멀티터치 어트리뷰션으로 보는 상품 전략 설계 (2) : 상품 기여도의 ‘Bias (편향성)’와 ‘Evenness (균등성)’를 활용한 심화 분석 - BizSpring BLOG
핵심 요약
- MTA(멀티터치 어트리뷰션) 분석에 'Bias(편향성)'와 'Evenness(균등성)' 지표를 더해 상품 기여도를 심화 분석하는 방법을 소개한다.
- Bias는 First/Last Touch 기여 가치로 상품이 여정 초기(유입)와 마무리(전환) 중 어디에 더 크게 기여하는지 파악하는 지표다.
- Evenness는 Linear 기여 가치를 Raw 기여 가치로 나눠 여정 전반에 기여가 얼마나 고르게 분포하는지 측정하는 지표다.
- 디지털 뱅킹 플랫폼을 운영하는 금융사 사례를 통해 유입형·균형형·집중형 상품을 구분하고 크로스셀링 경로를 설계한 과정을 다룬다.
- 자사 데이터를 기반으로 한 Bias·Evenness 분석은 상품 포트폴리오의 전략적 포지셔닝 설계에 활용될 수 있다.
멀티터치 어트리뷰션으로 보는 상품 전략 설계 (2) : 상품 기여도의 ‘Bias (편향성)’와 ‘Evenness (균등성)’를 활용한 심화 분석 - BizSpring BLOG
콘텐츠로 건너뛰기
내비게이션 메뉴
인사이트
테크
활용 방법/사례
활용 방법/사례
성공사례
성공 사례 일반
광고/마케팅 에이전시
이커머스
미디어/콘텐츠
금융/핀테크
의료/헬스케어
통신/인터넷
뉴스/트렌드
릴리즈 노트
인터넷트렌드 ↗
웹사이트 ↗
# 멀티터치 어트리뷰션으로 보는 상품 전략 설계 (2) : 상품 기여도의 ‘Bias (편향성)’와 ‘Evenness (균등성)’를 활용한 심화 분석
2025년 12월 02일 2026년 01월 12일
인사이트
기여 가치 활용으로 MTA 기반 상품 전략 인사이트 확장하기
지난 콘텐츠에서 다룬 MTA(Multi-Touch Attribution) 분석은 전환에 기여한 채널을 분석하는 것에서 확장되어, ‘고객 여정에서 접한 상품이 어느 접점에서 기여했는가’ 를 확인하는 것이었습니다.
이에 대한 사례로 P 금융사의 고객 여정, 즉 뱅킹 등록부터 현재까지 각각의 가입 상품이 가지는 역할을 파악하여 디지털 마케팅 전략에 활용한 사례를 소개해드렸는데요.
💡 지난 콘텐츠 보러가기 : 멀티터치 어트리뷰션으로 보는 상품 전략 설계 (1) : Single/Multi Touch 모델 분석 방법↗
이번 콘텐츠에서는 상품 기여도 분석을 확장하여, 기여도와 상품이 가진 가치를 함께 활용하여 분석할 수 있도록 ‘Bias(편향성)’ 와 ‘Evenness(균등성)’ 지표를 활용하여 상품 가치가 어디에 집중되어 있고(Bias) 얼마나 고르게 작용하는가(Evenness) 를 파악한 심화 분석 사례를 소개해드리겠습니다.
이 두 지표를 통해 상품의 전략적 역할을 더 깊이 해석할 수 있으며, 자사 데이터 기반의 분석이므로 맞춤형 새로운 인사이트를 발견할 수 있습니다.
Bias와 Evenness란 무엇인가?
Bias (편향성)
전환 여정의 특정 전환 단계 (First / Last)에 기여 가치가 집중된 정도를 나타내는 지표입니다. 전환의 ‘진입’을 견인하는 상품(First) 인지 전환의 ‘마무리’를 담당하는 상품(Last) 인지 명확히 구분할 수 있습니다. 기여 가치가 어느 지점에 더 크게 치우쳐 있는지를 파악하기 위해 Firtst Bias와 Last Bias를 각각 산출함으로써, 상품이 전환 여정 내에서 어떤 지점에 전략적으로 편향되는지 확인할 수 있습니다.
