ROAS가 다를 때 AI에게 어떻게 물어야 하나

같은 캠페인인데 ROAS가 네 개다

월요일 9시 50분, 10시 클라이언트 정기 보고를 앞두고 노트북에 세 창을 띄웁니다. Meta Ads Manager는 ROAS 4.2, GA4는 2.8, 백오피스는 3.5를 보여줍니다. 셋 다 같은 캠페인, 같은 기간입니다. 회의에서 어떤 숫자를 말할지는 매주 결정해야 하고, 매주 누군가는 왜 숫자가 다르냐고 묻습니다.

더 곤란한 장면은 매체별 기여 매출을 더할 때 나옵니다. Meta가 자기 기여 매출을 420만 원, Google이 360만 원, 네이버가 180만 원이라고 말하는데 백오피스 실제 결제 매출은 700만 원일 수 있습니다. 매체가 거짓말을 한다기보다, 각 매체가 자기 광고 접점 안에서 기여를 후하게 인정하고 서로 중복 제거를 하지 않기 때문입니다.

그래서 같은 Meta도 두 개의 숫자로 갈라집니다. Meta Ads Manager의 Meta ROAS는 Meta가 자기 기여분석 규칙으로 인정한 성과이고, GA4의 Meta ROAS는 GA4가 전체 채널 여정 안에서 Meta에 배분한 성과입니다. 보통 후자가 더 낮게 보이는 이유는 GA4가 다른 채널과의 중복 기여를 나누거나 마지막 접점, 데이터 기반 모델 같은 보고용 기여분석 기준을 적용하기 때문입니다.

이때 AI 에이전트에게 "ROAS 분석해줘"라고 묻는 것은 문제를 해결하지 않습니다. AI는 더 빠르게 여러 숫자를 나열할 수는 있지만, 매체 자기 보고값인지, GA4가 배분한 채널값인지, 백오피스 실매출 기준인지 정해주지 않으면 같은 혼란을 자동화합니다.

차이를 만드는 기준은 네 가지다

ROAS 차이를 만드는 첫 번째 기준은 기여분석, 그중에서도 전환 기여 인정 기간입니다. 광고 클릭이나 노출 후 며칠 안에 발생한 구매까지 해당 광고의 성과로 인정할지 정하는 기준입니다. Google Ads와 GA4는 전환 기여 기간과 보고용 기여분석 모델을 설정할 수 있고, TikTok도 클릭 후 전환, 참여 조회 후 전환, 노출 후 전환 인정 기간을 나눕니다. 네이버 Biz Advisor도 마지막 클릭 기준 ROAS와 +14일 기여도 추정 ROAS를 별도로 설명합니다.

두 번째는 노출 후 전환 인정과 모델링입니다. 사용자가 광고를 보고 클릭하지 않은 뒤 전환했을 때 이를 인정할지, 개인정보 보호나 브라우저 제한 때문에 관측하지 못한 연결을 모델링으로 보완할지에 따라 숫자가 달라집니다. Google Ads도 관측할 수 없는 기여분석 공백을 보완하기 위해 모델링 전환을 사용한다고 설명합니다.

세 번째는 전환값 정의입니다. 픽셀이 보내는 value가 부가세 포함인지, 배송비 포함인지, 취소와 환불이 빠졌는지에 따라 매체 ROAS와 백오피스 ROAS는 자연스럽게 벌어집니다. Google Ads의 Target ROAS도 결국 광고주가 보고한 conversion value를 기준으로 움직입니다.

네 번째는 중복 기여입니다. 한 고객이 Meta 광고를 보고, Google 검색광고를 클릭하고, 네이버 브랜드 검색을 거쳐 구매하면 각 매체는 자기 접점 안에서 성과를 인정할 수 있습니다. 매체별 기여 매출을 단순 합산하면 실제 주문 매출보다 커지고, 매체별 ROAS를 합산하면 전체 ROAS처럼 보이는 가짜 숫자가 됩니다.

시장은 하나의 정답 ROAS를 찾지 않는다

시장에서는 플랫폼 ROAS, 분석 도구 ROAS, 백오피스 ROAS, 전체 혼합 ROAS, 마케팅 효율 비율(MER), 증분 효과를 서로 다른 용도로 분리해서 봅니다. Northbeam은 플랫폼 보고와 자사 다중 접점 기여분석(MTA) 모델 사이의 ROAS 차이를 기여분석 모델, 기여 인정 기간, 고객 여정 차이로 설명합니다. Triple Whale도 1st-party 클릭 데이터, 확정적 조회 데이터, 구매 후 설문 같은 데이터 소스와 기여분석 모델을 용도별로 나눕니다.

