8강에서 만든 벤치마크 표는 "지금 이 예산으로 얼마의 성과가 나오는가"를 보여줍니다. 하지만 "예산을 두 배로 늘리면 성과도 두 배가 되는가"라는 질문에는 답하지 못합니다. 실제로는 광고비 지출이 늘어날수록 매출 증가폭이 점점 완만해지는 현상, 즉 포화 효과(한계수확체감)가 대부분의 매체에서 관찰됩니다.
특정 매체에 처음 예산을 넣을 때는 반응이 좋았던 잠재고객이 먼저 노출되지만, 예산을 계속 늘리면 그다음부터는 반응이 상대적으로 낮은 고객군까지 노출 범위가 넓어지기 때문에 추가 지출 대비 성과 증가폭이 줄어드는 것입니다. 이 현상을 무시하고 "지금까지 예산을 늘릴 때마다 성과가 좋았으니 계속 늘리자"는 식으로 판단하면, 실제로는 이미 포화 구간에 들어선 매체에 예산을 계속 쏟아붓는 비효율이 발생합니다. 5강에서 다룬 증액 시나리오의 원칙("포화 구간에 가까운 채널은 피한다")이 바로 이 개념에 근거합니다.
단순 선형 회귀 모델은 과거 데이터 구간 안에서는 잘 맞아떨어지는 것처럼 보이지만, 그 모델을 예산이 더 큰 구간까지 그대로 연장해서 예측하면 실제보다 훨씬 낙관적인 성과를 예측하게 됩니다. 회귀선은 기본적으로 직선이기 때문에, 실제로는 곡선처럼 꺾이는 포화 구간의 존재 자체를 반영할 수 없습니다.
이런 과대 예측을 근거로 예산을 크게 늘렸다가 실제 성과가 예측에 크게 못 미치면, 그다음 분기 예산 협의에서 마케팅팀에 대한 신뢰가 떨어지는 결과로 이어질 수 있습니다. 예측 모델을 고를 때는 항상 예측 구간이 과거 데이터가 있던 범위를 벗어나는지 먼저 확인해야 합니다.
포화 효과를 반영하는 대표적 방법은 지출이 적을 때는 가파르게 성장하고 지출이 많아지면 곡선이 평평해지는 형태(예: Hill 변환 함수)로 표현하는 통계 모델입니다. 이런 모델은 구글의 오픈소스 마케팅 믹스 모델링 프레임워크 Meridian 같은 도구에서 기본으로 지원하며, 매체별 과거 집행 데이터를 입력하면 그 매체의 포화 곡선 형태를 추정해줍니다.
다만 이 곡선이 꺾이는 정확한 지점은 매체·업종·자사 데이터에 따라 전부 다르므로, "어느 매체는 예산 얼마 이상부터 포화된다"는 식의 범용 숫자는 존재하지 않습니다. 자사의 실제 집행 데이터를 모델에 직접 넣어봐야만 우리 브랜드의 포화 지점을 확인할 수 있습니다.
포화 곡선을 신뢰성 있게 추정하려면 예산 구간을 다양하게 실험한 과거 데이터가 최소 몇 개월 이상 쌓여 있어야 합니다. 글로우앤코의 신제품 선케어 라인처럼 데이터가 부족한 신규 매체·신제품이라면, 정교한 곡선 모델 대신 예산을 단계적으로 늘려가며 CPA 변화를 직접 관찰하는 소규모 실험으로 포화 신호를 먼저 감지하는 접근이 현실적입니다.
