디지털 광고의 사용자 여정은 점점 복잡해지고 있다. 과거에는 한 번의 광고 클릭만으로 전환에 도달하던 단순한 흐름이 일반적이었지만, 현재는 검색 광고, 소셜 콘텐츠, 디스플레이 배너, 리타겟팅, 이메일, 동영상 광고 등 다양한 접점이 전환 전까지 연속적으로 작용한다. 이러한 환경에서 특정 접점에만 기여도를 부여하는 라스트 클릭 방식은 더 이상 실질적 지표로 기능하기 어렵다. 이 때문에 등장한 개념이 멀티 터치 어트리뷰션(Multi-Touch Attribution, MTA)이며, 이는 사용자 여정의 모든 접점을 평가하고 각 접점이 전환에 기여한 정도를 정량적으로 분배하는 분석 방식이다. 그러나 MTA에도 다양한 모델이 존재하며, 각각의 모델은 접점의 가치를 해석하는 방식에서 뚜렷한 차이를 보인다. 따라서 어떤 모델을 선택하느냐에 따라 캠페인의 효율성 판단, 예산 분배 전략, 채널 확장 방안이 크게 달라질 수 있다.
가장 기본적인 모델은 선형 모델(Linear Model)이다. 선형 모델은 여정에 등장한 모든 접점에 동일 가중치를 부여한다. 예를 들어 여정에 4개 접점이 존재한다면 각 채널에 25%씩 기여도로 배분된다. 단순하고 적용이 쉬우며 캠페인 운영자에게 직관적이라는 장점이 있다. 하지만 실제로는 특정 접점의 영향력이 더 크거나, 특정 타이밍에서 전환 의도가 더 크게 상승하기 때문에 완전히 동일한 값으로 분배하는 방식은 현실과 다소 괴리될 수 있다. 그럼에도 불구하고 전반적인 채널별 기여도를 큰 편차 없이 보고자 할 때 좋은 기준선 역할을 한다.
시간 가중 모델(Time-Decay Model)은 사용자의 전환 시점에 가까울수록 해당 접점의 기여도를 높게 부여한다. 사용자가 구매를 결심하는 순간에 영향을 준 광고가 더 중요하다는 가정에 기반한다. 예를 들어 전환 하루 전 리타겟팅 광고를 본 경우 그 가중치는 일주일 전 노출된 브랜드 캠페인보다 훨씬 크게 책정된다. 단기적 성과가 중요한 퍼포먼스 캠페인에서 자주 사용되며, 전환 직전 접점의 역할을 강조할 필요가 있을 때 유용하다. 다만 브랜드 초기 접점처럼 상위 퍼널의 영향력은 낮게 평가된다는 단점이 있다.
포지션 기반 모델(Position-Based Model)은 첫 번째 접점과 마지막 접점에 의미 있는 비중을 부여하고, 중간 접점에는 상대적으로 작은 가중치를 배분한다. 흔히 40%–20%–40% 규칙이 사용된다. 첫 접점은 사용자의 최초 관심을 유도하는 역할을 하므로 중요한 지점이며, 마지막 접점은 구매 또는 전환을 실제로 유도한 결정적 자극으로 간주한다. 이 모델은 브랜드 캠페인과 퍼포먼스 캠페인을 동시에 운영할 때 균형 잡힌 기여도 해석을 제공한다. 그러나 중간 접점의 실제 영향력이 큰 캠페인의 경우 왜곡이 발생할 가능성이 있다.
데이터 기반 모델(Data-Driven Model, DDA)은 기계학습을 활용하여 각 접점이 실제로 전환에 기여한 확률적 영향력을 계산한다. Google Analytics 4의 DDA 모델이 대표적이며, 사용자 여정의 모든 패턴을 분석해 특정 접점이 여정에서 제거되었을 때 전환 확률이 얼마나 감소하는지 평가한다. 가장 현실적이고 정교한 모델이라는 평가를 받지만, 충분한 데이터가 필요하며 소규모 캠페인에서는 안정적인 결과를 얻기 어렵다. 또한 플랫폼에 따라 모델의 계산 방식이 다르기 때문에 결과 해석 시 플랫폼 종속성을 고려해야 한다는 점도 중요하다.
U-Shape 모델과 W-Shape 모델 역시 MTA 영역에서 많이 사용되는 변형 포지션 기반 모델이다. U-Shape 모델은 첫 접점과 마지막 접점에 높은 가중치를 두고 중간 접점은 낮게 평가하며, 브랜드 인지와 전환 유도라는 양쪽 극단의 접점이 중요하다는 가정을 따른다. 반면 W-Shape 모델은 첫 접점, 중간의 핵심 전환 유도 접점, 마지막 접점의 세 위치에 높은 가중치를 부여한다. 복잡한 여정에서 중간의 특정 행동(예: 제품 페이지 방문, 장바구니 추가)이 결정적 역할을 한다면 W-Shape 모델이 더 적합하다.
결론적으로 MTA 모델의 선택은 캠페인의 목적, 운영 채널의 조합, 상위·중위·하위 퍼널의 전략적 비중 등에 따라 달라져야 한다. 하나의 모델이 모든 캠페인에 정답이 될 수는 없으며, 각 모델이 가진 해석의 특성과 편향을 이해한 상태에서 성과 지표를 판단해야 한다. 특히 데이터 기반 모델이 대세가 되고 있지만, 충분한 데이터가 확보되지 않은 상황에서는 선형 모델이나 포지션 기반 모델이 더 안정적인 결과를 줄 수 있다. MTA 모델별 차이를 이해하는 것은 예산 배분, 크리에이티브 전략, 채널 확장 의사결정 등 전반적인 광고 운영 체계의 정교함을 높이는 핵심 기반이 된다.