반 │ │
│ └───────────────────┘ │
└─────────────────────────────────────────────────────┘
| 프레임워크 | 설명 | 적합한 상황 |
|---|---|---|
| MTA (Multi-Touch Attribution) | 전환 경로 상 각 터치포인트에 가중치 배분 | 디지털 채널 중심, 유저 레벨 데이터 확보 가능 시 |
| MMM (Marketing Mix Modeling) | 통계적 회귀 모델로 채널별 증분 효과 측정 | 오프라인 채널 포함, 대규모 예산, 장기 분석 |
| 증분 실험 (Incrementality Test) | A/B 테스트로 광고의 순수 증분 효과 검증 | "이 광고를 안 했어도 전환이 일어났을까?" 검증 |
20~30% 편차는 시스템이 정상 작동하고 있다는 증거다. 인위적으로 맞추려는 소모적 디버깅은 시간 낭비.
메타는 클릭 시점으로 소급, GA4는 이벤트 시점으로 기록한다. 같은 날짜 범위 조회 시 숫자가 다른 건 당연하다.
하나의 구매를 메타와 구글이 각각 1건으로 카운트한다. 합산하면 실제보다 2배의 전환이 잡힐 수 있다.
메타의 뷰쓰루 전환은 "광고를 봤다"는 것이지 "광고 때문에 샀다"는 직접적 인과가 아니다. 별도 가중치로 분리 평가해야 한다.
"메타 ROAS가 5배니까 예산을 2배로 늘리자" — 이것은 메타가 스스로 보고한 숫자일 뿐이다. GA4 횡단 분석과 교차 검증 후 결정해야 한다.
광고 성과 점검 시작
│
▼
┌─────────────────────┐ ┌──────────────────────┐
│ Q. 소재/캠페인 최적화? │──→│ 메타 대시보드 기준 │
│ (매체 내부 비교) │ │ CTR, CVR, 매체 ROAS │
└─────────────────────┘ └──────────────────────┘
│
▼
┌─────────────────────┐ ┌──────────────────────┐
│ Q. 채널 간 예산 배분? │──→│ GA4 기준 │
│ (메타 vs 구글 등) │ │ 횡단 기여 분석 │
└─────────────────────┘ └──────────────────────┘
│
▼
┌─────────────────────┐ ┌──────────────────────┐
│ Q. 고객 품질/LTV? │──→│ 앰플리튜드 기준 │
│ (진성 고객 발굴) │ │ 코호트, 리텐션, LTV │
└─────────────────────┘ └──────────────────────┘
│
▼
┌─────────────────────┐ ┌──────────────────────┐
│ Q. 전사 마케팅 ROI? │──→│ DWH + MTA/MMM │
│ (경영진 보고) │ │ 통합 기여도 모델 │
└─────────────────────┘ └──────────────────────┘
| 개념 | 설명 |
|---|---|
| SAN (Self-Attributing Network) | 메타처럼 자체적으로 전환을 귀속시키는 폐쇄형 광고 네트워크 |
| 뷰쓰루 전환 | 광고를 보기만 하고(클릭 X) 이후 다른 경로로 전환한 건 |
| 룩백 윈도우 | 전환을 광고에 귀속시키는 시간 범위 (메타 7일 클릭/1일 조회) |
| 결정론적 vs 확률론적 매칭 | 로그인 ID 기반(메타) vs 쿠키/시그널 기반(GA4) 사용자 식별 |
| 소급 병합(Retroactive Merging) | 앰플리튜드의 익명→로그인 사용자 이력 통합 기능 |
| CAPI (Conversions API) | 서버 단에서 전환 데이터를 직접 매체로 전송하는 방식 |
| MTA/MMM | 다중 터치 기여 / 마케팅 믹스 모델링 — 통합 측정 프레임워크 |
| 데이터 임계치(Thresholding) | GA4가 프라이버시 보호를 위해 소규모 데이터를 누락시키는 현상 |
🔥 7일 한정 특가:
99,000원→ 29,000원