[2026 최신] 어트리뷰션 모델 비교 완벽 가이드 | 테라그로스

광고비 1억 쓰는 클라이언트한테 “어떤 어트리뷰션 모델 쓰세요?”라고 물으면 열에 아홉은 “그게 뭔가요?”라고 되묻는다. 솔직히 그럴 만하다. 2024년에 구글이 라스트클릭이랑 시간감쇠 같은 룰베이스 모델을 GA4랑 구글애즈에서 통째로 빼버린 뒤로 어트리뷰션 화면 자체가 확 달라졌고, 2025년에 데이터 드리븐(DDA)이 사실상 기본이 되면서 마케터들도 “그냥 시키는 대로 쓰면 되는 거 아닌가” 정도로 인식이 흘러갔다. 근데 진짜 그러면 안 된다.

우리가 작년 한 해 동안 클라이언트 캠페인을 돌리면서 실제로 봤던 건, 같은 캠페인이라도 어떤 모델로 보느냐에 따라 ROAS가 두 배 가까이 차이 났다는 점. 어떤 키워드는 라스트클릭으로는 거의 죽은 키워드였는데 DDA 기준으로 보니까 전환에 30% 가까이 기여하고 있었다. 그래서 끄지 말고 살려뒀고, 그게 결국 분기 매출을 받쳐줬다. 이게 어트리뷰션 모델을 제대로 이해해야 하는 이유다.

이 글은 2026년 5월 현재 구글애즈와 GA4에서 실제로 선택 가능한 어트리뷰션 모델만 다룬다. 사라진 모델 얘기는 비교용으로만 쓰고, 우리가 현장에서 쓴 기준으로 “언제 뭘 골라야 하는지”까지 같이 풀어본다.

2026년 현재 살아있는 어트리뷰션 모델은 사실상 두 개뿐이다

2024년 9월에 구글이 어트리뷰션 모델 정리 작업을 사실상 끝냈다. support.google.com 공식 문서 기준으로 지금 GA4 광고 워크스페이스랑 구글애즈 전환 설정에서 고를 수 있는 모델은 두 가지다 – 데이터 드리븐(Data-driven attribution, DDA)과 라스트클릭(Last click). 이전에 쓰던 첫번째클릭, 선형, 시간감쇠, 위치기반 이 네 개는 GA4 보고서 화면에서 비교용으로는 일부 살아있지만, 전환 측정의 기본 모델로는 더 이상 지정할 수 없다.

왜 이렇게 됐냐. 2024년 구글 공식 블로그 설명을 그대로 옮기면, 룰베이스 모델은 “광고를 본 시점이라는 단일 신호로만 기여도를 가르는데 실제 사용자 여정은 그렇게 단순하지 않다”는 거다. 모바일 검색에서 본 동영상 광고, 데스크톱에서 다시 검색한 텍스트 광고, 며칠 뒤 디스커버 피드에서 클릭한 쇼핑 광고를 같은 사람의 행동으로 묶어서 가중치를 머신러닝으로 추정하겠다는 게 DDA의 본질이다.

DDA가 기본이 된 게 무조건 좋은 일은 아니다

여기서 약간의 함정이 있다. DDA는 좋은 모델이지만 “기본”이 됐다는 건 마케터가 모델 자체를 의심해볼 기회를 잃었다는 뜻이기도 하다. 우리가 운영하는 의류 쇼핑몰 한 곳에서는 DDA로 보면 디스플레이 캠페인이 전환의 18%를 가져가는 걸로 나오는데, 라스트클릭으로 비교해보면 4%다. 이 둘 중 어느 게 진짜냐. 솔직히 정답은 없다. 다만 DDA가 보여주는 18%를 그대로 믿고 디스플레이 예산을 두 배로 늘렸다가 매출이 안 따라온 사례를 우리도 직접 겪었기 때문에, 비교 보고서를 항상 같이 보는 습관이 필요하다.

데이터 드리븐 모델 – 구체적으로 어떻게 작동하는가

구글 공식 헬프센터(support.google.com/google-ads) 문서를 토씨까지 읽어보면 DDA는 Shapley value라는 게임이론 기반 알고리즘을 쓴다고 명시되어 있다. 무슨 말인지 풀어쓰면 이렇다. 어떤 광고 채널을 빼봤을 때 전환이 얼마나 줄어드는지를 시뮬레이션해서, 그 줄어든 양만큼 그 채널의 기여도로 잡아준다는 거다.

예를 들어 사용자가 (1) 유튜브 인스트림 → (2) 디스커버리 → (3) 검색 텍스트 광고 순서로 본 뒤 구매했다고 치자. 라스트클릭이면 검색 광고가 100% 가져간다. DDA는 검색을 빼면 전환이 60% 줄고, 디스커버리를 빼면 25% 줄고, 유튜브를 빼면 15% 줄더라- 이런 식으로 계산해서 60/25/15로 분배한다. 단순해 보이지만 실제로는 수십만 건의 전환 경로를 모델이 학습해서 평균을 내는 구조라 작은 계정에서는 정확도가 떨어진다.

