CTV 광고비가 빠르게 늘고 있지만, 정작 광고주들 사이에서는 “그래서 ROI가 어떻게 되는데?”라는 질문에 명쾌하게 답하는 팀이 드뭅니다. 이유는 간단합니다. 우리가 지금까지 써온 측정 도구가 CTV라는 매체의 본질과 맞지 않기 때문입니다. 클릭과 래스트클릭 전환에 묶인 어트리뷰션은 거실 TV 앞에서 벌어지는 소비자 행동을 거의 담아내지 못합니다. 광고를 본 사람이 스마트폰을 집어 들고 검색해 구매하는 순간, 그 매출은 검색 광고나 자연 검색의 몫이 되어 버립니다. CTV는 광고비만 쓰고 성과는 남에게 넘겨주는, 어쩌면 가장 억울한 매체일지도 모릅니다.
문제는 측정 방식이 실제보다 나쁘게 나오면 예산도 따라 줄어든다는 점입니다. 미국에서 CTV 캠페인을 운영하는 브랜드 중에는 플랫폼 대시보드의 ROAS가 낮게 나온다는 이유로 예산을 자르는 경우가 적지 않습니다. 그런데 그 판단이 잘못된 측정에서 비롯됐다면, 브랜드는 실제로는 효과가 좋은 채널을 버리는 셈이 됩니다. 이 글에서는 미국 시장에서 성과를 내는 팀들이 조용히 적용하기 시작한 CTV ROI 측정 기법 다섯 가지를 정리해 보겠습니다. 공통점은 하나입니다. 쿠키와 기기 ID라는 낡은 틀을 벗어나 CTV의 실제 시청 행태에 맞게 측정 체계를 다시 설계한다는 것이죠.
1. 개인이 아니라 가구 단위로 인크리멘탈리티를 측정하라
CTV 광고는 거실 TV에서 나갑니다. 한 번의 노출이 항상 한 사람에게만 도달한다고 가정하는 건 무리입니다. 실제로 미국 시장에서 가족 영화나 스포츠 중계를 볼 때 공동시청 계수는 1.5를 넘는 경우가 흔합니다. 노출 100만 회가 실제로는 150만 명에게 닿을 수 있다는 뜻입니다. 그런데 대부분의 측정 시스템은 이 노출을 기기 ID 한 개로 기록합니다. 두 가지 왜곡이 생깁니다. 실제 도달 인원은 과소 집계되고, 같은 가구의 다른 기기에서 일어난 전환은 CTV 광고와 연결되지 않습니다.
예를 들어 거실 TV에서 가구용 청소기 광고를 본 뒤, 그 가구의 구성원이 다음 날 태블릿으로 검색해 구매했다고 합시다. 플랫폼은 CTV 노출과 그 구매를 연결하지 못할 가능성이 높습니다. 결국 CTV 광고의 ROAS는 실제보다 훨씬 낮게 나오고, 광고주는 “CTV는 전환 효율이 별로”라는 결론을 내립니다.
이 문제를 풀려면 가구 단위 인크리멘탈리티를 봐야 합니다. IP 주소, 기기 그래프, 시청 로그인 정보를 이용해 노출을 가구 단위로 묶고, 광고에 노출된 가구와 노출되지 않은 가구를 비교하는 방식입니다. 실제 집행에서는 이렇게 진행합니다.
- 테스트 기간 동안 CTV 광고에 노출될 가구와 노출되지 않을 가구를 무작위로 나눕니다.
- 비노출 가구에는 공익광고(PSA)나 자사 브랜드의 다른 광고를 내보내는 고스트 광고(Ghost Ads)를 사용해 비교 조건을 깨끗하게 만듭니다.
- 두 그룹의 매출, 웹사이트 방문, 가입, 앱 설치 등 실제 전환 차이를 비교합니다.
공식으로 정리하면 이렇습니다.
가구 단위 CTV ROI = (노출 가구의 증분 매출 − 비노출 가구의 증분 매출) / 실제 미디어 비용
여기에 앞서 말한 공동시청 계수를 반영하면 도달 인원을 더 현실적으로 보정할 수 있습니다. 이 방식이 아직 널리 퍼지지 않은 건, 단순히 다들 개인 단위 쿠키 기반 측정에 익숙하기 때문입니다. 하지만 CTV에는 애초에 쿠키가 없습니다. 그러니 오히려 가구 단위 실험이 더 자연스럽고, 쿠키리스 시대를 대비하는 연습으로도 가치가 있습니다.
