광고 환경이 달라지면 고객의 움직임도 달라질까?

지난달 실험에서 가장 인상 깊었던 점은 단순했습니다. 광고를 통해 더 많은 사람이 페이지에 들어왔지만, 그 이후 행동의 깊이는 생각보다 얕았다는 것이죠. 디스플레이 광고 덕분에 유입량은 충분했지만, 채널톡 메시지를 본 사용자가 실제로 어떤 행동(무료 강의 신청, 강의 상세 페이지 진입 등)을 이어갔는지를 살펴보면, 그 비율은 크게 변하지 않았습니다.

그때 느꼈습니다. “유입의 양이 아니라, 유입의 상태가 다르면 행동도 달라질 수 있겠다.”

즉, 고객이 어떤 순간에 광고를 마주했는가가 이후의 행동을 결정짓는 핵심 변수일 수 있다는 점이죠. 그래서 이번 실험에서는 광고 환경 자체에 초점을 맞추기로 했습니다.

같은 예산, 같은 메시지, 같은 랜딩 페이지를 사용하더라도 광고 환경(YouTube·Search·Display)이 다르면 고객의 시선이 멈추는 위치, 머무는 시간, 클릭 이후의 흐름이 달라질 수 있습니다. 이번 편은 바로 그 차이를 검증하기 위한 실험의 설계 단계입니다.

지난 콘텐츠에서 다뤘던 “탐색–학습–행동”의 의도 단계를 기반으로, 이제 실제 데이터를 통해 각 환경이 어떤 ‘행동 패턴’을 만들어내는가를 구체적으로 살펴보기 위한 준비 과정을 공유하려 합니다.

실험 질문과 가설 — 지난 편에서 이어지는 ‘행동 중심’ 검증

지난 콘텐츠에서 간단히 언급했듯, 이번 실험의 핵심은 단순한 전환율 비교가 아닙니다. “광고 유형이 달라지면, 고객의 행동도 달라지는가?”, 더 구체적으로 말하면 “어떤 환경이 더 다양한, 더 깊은 행동을 유도하는가?”가 이번 연구의 중심 질문이에요.

이 질문은 단순히 클릭 수나 전환 이벤트 수치를 비교하겠다는 뜻이 아닙니다. 광고의 목적이 ‘전환’이라 하더라도, 전환에 이르기까지의 여정은 수많은 행동으로 이루어져 있습니다. 스크롤을 얼마나 내렸는지, 페이지에서 얼마나 머물렀는지, 혹은 무료 강의 버튼을 클릭하기까지 몇 번의 탐색이 있었는지.. 이런 미세한 행동 데이터들이 모여 고객의 ‘학습 여정’을 보여주죠. 그래서 이번 실험에서는 이 ‘행동의 깊이’ 자체를 관찰 단위로 삼기로 했습니다.

지난 콘텐츠에서 잠깐 언급했던 가설은 이번 실험의 출발점이 되었습니다.

• YouTube(디맨드젠) 광고는 영상과 피드 기반 노출을 통해, 페이지 내 평균 참여 시간과 스크롤 깊이가 가장 높을 것이다.

• Search 광고는 명확한 학습 의도를 가진 사용자가 많기 때문에, 페이지 내 주요 행동(예: 강의 클릭, 비교 탐색 등) 으로의 도달 속도와 집중도가 가장 높을 것이다.

• Display 광고는 가장 넓은 도달을 가지지만, 상대적으로 행동 깊이는 낮을 것이다.

이 가설의 근거는 정량 데이터보다는 의도 신호(intent signal) 와 노출 맥락(context) 에 있습니다.

유튜브는 사용자가 능동적으로 콘텐츠를 소비하는 공간이기 때문에 탐색형 참여가 활발하고, 검색 광고는 명시적 의도를 기반으로 행동 전환이 빠르게 나타나는 구조입니다. 반면 디스플레이 광고는 탐색보다 노출 중심 채널로서, ‘우연한 만남’이 많아 행동의 깊이가 제한적일 수 있습니다.

