이란 무엇인가 Attribution Model Calculator?
▾
기여 모델 계산기는 마케팅 담당자가 전환 전에 고객이 상호작용하는 여러 마케팅 터치포인트에 전환 기여도를 할당하는 데 도움이 됩니다. 기여 모델링은 어떤 마케팅 채널과 캠페인이 실제로 이 판매를 유도했는가라는 근본적인 질문에 답합니다. 대답은 사용하는 모델에 따라 크게 다르며, 잘못된 모델을 선택하면 특정 채널에 대한 체계적인 과잉 또는 과소 투자로 이어집니다. 대부분의 고객 여정에는 전환 전 여러 접점이 포함됩니다. 일반적인 B2C 여정에는 자연 검색 검색, 이메일 뉴스레터, 소셜 미디어 광고, 직접 방문, Google 쇼핑 구매 클릭이 포함될 수 있습니다. B2B 여정은 콘텐츠 다운로드, 웹 세미나 참석, 판매 이메일 시퀀스, 유료 재타겟팅, 직접적인 홍보 등을 포함하여 90일 동안 15~30개의 터치 포인트에 걸쳐 있을 수 있습니다. 이러한 터치포인트 전반에 걸쳐 전환 기여도를 할당하는 방법은 근본적으로 마케팅 투자 결정에 영향을 미칩니다. 6가지 기본 기여 모델은 근본적으로 다른 예산 영향을 미칩니다. 첫 번째 클릭 기여는 첫 번째 터치포인트(일반적으로 자연 검색 또는 소셜 검색)에 100% 기여도를 부여하고 체계적으로 중간 및 하단 유입경로 채널의 가치를 과소평가합니다. 마지막 클릭 기여는 전환 전 최종 터치포인트(일반적으로 유료 검색 또는 이메일)에 100% 기여도를 부여하고 인식 및 고려 채널의 가치를 체계적으로 과소평가합니다. 선형 기여는 모든 터치포인트에 균등하게 기여도를 분배합니다. 시간 가치 하락 기여는 전환에 더 가까운 터치포인트에 더 많은 기여도를 부여합니다. 위치 기반(U자형)은 첫 번째 및 마지막 터치포인트에 40%를 제공하고 나머지 20%를 중간 터치포인트에 분할합니다. 데이터 기반 기여 분석은 기계 학습을 사용하여 실제 전환 기여도를 기준으로 크레딧을 할당합니다. 이는 가장 정확하지만 상당한 전환 데이터가 필요합니다(통계적 유효성을 위해 일반적으로 3,000개 이상의 전환). 기여 모델 선택의 금전적 이해관계는 엄청납니다. 마지막 클릭에서 데이터 기반 기여로 전환한 회사는 일반적으로 자연 검색이 15-25% 더 많은 크레딧을 받고, 소셜 미디어 인식 캠페인은 20-40% 더 많은 크레딧을 받으며, 브랜드 유료 검색은 15-25% 더 적은 크레딧을 받습니다. 이러한 변화는 채널 예산에 직접적인 영향을 미치므로 어떤 채널은 성장하고 어떤 채널은 축소됩니다. 어트리뷰션을 올바르게 수행하는 것은 규모가 큰 광고주에게 올바르게 할당된 마케팅 지출에 수백만 달러의 가치가 있습니다. 최신 어트리뷰션은 교차 장치 여정(휴대폰, 태블릿, 노트북의 동일한 사용자), 교차 채널 다크 소셜(추적되지 않는 비공개 공유), 쿠키 기반 추적을 중단하는 개인 정보 보호 변경으로 인해 더욱 복잡해졌습니다. 정확한 멀티 터치 어트리뷰션을 위해서는 서버측 추적, 자사 데이터 전략, 확률적 모델링이 점점 더 필요해지고 있습니다.
DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.
공식
▾
채널당 기여 기여도 = 터치포인트 기여도 가중치 x 총 전환 가치. 이 공식은 수학적 관계를 통해 입력 변수를 연관시켜 속성 모델 계산을 계산합니다. 각 구성요소는 독립적으로 검증할 수 있는 측정 가능한 수량을 나타냅니다.변수 설명
▾
| 기호 | 이름 | 단위 | 설명 |
|---|---|---|---|
| Touchpoints | 마케팅 건수 | — | 고객이 전환하기 전에 수행한 마케팅 상호 작용 수. 이는 최종 계산 결과에 직접적인 영향을 미치는 기여 모델 계산의 핵심 매개변수입니다. |
| Conversion Value | 수익 또는 리드 | — | 최종 계산 결과에 직접적인 영향을 미치는 기여 모델 계산의 핵심 매개변수인 완료된 전환의 수익 또는 리드 가치 |
| Attribution Window | 기간 동안 | — | 터치포인트가 기여에 반영되는 기간(예: 30일 클릭, 1일 보기) |
| Credit Weight | 전환율 | — | 선택한 모델의 각 터치포인트에 할당된 전환 기여도 비율 |
| Assisted Conversions | 전환수 | — | 여정에 채널이 등장했지만 마지막 터치포인트가 아닌 전환 |
방법 Attribution Model Calculator
▾
- 1필요한 입력 값을 수집합니다: 마케팅 수, 수익 또는 리드, 기간, 전환율.
