광고 클릭 수는 많은데 실제 매출은 기대 이하인 경우가 많다. 반대로 유입량은 크지 않은데 꾸준히 문의와 구매가 발생하는 채널도 존재한다. 실제 퍼포먼스 마케팅 데이터를 분석해보면 상위 트래픽 채널보다 ‘조용한 채널’이 더 높은 전환율을 만드는 경우가 적지 않다. 특히 UTM 데이터를 세분화해서 보면 기존 리포트에서는 보이지 않던 숨겨진 고성과 채널이 드러난다.
많은 기업이 광고 효율을 평가할 때 클릭 수나 ROAS 같은 표면 지표에 집중한다. 하지만 실제 성과를 만드는 건 단순 노출이 아니라 구매 의도를 가진 유입이다. 그리고 그 차이는 대부분 UTM 데이터 해석 과정에서 갈린다.
대부분의 마케터가 ‘마지막 클릭’만 보고 예산을 배분하는 이유
대부분의 분석 도구는 마지막 클릭 기반으로 성과를 보여준다. 사용자가 여러 채널을 거친 뒤 최종적으로 전환한 경로만 성과로 인정하는 방식이다. 문제는 이 구조 때문에 실제 구매 결정에 영향을 준 초기 채널이나 보조 채널이 과소평가된다는 점이다.
예를 들어 사용자가 처음에는 블로그 콘텐츠를 통해 브랜드를 인지하고, 이후 인스타그램 광고를 본 뒤, 마지막에 브랜드 검색을 통해 구매했다고 가정해보자. 마지막 클릭 기준에서는 브랜드 검색만 성과 채널로 남는다. 하지만 실제 구매 결정에는 콘텐츠와 광고가 모두 영향을 준 상태다.
GA4 기본 리포트에서도 비슷한 착시가 자주 발생한다. 특히 organic, direct, referral 데이터가 혼재되면 어떤 채널이 실제 유입 기여를 했는지 해석이 어려워진다. 이때 UTM 설계가 정교하지 않으면 광고비를 비효율적인 채널에 계속 투입하는 문제가 생긴다.
실무에서는 클릭 수가 높다는 이유만으로 예산이 유지되는 경우가 많다. 하지만 클릭이 많아도 전환율이 낮고 이탈률이 높다면 실제 비즈니스 성과와는 거리가 멀다. 반대로 적은 유입으로도 높은 구매 전환을 만드는 채널은 데이터 구조를 세분화하지 않으면 발견하기 어렵다.
특히 Assisted Conversion 데이터를 함께 보면 기존 판단이 완전히 달라지는 경우가 많다. 마지막 클릭에서는 성과가 거의 없어 보였던 콘텐츠 채널이 실제로는 구매 결정 과정의 핵심 접점으로 작동하는 사례도 흔하다.
UTM 데이터가 제대로 설계되면 보이기 시작하는 것들
UTM 데이터의 핵심은 유입 출처를 명확하게 구분하는 데 있다. utm_source는 어디에서 들어왔는지를 나타내고, utm_medium은 어떤 방식의 유입인지 구분한다. utm_campaign은 특정 캠페인이나 목적을 식별하는 역할을 한다.
실무에서는 UTM을 단순 링크 태그처럼 쓰는 경우가 많지만, 실제로는 유입 품질을 해석하는 기준에 가깝다. 같은 광고 채널 안에서도 어떤 메시지와 어떤 콘텐츠가 구매 의도를 만드는지 추적할 수 있기 때문이다.
| UTM 항목 | 역할 | 실무에서 자주 발생하는 문제 |
|---|---|---|
| utm_source | 유입 출처 구분 | 동일 채널 이름 혼용 |
| utm_medium | 유입 방식 구분 | paid / cpc 혼재 |
| utm_campaign | 캠페인 식별 | 중복 네이밍 사용 |
| utm_content | 소재 구분 | 광고 버전 추적 누락 |
문제는 많은 기업이 이 규칙을 일관성 없이 사용한다는 점이다. 같은 페이스북 광고인데도 facebook, Facebook, fb처럼 서로 다른 값이 섞이는 경우가 많다. 이렇게 되면 동일 채널이 여러 개로 분산되어 실제 성과 분석 정확도가 크게 떨어진다.
UTM 데이터는 퍼널 분석 단계에서 특히 강력하다. 예를 들어 같은 SEO 유입이라도 비교형 콘텐츠에서 들어온 사용자는 구매 전환 가능성이 높고, 정보 탐색형 콘텐츠 유입은 체류시간은 길지만 전환율이 낮은 경우가 많다.
