퍼포먼스 마케팅 한계에 부딪힌 기업들이 다시 '데이터'를 보는 이유

😅 퍼포먼스 마케팅이 예전 같지 않아요

광고 성과가 하락한 진짜 이유는?

“예산은 그대로인데 ROAS가 왜 점점 떨어질까?”

많은 마케터가 이 질문 앞에 멈춰 섭니다. 광고 메시지를 바꿔보고, 예산을 조정해도 성과는 회복되지 않습니다. 단기적 대응을 반복하다 보면 어느 순간 본질적인 질문이 떠오릅니다. “정말 광고 전략만의 문제일까?”

실제 최근 몇 년 사이 광고 환경은 급격히 변화했습니다. 특히 외부적 요인이 큰 영향을 미쳤는데, 대표적으로 Apple의 iOS 개인정보 보호 정책인 ATT(App Tracking Transparency)는 사용자 추적을 제한하며, 메타(Meta)를 포함한 주요 플랫폼 광고의 정확한 타겟팅과 리타게팅 성과를 심각하게 저하시켰습니다. 실제로 ATT 도입 이후 메타 광고에 의존하던 기업들이 신규 고객 유치와 매출에서 큰 타격을 입었다는 연구 결과도 있습니다. ATT 도입 후 약 80~85%의 사용자가 추적을 거부하면서 행동 기반 타겟팅이 어려워졌고, 전환 중심 메타 광고의 성과는 클릭률(CTR) 37% 하락, 전환당 비용(CPP) 약 50% 증가하는 등 광고 효율 악화로 이어졌습니다. 또한 메타 의존도가 높은 기업은 ATT 이후 주문 수 22.3% 감소, 전체 매출 39.4% 감소, 신규 고객 유입은 28% 감소하는 등 매출 타격으로 이어졌습니다. 이는 특히 소규모 DTC(Direct-to-Consumer) 기업에 타격이 컸다고 합니다.

타겟팅을 막는 또 다른 장애물: 쿠키 제한

또한, 주요 웹 브라우저들이 서드파티 쿠키를 단계적으로 지원 중단하면서 쿠키 기반 리타게팅이 어려워지고 있습니다. Google Chrome은 2024년 테스트 도입에 이어 2025년 초 전면 폐지를 계획했다가, 이후 사용자가 설정에서 직접 쿠키 정책을 제어할 수 있도록 방향을 전환했습니다. 전면 폐지까지 이어지지 않은 것은 다행이지만, 단순 제어 또한 정밀한 광고 타겟팅을 제한하고 전환 추적의 정확성을 저하시키고 있습니다.

이러한 변화는 Meta와 Google 광고 성과 하락 보고서에서도 명확히 나타납니다. 메타는 CPA 증가와 ROAS 하락을 공식적으로 인정했으며, 구글 역시 Privacy Sandbox 도입과 같은 개인 정보 보호 강화 정책으로 광고 성과가 전반적으로 떨어졌음을 밝혔습니다.

결국, iOS 개인정보 정책, 쿠키 제한, 전환 추적 오류 등 외부 요인이 퍼포먼스 효율에 지속적인 영향을 주고 있기 때문에, 마케터들은 단순한 메시지 변경보다 근본적인 전략 재정비가 필요하다는 점을 인식해야 합니다. 광고 환경의 변화는 우리가 통제할 수 없는 영역이지만, 이 문제를 진단하고 대응할 수 있는 능력은 데이터 기반의 분석에서 찾아야 합니다.

브랜드가 데이터를 다시 보는 이유: 전략의 근본 재정비

광고 데이터를 자산으로 바꾸는 관점 전환

지속적인 광고 효율 저하로 고민하는 브랜드들은 점점 더 근본적인 질문을 던지고 있습니다. 바로 “광고 성과에만 기대는 방식은 얼마나 지속 가능할까?” 라는 것입니다. 단기 퍼포먼스 대응만으로는 한계가 분명합니다. 광고 성과가 불안정해진 환경에서, 단순히 클릭과 전환 수치를 쫓기보다는 광고를 통해 생성된 데이터를 어떻게 활용할 수 있을지를 고민해야 할 시점입니다.

이 과정에서 브랜드가 유일하게 통제할 수 있는 자산은 바로 '자체 보유 데이터'입니다. 광고 플랫폼의 정책이나 개인정보 보호 변화 같은 외부 환경은 컨트롤할 수 없지만, 브랜드는 자체 보유 데이터를 통해 고객을 더 정확하게 이해하고, 그들의 요구와 행동 패턴을 깊이 있게 파악할 수 있습니다. 또한, 내부에 쌓이는 데이터는 충분히 분석하고 해석하여 전략적 자산으로 전환할 수 있습니다.