- 2핵심 공식을 적용하세요: 채널당 기여 크레딧 = 터치포인트 크레딧 가중치 x 총 전환 가치.
- 3해당하는 경우 Variant 1과 같은 중간 값을 계산합니다.
- 4용어를 결합하기 전에 모든 단위가 일치하는지 확인하십시오.
- 5최종 결과를 계산하고 합리성을 검토합니다.
- 6입력에 특별한 경우나 경계 조건이 적용되는지 확인하세요.
- 7상황에 맞게 결과를 해석하고 가능한 경우 참조 값과 비교하십시오.
풀어진 예시
▾
이 예는 기여 모델 계산을 통해 모든 것을 결정하는 기여 모델 계산을 보여줍니다. Facebook은 $0-$120를 받고 쇼핑은 $12-$120를 얻습니다. 동일한 매출이지만 크레딧은 크게 다릅니다. 기여 모델 비교 - 동일한 여정, 다른 결과는 계산기가 주어진 입력에서 실질적으로 유용한 결과를 생성하는 일반적인 시나리오를 보여줍니다.
이 예에서는 기여 모델 변경으로 인한 $200,000 예산 재할당을 계산하여 기여 모델 계산을 보여줍니다. 즉, 모델 선택이 고위험 재무 결정인 이유를 보여줍니다. 모델 전환의 채널 예산 영향은 계산기가 주어진 입력에서 실질적으로 유용한 결과를 생성하는 일반적인 시나리오를 보여줍니다.
이 예에서는 월별 전환수 280회에서는 실행 불가능한 데이터 기반을 계산하여 기여 모델 계산을 보여줍니다. 가장 적합한 대안으로 위치 기반 기여를 사용하세요. 데이터 기반 기여 준비 평가는 계산기가 주어진 입력에서 실질적으로 유용한 결과를 생성하는 일반적인 시나리오를 보여줍니다.
이 예는 마지막 클릭으로 인해 4.6배 과소평가된 자연 검색을 계산하여 기여 모델 계산을 보여줍니다. 지원 전환 분석은 상당한 SEO 예산 증가를 정당화합니다. 지원 전환 분석은 계산기가 주어진 입력으로부터 실질적으로 유용한 결과를 생성하는 일반적인 시나리오를 보여줍니다.
실제 적용
▾
연간 마케팅 예산 할당: 마지막 클릭이 아닌 데이터 기반 기여를 기반으로 채널 예산을 재분배합니다. 이 애플리케이션은 해당 분야의 의사 결정, 예산 책정 및 전략 계획을 지원하기 위해 정확한 정량 분석이 필요한 전문가가 일반적으로 사용합니다.
채널 평가: 직접 전환율이 낮은 것으로 보이는 인지도 채널의 실제 ROI를 결정합니다. 업계 실무자는 이 계산을 사용하여 성능을 벤치마킹하고, 대안을 비교하고, 확립된 표준 및 규제 요구 사항을 준수하는지 확인합니다.
플랫폼 비교: 각각 서로 다른 모델을 사용하는 Google Ads, Meta Ads, GA4 전반에서 기여를 정규화합니다. 학술 연구원과 학생들은 이 계산을 사용하여 이론적 모델을 검증하고, 교과 과정 과제를 완료하고, 기본 수학적 원리에 대한 더 깊은 이해를 발전시킵니다.
경영진 보고: 이사회 수준 ROI 보고에서 모든 채널을 공정하게 나타내는 통합 기여 모델을 구축합니다. 재무 분석가와 기획자는 이 계산을 워크플로에 통합하여 정확한 예측을 생성하고, 위험 시나리오를 평가하고, 이해관계자에게 데이터 기반 권장 사항을 제시합니다.
대행사 성과 측정: 대행사가 관리하는 채널을 기여 클릭보다는 성과 증분에 따라 평가합니다. 이 애플리케이션은 해당 분야의 의사 결정, 예산 책정 및 전략 계획을 지원하기 위해 정확한 정량 분석이 필요한 전문가가 일반적으로 사용합니다.
