Measurement Playbook: Median iROAS 2.31x Across 225 Geo Tests, 시딩 기여를 인크리멘탈리티 테스트와 MMM으로 검증하는 법

[MEASUREMENT PLAYBOOK] · ISSUE 05 · 2026년 9월

크리에이터 예산이 커진 만큼 그 예산이 실제로 매출을 만들었는지 묻는 질문도 함께 커졌다. CreatorIQ가 2026년 공개한 조사에서 브랜드 응답자 10명 중 8명 이상이 크리에이터 마케팅에서 최소 2배 이상의 ROI를 얻었다고 답했다. 그런데 같은 조사에서 브랜드가 꼽은 최대 난제 1위는 측정이었고 응답률은 26%였다. 성과가 충분하다고 답하면서 동시에 측정이 가장 어렵다고 답하는 구조는, 보고되는 ROI 상당수가 귀속 기반 수치이지 증분 기반 수치가 아니라는 점을 시사한다.

이 리포트는 시딩과 크리에이터 캠페인의 기여를 검증하는 세 가지 계열, 즉 실험 기반 인크리멘탈리티 테스트, 마케팅 믹스 모델링(MMM), 자기보고 서베이를 공개 자료로 정리한다. 1차 조사가 아니라 eMarketer, Haus, CreatorIQ, NielsenIQ, Circana가 2025년에서 2026년 사이 공개한 수치를 모아 비교한 메타 분석이다. 각 방법이 무엇에 답할 수 있고 무엇에 구조적으로 답할 수 없는지, 그리고 비용 변수가 불분명한 무가 시딩에 적용할 때 어떤 제약이 생기는지에 초점을 맞춘다.

귀속은 누가 마지막으로 클릭했는지를 답한다. 인크리멘탈리티는 그 캠페인이 없었다면 매출이 얼마였을지를 답한다. 두 질문은 다르고, 예산 배분을 실제로 바꾸는 쪽은 두 번째 질문이다.

측정 신뢰도의 무게중심이 모델에서 실험으로 이동했다

eMarketer가 2026년 공개한 조사에 따르면 미국 시니어 마케팅 의사결정자의 60%가 독립적인 인크리멘탈리티 테스트를 가장 신뢰한다고 답했다. 마케팅 믹스 모델링은 40%, 플랫폼이 자체적으로 제공하는 인플랫폼 리포트는 37%였다. 같은 계열 조사에서 미국 브랜드와 에이전시 마케터의 52%는 이미 인크리멘탈리티 테스트와 실험을 운영하고 있다고 답했고, 36.2%는 향후 12개월간 관련 지출을 늘릴 계획이라고 답했다.

다만 신뢰도 조사 결과를 그대로 방법론 서열로 읽으면 곤란하다. 질문을 바꿔 가장 신뢰할 만한 측정 방법론 하나를 고르게 했을 때는 MMM이 27.6%로 1위였고, MMM 투자를 늘리겠다는 응답도 46.9%로 인크리멘탈리티 테스트 증액 응답보다 높았다. 실험은 특정 시점 특정 채널에 대한 인과 추정을 주고, MMM은 전체 믹스의 배분을 준다. 두 방법은 경쟁 관계가 아니라 서로 다른 의사결정 단위에 대응한다.

측정에 대한 불만 자체도 수치로 나타난다. eMarketer 조사에서 미국 의사결정자의 78%는 측정이 충분하지 않아 마케팅 예산의 최소 10%가 낭비되고 있다고 답했고, 7%는 그 비중을 30% 이상으로 봤다. 이는 자기보고 인식 조사이므로 실제 낭비율의 추정치로 쓰기는 어렵지만, 예산 검증 압력이 어디에서 오는지는 보여준다.

여기에 카테고리 성장이 겹치면 해석이 더 어려워진다. Circana에 따르면 2026년 상반기 미국 프레스티지 뷰티 매출은 171억 달러로 7% 늘었고 매스 채널은 392억 달러로 역시 7% 증가했다. 프레스티지 스킨케어는 9% 성장했다. 카테고리 기준선이 이 정도로 움직이는 시장에서는 캠페인 기간 중 매출이 늘었다는 사실만으로 캠페인 효과를 주장할 수 없다. 증분 측정의 핵심은 이 기준선을 분리하는 데 있다.