예를 들어, 특정 콘텐츠가 전환에 미치는 영향을 분석하거나 유입 채널별 고객 행동 차이를 확인함으로써, 전환을 유도할 수 있는 맞춤형 전략을 수립할 수 있습니다. 이는 단순히 광고 결과에 일희일비하지 않고, 광고를 통해 얻은 데이터를 기반으로 브랜드 전략을 조정하는 더 근본적인 접근입니다.

결국 데이터를 중심으로 한 접근법은 브랜드가 광고 의존도를 낮추고 더 지속 가능한 성장을 이루는 데 핵심적인 역할을 하게 됩니다. 이제는 단기 전환을 넘어서, 광고로 유입된 데이터를 어떻게 분석하고 자산화할 수 있을지가 더 중요한 과제가 되고 있습니다.

전략적 판단을 위한 도구

성과가 떨어졌다고 판단되는 순간, 많은 조직에서는 카피라이팅을 바꾸거나 캠페인을 종료하는 결정을 빠르게 내립니다. 그러나 이런 결정이 진짜 문제를 해결하는지에 대해서는 의문이 남습니다. 문제의 본질이 아닌 표면적인 부분만을 보고 대응하면 결국 성과가 다시 하락하는 악순환이 반복될 수 있습니다.

GA4나 Looker Studio 같은 데이터 도구는 바로 이런 본질적인 문제를 확인할 수 있게 돕습니다. 데이터는 "어디서부터 무너졌는가"를 구조적으로 보여주는 역할을 합니다. 예를 들어 GA4를 통해 유입경로별 전환율 차이를 비교해 보면, 특정 광고 캠페인이나 유입 채널의 전환 성과를 구체적으로 파악할 수 있습니다. 채널별 클릭률 분석으로는 어떤 광고 소재가 사용자 관심을 끄는지, 어떤 소재가 실제 전환과 연결되는지를 판단할 수 있습니다.

또한, CTA(Call To Action) 클릭률 분석을 통해서는 페이지 내에서 사용자의 전환 행동이 어디서 정체되거나 중단되는지를 확인할 수 있습니다. 예를 들어 특정 CTA 버튼의 클릭률이 현저히 낮다면, 버튼 위치나 디자인, 메시지가 문제가 될 가능성을 염두에 두고 UX나 콘텐츠 개선 작업을 수행할 수 있습니다.

이처럼 데이터 도구는 성과 하락의 원인이 어디에 있는지를 명확하게 진단할 수 있도록 지원합니다. 문제를 정확하게 이해하고 근본적으로 접근하기 위해, 데이터 분석과 전략적 판단을 연결시키는 습관이 필수적입니다. 이제는 "카피가 약하다"거나 "캠페인이 안 먹힌다"는 판단보다, 데이터가 말해주는 전환 구조와 흐름을 해석할 수 있는 팀과 조직이 경쟁력을 가집니다.

‘텀타 사례로 알아보는’ GA4로 성과를 ‘이해'하는 방법

[사례] 텀타 아카데미, 어디서 전환이 막히고 있었을까?

텀타 아카데미는 지난 6월 구글 광고를 통해 유입된 사용자 데이터를 분석하여 전환율 개선에 도전했습니다. 당시에 광고 성과가 기대에 못 미치자 팀 내부에서는 “광고 효과가 별로 없나 보다”는 회의적인 의견이 나오기 시작했고, 광고를 중단하거나 다른 마케팅 방법을 모색하자는 논의도 있었습니다.

이러한 논의가 지속되던 중, 드디어 분석할 만한 데이터가 쌓여 텀타 팀은 GA4와 빅쿼리를 활용해 광고 유입 고객들의 행동 데이터를 본격적으로 분석하기 시작했습니다. 한 달간의 로그 데이터를 기반으로 구조적인 흐름을 짚어보니, 단순한 클릭 수치로는 보이지 않던 전환 힌트가 드러나기 시작했습니다. 분석은 다음과 같은 4단계로 진행됐습니다.