특수 경우
▾
오프라인 전환 기여: 매장 내 구매 가져오기, 전화 통화
오프라인 전환 기여: 전체 여정 추적을 위해 매장 내 구매, 전화 통화 전환 및 CRM 거래 마감을 다시 광고 플랫폼으로 가져옵니다. 기여 모델 계산에서 이 시나리오가 발생하는 경우 사용자는 의미 있는 결과를 생성하기 위해 입력 값이 공식의 예상 범위 내에 속하는지 확인해야 합니다. 범위를 벗어난 입력은 수학적으로는 유효하지만 실제 조건을 반영하지 않는 실질적으로 의미 없는 출력으로 이어질 수 있습니다.
교차 기기 기여: 휴대폰과 데스크톱 사이를 전환하는 사용자
교차 장치 속성: 휴대폰과 데스크톱 사이를 전환하는 사용자는 별도의 쿠키 기반 세션을 생성합니다. 로그인한 사용자 데이터 또는 확률적 매칭이 필요합니다. 이 극단적인 경우는 경계 조건이나 극단값이 관련된 기여 모델 계산의 전문적인 응용 프로그램에서 자주 발생합니다. 실무자는 이러한 상황이 발생하는 시점을 문서화하고 대체 계산 방법이나 조정 요인이 특정 사용 사례에 더 적합한지 여부를 고려해야 합니다.
B2B 계정 수준 기여: 동일한 회사의 여러 연락처가 상호 작용합니다.
B2B 계정 수준 기여: 동일한 회사의 여러 연락처가 마케팅과 상호 작용합니다. 개별 연락처 수준이 아닌 계정 수준의 속성 속성 모델 계산의 맥락에서 이 특별한 경우에는 표준 가정이 유지되지 않을 수 있으므로 신중한 해석이 필요합니다. 사용자는 해당 분야 전문 지식과 결과를 상호 참조해야 하며 이러한 비정형 조건에서 출력을 검증하기 위해 추가 참조 또는 도구를 참조하는 것을 고려해야 합니다.
다크 소셜 속성: WhatsApp, Slack 및 이메일을 통한 개인 공유는
다크 소셜 속성: WhatsApp, Slack 및 이메일을 통한 개인 공유는 추적되지 않습니다. 다크 소셜 캠페인을 위한 UTM 매개변수 및 짧은 링크 사용 기여 모델 계산에서 이 시나리오가 발생하는 경우 사용자는 의미 있는 결과를 생성하기 위해 입력 값이 공식의 예상 범위 내에 속하는지 확인해야 합니다. 범위를 벗어난 입력은 수학적으로는 유효하지만 실제 조건을 반영하지 않는 실질적으로 의미 없는 출력으로 이어질 수 있습니다.
기여 모델 계산 참조 데이터
▾
| 기여 모델 | 첫 번째 터치포인트 | 중간 터치포인트 | 마지막 터치포인트 | 최고의 대상 |
|---|---|---|---|---|
| 마지막 클릭 | 0% | 0% | 100% | 직접 반응, 하단 유입경로 최적화 |
| 첫 번째 클릭 | 100% | 0% | 0% | 인지/발견 채널 평가 |
| 선의 | 균등분배 | 균등분배 | 균등분배 | 신용도, 간편한 멀티터치 |
| 시간 감쇠 | 더 적은 | 중간 | 더 | 짧은 고려 주기 |
| 위치 기반 U자형 | 40% | 분할 20% | 40% | 대부분의 B2B 및 고려 중인 구매 |
| 데이터 기반 | ML 할당 | ML 할당 | ML 할당 | 대용량, 최고의 정확도 |
자주 묻는 질문
▾
이는 기여 모델 계산과 관련이 있습니다. 이는 실제 응용 프로그램에서 기여 모델 계산을 사용할 때 중요한 고려 사항입니다. 대답은 특정 입력 값과 계산이 적용되는 상황에 따라 달라집니다. 최상의 결과를 얻으려면 사용자는 특정 요구 사항을 고려하고 알려진 벤치마크 또는 전문 표준에 대해 출력을 검증해야 합니다.
이는 기여 모델 계산과 관련이 있습니다. 이는 실제 응용 프로그램에서 기여 모델 계산을 사용할 때 중요한 고려 사항입니다. 대답은 특정 입력 값과 계산이 적용되는 상황에 따라 달라집니다. 최상의 결과를 얻으려면 사용자는 특정 요구 사항을 고려하고 알려진 벤치마크 또는 전문 표준에 대해 출력을 검증해야 합니다.
이는 기여 모델 계산과 관련이 있습니다. 이는 실제 응용 프로그램에서 기여 모델 계산을 사용할 때 중요한 고려 사항입니다. 대답은 특정 입력 값과 계산이 적용되는 상황에 따라 달라집니다. 최상의 결과를 얻으려면 사용자는 특정 요구 사항을 고려하고 알려진 벤치마크 또는 전문 표준에 대해 출력을 검증해야 합니다.