브랜드에게 의미: 시딩 성과 보고서에 매출 증가율을 그대로 쓰고 있다면, 같은 기간 카테고리 성장률을 나란히 붙이는 것만으로도 해석의 질이 달라진다. 기준선 대비 초과분이 논의의 출발점이다.

플랫폼 리포트와 실측 기여 사이의 간극

실험 기반 측정을 제공하는 벤더들이 공개한 누적 결과는 귀속 수치와 증분 수치의 차이를 정량적으로 보여준다. Haus가 공개한 자료에 따르면 2024년에서 2025년 사이 수행된 지오 기반 테스트 225건의 중앙값 증분 ROAS는 약 2.31배였다. 같은 회사가 2026년 공개한 Meta 관련 분석은 누적 640건의 실험을 기반으로 하며, 2025년 7월에서 2026년 6월 구간에서 Meta의 인크리멘탈 어트리뷰션이 표준 어트리뷰션 대비 통합 기하평균 1.26배의 성과를 보였다고 보고했다. 이는 2025년에 공개된 이전 분석과 방향이 반대인 결과로, 플랫폼의 측정 로직 자체가 해마다 바뀐다는 점을 함께 보여준다.

이 수치들이 모두 벤더 자사 실험 데이터라는 점은 명시할 필요가 있다. 카테고리 구성, 국가 구성, 브랜드 규모 분포가 공개되어 있지 않으므로 뷰티 단일 카테고리나 K뷰티 브랜드의 기대값으로 그대로 옮겨 쓸 수 없다. 다만 방향성은 일관된다. 플랫폼이 보고하는 전환 기여와 실험으로 측정한 증분 기여는 같지 않으며, 그 차이가 작지 않다.

브랜드에게 의미: 플랫폼 리포트는 기준선이 아니라 상한선에 가깝다. 시딩 예산의 다음 배분을 결정할 때는 플랫폼 수치를 그대로 쓰지 말고, 최소한 동일 기간 비노출 구간과의 비교를 함께 제시해야 한다.

시딩에 실험 설계를 그대로 옮길 수 없는 세 가지 이유

첫째, 지리적 격리가 되지 않는다. 지오 홀드아웃은 특정 지역에만 노출을 발생시키고 나머지 지역을 통제군으로 두는 설계인데, 크리에이터의 오가닉 게시물은 특정 지역에서만 보이지 않게 만들 수 없다. 따라서 지오 설계는 화이트리스팅이나 스파크 애드처럼 유료로 증폭하는 구간에만 적용된다.

둘째, 무가 시딩은 비용 변수가 명확하지 않다. 증분 ROAS는 분자에 증분 매출, 분모에 매체비를 두는 지표인데 무가 시딩의 직접 지출은 제품 원가와 물류비, 운영 인건비로 구성된다. 이 값을 매체비와 같은 단위로 취급할지에 따라 결과가 크게 달라지므로, 무가 프로그램은 ROAS보다 콘텐츠 단가와 증분 검색, 증분 세션 같은 중간 지표로 평가하는 편이 해석이 안정적이다.

셋째, 발행 시점이 분산된다. 시딩은 발송에서 발행까지 수 주가 걸리고 크리에이터별로 발행 시점이 흩어진다. 온오프 구간이 뚜렷한 광고 캠페인과 달리 명확한 노출 시작점이 없으므로, 전후 비교 설계는 발행을 의도적으로 특정 구간에 집중시키지 않으면 성립하기 어렵다.

CreatorIQ가 2026년 공개한 조사에서 브랜드가 꼽은 크리에이터 마케팅의 난제는 측정 26%, 콘텐츠 생산 속도 21%, AI 대응 20%, 브랜드 적합성 20% 순이었다. 같은 조사 계열에서 크리에이터 콘텐츠는 브랜드 유료 광고 소재의 평균 44%를 차지하며, 유료 미디어 책임자의 92%가 어떤 형태로든 크리에이터 콘텐츠를 유료 집행에 쓰고 있다고 답했다. 오가닉과 유료의 경계가 흐려질수록 어느 쪽 기여인지 분리하는 문제는 커진다.

