[MadTech 101] 리테일 미디어, '보이는 것만 믿는' 함정을 피하려면

'잘 팔리는' 착시, 데이터 함정에 빠지기 쉬운 이유

"리테일 미디어, 성장이 둔화되다(Retail media's durability is tested as easy growth fades)." 최근 심상치 않은 헤드라인이 눈에 띄게 늘었습니다. 한때 '손쉬운 성장'을 이끌었던 리테일 미디어가 왜 갑자기 위기를 맞았을까요? 여기에는 간과하기 쉬운 함정이 숨어있습니다. 바로 '보이는 것만 믿는' 측정의 착각입니다.

예를 들어, A라는 상품이 특정 리테일 플랫폼 광고를 통해 판매량이 늘었다고 가정해 봅시다. 겉으로 보기에는 광고 효과가 분명해 보입니다. 하지만 실제로는 A 상품에 대한 고객의 니즈가 증가하는 시기와 광고가 우연히 겹쳤을 수도 있습니다. 혹은 경쟁사의 유사 상품에 문제가 생겨 A 상품의 판매량이 일시적으로 증가했을 가능성도 배제할 수 없습니다. 이처럼 단순히 '보이는' 데이터만으로는 광고의 실제 효과를 정확히 판단하기 어렵습니다.

이러한 착각은 예산 낭비로 이어질 수 있습니다. 겉으로 보이는 판매량 증가에만 집중하여 실제 효과가 없는 광고에 계속해서 예산을 투입하게 되는 것입니다. IAB는 "기존 측정 방식이 리테일 미디어의 실제 가치를 깎아내리고 있다(IAB says legacy measurement is cheating retail media out of its real value)"고 지적합니다. 이러한 문제를 해결하기 위해서는 보다 정교하고 다각적인 측정 방식이 필요합니다.

'진짜' 효과를 가려내는 방법, 인크리멘탈리티 측정

그렇다면 어떻게 '진짜' 효과를 측정할 수 있을까요? 해답은 '인크리멘탈리티(Incrementality)' 측정에 있습니다. 인크리멘탈리티란, 광고를 통해 '추가적으로' 발생한 효과를 의미합니다. 즉, 광고를 하지 않았을 경우와 비교하여 광고를 했을 때 얼마나 더 판매량이 증가했는지를 측정하는 것입니다. AdExchanger는 "리테일 미디어의 측정 문제는 신뢰 문제이며, 인크리멘탈리티가 해결책(Retail Media's Measurement Problem Is A Trust Problem – And Incrementality Is The Way Forward)"이라고 강조합니다.

인크리멘탈리티 측정의 핵심은 '비교'입니다. 광고를 노출한 그룹과 노출하지 않은 그룹을 설정하고, 두 그룹 간의 판매량 차이를 비교하여 광고의 순수한 효과를 측정합니다. 이때, 두 그룹은 최대한 유사한 특성을 가져야 합니다. 예를 들어, 성별, 연령, 구매 이력 등이 유사한 고객들을 무작위로 두 그룹으로 나누는 것이 좋습니다.

인크리멘탈리티 측정 방법에는 여러 가지가 있습니다. 대표적인 방법으로는 A/B 테스트, 지오 리프트 테스트(Geo Lift Test), 홀드아웃 테스트(Holdout Test) 등이 있습니다. A/B 테스트는 두 가지 광고 소재를 비교하여 더 효과적인 광고를 찾는 방법입니다. 지오 리프트 테스트는 지역별로 광고 노출 여부를 다르게 하여 효과를 측정하는 방법입니다. 홀드아웃 테스트는 특정 고객 그룹에게 광고를 노출하지 않고, 이들의 구매 행동을 분석하여 광고 효과를 측정하는 방법입니다.

측정, 데이터, 그리고 '실험 설계'의 삼박자를 맞춰야 하는 이유

인크리멘탈리티 측정을 통해 광고 효과를 정확하게 파악하고, 예산 배분의 효율성을 높일 수 있습니다. 하지만 인크리멘탈리티 측정은 만능이 아닙니다. 몇 가지 주의해야 할 점이 있습니다.

첫째, 측정 기간을 충분히 확보해야 합니다. 광고 효과는 단기간에 나타나지 않을 수 있습니다. 따라서 충분한 기간 동안 데이터를 수집하고 분석해야 정확한 결과를 얻을 수 있습니다. 둘째, 외부 요인을 통제해야 합니다. 광고 외 다른 요인들이 판매량에 영향을 미칠 수 있습니다. 예를 들어, 경쟁사의 할인 행사, 날씨 변화 등이 있습니다. 이러한 외부 요인들을 통제하고 분석해야 광고의 순수한 효과를 측정할 수 있습니다. 셋째, 데이터 분석 역량이 필수적입니다. 수집된 데이터를 정확하게 분석하고 해석해야 의미 있는 결과를 도출할 수 있습니다. 데이터 분석 전문가의 도움을 받는 것도 좋은 방법입니다.

마스터카드는 테스트 인사이트를 통해 리테일 미디어 지출을 최적화(Optimize Retail Media Spend with Testing Insights)해야 한다고 조언합니다. 결국, 리테일 미디어 측정은 단순히 데이터를 수집하고 분석하는 것을 넘어, '실험 설계' 역량이 중요한 이유입니다. 측정 방법, 데이터 분석, 그리고 실험 설계의 삼박자가 맞아야 리테일 미디어의 진정한 가치를 발견하고, 성장을 이끌어낼 수 있습니다.

다음 질문: '우리' 데이터는 왜 '다르게' 말하는가

리테일 미디어의 성장이 둔화되는 시점에서, 우리는 '보이는 것만 믿는' 함정을 경계하고, 인크리멘탈리티 측정을 통해 '진짜' 효과를 파악해야 합니다. 하지만 인크리멘탈리티 측정만으로는 모든 문제가 해결되지 않습니다. 각 플랫폼, 각 상품, 각 고객 특성에 맞는 최적의 측정 방법을 찾아야 합니다. 그리고 데이터 분석 역량을 강화하고, 실험 설계를 통해 외부 요인을 통제해야 합니다. 이 모든 과정을 통해, 리테일 미디어는 단순한 광고 채널을 넘어, 고객과의 관계를 강화하고, 브랜드 가치를 높이는 핵심적인 역할을 수행할 수 있을 것입니다.

이 블로그 검색