이는 기여 모델 계산과 관련이 있습니다. 이는 실제 응용 프로그램에서 기여 모델 계산을 사용할 때 중요한 고려 사항입니다. 대답은 특정 입력 값과 계산이 적용되는 상황에 따라 달라집니다. 최상의 결과를 얻으려면 사용자는 특정 요구 사항을 고려하고 알려진 벤치마크 또는 전문 표준에 대해 출력을 검증해야 합니다.
이는 기여 모델 계산과 관련이 있습니다. 이는 실제 응용 프로그램에서 기여 모델 계산을 사용할 때 중요한 고려 사항입니다. 대답은 특정 입력 값과 계산이 적용되는 상황에 따라 달라집니다. 최상의 결과를 얻으려면 사용자는 특정 요구 사항을 고려하고 알려진 벤치마크 또는 전문 표준에 대해 출력을 검증해야 합니다.
이는 기여 모델 계산과 관련이 있습니다. 이는 실제 응용 프로그램에서 기여 모델 계산을 사용할 때 중요한 고려 사항입니다. 대답은 특정 입력 값과 계산이 적용되는 상황에 따라 달라집니다. 최상의 결과를 얻으려면 사용자는 특정 요구 사항을 고려하고 알려진 벤치마크 또는 전문 표준에 대해 출력을 검증해야 합니다.
이는 기여 모델 계산과 관련이 있습니다. 이는 실제 응용 프로그램에서 기여 모델 계산을 사용할 때 중요한 고려 사항입니다. 대답은 특정 입력 값과 계산이 적용되는 상황에 따라 달라집니다. 최상의 결과를 얻으려면 사용자는 특정 요구 사항을 고려하고 알려진 벤치마크 또는 전문 표준에 대해 출력을 검증해야 합니다.
피해야 할 일반적인 실수
▾
- !인지도 채널(소셜, 콘텐츠, 디스플레이)을 평가하기 위해 마지막 클릭 기여 분석을 사용하여 최상위 퍼널 투자 가치를 체계적으로 과소평가합니다.
- !각 플랫폼이 서로 다른 기여 창 및 모델을 사용한다는 점을 인식하지 않고 플랫폼 간 기여 데이터를 비교합니다.
- !조회 후 이중 계산을 고려하지 않음 - 동일한 전환을 주장하는 여러 채널이 총 기여 수익을 인위적으로 부풀립니다.
- !전환량이 충분하지 않은 상태에서(월 3,000회 미만) 데이터 기반 기여 분석을 사용하는 경우 - 모델에 통계적 검정력이 부족하고 신뢰할 수 없는 결과가 생성됩니다.
- !증분 검증 없이 기여 데이터를 기반으로 주요 예산 결정을 내립니다. 기여는 인과관계가 아닌 상관관계를 드러냅니다.
전문가 팁
광고 > 기여 > 모델 비교로 이동하여 GA4에서 기여 모델 비교를 실행하세요. 상위 채널의 마지막 클릭과 데이터 기반 기여를 비교하세요. 데이터 기반이 마지막 클릭보다 훨씬 더 많은 기여도를 할당하는 채널은 가장 과소평가된 인식 및 고려 채널입니다. 이는 예산 증가의 주요 후보입니다. 데이터 기반과 마지막 클릭에 비해 크게 하락한 채널은 실제 기여도에 비해 과도한 자금을 지원받을 수 있습니다.
알고 계셨나요?
Demand Gen Report에 따르면 평균 B2B 구매자는 구매 결정을 내리기 전에 27개의 콘텐츠와 상호 작용합니다. 그러나 대부분의 기업은 여전히 최종 터치포인트에만 기여하고 나머지 26개 상호작용은 무시하는 마지막 클릭 기여를 사용하고 있습니다. 멀티터치 현실과 싱글터치 속성 사이의 이러한 격차는 왜 많은 B2B 마케터들이 구매 결정에 미치는 막대한 영향력에도 불구하고 콘텐츠와 브랜드 인지도에 체계적으로 과소투자하는 이유를 설명합니다.
Regional Guides
▾
🇪🇺 EU▾
🇺🇸 US▾
🇦🇺 AU▾
참고 자료
- ›Google Analytics 4 기여 문서
- ›Measured.com 기여 방법론 가이드
- ›HubSpot 멀티터치 어트리뷰션 가이드
- ›Rockerbox 기여 벤치마크
- ›마케팅 진화 기여 연구
주간 수학 팁 받기
매주 계산기 팁을 받는 12,000명 이상의 구독자와 함께 하세요.