한눈에 보는 핵심 5가지
- 브랜드 리프트 측정 기업 온 디바이스(On Device)가 광고업계 종사자 250여 명을 조사한 결과, 80%가 자신의 캠페인이 왜 성공하거나 실패했는지 완전히 이해하지 못한다고 답했다.
- 마케터들이 느끼는 가장 큰 어려움은 데이터 부족이 아니었다. 응답자 30%는 '데이터는 많지만 일관된 기준으로 판단하기 어렵다'는 점을 가장 큰 문제로 꼽았다.
- 63%는 캠페인 성과의 원인을 매출·클릭률 변화로 추정하고, 75%는 설명이 어려울 때 도달률·클릭률 같은 집행 지표에 다시 의존한다.
- 브랜드 리프트 측정을 활용하는 마케터 중 28%가 캠페인 결과를 '완전히 자신 있다'고 답한 반면, 미사용자는 14%에 그쳤다. 결과를 모른다는 응답은 사용 그룹 2% vs. 미사용 그룹 28%로 갈렸다.
- 응답자의 57%는 AI 확산으로 신뢰 가능한 측정이 더 중요해질 것이라 봤다. AI가 의사결정 속도를 높이더라도, 기반 데이터가 신뢰할 만해야 한다는 의미다.
지난 캠페인이 왜 성공했는지 팀원에게 설명해본 적이 있는가. 클릭이 올랐고, 매출이 늘었고, 반응이 좋았다. 하지만 무엇이 그 성과를 만들었는지 물으면 선뜻 답이 나오지 않는 경우가 많다. 이건 한 마케터만의 고민이 아니다.
마케터 5명 중 4명이 대답 못 하는 질문
광고업계 종사자의 80%가 자신의 캠페인이 왜 성공하거나 실패했는지 완전히 설명하지 못한다.
브랜드 리프트(Brand Lift) 측정 기업 온 디바이스(On Device)가 광고업계 종사자 250여 명을 대상으로 조사한 결과다. 브랜드 리프트란, 광고 캠페인 이후 소비자의 브랜드 인식이나 태도가 얼마나 달라졌는지를 측정하는 방식이다. 캠페인이 클릭을 만들었는지가 아니라, 사람들의 마음이 바뀌었는지를 본다.
조사 결과에서 드러난 양상은 일관됐다. 응답자의 63%는 매출 증가나 클릭률 등의 변화를 바탕으로 캠페인 성과의 원인을 추정한다고 답했다. 인과관계를 확인한 게 아니라, 숫자가 좋아졌으니 잘된 것이라고 해석하는 방식이다. 16%는 더 극단적이었다. 이전 캠페인이 왜 성공하거나 실패했는지 파악하지 못한 채 다음 캠페인으로 넘어간다고 밝혔다.
데이터가 많을수록 더 혼란스러운 이유
마케터들이 직면한 문제는 데이터 부족이 아니라 판단 기준의 부재다.
응답자의 30%는 측정 과정에서 겪는 가장 큰 어려움으로 '데이터는 많지만 하나의 일관된 기준으로 판단하기 어렵다'는 점을 꼽았다. 대시보드가 여럿이고, 지표마다 수치가 제각각이다. 성과를 해석할 공통 기준이 없으니, 어떤 수치를 기준으로 결론을 내려야 할지 판단이 서지 않는다.
이럴 때 마케터들이 가장 많이 돌아가는 곳이 집행 지표다. 도달률(Reach, 광고가 얼마나 많은 사람에게 보였는지)과 클릭률(CTR, 광고를 본 사람 중 클릭한 비율) 같은 지표가 그것이다. 응답자의 75%가 캠페인 성과를 설명하기 어려울 때 이 집행 지표에 다시 의존한다고 했다. 얼마나 노출됐고 얼마나 클릭됐는지는 확인하기 쉽지만, 그것이 실제 소비자의 마음을 바꿨는지까지 설명해주지는 않는다.
올바른 측정 방식이 만드는 자신감의 차이
브랜드 리프트 측정을 활용하는 마케터는 캠페인 결과를 설명하는 자신감이 두 배 높다.
온 디바이스의 조사에서 브랜드 리프트 측정을 활용하는 응답자 가운데 캠페인 결과를 '완전히 자신 있다'고 답한 비율은 28%였다. 이를 사용하지 않는 응답자에서는 14%에 그쳤다. 같은 질문에 대한 답이 두 배 차이가 난다.
반대쪽 수치도 눈에 띈다. 브랜드 리프트를 사용하지 않는 응답자의 28%가 캠페인이 끝난 뒤에도 성과의 이유를 제대로 알지 못한다고 답했다. 브랜드 리프트를 활용하는 응답자에서는 같은 답변이 2%에 그쳤다. 사용 그룹과 미사용 그룹의 차이는 단순한 도구 선택을 넘어, 캠페인을 이해하는 방식 자체가 다르다는 뜻이다.