DDA를 쓰려면 데이터가 충분해야 한다

2026년 현재 기준으로 DDA가 정상 작동하려면 일정 규모 이상의 전환 데이터가 누적되어야 한다. 구글 공식 가이드는 정확한 숫자를 공개하지 않지만, 우리 경험상 월 전환 300건 미만 계정은 DDA 결과가 라스트클릭이랑 거의 똑같이 나온다. 모델이 학습할 만한 패턴이 안 모이기 때문이다. 이런 계정은 DDA로 설정해도 사실상 라스트클릭이라고 봐야 한다.

라스트클릭 모델 – 죽지 않은 이유

구글이 DDA를 밀고 있는데도 라스트클릭이 살아남은 데는 이유가 있다. 첫째, 모든 채널 운영자(메타, 네이버, 카카오)가 기본적으로 라스트클릭을 쓰고 있어서 채널 간 비교가 불가능해진다는 문제. 둘째, B2B나 부동산처럼 전환 사이클이 길고 마지막 터치가 결정적인 업종에서는 라스트클릭이 의외로 직관적이다.

우리 쪽에서도 일부러 라스트클릭으로 운영하는 계정이 있다. 산업재 부품 판매하는 클라이언트인데, 영업팀이 마지막 검색 키워드를 보고 견적 전화를 거는 구조라서 “최종 검색이 뭐였는지”가 영업 우선순위 판단의 핵심이다. 이런 케이스에서 DDA로 바꾸면 영업팀이 데이터를 못 쓰게 된다.

대행사 입장에서 라스트클릭의 숨은 장점

이건 대놓고 말하기 좀 그런데, 클라이언트한테 보고할 때도 라스트클릭이 편하다. “이 키워드가 매출 5천만원 만들어냈습니다”가 한 번에 보이니까. DDA는 “이 키워드의 기여도가 0.32입니다” 같은 소수점이 나와서 클라이언트가 머릿속에서 안 그려진다. 그래서 우리는 운영은 DDA로 하더라도, 보고서는 둘 다 보여드리는 식으로 운영한다.

사라진 모델들 – 첫번째클릭, 선형, 시간감쇠, 위치기반

이 네 개는 과거에는 GA에서 다 골라 쓸 수 있었지만 지금은 GA4 어트리뷰션 비교 보고서에서만 참조용으로 본다. 새 전환을 이 모델들로 측정하는 건 불가능하다.

첫번째클릭(First click)

전환 경로의 맨 처음 채널에 100% 기여도를 주는 모델. 브랜드 인지가 중요한 신규 시장 진입 캠페인에서는 의미가 있었다. 과거에는 신규 브랜드 런칭할 때 인지도 채널이 진짜로 매출에 얼마나 도움 됐는지 가늠하는 용도로 자주 썼지만, 지금은 GA4 비교 보고서에서 DDA랑 나란히 놓고 보는 정도로만 쓴다.

선형(Linear)

경로상의 모든 채널에 동일한 가중치. 가장 단순한 모델이라 입문용으로 자주 쓰였지만, 실제로 모든 터치포인트가 같은 기여를 했다고 보는 건 직관에 어긋난다. 비교용 외엔 쓸모가 거의 없다.

시간감쇠(Time decay)

전환 시점에 가까울수록 가중치를 더 주는 모델. 7일 반감기가 디폴트였다. 충동 구매 사이클이 짧은 패션 카테고리에서 잘 맞았던 모델인데, 사실 우리가 분석해보면 DDA가 이미 시간 가중치를 내부적으로 학습하고 있어서 굳이 따로 쓸 필요가 없어졌다.

위치기반(Position-based, U자형)

첫 터치 40%, 마지막 터치 40%, 중간 20%를 분배. 처음과 끝이 중요하다는 가정. 리드젠 캠페인에서 의미 있었지만 지금은 비교용으로만 남았다.

모델별 실전 비교 – 같은 캠페인, 다른 결과

우리가 운영 중인 한 뷰티 브랜드 캠페인을 익명 처리해서 공유한다. 30일간 검색/디스플레이/유튜브/디스커버리 4개 채널 동시 운영했고, 총 전환 884건이었다.

같은 884건 전환을 모델별로 돌려봤더니 검색 채널에 대한 기여도가 – 라스트클릭 78%, DDA 51%, 시간감쇠(비교용) 64%, 첫번째클릭(비교용) 22% 이렇게 갈렸다. 디스플레이는 라스트클릭으로 6%였는데 DDA는 19%였다. 가장 충격적이었던 건 유튜브로, 라스트클릭은 3%인데 DDA는 18%였다.

2026년에 어떤 모델을 골라야 하는가

현실적인 가이드를 정리한다.

DDA를 권하는 케이스

월 전환 500건 이상, 멀티채널 운영(검색+디스플레이+유튜브+쇼핑 중 3개 이상), 전환 경로 평균 3터치 이상, B2C 이커머스. 이 조건이 모이면 DDA가 라스트클릭보다 훨씬 정확하게 채널 기여도를 잡아준다. 특히 유튜브 인스트림이나 디맨드젠 같은 인지 채널의 진짜 가치를 보고 싶을 때는 DDA가 유일한 답이다.