하지만 이는 어디까지나 정성적 근거에 기반한 가설이며, 실제 데이터에서 그대로 드러날지는 확실하지 않습니다. 결국 이번 실험의 목적은 이 가설을 증명하거나 반박하는 것이 아닙니다.

각 광고 환경이 만들어내는 ‘행동의 결’ 자체를 수치로 관찰하고, 그 결과가 실제 마케팅 의사결정(예산 배분, 메시지 전략)에 어떤 시사점을 주는지를 찾는 거예요.

실험 설계 원칙 — 변수를 통제하고 ‘광고 환경의 차이’만 남기다

이번 실험의 핵심은 단순히 예산을 나눠 쓰는 게 아니라, 광고의 형태(유형)만 다르고 그 외 조건은 모두 같은 상황을 만드는 데 있습니다. 그래야 “광고 환경이 고객 행동에 어떤 차이를 만드는가”를 정확히 볼 수 있죠.

그래서 이번 실험에서는 다음의 원칙으로 변수를 통제했습니다.

1. 예산과 기간은 동일하게 설정.

   모든 광고 유형(YouTube·Search·Display)을 하루 1만 원씩, 동일한 기간 동안 운영합니다. 이는 CPC(클릭당 단가)가 서로 달라 유입량 차이는 발생하더라도, 광고가 주는 ‘맥락적 영향력’만 비교 가능하게 하기 위함이에요. 즉, “얼마나 많은 유입을 만들었는가”가 아니라 “유입된 사용자가 어떻게 움직였는가”를 관찰할 수 있도록 통제한 셈이죠.
   
   

2. 랜딩페이지, 메시지, 브랜딩 톤은 완전히 동일.

   어떤 채널을 통해 들어오더라도 사용자가 보는 화면, 무료 강의 CTA, 메시지 구조가 같도록 구성했어요. 이를 통해 광고 소재나 페이지 설계가 아닌, ‘광고를 만나는 순간의 차이’가 행동을 얼마나 다르게 만드는가에만 집중할 수 있습니다.
   
   

3. 디바이스·지역·오디언스 조건 일치.

   모든 광고는 동일한 국가(대한민국), 동일한 언어(한국어), 동일한 기기 설정(모바일+PC+태블릿 통합)으로 세팅했습니다. 또한, 특정 관심사·연령·성별 세그먼트를 사용하지 않았으며 리타겟팅은 완전히 제외했습니다. 즉, 이번 실험은 완전한 신규 유입 기준으로만 데이터를 관찰합니다.
   
   

4. 독립변수는 광고 환경, 종속변수는 행동 지표.

   실험의 독립변수는 ‘광고가 노출되는 환경(피드형·검색형·배너형)’이며, 종속변수는 ‘행동 데이터(평균 참여 시간, 스크롤 깊이, 이벤트 발생률 등)’입니다.

물론, 이런 설계에도 완전한 통제는 불가능합니다. 구글의 광고 입찰 경쟁 구조상 노출 순서나 소재 경쟁 상황은 실시간으로 달라지고, AI 최적화가 개입되기 때문에 완전히 동일한 조건으로 비교한다고 단정할 수는 없습니다. 소재의 시각적 효과나 시간대별 클릭 편차 역시 어떤 결과를 가져올지 모릅니다.

그럼에도 이런 한계를 최소화하기 위해, 모든 변수 중 오직 광고 환경만이 차이를 만들어내도록 설계했다는 점이 이번 실험의 가장 큰 특징입니다. 결국 이번 설계의 목표는 “모든 조건을 최대한 동일하게 맞춘 뒤, 남은 변수, 즉 광고를 만나는 맥락(Context)이 행동 데이터를 어떻게 바꾸는가를 확인하는 것”입니다.

