광고비 썼는데 왜 매출이 없을까 — 단축URL의 클릭 로그 Raw 데이터로 찾아낸 진짜 이유

광고비 200만 원을 쓰고 클릭은 3,000회가 넘었는데, 실제 구매는 단 11건이었습니다.

전환율 0.4%. 업종 평균의 절반도 안 됩니다. 담당 마케터는 “광고 소재 문제”라고 판단하고 크리에이티브를 교체했습니다.
한 달 뒤에도 결과는 비슷했습니다.

실제 원인은 다른 곳에 있었습니다. 3,000회 클릭 중 절반 가까이가 세 개의 IP에서 반복 발생한 봇 트래픽이었고, 클릭 수 통계만 보고 있었기 때문에 한 달 동안 아무도 몰랐습니다.

이 글은 그 이야기입니다.

단축 URL의 클릭 수 뒤에 무엇이 있는지, Raw 데이터로 무엇을 볼 수 있는지, 그리고 실무에서 어떻게 쓰는지를 다룹니다.

클릭 수 통계가 알려주지 않는 것들

단축 URL 서비스의 기본 대시보드는 이런 식으로 생겼습니다.

• 이번 주 총 클릭: 3,247
• 전주 대비 증감: +18%
• 상위 유입 국가: 한국, 미국, 일본
• 상위 유입 채널: Google, Direct, SNS

숫자가 있고, 그래프가 있고, 비율이 있습니다. 뭔가 분석하고 있다는 느낌이 납니다. 하지만 이 화면으로 실제로 판단할 수 있는 것은 얼마나 될까요.

“총 클릭 3,247회”라는 숫자는 그 클릭들이 실제로 어떤 사람들이었는지 전혀 알려주지 않습니다. 같은 IP가 하루에 수백 번 반복 클릭해도, 새벽 4시에 봇이 자동으로 돌려도, 팀 내부에서 테스트로 수십 번 눌러도 — 모두 같은 숫자 1로 카운팅됩니다.

집계 통계는 “얼마나”는 알려주지만, “누가, 언제, 어떻게”는 숨깁니다. 그리고 마케팅 의사결정에서 필요한 건 대부분 후자입니다.

집계 데이터만으로 판단할 때 생기는 실제 문제

문제 1 — 봇과 사람을 구분할 수 없다

CPC 광고에서 경쟁사나 광고 사기(Ad Fraud) 봇이 반복 클릭하면 광고비가 소진됩니다.

집계 통계 화면에서는 이 클릭들이 정상 트래픽과 완전히 동일하게 보입니다. “클릭이 늘었네”라고 좋아하다가 광고비만 날리는 구조입니다.

문제 2 — 내부 트래픽이 성과를 부풀린다

링크 배포 전 팀원 테스트 클릭, 개발자의 기능 점검, 경영진의 확인 클릭이 전부 실적 데이터에 섞입니다. 소규모 팀에서 초기 캠페인을 집행하면 전체 클릭의 30~40%가 내부 트래픽인 경우가 드물지 않습니다.

문제 3 — 트래픽의 "질"을 판단할 수 없다

SNS에서 클릭이 급증했습니다. 좋은 신호처럼 보입니다. 하지만 호기심에 눌렀다가 1초 만에 나간 클릭인지, 의도한 타겟이 관심 있게 읽은 클릭인지 집계 숫자만으로는 구분이 불가능합니다.

문제 4 — 이상 신호를 늦게 발견한다

특정 링크에서 특이한 패턴이 생겨도 집계 데이터는 “클릭이 많다”는 신호만 보냅니다. 어느 지점에서 문제가 생겼는지 파악하려면 개별 클릭 레코드를 직접 들여다봐야 합니다.

Raw 데이터란 무엇인가

Raw 데이터(원시 데이터)는 집계되기 전, 가공되기 전의 순수한 클릭 레코드입니다. 클릭 1회가 발생할 때마다 하나의 행(row)이 생성되는 방식입니다.

집계 통계가 “이번 주 총 클릭 300회”라고 알려준다면, Raw 데이터는 그 300번의 클릭을 각각 이런 형태로 보여줍니다.

집계 통계로 표현하면 이 세 건은 그냥 “클릭 3회”입니다. 하지만 Raw 데이터로 보면 전혀 다른 이야기가 읽힙니다.

• [1]과 [2]는 같은 IP에서 2초 간격으로 발생했습니다. 봇이나 반복 클릭일 가능성이 높습니다.
• [3]은 Linux + Unknown 브라우저 + 리퍼러 없음의 조합입니다. 자동화 스크립트의 전형적인 패턴입니다.

집계 숫자 “3”에서는 절대로 볼 수 없는 내용입니다.

Raw 데이터에서 읽을 수 있는 정보

실제 클릭 로그 하나에는 다음 정보가 담깁니다. 위에서 봤던 실제 대시보드 화면 기준으로 설명하면 이렇습니다.

