동일 고객이 여러 채널에서 구매할 때 어떻게 중복을 제거하나요?
라플라스는 이메일, 전화번호, ID, 주소 등 다양한 식별자를 교차 분석해 동일 고객을 하나의 프로파일로 통합합니다. 예를 들어 네이버 광고를 클릭하고 나중에 직접 검색으로 구매한 경우에도 동일 고객으로 인식해 중복 카운팅을 방지합니다. 이를 통해 실제 유니크 고객 수와 정확한 채널별 전환 기여도를 측정할 수 있습니다.
전환 기여도(Attribution) 계산 방식은 어떻게 되나요?
자사몰 어드민의 첫 구매·재구매 구분은 동일 플랫폼 내 계정 기준이라 같은 사람이 다른 채널이나 다른 계정으로 구매하면 첫 구매로 잡힙니다. 라플라스는 고도의 알고리즘으로 동일인 특정이 가능하기 때문에, 교차 채널 구매 이력까지 연결해 자사몰 기준보다 훨씬 정확한 첫 구매·재구매 분류가 가능합니다
첫 구매와 재구매 전환을 따로 볼 수 있나요?
네, 신규 고객의 첫 구매 전환율과 기존 고객의 재구매 전환율을 각각 측정할 수 있습니다. 채널별, 상품별, 기간별로 분리해 볼 수 있으며, 어떤 광고가 신규 고객 획득에 효과적이고 어떤 채널이 재구매를 유도하는지 비교 분석이 가능합니다.
광고비 대비 실제 매출 기여를 어떻게 측정하나요?
라플라스는 광고 채널 데이터와 실제 주문 데이터를 연결해 채널별 실제 ROAS(광고수익률)를 계산합니다. 플랫폼 자체 리포트에 표시되는 ROAS는 중복 카운팅이 포함될 수 있지만, 라플라스는 중복 제거와 Attribution 재계산이 적용된 실측 ROAS를 제공합니다. 이를 통해 어느 채널에 광고비를 집중해야 하는지 데이터 기반으로 판단할 수 있습니다.
전환율이 소급 조정되는 이유는 무엇인가요?
전환율은 봇 트래픽 필터링, Attribution 재계산, 세션 중복 제거가 데이터 수집 이후 처리되면서 소급 조정될 수 있습니다. 예를 들어 어제 표시된 전환율이 오늘 소폭 달라졌다면, 봇으로 분류된 세션이 제거되거나 Attribution이 재배분된 결과입니다. 이는 더 정확한 수치를 제공하기 위한 정상적인 과정이며, 조정 사유는 해당 지표 상세에서 확인할 수 있습니다.