GA4의 데이터 기반 어트리뷰션(DDA)은 노벨경제학상 수상자 로이드 섀플리(Lloyd S. Shapley)의 섀플리 가치(Shapley Value) 개념에 기반한 알고리즘이다. 섀플리 가치는 여러 참여자가 협업해 만든 전체 성과를, 각 참여자가 팀에 들어왔을 때와 들어오지 않았을 때의 성과 차이를 기준으로 공정하게 나누는 방법이다. 세 사람이 함께 프로젝트를 완성했다면, 한 사람씩 빼봤을 때 전체 성과가 얼마나 줄어드는지를 모든 가능한 조합에 대해 계산하고 평균 내서 각자의 몫을 정한다. 이 개념을 광고 기여도 문제에 적용하면 "이 채널이 경로에 있었을 때와 없었을 때 전환 확률이 얼마나 달라지는가"라는 질문으로 바뀐다.
2강에서 다룬 규칙 기반 모델은 실제로 일어난 경로 하나만 보고 정해진 비율로 나눈다. 반면 DDA는 "만약 이 터치포인트가 없었다면 이 사용자는 전환했을까"라는 가상의 시나리오까지 함께 비교한다. 이 계산을 위해 DDA는 전환까지 이어진 경로뿐 아니라 전환에 이르지 못한 경로 데이터까지 함께 사용한다. 전환하지 않은 사용자의 행동 패턴을 알아야 "이 터치포인트가 전환 확률을 실제로 얼마나 끌어올렸는가"를 추정할 수 있기 때문이다. 규칙 기반 모델은 계정마다 똑같은 공식을 적용하지만, DDA는 계정별로 쌓인 실제 전환·비전환 경로 데이터를 학습해 계산하기 때문에 같은 업종이라도 계정마다 결과가 다르게 나올 수 있다.
GA4 공식 문서는 DDA가 전환까지 걸린 시간, 기기 유형, 광고 상호작용 횟수, 노출 순서, 소재(크리에이티브) 유형 같은 요인을 함께 고려한다고 밝히고 있다. 같은 채널이라도 언제, 어떤 기기에서, 몇 번째 순서로, 어떤 소재로 노출됐는지에 따라 계산되는 기여도가 서로 다르게 나올 수 있다. 다만 각 요인이 최종 점수에 얼마나 반영되는지, 정확한 수식이 어떤 형태인지는 구글이 공개하지 않는다. 실무자가 알 수 있는 것은 "이런 요인을 본다"는 사실까지이지, 그 요인들의 가중치를 역산해낼 수는 없다. 그래서 "왜 이번 달 유튜브 기여도가 지난달보다 낮게 나왔는가"를 수식으로 완벽히 설명하는 것은 불가능하고, 대신 경로 데이터·전환 볼륨·소재 구성이 어떻게 바뀌었는지를 정황적으로 추적하는 방식으로 접근해야 한다.
DDA는 전환 발생 후에도 최대 7일까지 재기여(reattribution)가 이뤄질 수 있다. 새로운 경로 데이터가 계속 쌓이면서 모델이 갱신되기 때문에, 전환 직후 확인한 채널별 기여도와 며칠 뒤 다시 확인한 수치가 달라지는 경우가 있다. 이는 오류가 아니라 더 많은 데이터를 반영해 추정치를 갱신하는 정상적인 동작이다. 전환 직후 며칠 사이에 캠페인 성과를 판단해 예산을 재배분하는 실무자라면, 이 재기여 기간을 감안해 최종 확정치가 안정되는 시점까지 기다렸다가 판단하는 편이 안전하다.
1강에서 다룬 것처럼 멀티터치 경로의 기여도에는 관찰로 확인 가능한 절대적 정답이 없다. DDA는 규칙 기반 모델보다 훨씬 더 많은 데이터와 통계적 근거를 쓰지만, 여전히 확률 모델의 추정치라는 본질은 바뀌지 않는다. 4강에서 다룰 최소 데이터 요건이 중요한 이유도 여기에 있다: 입력 데이터(경로·전환 볼륨)가 부족하면 아무리 정교한 알고리즘이라도 신뢰할 수 있는 추정을 만들어내지 못한다. 트래픽이 적은 소규모 사이트일수록 DDA의 이론적 우수성과 실제 사용 가능 여부는 별개의 문제라는 점을 미리 염두에 두어야 한다.
GA4 관리 화면의 어트리뷰션 설정에서 현재 프로퍼티가 데이터 기반 모델을 쓰고 있는지, 아니면 데이터 부족으로 라스트 클릭으로 자동 대체돼 있는지 먼저 확인해야 한다. 전환(키 이벤트) 항목별로 상태가 다를 수 있으니 하나씩 개별 확인이 필요하다. 이 확인 없이 "우리는 DDA를 쓰고 있다"고 전제하고 리포트를 해석하면, 실제로는 라스트 클릭 기준으로 계산된 숫자를 DDA 결과로 오독할 위험이 있다.
[DDA 신뢰가능 트래픽 임계치 점검]
1. 전환(키 이벤트)별 모델 상태 확인
- GA4 관리 > 어트리뷰션 설정 > 각 키 이벤트별 현재 적용 모델을 기록
- "데이터 기반" vs "라스트 클릭(자동 대체)" 여부를 표시
| 키 이벤트명 | 현재 적용 모델 | 최근 30일 전환 건수 | 판단 |
|---|---|---|---|
| 구매완료 | | | |
| 상담신청 | | | |
| 뉴스레터 구독 | | | |
2. 판단 기준
- 데이터 기반으로 표시되면: 신뢰 가능한 상태, 정기 재확인만 유지
- 라스트 클릭으로 자동 대체돼 있으면: 트래픽 부족 신호, 2강의 라스트클릭 한계를 감안해 보수적으로 해석
3. 반복 주기
- 매달 같은 화면을 캡처해 변화가 있었는지 비교(4강에서 이 기록을 이어서 활용)
4강. 멀티터치 어트리뷰션(MTA) 설계 실습에서 이번 강에서 배운 원리를 바탕으로 커스텀 가중치 모델을 직접 설계합니다.