광고 유형별 세팅 — 같은 조건, 다른 맥락의 구조

이번 실험은 세 가지 광고 환경, 즉 피드형(YouTube), 검색형(Search), 배너형(Display) 을 같은 예산과 조건 아래에서 비교하도록 설계했습니다. 핵심은 광고의 형태가 달라질 뿐, 사용자에게 전달되는 정보의 본질은 동일하다는 점이에요.

아래는 각 광고 유형별 세부 세팅 구조입니다.

1. YouTube (디맨드젠 캠페인) — 관심 탐색형 광고의 실험

유튜브는 영상 콘텐츠 소비 중 자연스럽게 노출되는 피드형 광고이기 때문에, 시청자가 특정 검색 의도를 가지고 있지 않더라도 콘텐츠 맥락 안에서 ‘학습 관심을 자극하는 순간’을 만들 수 있는 환경입니다.

• 광고 형식: 30초 짧은 영상 + 썸네일 이미지 조합

• 소재 구성: 무료 SQL 강의의 핵심 장면을 발췌해 ‘배우는 과정’을 시각적으로 강조

• CTA: “자세히 알아보기”

• 타깃 세팅: 자동 학습 기반(관심사·시청 이력 중심)

• 측정 포인트: 체류시간, 스크롤 깊이, 추가 클릭 등 ‘참여형 행동’

유튜브 광고는 명시적 전환보다는 탐색 행동을 자극하는 구조입니다. 따라서 단기적인 신청 수보다 사용자가 페이지 내에서 얼마나 오래 머무르고, 얼마나 다양한 요소를 탐색하는지에 주목합니다.

2. Search (구글 검색 광고) — 의도 기반 행동의 실험

검색 광고는 사용자가 이미 ‘무언가를 배우고 싶다’는 명확한 의도를 가지고 검색창에 직접 키워드를 입력하는 순간 노출됩니다. 즉, 가장 의도가 뚜렷한 시점의 고객 행동을 관찰할 수 있는 환경이에요.

• 광고 형식: 텍스트 중심 검색 결과 상단 광고

• 키워드 그룹: “GA4 배우기”, “SQL 강의”, “데이터 분석 입문” 등 탐색 중심 키워드

• 광고문 구성: “데이터 분석, 혼자 시작할 수 있을까?”처럼 비교·탐색형 문장 중심

• 랜딩페이지: 동일한 무료 강의 페이지

• 측정 포인트: 주요 버튼 클릭률, 스크롤 깊이, 페이지 이탈 속도

검색 광고는 단순 전환율을 보는 것이 아니라, 명확한 의도를 가진 사용자가 목적 행동(클릭, 비교 탐색 등)에 얼마나 빠르게 도달하는가를 관찰합니다. 이는 단순한 강의 신청 수보다 ‘의도 → 행동 전환 속도’라는 행동 패턴을 파악하는 데 의미가 있습니다.

3. Display (구글 디스플레이 광고) — 노출 기반 탐색의 실험

디스플레이 광고는 여전히 가장 넓은 도달 범위를 가진 광고 환경입니다. 그러나 그만큼 사용자의 관심 수준이 다양하기 때문에, ‘누가 클릭하느냐’에 따라 결과가 크게 달라지는 구조이기도 합니다. 이번 실험에서는 이 불특정 도달 구조가 실제 행동 데이터에 어떤 영향을 미치는지를 검증하려 합니다.

• 광고 형식: 이미지 배너 (기존 소재 그대로 활용)

• 게재 위치: 웹사이트, 블로그, 앱 등 구글 디스플레이 네트워크(GDN) 전반

• 메시지: “3시간 만에 완성하는 데이터 분석 입문” (직관적 정보 전달)

• 타깃 세팅: 관심사 기반 자동 확장(최소한의 세그먼트 설정)

• 측정 포인트: 클릭률(CTR) 대비 체류시간, 스크롤 깊이, 이탈률

디스플레이 광고는 노출량은 많지만 행동 깊이는 얕을 가능성이 높다는 전제를 바탕으로 설계했습니다. 이 구조를 Search·YouTube 광고와 함께 비교함으로써, ‘유입의 양’과 ‘유입 이후의 질’ 간의 간극을 실제 데이터로 확인하고자 합니다.