브랜드에게 의미: 시딩 프로그램에 실험을 붙이려면 실험에 맞춰 프로그램 운영을 조정해야 한다. 발행 시점을 2주에서 3주 구간에 모으거나 유료 증폭 구간을 명시적으로 분리해 두는 작업이 사후 분석보다 먼저다.

MMM은 시딩을 어떻게 다루는가

MMM은 주간 단위 매출과 미디어 투입을 회귀 모형으로 연결해 채널별 기여와 한계 수익을 추정한다. 개인 식별 정보를 쓰지 않고 플랫폼 데이터에 의존하지 않으므로 프라이버시 규제 환경에서 다시 주목받았고, Google의 Meridian과 Meta의 Robyn 같은 오픈소스 패키지가 공개되면서 과거 고액 컨설팅 계약이 필요하던 작업의 진입 장벽이 낮아졌다. 다만 오픈소스 도구는 라이선스 비용이 없을 뿐, 데이터 정비와 모델 검증에 필요한 인력은 그대로 필요하다.

뷰티 카테고리에서 공개된 MMM 결과 중 참고할 만한 사례는 NielsenIQ가 수행한 TikTok 미디어 믹스 모델링 연구다. 2023년 1월에서 2024년 12월 루마니아 페이스케어 카테고리를 대상으로 한 이 연구에서, 한 뷰티 브랜드는 TV와 TikTok을 함께 집행했을 때 3.31%의 증분 매출 상승을 기록했고 수량 기준으로 22,809개에 해당했다. 분석 대상 브랜드들에서 TikTok은 미디어가 만든 증분 매출의 29%에서 33%를 차지했으며, ROI는 TV 대비 최대 2.7배, 다른 디지털 채널 대비 최대 2.86배로 보고됐다.

이 연구는 플랫폼이 의뢰한 조사라는 점, 단일 국가 단일 카테고리라는 점, 그리고 인플루언서가 아니라 TikTok 매체 전체를 변수로 다뤘다는 점에서 시딩 성과의 직접 근거로 쓸 수 없다. 그럼에도 두 가지는 시사적이다. 하나는 상대적으로 작은 예산의 채널이 증분 매출의 3분의 1 가까이를 설명할 수 있다는 점이고, 다른 하나는 채널 간 상호작용을 모형에 넣지 않으면 개별 채널의 기여가 왜곡된다는 점이다.

MMM에서 시딩을 다룰 때 가장 흔한 설계 오류는 인플루언서 지출을 하나의 변수로 뭉치는 것이다. 유가 협업, 화이트리스팅, 어필리에이트, 무가 시딩은 노출 형태와 지연 구조가 서로 다르므로 최소한 유가와 무가는 분리해야 한다. 또한 무가 시딩은 지출이 0에 가까워 금액 변수로는 모형에 들어가지 않는다. 이 경우 발행 콘텐츠 건수나 추정 노출량을 투입 변수로 대체해야 신호가 잡힌다.

브랜드에게 의미: MMM을 검토한다면 최소 2년치 주간 매출과 채널별 투입 데이터가 정리되어 있는지부터 확인해야 한다. 데이터가 없다면 모형 도입이 아니라 데이터 정비가 첫해 과제다.

브랜드 검색 리프트: 시딩에서 가장 먼저 잡히는 신호

시딩 콘텐츠는 대부분 클릭 이벤트를 남기지 않는다. 링크 없이 제품명만 언급되는 경우가 많고, 시청자는 며칠 뒤 검색이나 리테일 앱에서 별도로 구매한다. 이 경로는 마지막 클릭 기반 도구에 구조적으로 잡히지 않는다. 브랜드 검색량은 노출과 구매 사이에 위치한 중간 지표로, 이런 경로에서 가장 먼저 움직이는 신호에 해당한다.

설계의 핵심은 비교 대상을 먼저 정하는 것이다. 발행 이전 8주 브랜드 검색 지수를 기준선으로 잡고, 시딩 콘텐츠 발행을 2주에서 3주 구간에 집중시킨 뒤, 비노출 시장 또는 직전 동기와 비교한다. 증분 검색량은 해당 브랜드 키워드의 평균 클릭당 비용을 곱해 금액으로 환산할 수 있지만, 이 값은 매체 효율 비교용 대리 지표이지 증분 매출이 아니다.