첫째, 분석의 출발점은 '누가 다시 우리 서비스를 찾아왔는가?'였습니다. 텀타 아카데미는 광고 캠페인이 진행된 6월 한 달간의 방문 데이터를 기반으로 user_pseudo_id 값을 활용해 유저의 재방문 여부를 파악했습니다. GA4 이벤트 데이터를 빅쿼리로 추출하여 일별 방문일 수를 기준으로 'one_time'과 'repeat' 그룹으로 나누어 확인한 결과, 이 중 재방문자는 전체의 약 5%였습니다. 단순 수치만 보면 작게 느껴질 수 있지만, 이 5% 고객군이 이후 분석의 핵심이 되었습니다. 바로 이들이 서비스에 반복적으로 관심을 보였고, 잠재적 전환 가능성이 높은 ‘온도 높은 고객’일 수 있기 때문입니다.

둘째, 이 재방문 사용자들의 행동을 보다 세밀하게 들여다보기 시작했습니다. 로그인, 찜하기(장바구니 담기), 스크롤 깊이(25%, 50%, 75%, 90%)와 같은 핵심 이벤트를 중심으로 행동 그룹을 나누고, 유입 채널과 디바이스 종류까지 함께 분석했습니다. 특히 scroll_90% 이벤트는 상세페이지에서 거의 끝까지 콘텐츠를 본 고객으로 해석할 수 있었고, 이런 행동이 반복 방문자 사이에서 더 자주 나타난다는 점이 확인됐습니다. 다시 말해, 이들은 단순히 유입된 사용자가 아니라 콘텐츠에 몰입하고 탐색 의지가 강한 고객이었습니다.

셋째, 광고 유입 고객들의 상세페이지 내 행동 흐름을 단계별로 살펴보았습니다. 특히 스크롤 잔존율 분석을 통해 25%, 50%, 75%, 90% 구간별 이탈율이 자연 유입 대비 어떤 차이를 보이는지 확인했습니다. 그 결과, scroll_90% 기준에서 광고 유입 고객의 잔존율이 오히려 자연 유입보다 높았다는 점이 눈에 띄었습니다. 이는 상세페이지 콘텐츠에 몰입한 광고 유입 고객이 분명 존재함을 보여줍니다. 광고 효과가 없다고 보기엔 모순되는 결과였습니다. 문제는 이 몰입 고객들이 실제 전환으로 이어지지 못했다는 점인데, 이는 콘텐츠 이후 흐름에 마찰이 있었음을 시사합니다.

하지만 당시 텀타 팀은 이 시그널을 실시간으로 포착하지 못했습니다. 지금 돌아보면, 바로 이 '고객을 놓친 순간'이 아쉬운 포인트였습니다.

그렇지만 이런 고객군을 데이터 분석 없이 놓쳤다면, 텀타 팀은 단순히 광고의 문제라고 판단하고, 광고를 중단하거나 효과가 불확실한 다른 마케팅 방법에 무작정 손을 댔을 가능성이 큽니다.

넷째, 텀타 팀은 이처럼 탐색 의지가 높았던 고객군이 결제나 찜하기로 이어지지 못했던 점을 인지하고, 유입 후 행동 흐름에서 마이크로 전환을 유도할 수 있는 액션 플랜을 수립했습니다. 우선 scroll_25% 이상 진행한 광고 유입 고객에게는 채널톡을 활용해 개인화된 메시지를 띄우고, 장바구니 추가나 결제를 유도하기로 했습니다. 단순한 메시지가 아니라, 고객이 현재 페이지에서 어떤 행동을 했는지에 반응하는 맥락형 넛지입니다. 이는 GA4 기반 행동 데이터를 실시간으로 마케팅 액션으로 전환하려는 첫 시도였으며, 앞으로 더욱 고도화할 예정입니다.

이러한 데이터 분석은 단순히 “광고가 안 먹힌다”는 결론으로 흐르지 않게 만들어줍니다. 오히려 광고 클릭 이후 전환까지 이어지지 않는 구조적 원인이 어디에 있었는지를 탐색하게 만든 계기였습니다.

이 경험을 통해 텀타 팀은 한 달치 데이터를 나중에 분석했을 때 보였던 시그널들이, 실시간에 가깝게 포착됐더라면 훨씬 빠른 전략 수정이 가능했을 것이라는 교훈을 얻었습니다. 단순히 광고 성과가 낮다고 판단했다면 절대 알 수 없던 인사이트였습니다.

GA4의 진짜 가치는 숫자가 아니라 '데이터를 해석하고 전략으로 연결하는 힘'에 있습니다. 단순히 지표를 확인하는 것을 넘어 다음과 같은 질문을 스스로에게 던지며 전략을 정비할 수 있었습니다.

1. 유입 경로 확인: 어떤 채널에서 들어온 고객이 더 몰입하는가?

2. 이탈 구간 분석: 어느 단계에서 고객의 행동이 멈추는가?

