# Marketing analytics — attribution & LTV:CAC

> Attribution models, cohorts, and healthy LTV:CAC ratios

- Canonical: https://learning.reopt.ai/en/courses/brand-marketing/lessons/bm-l11-analytics
- Language: en
- HTML: https://learning.reopt.ai/en/courses/brand-marketing/lessons/bm-l11-analytics

---

[Marketing strategy for new brands](/en/courses/brand-marketing) 4. Analytics and OKR operations 11 / 15

# Marketing analytics — attribution & LTV:CAC

Attribution models, cohorts, and healthy LTV:CAC ratios
Concept 32 XP 7 min

고객은 전환에 이르기까지 여러 채널을 거칩니다. 어트리뷰션 모델 은 각 터치포인트에 전환 기여도를 나눠 주는 방법입니다.

| 모델 | 설명 | 특징 |
| Last Click | 마지막 터치포인트에 100% | 단순하나 인지 채널 과소평가 |
| First Click | 첫 터치포인트에 100% | 인지 평가, 전환 채널 과소평가 |
| Linear | 모든 터치에 균등 배분 | 공정하나 차별화 없음 |
| Time Decay | 전환에 가까울수록 높은 비중 | 전환 기여 반영 |
| Data-driven | 머신러닝 기반 기여도 | 가장 정확, 데이터 요구량 높음 |

GA4 DDA & 코호트 진단 GA4는 Data-driven 어트리뷰션(DDA) 을 기본값으로 쓰며, 월 전환 300건 을 넘으면 정확도가 크게 올라갑니다. 코호트는 M0~M12 리텐션으로 온보딩을 진단하는데, M1 리텐션이 20% 미만이면 온보딩 실패 로 봅니다.

## 핵심 수치

월 300건+ GA4 DDA 정확도 향상 전환 수 기준
25~35% iOS ATT 옵트인율 광고 추적 동의
M1 < 20% 온보딩 실패 기준 1개월 리텐션

## LTV:CAC 비율 가이드

| LTV:CAC 비율 | 해석 | 액션 |
| < 1:1 | 적자 — 확보할수록 손해 | 즉시 저효율 채널 중단 |
| 1:1 ~ 3:1 | 보합~저수익 | CAC 절감·객단가/리텐션 개선 |
| 3:1 ~ 5:1 | 건강한 비율 | 현재 전략 유지, 점진 스케일업 |
| > 5:1 | 과소 투자 가능성 | 마케팅 예산 확대 검토 |

LTV = ARPU × (1 / 월간 이탈률), CAC = (마케팅+영업 비용) / 신규 고객
개인정보보호법(PIPA) 준수 마케팅 목적 개인정보 수집 시 별도 동의 (포괄 동의 불가), 행태 정보(쿠키·광고 ID) 수집 시 온라인 행태정보 처리방침 고지 , 제3자 광고 플랫폼 전송 시 제3자 제공 동의 또는 위탁 계약 이 필요합니다.
핵심 정리

- 어트리뷰션 모델을 데이터 규모에 맞게 고르고, GA4 DDA는 월 300건+에서 정확해진다
- 코호트 M1<20%면 온보딩 실패이며, 채널·시즌·프로모션별로 나눠 본다
- LTV:CAC 3:1~5:1이 건강하고, 1:1 미만은 채널 중단, 5:1 초과는 예산 확대를 검토한다

[Previous](/en/courses/brand-marketing/lessons/bm-l10-scenario) Got it · Continue

---

Site guide for agents: https://learning.reopt.ai/llms.txt · Sitemap: https://learning.reopt.ai/sitemap.xml · Contact: https://learning.reopt.ai/contact