한계도 분명하다. 같은 기간에 유료 광고나 리테일 프로모션이 함께 돌면 검색 상승분을 시딩에 귀속시킬 수 없다. 또한 브랜드 검색 리프트가 확인되어도 전환 단계에서 재고나 가격 문제로 매출로 이어지지 않는 경우가 있다. 검색 리프트는 시딩이 작동했는지를 빠르게 확인하는 1차 신호이지 최종 판정이 아니다.

브랜드에게 의미: 실험 예산이 없는 단계에서도 브랜드 검색 지수와 구매 후 설문 두 가지는 추가 비용 없이 시작할 수 있다. 두 지표를 6개월 이상 쌓아 두면 이후 실험이나 MMM을 붙일 때 검증용 기준선으로 쓰인다.

예산 규모가 검증 설계를 결정한다

방법론 선택은 통계적 우열이 아니라 신호 대비 잡음과 운영 가능성의 문제다. 월 발행 콘텐츠가 20건 미만인 프로그램에서 지오 실험을 설계하면 표본이 부족해 신뢰구간이 결론을 내릴 수 없을 만큼 넓어진다. 반대로 연 단위 상시 프로그램을 자기보고 설문만으로 평가하면 예산 배분을 바꿀 근거가 부족하다.

브랜드에게 의미: 지금 단계에서 가능한 가장 높은 수준의 검증을 선택하되, 다음 단계로 올라갈 때 필요한 데이터를 미리 쌓아 두는 것이 실질적인 순서다.

정리

측정 신뢰도의 무게중심은 플랫폼 리포트에서 실험과 모형으로 이동했다. eMarketer 조사에서 미국 시니어 의사결정자의 60%가 독립 인크리멘탈리티 테스트를 가장 신뢰한다고 답했고, 52%는 이미 실험을 운영하고 있다. 동시에 MMM 투자를 늘리겠다는 응답이 46.9%로 더 높다는 점은 두 방법이 대체재가 아니라 서로 다른 의사결정 단위에 대응한다는 사실을 보여준다.

시딩은 이 두 방법 어느 쪽에도 그대로 들어맞지 않는다. 오가닉 게시물은 지역 격리가 안 되고, 무가 프로그램은 금액 변수가 없으며, 발행 시점이 분산된다. 따라서 시딩 검증은 방법론을 고르는 문제가 아니라 프로그램 운영을 검증 가능한 형태로 설계하는 문제에 가깝다. 발행 집중 구간을 만들고, 유가와 무가를 분리해 기록하고, 브랜드 검색과 구매 후 설문을 상시로 쌓는 세 가지가 어떤 규모에서도 공통으로 적용되는 최소 요건이다.

마지막으로 공개 벤치마크의 성격을 다시 확인할 필요가 있다. 이 리포트에 인용한 수치는 벤더 자사 실험 데이터와 자기보고 설문, 플랫폼이 의뢰한 연구가 섞여 있다. 자사 브랜드의 기대값으로 그대로 옮기기보다 어떤 질문에 어떤 설계가 답할 수 있는지를 판단하는 지도로 쓰는 편이 적절하다.

참고 자료

eMarketer, Incrementality testing earns marketers top trust (2026)

eMarketer, MMM, incrementality, and other measurement trends that will define 2026 (2026)

eMarketer, Marketers double down on MMM (2026)

Haus, The Meta Report: Lessons from 640 Haus Incrementality Experiments (2026)

Haus, Is Meta Incremental Attribution Outperforming Standard Attribution (2026)

CreatorIQ, Creator-Powered Funnel Report (2026)

CreatorIQ, State of Creators (2026)

NielsenIQ, TikTok Marketing Mix Modeling Study (2026)

Circana, US Beauty Industry Posts Solid First-Half Growth (2026)

Google, Meridian Open Source Marketing Mix Model (2026)

Meta, Robyn Open Source Marketing Mix Model (2026)

K-Beauty Playbook은 해외 인플루언서 마케팅과 K뷰티 글로벌 커머스 데이터를 정리하는 리서치 퍼블리케이션입니다. 문의나 논의하고 싶은 주제가 있다면 편하게 남겨주세요.

새 리포트가 발행되면 가장 먼저 받아보시려면 구독을 신청해 주세요.