측정 방식이 달라지면 결과를 보는 시야가 달라진다. 집행 지표만 보는 마케터는 광고가 많이 클릭됐는지를 확인한다. 브랜드 리프트까지 보는 마케터는 그 클릭이 브랜드에 대한 인식을 실제로 바꿨는지까지 확인한다. 숫자의 종류가 달라지면 내릴 수 있는 결론의 깊이도 달라진다.
AI 시대에 측정이 더 중요해진 이유
AI가 광고 기획과 집행을 빠르게 자동화할수록, 판단의 기반이 되는 측정의 신뢰성이 경쟁력이 된다.
응답자의 57%는 AI가 널리 활용될수록 신뢰할 수 있는 측정이 더욱 중요해질 것으로 내다봤다. 24%는 AI 도구가 통계적 정확성보다 빠른 결과를 우선할 가능성을 우려했다. 속도를 높이는 과정에서 측정의 정확성이 뒷전으로 밀릴 수 있다는 걱정이다.
온 디바이스 CEO 겸 공동창업자 앨리스터 힐(Alistair Hill)은 "마케터 5명 중 4명이 캠페인이 왜 효과를 냈는지 설명하지 못한다면, 업계가 올바른 것을 측정하고 있는지 돌아볼 필요가 있다"고 지적했다. 그는 "AI가 의사결정 속도를 높일 수는 있지만, 그 판단의 바탕이 되는 데이터가 충분히 신뢰할 만해야 한다"고 강조했다.
그가 덧붙인 핵심은 측정의 목적이다. 끝난 캠페인의 결과를 보고하는 데 그치지 않고, 그 결과를 다음 캠페인의 더 나은 의사결정에 활용하는 것이 측정의 진짜 역할이라는 주장이다. 지표가 많다고 잘 측정하는 게 아니다. 측정 결과가 다음 행동으로 이어질 때 비로소 측정이 제 역할을 한다.
자주 묻는 질문
Q. 브랜드 리프트 측정은 어떤 방식으로 이뤄지나요?
A. 광고에 노출된 그룹과 노출되지 않은 대조 그룹을 비교해, 브랜드 인지도·선호도·구매 의향 같은 태도 지표가 얼마나 달라졌는지 설문으로 측정한다. 클릭·구매 같은 행동 지표가 아니라 소비자의 마음 변화를 직접 측정한다는 점이 집행 지표와 다른 점이다.
Q. 중소 규모 마케팅팀도 브랜드 리프트 측정을 활용할 수 있나요?
A. 대형 조사 기관에 의뢰하는 방식 외에도 메타·구글 같은 광고 플랫폼이 자체적으로 제공하는 브랜드 리프트 스터디 기능을 활용하면 상대적으로 적은 예산으로도 가능하다. 단, 일정 규모 이상의 광고 노출이 확보돼야 통계적으로 의미 있는 결과가 나온다.
Q. 도달률이나 클릭률 같은 집행 지표는 아예 보지 말아야 하나요?
A. 집행 지표는 캠페인이 의도한 대로 집행됐는지 확인하는 데 여전히 필요하다. 문제는 그것만으로 왜 성과가 났는지를 설명하려 할 때 생긴다. 집행 지표는 '어떻게 전달됐는가'를, 브랜드 리프트는 '무엇이 바뀌었는가'를 본다. 둘은 목적이 다른 지표이고, 함께 볼 때 캠페인을 더 온전히 설명할 수 있다.
Q. AI가 측정 문제를 자동으로 해결해줄 수 있나요?
A. AI는 데이터 처리 속도를 높이고 패턴을 빠르게 찾아준다. 하지만 어떤 지표를 측정 기준으로 삼을지, 측정 결과를 어떻게 해석할지는 여전히 사람이 판단해야 한다. 온 디바이스 CEO 앨리스터 힐이 강조했듯, AI가 의사결정을 빠르게 도와줄 수 있어도 기반 데이터 자체가 신뢰할 만해야 그 판단이 의미를 가진다.
측정 없이는 성장도 없다
캠페인이 성공했을 때 이유를 모른다면, 다음번에 같은 성공을 반복할 방법도 없다. 반대로 실패했을 때 이유를 모른다면, 같은 실수를 되풀이할 가능성이 높다. 측정은 과거를 기록하는 작업이 아니라, 미래의 판단 기준을 만드는 작업이다.
지표가 넘쳐나는 환경일수록 더 중요해지는 건 지표의 수가 아니라 판단의 기준이다. 무엇을 측정하는지, 그 결과가 다음 행동으로 어떻게 이어지는지를 명확히 정해둔 팀이 AI 시대에도 경쟁력을 가질 가능성이 높다.