• 시간(Timestamp): 클릭이 발생한 정확한 일시. 새벽 4시에 클릭이 몰린다면 자동화 트래픽을 의심할 수 있습니다.
• URL: 어떤 단축 링크가 클릭됐는지. 여러 링크를 운영할 때 링크별로 분류됩니다.
• 플랫폼/OS: Windows, Mac, Android, iOS 등. 비정상적으로 특정 OS만 집중된다면 의심 신호입니다.
• 브라우저: Chrome, Edge, Safari 등. “Unknown” 브라우저는 봇일 가능성이 높습니다.
• 디바이스: 구체적인 기기 모델명까지 확인되는 경우도 있습니다.
• 유입 경로(Referrer): 어느 페이지에서 링크를 타고 왔는지. 집계 데이터의 “SNS 40%”보다 훨씬 구체적입니다.
• 국가/언어: 클릭 발생 국가와 브라우저 언어 설정.
• IP 주소: 비즈니스 요금제 이상에서 확인 가능. 반복 클릭 탐지와 봇 필터링의 핵심 정보입니다.

실전 사례 — 봇 트래픽 탐지로 광고 효율 두 배 끌어올린 과정

개념 설명보다 실제 사례가 더 와닿을 겁니다. 구체적인 케이스를 하나 깊게 살펴봅니다.

상황

이커머스를 운영하는 마케터가 SNS 광고를 집행하면서 단축 URL vvd.bz/sale0407 을 랜딩 링크로 사용했습니다.

5일 동안 광고비 150만 원을 집행했고, 클릭 집계 통계는 다음과 같았습니다.

• 총 클릭: 2,840회
• 상위 유입: SNS 광고 71%, Google 22%, Direct 7%
• 실제 구매 전환: 9건 (전환율 0.32%)

전환율이 너무 낮아서 이상하다고 느꼈습니다. 광고 소재를 교체하기 전에, 클릭 Raw 데이터를 먼저 열어봤습니다.

Raw 데이터로 발견한 것

클릭 로그를 열어 IP 기준으로 정렬해보니 즉시 이상한 패턴이 보였습니다.

상위 3개 IP에서만 총 1,040회 클릭이 발생했습니다.

전체 클릭의 36.6%입니다. 클릭 간격이 3~5초로 거의 일정하고, 브라우저가 Unknown이거나 비정형 환경입니다. 자동화된 봇 트래픽의 전형적인 패턴입니다.

조치 후 결과

이 3개 IP를 광고 플랫폼의 제외 목록에 추가하고 동일 예산으로 2주를 더 집행했습니다. 클릭 수는 1,800회로 줄었지만, 전환은 오히려 31건으로 늘었습니다. 전환율이 0.32%에서 1.72%로 개선됐습니다.

광고 소재 문제가 아니었습니다. 클릭 수 통계만 보고 있었기 때문에 한 달 가까이 원인을 찾지 못했던 겁니다.

그 밖의 활용 상황 — 이런 순간에 Raw 데이터를 꺼내세요

봇 탐지 외에도 Raw 데이터가 실질적으로 필요한 상황이 있습니다.

• 내부 테스트 트래픽 분리: 배포 전 팀원 테스트 클릭이 캠페인 초반 성과 데이터를 오염시킵니다. 회사 IP 대역을 미리 기록해두고 Raw 데이터에서 제외하면 훨씬 깨끗한 분석이 가능합니다.
   
• 채널별 트래픽 질 비교: 이메일과 SNS에서 동일 링크를 배포할 때, 집계로는 SNS 클릭이 훨씬 많아 보일 수 있습니다. 하지만 Raw 데이터의 유입 경로와 시간 패턴을 보면 이메일 유입이 훨씬 목적의식이 높은 클릭임을 확인할 수 있습니다.
   
• 제휴 마케팅 검증: 파트너에게 “클릭 500회 달성”이라는 보고를 받았을 때, Raw 데이터로 클릭 분포를 확인해보세요. 정상적인 트래픽은 다양한 IP에서 불규칙한 시간대에 발생합니다. 특정 IP 집중, 일정한 간격, 새벽 시간대 집중 — 이런 패턴이 보이면 클릭 수 부풀리기를 의심해볼 수 있습니다.
   
• 글로벌 캠페인 세분화: 집계의 “국가별 비율”은 큰 그림만 보여줍니다. Raw 데이터를 국가 + 언어 + 플랫폼 조합으로 필터링하면 어느 시장에서 어떤 기기를 쓰는 타겟이 반응하는지를 훨씬 정밀하게 파악할 수 있습니다.

단축 URL Raw 데이터, 어디서 볼 수 있나

사실 대부분의 단축 URL 서비스는 집계 통계만 제공합니다. 클릭별 개별 로그를 제공하는 서비스는 생각보다 많지 않습니다.