Evenness (균등성)
고객 여정 전체에서 기여 가치가 ‘얼마나 고르게 분포’되어 있는지 를 나타내는 지표입니다. 여정 전반에서 지속적인 영향력을 발휘하는 상품 , 즉 브랜드 경험을 안정적으로 강화하는 역할 의 상품을 식별하는데 유용하게 활용할 수 있습니다.
구분 의미 계산 로직 분석 활용
Bias 특정 단계에 강한 집중 First / Last Touch 기여 가치 계산 특정 접점에서 가치 집중도 확인
Evenness 여정 전반 고른 기여 Raw / Linear 기여 가치 계산 모든 접점에서의 가치 균등도 확인
Bias (편향성), Evenness (균등성) 비교 표
Bias & Evenness 계산 방법
1. 기여도 데이터 준비
MTA 분석 결과로 산출된 상품별 First Touch, Last Touch, Raw, Linear 기반의 상품 가치를 나타내는 기여 가치 가 필요합니다. 이번 콘텐츠에서는 기여 가치를 ‘Amount (최근 3개월 예치된 평균 잔액)’ 로 활용해보겠습니다.
2. Bias (편향성) 계산
First Bias : 첫 번째 접점에 기여 가치가 얼마나 편향되어 있는지를 나타내는 지표입니다. First Bias 값이 높을수록 해당 상품이 고객 여정 초기 유입 단계에서 더 큰 영향력 을 발휘했다는 의미입니다.
First Bias = first 기여 가치 / (first 기여 가치 + last 기여 가치)
First Bias 계산식 (출처 : BizSpring)
Last Bias : 마지막 접점에 기여 가치가 얼마나 편향되어 있는지를 보여주는 지표입니다. Last Bias 값이 높을수록 해당 상품이 고객 여정의 마지막 단계 즉, 최종 전환 단계에서 더 큰 영향력을 발휘 했다는 의미입니다. *참고) 각 항목의 First Bias와 Last Bias를 더하면 1이 됩니다.
Last Bias = last 기여 가치 / (first 기여 가치 + last 기여 가치) = 1 - First Bias
Last Bias 계산식 (출처 : BizSpring)
3. Evenness (균등성) 계산
고객 여정의 경로를 고려하여 , 각 상품의 기여가 여정 전반에 얼마나 고르게 분포되는지 를 평가하는 지표입니다. 기여도를 균등 분할(Linear) 했을 때 중복 기여(Raw) 대비 남는 정도를 측정하며, 경로가 길수록 특정 상품에 기여가 편중되지 않고 지속적으로 노출되는지를 판단 하는 데 활용됩니다. 즉, Evenness는 상품이 고객 여정 전반에 걸쳐 꾸준히 영향을 미치는지 를 파악하는 분석 지표입니다.
Evenness = Linear 기여 가치 / Raw 기여 가치
Evenness 계산식 (출처 : BizSpring)
아래의 구간에 따라서 균등 정도를 구간화 할 수 있습니다.
Evenness 구간 의미
0.8 이상 균등 분포 (여러 접점에서 유사한 수준으로 분포)
0.5 이상 ~ 0.8 미만 중간 분포 (일부 접점에 조금 더 치중되지만, 전체적으로는 기여가 고른 상태)
0.5 미만 강하게 편중
Evenness 평가 구간
Bias와 Evenness를 활용한 상품 기여도 분석 사례
디지털 뱅킹 플랫폼을 운영하고 있는 P 금융사의 상품 분석 과정에서 Bias와 Evenness를 활용하여 각 상품이 기여한 가치를 측정하였습니다. 지난 콘텐츠에서 Single / Multi Touch로 기여 분석한 것에서 확장하여 이번에는 기여 가치를 함께 확인하여 보다 심화된 상품 전략을 기획하였습니다.
