요즘 퍼포먼스 마케팅 팀들 사이에 묘한 분위기가 있다. ROAS는 나쁘지 않은데, 회사는 돈을 못 번다. 광고 리포트는 그린인데, 손익계산서는 레드다. 이 간극을 설명하지 못하는 팀이 생각보다 많다.
왜 그럴까. 단순하게 말하면 잘못된 지표를 최적화하고 있기 때문이다.
ROAS는 광고비 대비 매출이다. 매출이 높으면 ROAS가 높다. 그런데 그 매출에서 반품, 원가, 물류비, CS 비용을 빼고 나면 남는 게 없는 구조일 수 있다. 플랫폼이 보여주는 숫자는 항상 좋아 보이도록 설계되어 있다. 진짜 이익은 그 숫자 바깥에 있다.
더 큰 문제는 단기와 장기의 차이다. 연간 구독 플랜 고객은 첫 결제 금액이 커서 ROAS가 좋게 찍힌다. 월간 구독 고객은 첫 결제가 작아서 초기엔 나빠 보인다. 그런데 1년 후를 추적하면 월간 구독자가 더 꾸준히 결제하고 이탈률도 낮다. ROAS만 봤다면 예산을 완전히 반대로 태웠을 거다.
CPA도 마찬가지다. $5짜리 고객이 효율적으로 보인다. 그런데 그 고객이 한 번 사고 사라진다면? $30 고객이 6개월 동안 매달 돌아온다면? 12개월 기준으로 보면 답이 뒤집힌다. 알고리즘은 설정한 목표에 정확히 충실하다. CPA 낮추라고 했으면 그쪽으로만 달린다. 재구매할 고객을 고르는 건 그 알고리즘의 임무가 아니다.
성과를 내는 팀들이 2026년에 바꾼 건 결국 하나다. 채널별 90일 LTV를 보기 시작한 것이다. 어떤 채널에서 온 고객이 세 달 후에도 남아있는지, 얼마나 더 쓰는지를 추적한다. CPA가 높아도 LTV가 높은 채널에 예산을 늘린다. 반대 경우는 줄인다. 플랫폼 리포트의 숫자가 아니라 실제 고객의 행동을 기준으로 삼는 거다.
측정 방식도 달라지고 있다. 구글 광고는 구글이 기여했다고 하고, 메타 광고는 메타가 기여했다고 한다. 같은 고객이 두 플랫폼에서 동시에 전환으로 계산되는 일이 흔하다. 플랫폼 리포트만 믿으면 실제 성과보다 훨씬 좋아 보이는 착시가 생긴다.
그래서 미국 마케터의 절반 이상이 증분성 테스트를 병행하기 시작했다. 이 광고가 없었으면 이 고객이 안 왔을까를 실제로 측정하는 방식이다. 단일 숫자 하나를 믿지 않고, 여러 방법론이 같은 방향을 가리킬 때만 신뢰하는 접근이다.
AI 자동화도 기대만큼 단순하지 않다. 구글이 AI Max로 전환 14% 증가를 발표했지만, 독립 연구에선 CPA가 오히려 16% 상승한 데이터가 나왔다. 전문가 설문에선 84%가 중립이거나 부정적이라고 답했다. AI는 설정한 목표에 충실할 뿐이다. 목표 설정이 잘못됐거나 전환 데이터가 오염됐으면 정밀하게 틀린 방향으로 달린다.
크리에이티브는 자주 바꿔야 한다. 같은 광고를 6번 이상 보면 구매 의도가 16% 떨어진다. 상위 브랜드들은 평균 10일마다 교체한다. 그리고 한 가지 더: 새 광고를 기존 광고와 같은 광고세트에 넣으면 공정한 테스트가 안 된다. 기존 광고는 데이터가 쌓여있고 새 광고는 막 시작했다. 알고리즘은 당연히 기존 쪽에 예산을 더 준다. 제대로 된 테스트는 새 크리에이티브끼리만 비교한다.
퍼포먼스 마케팅이 복잡해 보이지만 핵심은 간단하다. 플랫폼이 보여주는 숫자보다 고객이 실제로 어떻게 행동하는지를 보는 것. ROAS 7이라는 숫자가 아니라 "이 고객들 중 몇 %가 90일 안에 돌아오는가"를 묻는 팀이 결국 이긴다. 2026년엔 그 질문이 마케터의 핵심 역량이 됐다.
ROAS부터 LTV까지, 어떤 팀이 실제로 무엇을 바꿨는지 전체 구조와 실제 사례가 원문에 담겨 있다. 마지막 섹션에서 나오는 체크리스트를 보면 당신의 팀이 지금 어디서 새고 있는지 바로 보인다.
원문 보기: https://medium.com/p/45cbac102de8?postPublishedType=initial
의견을 남겨주세요