2. DMA 단위 합성 통제 실험으로 지연 전환까지 포착하라
CTV 광고를 본 사람이 곧바로 사이트에 들어와 구매하는 경우는 드뭅니다. 며칠 뒤 매장을 방문하거나, 다른 기기에서 검색해 구매하거나, 가족 중 누군가가 대신 결제하기도 합니다. 이렇게 늦게 일어나는 전환은 플랫폼 어트리뷰션 윈도우에 잡히지 않습니다. 그러면 CTV의 진짜 기여는 또 한 번 과소평가됩니다.
이럴 때 유용한 방법이 DMA(Designated Market Area) 단위 합성 통제 실험입니다. 미국은 지리적 방송권역인 DMA 단위로 광고 송출을 조절할 수 있습니다. 이 구조를 그대로 실험에 활용하는 거죠.
- 10~15개의 테스트 DMA에만 CTV 광고를 집행합니다.
- 인구 구성과 소비 패턴이 유사한 통제 DMA에는 광고를 내보내지 않거나 PSA만 송출합니다.
- 캠페인 시작 전 데이터를 사용해 합성 통제군을 만듭니다. 통제 DMA들의 가중 평균으로 “광고가 없었더라면 테스트 DMA에서 어떤 성과가 났을지”를 통계적으로 재구성하는 방식입니다.
- 테스트 지역의 실제 성과와 합성 통제군의 성과 차이를 계산합니다. 이 차이가 CTV 광고가 시장 전체에 만든 증분 효과입니다.
이 방법의 장점은 오프라인 구매와 지연 전환, 브랜드 검색 증가 같은 2차 효과를 모두 담을 수 있다는 점입니다. MMM도 비슷한 질문에 답할 수 있지만 보통 분기나 연 단위로 움직여서 캠페인 중간 최적화에는 쓰기 어렵습니다. 반면 DMA 단위 실험은 몇 주 안에 인과적 증분 효과를 확인할 수 있어, 진행 중인 캠페인의 예산 배분을 조정하는 데 실제로 쓸 수 있습니다.
처음부터 테스트 DMA와 통제 DMA를 설계해 두는 것이 중요합니다. 캠페인이 끝난 뒤에 데이터를 모아 보면 이미 늦습니다. 광고 집행 전에 지역을 나눠 두고, 각 지역의 베이스라인 매출과 검색량을 기록해 두는 습관이 필요합니다.
3. 브랜드 검색 리프트를 재무 성과로 바꾸는 다크 퍼널 브리지
CTV 광고가 ROI 측정에서 가장 억울한 손해를 보는 구간이 바로 브랜드 검색입니다. 소비자가 광고를 보고 행동하는 방식은 대부분 클릭이 아니라 검색입니다. 거실 소파에 앉아 있던 사람이 스마트폰을 집어 들고 브랜드명을 입력하는 거죠. 그런데 이때 발생한 전환은 검색 광고나 자연 검색의 성과로 기록됩니다. CTV는 그 과정에 아무런 기여도 받지 못합니다.
이걸 해결하는 실무 기법이 다크 퍼널 브리지(Dark Funnel Bridge)입니다. 어트리뷰션 시스템이 보지 못하는 전환 경로인 ‘다크 퍼널’을 재무 지표로 번역해 주는 방법입니다.
- 캠페인 전후로 DMA별 브랜드 검색량을 추적합니다. Google Trends, Search Console, 검색 광고의 노출 점유율 데이터를 활용하면 됩니다.
- 캠페인 기간 중 증분 브랜드 검색량을 계산합니다. 같은 기간 다른 지역이나 이전 기간과 비교해 CTV가 만들어 낸 추가 검색 수를 뽑아냅니다.
- 이 증분 검색량에 해당 브랜드의 평균적인 검색 클릭률(CTR), 사이트 전환율(CVR), 평균 주문 금액(AOV)을 곱해 증분 매출을 역산합니다.
공식으로 쓰면 이렇게 됩니다.
CTV 유발 매출 = 증분 브랜드 검색량 × 검색 CTR × 사이트 전환율 × AOV
구체적인 숫자를 넣어 볼까요. CTV 캠페인 기간 동안 브랜드 검색이 20% 늘었고, 그 증가분이 추가 검색 3,000회를 만들었다고 합시다. 이 검색들이 평균 2%의 전환율과 150달러의 AOV를 보였다면, CTV가 만든 추가 매출은 9,000달러로 추정됩니다. 여기에 광고비를 나누면 최소한의 ROI가 나옵니다. 실제로는 여기에 오프라인 방문이나 재구매 효과까지 더해지겠죠.
이 방식이 강력한 이유는 상단 퍼널 성과를 CFO가 이해할 수 있는 언어로 바꿔 준다는 점입니다. “브랜드 인