Bias (편향성), Evenness (균등성) 분석 설계 로직
AMOUNT
PRODUCT
FIRST_*ATT
FIRST_*AMT
RAW_ATT
RAW_AMT
LINEAR_ATT
LINEAR_AMT
LAST_ATT
LAST_AMT
3,000
2030 첫걸음 예금
1
3,000
1
3,000
1.00
3,000
1.00
3,000
5,000
2030 첫걸음 예금 + 슬기로운 생활 카드
3
95,000
3
95,000
2.00
50,000
1.00
5,000
40,000
Digital 예금
0
0
1
40,000
0.50
20,000
1.00
40,000
50,000
든든 세이브 적금
1
60,000
1
60,000
0.33
20,000
0.00
0
50,000
슬기로운 생활 카드
0
0
1
60,000
0.33
20,000
0.00
0
60,000
시니어 행복 정기 예금
0
0
1
60,000
0.33
20,000
1.00
60,000
*ATT : Attribution 약자 *AMT : Amount 약자
고객 여정 정의 : 디지털 뱅킹 등록부터 현재까지
분석 대상 상품 (예금, 카드) : (디지털 뱅킹 등록 이후) 가입 상품
기여도 : First / Last / Raw / Linear에 따른 기여도 (ATT)
기여 가치 : 다음과 같이 상품 가치를 보고, 기여도에 따라 기여 가치 (AMT)를 도출 – 예금 : 최근 3개월 예치된 평균 잔액 – 카드 : 최근 3개월 승인 금액
*가입 상품 분석 시 당일 동시에 가입한 상품은 한 묶음으로 분류
솔루션 및 결과
- First Bias가 높은 상품 활용
디지털 뱅킹 고객의 최초 상품 가입에 효과적인 상품은 ‘2030 첫걸음 예금’과 ‘든든 세이브 적금’이라는 것을 도출하였습니다. 이 상품들은 고객 여정의 초기 유입을 효과적으로 견인할 수 있는 상품으로 신규 고객 모집 및 첫 거래 활성화 캠페인에 활용할 수 있는 아이템으로 선정하였습니다.
- Evenness가 높은 상품 활용
Evenness가 높은 즉, 고객 여정 전반에 비교적 가치가 고르게 분포하는 ‘시니어 행복 정기 예금’과 ‘든든 세이브 적금’은 기여 분포가 균등해 여러 접점에서 고루 기여할 수 있는 상품이었습니다. 이 상품들은 고객이 디지털 뱅킹에 등록한 이후에 안정적인 금융 생활이 가능하도록 추가 가입을 유도하는 상품으로 활용할 수 있습니다.
- 상품 포지셔닝을 활용한 크로스셀링 경로 설계
Bias와 Evenness 분석을 통해 상품 포지셔닝을 재정의하였습니다. 서로 다른 포지셔닝의 상품들을 여정 내 연계하여, 고객 금융 여정을 전략적으로 설계하였습니다. 유입형 상품과 관계 강화형 상품을 조합해 ‘첫 가입 부터 포지셔닝별 추천 상품’ 흐름을 설계하여, 고객 충성도를 높이고, 크로스셀링 효과를 극대화하였습니다.
멀티터치 어트리뷰션을 통한 상품 전략 고도화
Bias와 Evenness 분석은 MTA(Multi-Touch Attribution)를 통해 파악한 상품 간 기여 관계를 전략적으로 해석 하는 단계입니다. Bias는 상품이 특정 시점이나 접점에 얼마나 집중적으로 기여했는지 보여주고, Evenness는 기여 가치가 고객 여정 전반에 얼마나 고르게 분포되어 있는지 보여줍니다.
이를 통해 각 상품의 역할을 명확히 구분할 수 있으며, 다음과 같이 활용할 수 있습니다.
유입형 상품 은 초기 관심을 확보
균형형 상품 은 고객의 충성도를 강화
집중형 상품 은 특정 이벤트/프로모션으로 활용하는 등 상품 포트폴리오 전반의 전략적 포지셔닝 설계 가능
결국 Bias와 Evenness 분석은 상품 간 관계를 해석하고 전략적 포지셔닝을 가능하게 함으로써, 단순 기여 모델을 넘어 상품 전략의 핵심 도구로 확장되는 지점 이라 할 수 있습니다.
특히, 이러한 분석은 단순히 외부 데이터를 기반으로 한 일반적 전략이 아니라, 자사 고유 데이터를 기반으로 한 맞춤형 인사이트를 제공합니다. 기업 내 보유 데이터에서 숨겨진 기회와 최적화 전략을 도출하여 실제 비즈니스 성과로 연결할 수 있습니다.