결과적으로, 세 광고 모두 동일한 예산·랜딩페이지·메시지를 공유하지만 광고가 노출되는 맥락, 즉 사용자가 마주하는 환경만 다릅니다. 이 차이가 실제 행동 데이터에서 어떤 패턴으로 드러나는지가 이번 실험의 핵심 관찰 포인트입니다.

측정 및 분석 설계 — 행동 지표 중심으로 검증한다

앞서 여러 차례 언급했듯, 이번 실험의 핵심은 단순히 “얼마나 클릭했는가(CTR)”가 아니라, “광고를 본 뒤 사용자가 실제로 어떻게 움직였는가”를 살펴보는 데 있습니다. 즉, 클릭이라는 단일 결과가 아니라, 페이지 안에서의 참여 행동 전체를 하나의 ‘맥락’으로 보는 관점이에요.

이를 위해 GA4에서 각 광고 유형의 행동 데이터를 구분해 관찰할 수 있도록 세션 소스·미디엄별 세그먼트를 설정했습니다. 핵심적으로 살펴볼 지표는 다음 네 가지입니다.

• 평균 참여 시간(avg_engagement_time) — 광고 유입 이후 페이지 내 체류 수준

• 스크롤 75%(scroll_75) — 콘텐츠 소비 깊이

• sign_up, purchase — 무료 강의 신청 및 유료 강의 상세 페이지 진입 이벤트

이 네 가지는 모두 “얼마나 오래 머물렀는가”보다 “페이지 안에서 어떤 행동을 했는가”를 보여주는 행동형 지표입니다.

데이터 분석은 각 광고 환경별로 신규 방문자 / 재방문자, 그리고 모바일 / 데스크톱 구분을 함께 적용해 진행할 계획입니다. 이렇게 해야 광고 채널 특성뿐 아니라 기기·방문 형태에 따른 행동 패턴 차이도 함께 볼 수 있기 때문이에요. 또한 실험 기간 동안 발생하는 이상치(내부 트래픽, 비정상 체류, 중복 이벤트)는 필터링을 적용해 데이터 품질을 유지할 예정입니다.

데이터로 행동의 결을 확인한다

이번 실험 설계는 “어느 채널이 전환을 더 많이 만들었는가”보다 “어느 광고 환경이 더 다양한 행동을 만들어내는가”를 검증하기 위한 출발점입니다. 같은 예산, 같은 메시지라도 광고가 노출되는 맥락이 다르면 사용자의 참여 방식 역시 달라질 수밖에 없기 때문이에요.

모든 광고는 동일한 기간 동안 집행되며, 데이터 수집 완료 후에 실험 결과편을 공개할 계획입니다. 그 시점에서 각 광고 환경이 만들어낸 ‘행동의 깊이’와 ‘패턴의 차이’를 GA4 대시보드를 통해 시각적으로 비교해볼 예정이에요.

피드형(YouTube)은 ‘학습 관심을 자극하는 순간’을, 검색형(Search)은 ‘명시적 탐색 행동의 순간’을, 배너형(Display)은 ‘브랜드를 처음 인지하는 순간’을 만들어냅니다.

즉, 세 광고는 각각 다른 지점에서 사용자를 만나고, 그 차이가 행동 패턴의 결을 바꾸게 됩니다. 이번 설계는 바로 그 차이를 데이터로 검증하기 위한 준비 과정이에요.

이후 공개될 실험 결과편에서는 GA4를 기반으로 각 광고 환경이 만들어낸 행동의 깊이·패턴·참여 신호의 차이를 시각적으로 보여드릴 예정입니다. 결국, 이번 실험의 핵심은 단순히 전환율을 높이는 것이 아니라 광고가 고객을 ‘언제, 어떤 맥락에서 만나는가’가 행동을 결정한다는 점을 데이터로 확인하는 일입니다.