Google도 기여분석, 증분 효과 실험, 마케팅 믹스 모델링(MMM)을 함께 쓰는 방향을 말합니다. 기여분석은 여정의 접점을 설명하고, 증분 효과는 광고 노출 때문에 추가로 발생한 전환을 실험으로 봅니다. 마케팅 믹스 모델링은 집계 데이터를 기반으로 외부 요인과 장기 효과까지 함께 다룹니다.

즉 시장의 실무 방향은 "어느 숫자가 절대적으로 맞는가"가 아닙니다. 플랫폼 ROAS는 해당 매체 안에서 캠페인과 소재를 비교할 때 쓰고, GA4 ROAS는 채널 간 기여를 같은 기준으로 나눠볼 때 쓰며, 백오피스 또는 전체 혼합 ROAS는 실제 손익과 예산 판단에 씁니다. 매체가 보고한 기여 매출을 다 더해서 전체 매출이라고 부르지 않는 것이 기본입니다.

Neuro에서 AI에게 ROAS를 맡길 때도 이 구분을 그대로 가져와야 합니다. AI가 "Meta ROAS가 좋으니 증액"이라고 말하려면 먼저 그 Meta ROAS가 Meta Ads Manager 기준인지, GA4에서 Meta 채널에 배분된 ROAS인지, 백오피스 실매출로 재계산한 값인지 밝혀야 합니다.

AI에게 'ROAS 떨어졌어?'라고 묻지 마라

나쁜 질문은 짧습니다. "지난주 ROAS 왜 떨어졌어?"라고 물으면 AI는 어떤 출처를 봐야 하는지, 어떤 기여 인정 기간을 적용해야 하는지, 전주 대비인지 전월 평균 대비인지 모릅니다. 결과는 대부분 여러 지표를 나열하는 요약으로 끝납니다.

좋은 질문은 숫자의 출처와 판단 목적을 먼저 고정합니다. 예를 들어 "우리 팀이 보고서 기준으로 쓰는 GA4 기여분석 모델 기준으로 5월 11일부터 5월 17일까지의 ROAS를 5월 4일부터 5월 10일까지와 비교해줘. Meta Ads Manager ROAS는 참고용으로만 나란히 보여주고, 매체별 기여 매출은 합산하지 마"처럼 묻습니다.

좋은 ROAS 질문의 네 요소

1. 출처를 정합니다. GA4 기준인지, Meta Ads Manager 기준인지, Google Ads 기준인지, 백오피스 기준인지 먼저 말합니다.
2. 기여분석 기준을 고정합니다. 7일 클릭, 1일 조회 포함, 데이터 기반 기여분석, 마지막 클릭 기준처럼 숫자가 만들어진 규칙을 적습니다.
3. 비교 기간을 명시합니다. 지난주 같은 요일, 직전 7일, 지난달 평균, 캠페인 시작 첫 주처럼 baseline을 고릅니다.
4. 판단 목적을 적습니다. 보고서 설명인지, 예산 증액인지, 캠페인 중단인지, 추적 오류 점검인지에 따라 AI가 봐야 할 데이터가 달라집니다.

이 네 요소를 매번 직접 쓰기 번거롭다면 Neuro에서는 ROAS 분석용 Gem으로 고정하는 것이 낫습니다. Gem 지침에 "의사결정용 ROAS는 백오피스 결제 매출에서 환불을 제외한 값 기준", "매체 ROAS는 내부 최적화 참고용", "보고서에는 출처와 기여분석 기준을 반드시 표시" 같은 팀 규칙을 넣어두면 됩니다.

바로 쓸 수 있는 프롬프트 다섯 가지

이 프롬프트의 공통점은 AI에게 결론부터 요구하지 않는다는 점입니다. 먼저 기준을 고정하고, 그 기준으로 비교한 뒤, 확인 액션까지 요청합니다. 이렇게 묻는 팀은 ROAS 숫자가 다를 때 변명하는 시간이 줄고, 다음에 무엇을 확인할지 바로 정할 수 있습니다.

