정의
Last Click Attribution(라스트 클릭 어트리뷰션) 은 고객이 전환(구매, 회원가입, 장바구니 담기 등)을 완료하기 직전에 클릭한 단 하나의 채널에 모든 공로(100%)를 돌리는 기여도 측정 모델입니다. 한국 DTC 실무에서는 흔히 ‘막차 클릭’ 또는 ‘최종 클릭 기여’ 라고 부릅니다.
예를 들어 고객이 인스타그램 광고 → 네이버 검색광고 → 카카오톡 알림톡 링크 순으로 유입된 뒤 구매했다면, 이 모델에서는 카카오톡 알림톡만 전환 성과를 가져갑니다. 앞선 인스타그램과 네이버 검색은 성과 지표상 ‘0’으로 기록됩니다.
쉬운 비유: 릴레이 계주의 마지막 주자
400m 계주에서 우승 트로피는 마지막 주자에게 돌아갑니다. 하지만 실제로는 1·2·3주자가 없었다면 결승선에 도달할 수 없죠. Last Click Attribution은 바로 이 ‘마지막 주자’에게만 메달을 주는 방식입니다.
또 다른 비유로는 식당 계산입니다. 친구 5명이 각자 메뉴를 추천했지만, 카드를 긁은 사람 한 명에게만 “이 식사는 네 덕분이야”라고 말하는 셈입니다.
공식
채널 A 기여 전환수 = (채널 A가 마지막 클릭인 전환 수) × 1.0 채널 B 기여 전환수 = (채널 B가 마지막 클릭인 전환 수) × 1.0 ... 총 기여 전환수 = Σ(각 채널의 마지막 클릭 전환 수)
ROAS 계산 시:
Last Click ROAS = 해당 채널 귀속 매출 ÷ 해당 채널 광고비 × 100
구체 예시 (3일간 데이터):
| 채널 | 광고비 | 막차 클릭 전환수 | 막차 귀속 매출 | Last Click ROAS |
|---|---|---|---|---|
| 메타(인스타) | 1,200,000원 | 40건 | 3,200,000원 | 267% |
| 네이버 검색 | 800,000원 | 95건 | 8,550,000원 | 1,069% |
| 카카오 모먼트 | 500,000원 | 22건 | 1,540,000원 | 308% |
| **합계** | **2,500,000원** | **157건** | **13,290,000원** | **532%** |
위 표에서 네이버 검색의 ROAS가 압도적으로 높게 보이지만, 실제로는 메타·카카오에서 인지 단계를 담당했을 가능성이 큽니다. 이것이 Last Click의 대표적 함정입니다.
다른 어트리뷰션 모델과 비교
| 모델 | 기여 배분 방식 | 한국 DTC 활용도 | 주요 단점 |
|---|---|---|---|
| **Last Click** | 전환 직전 클릭 100% | ★★★★★ (기본값) | 상단 퍼널 과소평가 |
| First Click | 최초 유입 100% | ★★☆ | 하단 퍼널 과소평가 |
| Linear | 모든 접점 균등 분배 | ★★☆ | 실제 영향력 무시 |
| Time Decay | 최근 접점에 가중치 | ★★★ | 반감기 설정 주관적 |
| Position Based (U자) | 첫·마지막 40%씩, 중간 20% | ★★★☆ | 중간 퍼널 저평가 |
| Data-Driven (DDA) | 알고리즘이 확률 배분 | ★★★★ (성장 중) | 데이터 최소 400건+ 필요 |
한국 이커머스 실무에서는 GA4 기본값이 Data-Driven으로 바뀌었지만, 여전히 카페24·아임웹·쇼피파이의 자체 대시보드와 대부분의 광고 관리자(메타, 구글, 네이버)는 Last Click 기준으로 성과를 보여줍니다. 그래서 채널 간 수치가 서로 안 맞는 ‘기여도 전쟁’이 매일 벌어집니다.
실제 적용 시나리오
시나리오 1: 신규 브랜드 런칭 (D-30)
- 예산 3,000만 원을 메타 60% / 네이버 40%로 배분
- Last Click 기준으로는 네이버 ROAS가 3배 높게 나옴
- 판단: 메타를 끄면 2주 뒤 네이버 검색량 자체가 40% 급감 → 브랜드 검색 수요는 메타가 만들고 있었음
시나리오 2: 리타게팅 캠페인 최적화
- 장바구니 이탈자 대상 메타 리타게팅이 Last Click 전환의 68% 를 차지
- 하지만 리타게팅 대상자는 이미 첫 방문에서 광고를 본 사람들
- 해결: 상단 퍼널 캠페인은 ‘신규 도달’ KPI로, 하단은 Last Click ROAS로 분리 평가
시나리오 3: 카카오 알림톡 기여 왜곡
- 알림톡 클릭 후 구매 = Last Click 100% 귀속
- 실제로는 알림톡을 받게 만든 최초 유입 채널이 진짜 공로자
- 대응: 알림톡은 ‘CRM 매출’로 별도 태깅, 퍼포먼스 광고 성과에서 제외
자주 하는 실수 7가지
1. Last Click ROAS만 보고 예산 재배분 → 상단 퍼널 채널이 전부 잘려나가고 3~4주 뒤 전체 매출이 급감
2. 채널별 리포트를 그대로 합산 → 메타는 100건, 구글은 100건이라는데 실제 총 전환은 140건 (중복 계상)
3. 브랜드 검색 키워드 성과를 과대 해석 → “브랜드명” 검색은 이미 인지된 고객의 재방문일 뿐
4. 쿠폰·알림톡을 퍼포먼스로 착각 → CRM 발송은 어트리뷰션 대상이 아니라 리텐션 지표
5. 앱 설치 vs 웹 전환 혼합 → SKAN·ATT 이후 iOS 데이터 지연으로 Last Click 자체가 부정확
6. 7일 클릭 윈도우 무시 → 메타 기본 7일, 구글 30일, 네이버 7일 → 같은 전환이 다르게 집계
7. 어트리뷰션 모델을 한 번 정하고 방치 → 분기별로 퍼널 구조가 바뀌므로 모델도 재검토 필요
관련 용어
- First Click Attribution — 최초 접점에 100% 기여
- Linear Attribution — 모든 접점 균등 분배
- Time Decay Attribution — 전환에 가까운 접점에 가중치
- Position Based (U-Shaped) — 첫·마지막 접점 우대
- Data-Driven Attribution (DDA) — 머신러닝 기반 확률 배분
- MTA (Multi-Touch Attribution) — 멀티터치 어트리뷰션 전체를 아우르는 상위 개념
- Incrementality Test — 어트리뷰션의 한계를 보완하는 증분 실험 (홀드아웃·지오 테스트)
- MMM (Marketing Mix Modeling) — 매크로 레벨 예산 최적화 모델
- Click Window — 전환으로 인정되는 클릭 후 기간 (예: 7일)
- View-Through Conversion (VTC) — 클릭 없이 노출만으로 발생한 전환
핵심 요약: Last Click Attribution은 구현이 쉽고 직관적이라 한국 DTC 실무의 디폴트 언어로 자리 잡았습니다. 하지만 그것은 ‘마지막 주자에게만 메달을 주는’ 편향된 시각입니다. 퍼포먼스 마케팅 예산을 결정할 때는 반드시 DDA 또는 증분 실험과 교차 검증하고, 상단 퍼널은 도달·빈도·브랜드 검색량 같은 선행 지표로 따로 관리하세요.