라스트클릭을 권하는 케이스

월 전환 200건 미만, 단일 채널 위주(검색만 한다거나), B2B 리드젠으로 영업팀이 마지막 키워드를 보고 응대하는 구조, 전환 사이클이 30일 넘는 긴 검토 상품. 이런 케이스는 DDA가 의미 있는 패턴을 못 학습한다. 차라리 라스트클릭이 단순하고 해석 가능하다.

둘 다 같이 보는 게 정답인 케이스

솔직히 우리 입장에선 어떤 계정이든 DDA로 운영하되 GA4 어트리뷰션 비교 보고서에서 라스트클릭과 나란히 보는 걸 권한다. 두 모델의 격차가 크다면 그게 곧 “보이지 않는 채널 기여도”의 사이즈다. 그 격차가 어디서 생기는지 분석하면 캠페인 구조 개선 포인트가 나온다.

크로스디바이스, 쿠키 소실, 컨센트모드 V2와의 관계

2024년부터 본격화된 서드파티 쿠키 종료, 그리고 EU에서 시작해 한국에도 영향을 미치고 있는 컨센트 모드 V2가 어트리뷰션의 정확도에 직격탄을 날렸다. 사용자가 쿠키 동의를 안 하면 어트리뷰션은 “동의한 사용자”의 데이터를 가지고 모델링한 추정치로 채워진다. 이걸 구글은 “modeled conversions”라고 부른다.

2026년 현재 우리가 운영 중인 계정 중 컨센트 모드 V2가 제대로 적용된 곳은 평균적으로 전환의 12~18%가 모델링된 데이터다. 이게 무슨 뜻이냐면, “보이는 숫자의 거의 1/5은 알고리즘 추정치”라는 거다. 그래서 어트리뷰션 결과를 1원 단위로 의사결정에 쓰면 안 되고, 추세를 보는 용도로 써야 한다.

컨센트 모드 V2 안 깔고 어트리뷰션 논하지 마라

이게 우리가 신규 클라이언트한테 가장 먼저 점검하는 부분이다. 컨센트 모드 V2 미적용 사이트는 어트리뷰션 데이터 자체가 신뢰할 수 없다. GTM에서 컨센트 모드 V2 템플릿을 깔고 advanced consent 모드로 설정해야 모델링 전환이 정상 작동한다. 이거 안 깔린 상태에서 DDA 결과를 분석하는 건 의미가 별로 없다.

실무 워크플로우 – 우리가 매주 보는 보고서

대행사로서 매주 어떤 어트리뷰션 데이터를 보는지 공유한다.

월요일 오전 – GA4 비교 보고서

지난주 데이터로 DDA vs 라스트클릭 비교 보고서를 돌린다. 채널별로 두 모델의 기여도 차이가 30% 이상 벌어진 채널을 표시한다. 이게 “숨은 보석” 또는 “허수 채널”의 신호다.

화요일 – 구글애즈 전환 경로 보고서

측정기준 → 어트리뷰션 → 경로 보고서에서 평균 경로 길이와 평균 전환 시간을 본다. 평균 경로가 1.0~1.5라면 DDA를 써도 라스트클릭과 거의 같은 결과가 나오므로 모델 선택이 큰 의미가 없다. 2.0 이상이면 DDA가 진가를 발휘한다.

금요일 – 클라이언트 보고서 작성

이때는 라스트클릭 기준 매출과 DDA 기준 기여도를 둘 다 보여드린다. 클라이언트가 의사결정에 쓰는 건 라스트클릭이지만, “왜 우리가 디스플레이 예산을 줄이지 않는가”를 설명할 때는 DDA가 필요하기 때문이다.

흔한 실수 5가지

현장에서 본 가장 흔한 실수들이다.

첫째, DDA를 켜놓고 모델 비교를 한 번도 안 본다. 그냥 구글이 추천했으니까 쓰는 거. 비교를 안 하면 모델이 어떻게 분배하는지 감이 안 잡힌다.

둘째, 어트리뷰션 룩백 윈도우를 디폴트(30일 클릭, 1일 노출)로 두고 안 건드린다. B2B 리드젠은 클릭 룩백을 60~90일로 늘려야 진짜 경로가 잡힌다. 패션은 7일이면 충분하다.

셋째, GA4 어트리뷰션 모델과 구글애즈 어트리뷰션 모델을 다르게 설정해놓고 데이터가 안 맞다고 의아해한다. 두 플랫폼은 별도 설정이고 별도 모델이다. 의도적으로 다르게 둘 게 아니라면 일치시켜야 한다.

넷째, 컨센트 모드 미적용 상태에서 어트리뷰션을 신뢰한다. 위에서 말한 그대로다.

다섯째, 향상된 전환(Enhanced Conversions)을 안 켰다. 이게 켜져 있어야 DDA가 1차 데이터(이메일 해시 등)로 더 정확하게 매칭한다. 2026년 기준 이건 거의 필수다.