최신 마케팅/고객 데이터 활용 사례를 받아보실 수 있습니다.
비즈스프링 뉴스레터 구독하기 →
Related Posts via Categories
기존 SEO와 무엇이 같고 무엇이 다른가
광고비를 늘리지 않고 매출을 늘린 회사들은 무엇을 했나
코호트로 비교하면 광고 예산 판단이 달라집니다
마케팅 자동화, 무엇부터 자동화해야 할까?
AIR-광고성과 자동 보고서로 느끼는 편리함
AI가 질문도 만들고 콘텐츠도 쓰는데, GEO 전문가는 왜 필요할까
AI 검색에 우리 브랜드가 안 보인다면
AI 답변에 선택되는 콘텐츠의 8가지 공통 구조
AI와 협업하기 위해 기존 서비스를 다시 구조화한 경험
브랜드가 AI 답변에 인용되기 위해 필요한 정보 구조
다음에 대해 검색하기...
최신 글 둘러보기
기존 SEO와 무엇이 같고 무엇이 다른가
콘텐츠가 답인 걸 모르는 사람은 없습니다 — 문제는 지속입니다
광고비를 늘리지 않고 매출을 늘린 회사들은 무엇을 했나
코호트로 비교하면 광고 예산 판단이 달라집니다
GEO를 위한 글쓰기를 위한 작은 노하우
(해외동향) 광고주가 광고플랫폼 리포트에서 자체 측정으로 옮겨가고 있다.
구글애즈가 정확검색·구문검색 키워드까지 AI 모드에 노출하기 시작했다 — 자동화 상품 없이 AI 답변 화면에 들어가는 첫 실험
AI가 React 앱을 직접 디버깅 – Agent 기반 디버깅
ChatGPT 광고가 픽셀·전환 API·맞춤 오디언스를 갖췄다 — 답변 화면이 측정 가능한 광고 매체가 되는 순간
마케팅 자동화, 무엇부터 자동화해야 할까?
출처: https://blog.bizspring.co.kr/%ec%9d%b8%ec%82%ac%ec%9d%b4%ed%8a%b8/product-strategy-design-through-multi-touch-attribution-2/
자주 묻는 질문
Bias와 Evenness는 각각 무엇을 알려주나요?
Bias는 상품 기여 가치가 첫 접점(First)과 마지막 접점(Last) 중 어디에 더 집중되어 있는지를 보여줍니다. Evenness는 그 기여 가치가 고객 여정 전반에 걸쳐 얼마나 고르게 분포되는지를 나타내는 지표입니다.
First Bias와 Last Bias는 어떻게 계산하나요?
First Bias는 first 기여 가치를 (first+last) 기여 가치 합으로 나눠 계산하고, Last Bias는 1에서 First Bias를 뺀 값(또는 last 기여 가치 / (first+last))으로 계산합니다. 두 값을 더하면 항상 1이 됩니다.
Evenness 값은 어떻게 해석하면 되나요?
Evenness는 Linear 기여 가치를 Raw 기여 가치로 나눈 값입니다. 0.8 이상이면 균등 분포, 0.5~0.8 미만이면 중간 분포, 0.5 미만이면 특정 접점에 강하게 편중된 상태로 해석합니다.
이 분석은 실제로 어떻게 활용되었나요?
디지털 뱅킹 플랫폼을 운영하는 한 금융사 사례에서 First Bias가 높은 상품은 신규 고객 유입 캠페인에, Evenness가 높은 상품은 안정적인 관계 강화용 추가 가입 유도에 활용했습니다. 이를 통해 상품 포지셔닝을 재정의하고 크로스셀링 경로를 설계했습니다.
이런 분석이 일반적인 시장 데이터 분석과 다른 점은 무엇인가요?
이 분석은 외부 데이터가 아니라 자사 고유 데이터를 기반으로 하기 때문에, 기업 내부에 숨겨진 기회와 최적화 전략을 발견해 맞춤형 인사이트를 제공한다는 점이 특징입니다.