Multi-Touch Attribution(MTA)이란? | 인바운드 마케팅 용어집

멀티 터치 어트리뷰션(Multi-Touch Attribution, MTA)은 고객이 전환에 이르기까지 거친 모든 마케팅 터치포인트에 전환 기여도를 분배하는 실천입니다 — 첫 클릭이나 마지막 클릭에만 주는 것이 아닙니다. "이 5,000달러 거래의 100%는 구글 광고" 대신, MTA는 30% 블로그·20% 링크드인·30% 구글·20% 세일즈 콜로 나눌 수 있습니다.

왜 중요한가

단일 터치 모델 — 퍼스트 터치와 라스트 터치 — 은 가장 단순한 어트리뷰션이지만 일상적으로 거짓말을 합니다. 라스트 터치는 사용자를 결승선 너머로 데려간 채널에 모든 공을 주고, 그를 거기까지 데려온 몇 달의 인지 작업을 무시합니다. 퍼스트 터치는 브랜드를 소개한 채널에 공을 주고, 실제로 거래를 마무리한 터치들을 무시합니다. 둘 다 예산 배분을 크게 왜곡합니다. MTA는 구매자가 구매 전 8~20개의 터치를 거치고 모든 터치가 무언가 기여한다는 사실에 정직해지려는 시도입니다. 잘하면 예산이 진짜 일꾼들에게 흘러갑니다. 잘못하면(또는 나쁜 데이터로 하면) 자신만만하게 틀린 답을 만듭니다.

대표 MTA 모델

선형(Linear): 모든 터치에 동일한 기여도. 계산·설명이 쉬움. 배너 광고와 30분 데모를 동등하게 취급 — 보통 초기 터치에 너무 후함.

시간 감쇠(Time Decay): 전환에 가까운 터치일수록 더 큰 기여도. "어제의 세일즈 콜이 6개월 전 블로그 읽기보다 더 중요하다"는 직관 반영.

U자형(Position-based): 첫 터치 40%·마지막 터치 40%·중간 터치 20% 분배. 발견과 결정 둘 다 인정.

W자형: 리드 생성 이벤트를 세 번째 가중점으로 추가: 첫 30%·리드 생성 30%·마지막 30%·중간 10%.

데이터 기반(Google의 MTA·마르코프 체인): 전환·비전환 경로의 통계 분석으로 기여도 할당. 데이터가 충분할 때 결과 최상, 작은 표본에선 무용.

커스텀: 내부 비즈니스 지식 기반 수동 가중. 위험하지만 때로 필요.

2026년 MTA가 어려운 이유

쿠키 종말: 주요 브라우저에서 서드파티 쿠키가 죽거나 이미 사라졌습니다. 클래식 MTA의 기반인 크로스 사이트 트래킹이 거의 작동하지 않습니다.

다크 소셜: B2B 터치의 큰 비중이 어떤 분석 도구도 보지 못하는 DM·슬랙·이메일에서 일어납니다.

iOS·프라이버시 규제: ATT·GDPR 등이 MTA가 필요로 하는 도메인 간 결합을 제한합니다.

AI 검색 리퍼러: ChatGPT·Perplexity·Gemini에서 오는 트래픽이 직접 또는 미귀속으로 도착하는 경우가 많음.

긴 세일즈 사이클: 6~18개월 걸치는 B2B 여정이 대부분 어트리뷰션 윈도우를 초과합니다.

셀프서브·멀티 채널: 현대 구매자는 Reddit에서 리서치하고, 유튜브 리뷰를 보고, 직접 가입합니다 — 터치 체인이 분석에서 한 이벤트로만 보입니다.

부상하는 대안

Marketing Mix Modeling(MMM): 사용자 수준이 아닌 집계 수준에서 채널 지출 vs 비즈니스 결과의 통계 분석. 프라이버시 친화적. 쿠키 시대가 끝나면서 엔터프라이즈 팀이 채택.

자가 보고 어트리뷰션: 가입 폼에 "어떻게 알게 됐나요?" 묻기. 불완전하지만 MTA가 못 잡는 다크 소셜을 캡처.

증분 테스팅: 지역 홀드아웃·유료 채널 일시 중단·통제 실험으로 인과 리프트를 직접 측정.

삼각 측량: 어떤 단일 방법도 신뢰할 수 없으므로 MTA·MMM·자가 보고를 결합해 진실을 삼각 측정.

MTA가 여전히 작동하는 경우

깔끔히 추적되는 세션의 고볼륨 B2C: 로그인된 사용자의 이커머스.

단일 도메인 여정: 대부분의 터치가 자사 자산에서 일어나는 경우.

짧은 고려 사이클: 전체 여정이 30일 윈도우 안에 들어갈 때.

내부 이벤트만: 이메일 오픈·앱 내 상호작용·대시보드 로그인 — 처음부터 끝까지 통제하는 1자 데이터 신호.

흔한 실수

MTA 출력을 진실로 취급: 최선의 추측이지 측정이 아닙니다. 항상 신뢰 구간을 보여주세요.

채널별로 모델 혼용: 한 채널의 퍼스트 터치 ROI를 다른 채널의 라스트 터치 ROI와 비교하면 잘못된 결론이 보장됩니다.

다크 소셜 무시: 세일즈 콜 리드의 40%가 "친구가 알려줬어"라고 말한다면, 당신의 MTA는 항상 40%만큼 틀려 있던 것입니다.

월 단위로 MTA 점수에 예산 최적화: 잡음으로 월마다 움직이는 모델은 예산을 곤경으로 재배치합니다.

데이터 기반 MTA가 검토 필요 없다고 믿기: ML 어트리뷰션도 가정과 실패 모드를 가진 모델입니다.

MMM이 그저 '옛 MTA'라고 가장: 다른 질문에 답합니다. 둘 다 쓰세요.

Sources:

inblog에서 활용하기

블로그 트래픽이 멀티 터치 여정에서 어떤 역할을 하는지는 어트리뷰션 도구만으론 보이지 않습니다. inblog는 가입 폼에 "어떻게 알게 됐나요?"를 자가 보고 필드로 자동 추가하고, 블로그 포스트별 직접 전환과 보조 전환을 함께 노출해 다크 소셜과 멀티 터치를 모두 고려한 더 정직한 그림을 사용자에게 제공합니다.

멀티 터치 어트리뷰션