3. 디바이스별 행동 차이: 모바일과 데스크탑에서 행동 흐름은 어떻게 다른가?

4. CTA 클릭률 분석: 고객이 실제로 반응한 요소는 무엇인가?

만약 이런 구조적 해석 없이 “ROAS가 낮다”며 메시지를 바꿨다면, 상세페이지 콘텐츠에 몰입한 고객조차 놓치는 결과를 초래했을 것입니다. 때론 문제의 핵심은 광고가 아닌 그 이후의 흐름에 있습니다.

결과적으로 텀타 아카데미는 데이터 분석을 통해 진짜 문제를 명확히 파악하고, 광고를 중단하는 성급한 판단 대신 구체적인 리마케팅 전략을 마련할 수 있었습니다.

데이터로 돌아가는 첫걸음: 고객 여정부터 보세요

앞선 예시에서도 알 수 있듯이, 성과가 떨어졌다는 이유로 바로 광고 카피를 바꾸거나 예산 배분을 조정하는 대응은 겉으로 드러난 문제에만 반응하는 방식입니다. 이는 흔히 마케터들이 급하게 성과를 회복하려고 내리는 단기적 판단입니다. 그러나 실제로 이런 단기적 대응은 문제의 본질을 외면한 채 표면적인 부분만 다루는 결과를 초래합니다. 데이터를 해석해보면 문제는 광고 외부에 있지 않고 고객 여정 내부에 있는 경우가 많습니다.

실질적 원인을 확인하지 않고 카피부터 바꾸는 방식은 매우 비효율적입니다. 예를 들어, 광고 메시지가 고객의 흥미를 유발하여 사이트로 유입은 되지만, 장바구니 단계에서 결제로 이어지지 않는다면 문제는 광고 메시지가 아니라 장바구니 이후 결제 단계의 UX 또는 결제 시스템에 있을 가능성이 큽니다. 또는, 모바일 환경에서만 이탈률이 높다면, 모바일 페이지의 로딩 속도나 결제 버튼 배치 등 UX 문제가 원인일 수 있습니다. 이런 경우 메시지를 아무리 바꿔도 근본적인 전환율 개선은 이루어질 수 없습니다.

텀타 아카데미의 사례처럼 GA4를 통해 유입 경로부터 상세페이지 내 행동, 이탈 지점, 전환 흐름까지 고객의 여정을 정밀하게 추적하면, 단순 수치로는 보이지 않던 가능성과 저항을 동시에 확인할 수 있습니다. 텀타 또한 스크롤 90% 이상 잔존한 광고 유입 고객군을 발견하지 못했다면, 효과 없는 광고라고 판단하고 그들의 온도를 식혀버렸을지도 모릅니다.

하지만 고객 여정을 시각화하면서 비로소 ‘누가 어디까지 도달했는지’를 파악할 수 있었고, 각 행동의 연결 단계를 이해한 덕분에 보다 정확한 액션 플랜(예: 넛지 메시지 삽입)을 수립할 수 있었습니다. 이것이 바로 데이터 해석의 힘이자, 성과 분석의 진짜 목적입니다.

성급한 판단보다, 흐름을 먼저 분석해야

이처럼 광고 성과에 대해 성급한 결정을 내리기 전에, 데이터로 먼저 원인을 좁히는 접근이 전략적으로 더 효율적입니다. GA4 등의 데이터 툴로 이탈 구간을 정확히 분석하고 고객 행동 패턴을 파악하면, 사용자가 실제로 겪는 장애물을 찾을 수 있습니다. 이렇게 데이터 분석을 통해 명확한 진단을 내리면, 광고 카피를 바꾸는 것보다 더 직접적이고 근본적인 해결책을 마련할 수 있습니다.

따라서 광고 전략은 이러한 데이터 분석 이후에 수립되어야 합니다. 데이터 해석 없이 메시지를 먼저 바꾸는 방식은 마치 정확한 진단 없이 무작정 처방부터 내리는 것과 같으며, 결과적으로 브랜드 리소스를 낭비하게 됩니다. 데이터 기반의 전략적 접근은 브랜드가 지속 가능한 성장을 이루는 데 필수적인 요소입니다.

단순히 수치를 확인하는 리포트를 넘어, 고객의 여정을 해석하고 흐름을 설계하는 것. 이게 바로 지금 브랜드가 데이터로 돌아가야 하는 이유입니다. 성과가 떨어진다고 느껴질 때, 그 판단의 근거는 어디에 있는지 스스로 물어봐야 합니다. 데이터는 그 질문에 답하는 언어입니다.