구글 애널리틱스(GA4)를 활용하면 어느 정도의 개별 이벤트 분석이 가능하지만, 단축 URL 레벨에서 클릭 시점의 플랫폼, 브라우저, 유입 경로를 한 화면에서 보려면 별도 세팅이 필요하고 실시간 조회가 어렵습니다.

비볼디(Vivoldi)는 단축 URL 서비스 중에서 클릭 Raw 데이터를 별도 메뉴로 제공합니다. 링크 목록에서 클릭 데이터 아이콘을 누르면 해당 링크의 개별 클릭 레코드를 바로 조회할 수 있습니다.

실제 화면에서는 날짜 범위, 시작/종료 시간, 국가, 언어, 플랫폼, 브라우저, 유입 경로, 링크 그룹까지 세분화해서 필터링이 가능합니다. 특정 캠페인 기간만 잘라서 보거나, 특정 국가의 모바일 트래픽만 골라서 보는 것도 됩니다. IP 주소 표시는 옵션으로 체크하면 목록에 함께 노출됩니다.

데이터는 엑셀로도 저장할 수 있어서, Raw 데이터를 내려받아 스프레드시트에서 직접 IP 분류 작업을 하는 것도 가능합니다.

Bitly의 경우 Enterprise 플랜에서 일부 로그 데이터를 API로 제공하고, Rebrandly도 Analytics 기능을 통해 일부 상세 데이터를 볼 수 있습니다. 다만 Raw 데이터를 UI 화면에서 직접 필터링하고 조회하는 방식은 서비스마다 지원 범위가 다릅니다.

어떤 도구를 선택하든, “개별 클릭 로그를 직접 볼 수 있는가”를 기준으로 확인해보는 것이 좋습니다.

Raw 데이터 분석을 시작하기 전에 — 실용 체크리스트

막막하게 느껴질 수 있습니다. 하지만 시작은 간단합니다. 아래 네 가지만 갖춰도 분석의 70%는 할 수 있습니다.

① 사용 중인 단축 URL 서비스가 Raw 데이터를 제공하는지 확인하세요. 집계 통계만 보여준다면 지금 당장은 분석이 불가능합니다. 서비스 변경을 고려할 기준이 됩니다.

② IP 표시 옵션이 있다면 활성화하세요. 서비스에 따라 체크박스 하나로 IP가 목록에 추가됩니다. 요금제 제한이 있다면 필요한 기간에만 임시로 활성화해서 점검하는 방식도 됩니다.

③ 캠페인 시작 전 내부 IP 목록을 기록해두세요. 스프레드시트에 팀원 IP 대역만 적어두어도 Raw 데이터 분석 시 내부 트래픽을 즉시 걸러낼 수 있습니다.

④ 의심 클릭 기준을 미리 정해두세요. “동일 IP 1분 내 3회 이상”, “클릭 간격 10초 이하로 반복”, “브라우저 Unknown” — 이런 기준이 있으면 Raw 데이터를 열었을 때 무엇을 봐야 할지 명확해집니다.

클릭 수는 질문의 시작이지, 답이 아닙니다

“3,000번 클릭됐다”는 숫자는 다음 질문의 시작점입니다. 그 3,000번 중에 실제로 의미 있는 클릭은 몇 번이었을까? 누가 클릭했고, 어디서 왔고, 어떤 기기를 썼고, 몇 시에 접속했을까?

이 질문들에 답하지 않으면 마케팅 의사결정은 언제나 집계 숫자에 기댄 추측에 머뭅니다. 봇이 800번 클릭하고 내부 테스트가 100번이고 실제 잠재고객이 100번 클릭한 캠페인과, 실제 고객만 1,000번 클릭한 캠페인은 성과가 완전히 다릅니다. 하지만 집계 대시보드에서 두 캠페인은 둘 다 “클릭 1,000회”로 동일하게 보입니다.

지금 당장 집계 통계 화면에서 벗어나, 개별 클릭 로그를 한 번 열어보세요. 최근 30일간의 데이터를 IP 기준으로 정렬해보는 것만으로도, 지금까지 보이지 않았던 패턴 하나쯤은 발견할 수 있을 겁니다.

그게 데이터 기반 마케팅의 실제 시작점입니다. 숫자를 보는 것이 아니라, 숫자 뒤를 보는 것.

단축 URL의 Raw 데이터 분석이 가능한 환경이 갖춰져 있지 않다면, 비볼디(Vivoldi)에서 클릭 데이터 기능을 직접 확인해보세요. vvd.bz/campaign01 같은 단축 링크를 만들고 클릭 데이터 메뉴를 열면, 이 글에서 다룬 분석을 바로 시작할 수 있습니다.

감사합니다.