실제로 SaaS 업계에서는 “A vs B”, “추천”, “비용 비교” 형태의 콘텐츠가 일반 정보형 콘텐츠보다 문의 전환율이 훨씬 높게 나타나는 경우가 많다. 월 방문자 수 자체는 적더라도 구매 검토 단계의 사용자가 들어오기 때문이다.
결국 중요한 건 단순 유입량이 아니라 ‘의도를 가진 방문자’를 얼마나 정확하게 구분하느냐다. UTM 데이터는 그 흐름을 가장 현실적으로 보여주는 도구다.
클릭 수는 적은데 전환율은 높은 채널이 존재하는 이유
고성과 채널은 반드시 트래픽이 큰 채널이 아니다. 오히려 유입량은 적지만 구매 의도가 강한 사용자가 들어오는 채널이 실제 성과를 만든다.
대표적인 사례가 커뮤니티 유입이다. 특정 제품이나 서비스를 비교하는 게시글 안에서 자연스럽게 유입된 사용자는 이미 구매 의사결정 단계에 가까운 경우가 많다. 이런 사용자는 광고 클릭 유입보다 전환율이 훨씬 높게 나타난다.
뉴스레터도 비슷하다. 전체 클릭 수는 적지만 브랜드에 관심을 가진 구독자 기반이기 때문에 구매 전환 가능성이 높다. 특히 재방문 비율과 객단가가 높게 나타나는 경우가 많다.
실제로 일부 이커머스 브랜드에서는 뉴스레터 유입의 객단가가 일반 광고 유입보다 높게 나타난다. 신규 유입 규모는 작아도 이미 브랜드 신뢰가 형성된 상태로 들어오기 때문이다.
브랜드 검색 유입 역시 숨겨진 고성과 채널로 자주 등장한다. 표면적으로는 direct나 organic으로 보이지만 실제로는 이전 광고나 콘텐츠 경험이 누적된 결과일 가능성이 높다.
실제 전환 데이터를 뜯어보면 가장 조용한 채널이 가장 높은 효율을 만드는 경우도 많다. 특히 B2B처럼 의사결정 기간이 긴 산업에서는 단순 광고보다 콘텐츠·뉴스레터·브랜드 검색의 영향력이 더 크게 작동한다.
실제로 숨겨진 고성과 채널에서 자주 발견되는 유형
가장 대표적인 유형은 이메일 리마케팅이다. 신규 유입 자체는 많지 않지만 이미 관심을 가진 사용자에게 다시 접근하기 때문에 전환율이 높다. 특히 장바구니 이탈 사용자 대상 이메일은 CPA가 매우 낮게 나오는 경우가 많다.
비교형 SEO 콘텐츠도 고성과 채널로 자주 등장한다. “A vs B”, “추천”, “후기”, “가격 비교” 같은 검색 의도는 이미 구매 직전 단계에 가깝다. 따라서 일반 정보형 콘텐츠보다 전환율이 높게 나타난다.
리타겟팅 광고와 브랜드 검색의 조합도 자주 발견된다. 사용자는 광고를 본 직후 바로 구매하지 않고 브랜드명을 다시 검색한 뒤 전환하는 경우가 많다. 이 과정에서 마지막 클릭 기준만 보면 브랜드 검색이 성과를 가져간 것처럼 보인다.
하지만 실제로는 광고가 구매 의도를 자극한 상태다. 그래서 멀티터치 분석 없이 마지막 클릭만 보면 리타겟팅 광고 예산을 잘못 줄이는 문제가 생긴다.
실무에서도 이런 사례는 자주 발생한다. 브랜드 검색 전환만 보고 리타겟팅 광고 예산을 줄였다가 전체 전환량 자체가 감소하는 경우다. 겉으로 보이는 CPA만 기준으로 판단하면 상단 퍼널 기여도를 놓치게 된다.
멀티터치 관점으로 보면 성과 해석이 완전히 달라진다
성과 분석에서 가장 중요한 변화는 멀티터치 관점이다. 사용자는 하나의 채널만 보고 구매하지 않는다. 대부분 검색, 콘텐츠, 광고, SNS, 브랜드 검색 같은 여러 접점을 거친다.
- First-touch는 최초 유입 채널 중심으로 본다.
- Last-touch는 마지막 전환 채널 중심으로 본다.