Neuro에서는 ROAS 기준을 워크플로로 저장한다

Neuro에서 ROAS 분석을 반복한다면 매번 긴 질문을 새로 쓰기보다 워크스페이스 기준과 Gem으로 나누는 것이 좋습니다. 워크스페이스에는 decision-grade ROAS를 고정합니다. 예를 들어 "예산 판단은 Cafe24 또는 백오피스 결제 매출에서 환불을 제외한 값 기준", "매체 ROAS는 캠페인 내부 최적화 참고용"처럼 팀의 의사결정 원칙을 남깁니다.

그 다음 ROAS 분석 Gem을 만듭니다. Gem 지침에는 조회 순서, 제외해야 할 숫자, 보고서 표현 규칙을 적습니다. 예를 들어 "먼저 decision-grade ROAS를 확인하고, 다음으로 GA4, 마지막으로 매체 ROAS를 참고한다", "출처가 다른 ROAS를 한 줄에 합산하지 않는다", "AI가 예산 변경을 제안할 때는 반드시 기준 ROAS와 참고 ROAS를 분리한다"처럼 작성합니다.

1. 출처 정렬: 같은 캠페인, 같은 기간, 같은 타임존으로 GA4, 매체, 백오피스 ROAS를 나란히 봅니다.
2. 합산 금지: 매체별 기여 매출과 ROAS를 전체 매출 또는 전체 ROAS처럼 더하지 않습니다.
3. 격차 분해: 기여 인정 기간, 노출 후 전환 인정, 모델링 전환, 중복 기여, 환불, 타임존 중 어떤 요인이 설명 가능한지 가설을 만듭니다.
4. 검증 액션: Meta 기여분석 설정 비교, GA4 이벤트 점검, 백오피스 환불 재계산, 네이버 비용 제공 범위 확인처럼 사람이 확인할 다음 행동을 출력합니다.

이 흐름은 Neuro의 Gem 사용 방식과 잘 맞습니다. Gem은 프롬프트를 길게 저장하는 기능이 아니라 팀의 광고 운영 기준을 반복 가능한 업무 모드로 고정하는 장치입니다. ROAS 분석 Gem을 하나 만들어두면 다음 주에도 같은 기준으로 묻고, 같은 구조로 답을 검토할 수 있습니다.

AI가 ROAS에서 못 하는 것도 정해야 한다

AI가 모든 ROAS 차이를 단정할 수는 없습니다. 매체가 내부적으로 보정한 모델링 전환의 정확도는 외부에서 그대로 검증하기 어렵습니다. AI는 "이 격차가 모델링 때문일 가능성이 있다"고 말할 수는 있지만, 매출의 몇 퍼센트가 실제로 모델링 때문이라고 확정하면 안 됩니다.

백오피스 매출이나 환불 데이터가 연결되어 있지 않으면 decision-grade ROAS도 만들 수 없습니다. 이때 AI는 매체 ROAS와 GA4 ROAS의 차이를 설명할 수는 있지만, 실제 손익 기준 예산 증액을 결정하면 안 됩니다. 신규 캠페인 첫 주처럼 데이터가 적은 구간도 마찬가지입니다.

보고 전에 5분만 확인할 것

• 슬라이드나 채팅 답변에 ROAS 출처를 적었는가.
• 기여 인정 기간과 보고용 기여분석 모델이 지난 보고와 같은가.
• 매체 ROAS와 decision-grade ROAS를 한 표에서 합산하지 않았는가.
• 타임존이 GA4, 매체, 백오피스에서 같은 날짜를 의미하는가.
• 환불, 취소, 부가세, 배송비가 어떤 ROAS에 반영되는지 설명했는가.
• AI가 제안한 예산 변경이 기준 ROAS에 근거했는가, 아니면 매체 참고값에 기대고 있는가.

ROAS가 다르게 보이는 일은 없어지지 않습니다. 없어져야 할 것은 숫자 차이 자체가 아니라, 그 차이를 설명하지 못한 채 회의에 들어가는 상황입니다. Neuro에서 AI에게 ROAS를 맡긴다는 것은 AI가 하나의 정답 숫자를 골라주는 일이 아닙니다. 팀이 어떤 ROAS로 결정할지 정하고, AI가 그 기준을 매번 지키게 만드는 일입니다.