[포화 신호 감지 소규모 실험: 목표 역산 모델의 출발점]
1단계: 예산을 3단계로 나눠 순차 집행 (예: 50만원 → 100만원 → 150만원)
2단계: 각 단계의 CPA를 기록
3단계: CPA가 눈에 띄게 나빠지기 시작하는 예산 구간을 찾는다
→ 그 지점을 잠정적 포화 지점으로 설정
4단계: 데이터가 더 쌓이면 정식 모델(Hill 변환 등)로 재검증
예시 기록표
┌────────┬────────┬────────┬─────────────┐
│ 예산 단계 │ 예산 │ 전환수 │ CPA │
├────────┼────────┼────────┼─────────────┤
│ 1단계 │ 50만원 │ [값] │ [값] │
│ 2단계 │ 100만원 │ [값] │ [값] (완만) │
│ 3단계 │ 150만원 │ [값] │ [값] (급등?) │
└────────┴────────┴────────┴─────────────┘
CPA가 급등하는 지점 = 잠정 포화 지점
목표 역산 모델은 "목표 매출(또는 전환수)을 달성하려면 얼마의 예산이 필요한가"를 거꾸로 계산하는 시트입니다. 포화 지점을 알고 있다면, 포화 지점 이하 구간에서는 벤치마크 표(8강)의 예상 CPA를 그대로 쓰고, 포화 지점을 넘어서는 구간에서는 CPA에 안전 마진을 더해 역산해야 과대 예측을 피할 수 있습니다.
[글로우앤코 목표 역산 시뮬레이션 시트 골격]
목표: 다음 분기 신규 고객 000명 획득 (3강 KPI 트리의 하위 지표)
채널별 배분 (포화 지점 이내로 제한):
┌──────────┬────────┬────────┬──────────┬────────────┐
│ 채널 │ 목표전환수│ 예상CPA │ 필요예산 │ 포화지점 대비 │
├──────────┼────────┼────────┼──────────┼────────────┤
│ 검색광고 │ [값] │ [값] │ [계산값] │ [여유/근접] │
│ 쇼핑광고 │ [값] │ [값] │ [계산값] │ [여유/근접] │
│ 리타겟팅 │ [값] │ [값] │ [계산값] │ [여유/근접] │
└──────────┴────────┴────────┴──────────┴────────────┘
합계 필요예산 = 6강 배분표의 구매 단계 예산과 비교
차이 발생 시: 목표를 낮추거나, 포화 지점 이내에서 채널 수를 늘려
(예: 새로운 매체 추가) 필요예산을 분산한다.
매체별로 포화 지점을 각각 추정해두면, 이미 포화 구간에 들어선 매체의 예산 일부를 아직 여유가 남은 매체로 옮기는 재배분 판단이 가능해집니다. 예를 들어 A매체는 현재 예산의 80% 지점에서 이미 곡선이 평평해지기 시작했는데 B매체는 아직 초반 가파른 구간에 있다면, A매체 예산 일부를 B매체로 옮기는 것이 전체 성과를 끌어올리는 방향입니다. 이런 재배분 판단을 정기적으로 반복하려면 포화 지점 추정을 한 번으로 끝내지 않고, 매 분기 갱신된 데이터로 다시 계산해 예산 배분표를 업데이트하는 루틴을 만들어야 합니다.
이미 포화 지점에 근접한 매체에 예산을 계속 늘리면 단순히 효율이 떨어지는 데 그치지 않고, 과도한 입찰 경쟁으로 CPC 자체가 상승해 오히려 남은 예산으로 확보할 수 있는 노출량까지 줄어드는 악순환에 빠질 수 있습니다. 이 점은 예산 협의 자리에서 미리 설명해두는 것이 좋습니다.
다음 분기 신규 고객 획득 목표를 정하고, 위 골격을 채워 채널별 필요 예산을 역산해보세요. 그 결과가 6강에서 정한 배분표의 구매 단계 예산과 얼마나 차이 나는지도 함께 기록하세요.
선형 회귀 모델을 예산이 큰 구간까지 연장해 예측하면 왜 위험한가요?
데이터가 부족한 신규 매체에서 포화 지점을 확인하는 현실적인 방법은 무엇인가요?
A매체가 포화 구간, B매체가 초반 구간이라면 어떤 재배분 판단을 내려야 하나요?
10강. 시나리오 비교: 보수/기본/공격 3안 설계에서 이 목표 역산 모델을 세 가지 시나리오로 확장합니다.