- Multi-touch는 전체 구매 여정을 함께 해석한다.
예를 들어 SEO 콘텐츠가 최초 관심을 만들고, 유튜브 광고가 브랜드 신뢰를 강화하고, 마지막에는 검색 광고가 구매를 유도할 수 있다. 이 구조에서는 어느 하나만 제거해도 전체 전환율이 떨어질 수 있다.
실무에서는 마지막 클릭 기준으로만 예산을 조정하다가 상단 퍼널이 무너지는 경우가 많다. 특히 콘텐츠 마케팅은 직접 전환보다 보조 전환 역할이 강하기 때문에 과소평가되기 쉽다.
광고 효율만 보고 콘텐츠 예산을 줄였다가 몇 달 뒤 브랜드 검색량 자체가 감소하는 경우도 있다. 초기 관심 유입이 줄어들면 결국 하단 퍼널 전환도 함께 감소하기 때문이다.
UTM 데이터가 중요한 이유도 여기에 있다. 유입 흐름을 세분화해서 보면 단순 CPA만으로는 보이지 않던 기여도가 드러난다. 결국 중요한 건 단일 채널 성과가 아니라 채널 간 연결 구조다.
UTM 데이터 분석에서 가장 많이 발생하는 오류
가장 흔한 오류는 UTM 누락이다. 광고마다 다른 링크를 사용하면서 일부 링크에만 UTM이 들어가면 데이터가 direct로 섞인다. 이렇게 되면 실제 성과 채널 분석이 불가능해진다.
대소문자 혼용 문제도 자주 발생한다. facebook과 Facebook은 분석 도구에서 서로 다른 값으로 처리된다. 규모가 커질수록 이런 문제는 데이터 왜곡으로 이어진다.
캠페인명 중복도 흔하다. 서로 다른 목적의 광고인데 동일 campaign 값을 사용하면 어떤 광고가 실제 성과를 만들었는지 구분이 어렵다.
실무에서는 채널 분류 오류도 자주 발생한다. 예를 들어 influencer, partnership, affiliate 유입을 모두 referral로 묶어버리면 세부 성과 비교가 불가능해진다.
특히 조직 규모가 커질수록 UTM 관리 규칙이 무너지기 쉽다. 마케팅팀마다 서로 다른 네이밍 규칙을 사용하면 데이터 통합 과정에서 분석 정확도가 급격히 떨어진다.
UTM 구조는 단순 관리 업무처럼 보이지만 실제로는 데이터 신뢰도를 결정하는 핵심 요소다. 설계가 무너지면 분석도 무의미해진다.
결국 중요한 건 ‘많이 들어오는 채널’이 아니라 ‘의도를 가진 유입’이다
장기적으로 성과를 만드는 채널은 단순 유입량이 아니라 구매 의도를 가진 사용자를 얼마나 데려오는지에 달려 있다.
CPA가 낮아 보여도 이탈률이 높고 재구매가 없다면 실제 비즈니스 가치가 낮을 수 있다. 반대로 유입량은 적지만 재방문과 객단가가 높은 채널은 장기적으로 훨씬 강력한 자산이 된다.
그래서 최근에는 단기 ROAS보다 LTV 중심으로 채널을 평가하는 흐름이 강해지고 있다. 실제로 고성과 브랜드일수록 단순 광고 효율보다 고객 유지율과 재구매 구조를 함께 본다.
- 단기 ROAS만 보면 상단 퍼널 채널이 과소평가되기 쉽다.
- 브랜드 검색은 이전 콘텐츠 경험의 영향을 받는 경우가 많다.
- 비교형 콘텐츠는 낮은 트래픽 대비 높은 전환율을 만드는 경우가 많다.
- 장기적으로는 CAC보다 고객 유지 구조가 더 중요해진다.
단기 전환만 기준으로 움직이는 기업은 광고비 변화에 따라 성과 변동폭이 커지는 경우가 많다. 반면 콘텐츠와 브랜드 검색 기반이 강한 기업은 장기적으로 CAC 방어력이 높게 유지된다.
UTM 데이터 분석도 결국 같은 방향으로 연결된다. 단순 클릭 추적이 아니라 어떤 유입이 신뢰를 만들고 구매 의도를 강화하는지를 파악하는 과정이다.
성과가 좋은 채널은 항상 가장 눈에 띄는 채널이 아니다. 오히려 조용하게 꾸준히 전환을 만드는 채널이 비즈니스 전체 효율을 지탱하는 경우가 많다.