다크 퍼널 완전 정리: '다이렉트 유입'에 숨은 고객 여정을 추적하는 6가지 방법

대상: 마케팅 분석 입문자  ·  형식: 설명 가이드  ·  2026-07-11

고객은 "유튜브 보고 왔어요"라는데, 데이터에는 검색만 있었다

상담 전화가 울렸다. 담당자가 받자 고객은 대뜸 이렇게 말했다. "어제 유튜브에서 보고 바로 전화드렸어요." 그런데 통화가 끝나고 분석 화면을 열어보면, 그 시간대에 잡힌 유입 기록은 유튜브가 아니라 검색뿐이었다.

처음엔 우연이거니 했다. 그런데 이런 어긋남이 한 번, 두 번, 계속 반복됐다. 광고 콘솔에는 없는 유튜브 얘기가 상담 전화에서는 자꾸 나오는데, 애널리틱스 화면에는 그 흔적이 통째로 빠져 있었던 거다.

이게 바로 마케팅 분석에서 다크 퍼널(추적 안 되는 구매 여정)이라 부르는 현상이다. 이 글은 세 가지 질문에 답한다. 다크 퍼널이 정확히 뭔지, 왜 이렇게 많은 유입이 다이렉트로만 찍히는지, 그리고 완전히 못 잡는 이 영역을 그나마 어떻게 추적하는지다.

'다이렉트 유입'의 정체, 다크 소셜에서 다크 퍼널로

애널리틱스에서 다이렉트 유입이라고 뜨는 트래픽은 사실 한 덩어리가 아니다. 정말로 주소창에 URL을 직접 친 사람도 있지만, 훨씬 많은 방문은 리퍼러(이 방문자가 직전에 어느 페이지에 있었는지 브라우저가 넘겨주는 정보)가 없어서 그렇게 뭉뚱그려진 것뿐이다.

이 구멍에 처음 이름을 붙인 사람은 2012년 The Atlantic의 기자, 알렉시스 마드리갈. 그는 자사 트래픽 분석 도구에서 다이렉트로 잡힌 방문의 상당수가 실은 메신저나 이메일 같은 개인 채널을 통한 공유였다는 걸 발견하고 이를 다크 소셜이라 불렀다. 당시 The Atlantic 자체 트래픽의 56.5%가 다크 소셜이었다는 수치가 알려져 있다(원문은 접근이 막혀 재확인은 못 했고, 여러 2차 자료가 반복 인용하는 값이다).

몇 년 뒤 B2B 마케팅 업계에서 등장한 더 넓은 개념, 다크 퍼널. 정확히 누가 먼저 썼는지는 자료마다 조금씩 갈리지만, 2016년 무렵부터 6sense 같은 회사가 쓰기 시작했고 이후 Refine Labs의 크리스 워커가 널리 퍼뜨렸다는 정리가 일반적이다. 다크 퍼널은 개인 간 링크 공유뿐 아니라 비공개 커뮤니티, 팟캐스트, 리뷰 사이트, 입소문까지 포함하는, 추적 안 되는 구매 여정 전체를 가리킨다.

그러니까 다크 소셜과 다크 퍼널, 같은 말이 아니다. 다크 소셜이 리퍼러 없는 개인 공유라는 채널 하나에 붙는 이름이라면, 다크 퍼널은 그 위에 커뮤니티·리뷰·오프라인 대화까지 얹은 훨씬 큰 우산이다. 관계로 그리면, 다크 소셜은 다크 퍼널 안에 포함되는 부분집합.

이 계층 구조를 그림 밖에서 체감하면 이런 느낌이다.

조명이 닿는 곳(검색·광고 클릭)만 전체라 여기면, 불빛 밖의 훨씬 많은 여정을 놓친다.

흔적이 끊기는 네 지점

다크 퍼널이 뭉뚱그려 보이는 이유를 하나씩 뜯어보면, 크게 네 군데에서 흔적이 끊긴다.

첫째는 메신저·앱 공유. 카카오톡, 문자, 인스타그램 DM으로 링크를 열면 리퍼러 헤더가 아예 없거나 인앱 브라우저 자체 정보만 남는다. 국내에서는 카카오톡이 압도적으로 많이 쓰이는 개인 메시징 수단이라, 기사·상세페이지 링크가 단톡방과 오픈채팅방을 타고 도는 것 자체가 다크 소셜의 한국식 버전이다. 다만 이 경로가 국내 트래픽의 몇 퍼센트를 차지하는지 정량화한 자료는 이번 조사에서 찾지 못했다, 정직하게 그 한계를 밝혀둔다.

둘째는 화면 밖 노출. TV, 팟캐스트, 오프라인 대화로 브랜드를 알게 된 사람이 나중에 따로 검색하거나 주소를 직접 치고 들어오면, 최초 노출과 유입 세션은 이어지지 않는다. 팟캐스트 광고만 따로 측정하는 서드파티 서비스가 따로 존재한다는 사실 자체가, 이 갭이 업계에서 얼마나 골치인지를 보여주는 대목이다.

셋째는 쿠키·파라미터 제약. 사파리의 ITP(지능형 추적 방지 기능)는 서드파티 쿠키를 막고, 자바스크립트로 심은 퍼스트파티 쿠키도 7일이면 만료시킨다. 최신 사파리는 다른 사이트에서 넘어온 사람에게 리퍼러를 도메인까지만 남기고 그 뒤 경로·쿼리스트링은 지우며, gclid·fbclid 같은 광고 추적 파라미터도 URL에서 자동으로 떼어낸다.

넷째는 비공개 커뮤니티. 회원제 온라인 카페, 슬랙·디스코드 채널, 비공개 페이스북 그룹처럼 로그인해야 들어가는 공간에서 오간 추천은 검색엔진도 크롤러도 닿지 못한다.

갈림길, 줄일 수 있는 다크와 잴 수밖에 없는 다크

네 지점을 늘어놓고 보면 성격이 다른 두 부류가 섞여 있다는 걸 알 수 있다. 이 차이를 가르는 게 이 글 전체를 관통하는 갈림길이다.

한쪽은 내 링크가 어두워진 것. 메신저 공유, UTM 파라미터 유실처럼 원래는 내가 붙인 표식이 유실 과정에서 사라진 경우다. 관리와 설계로 어느 정도 줄일 수 있는 영역.

다른 쪽은 애초에 웹 밖에서 일어난 것. 팟캐스트를 듣거나, 친구한테 얘기를 듣거나, 커뮤니티 글을 읽는 행위 자체는 처음부터 웹 로그에 남을 방법이 없다. 줄이는 게 아니라 잴 수밖에 없다는 뜻, 별도의 대리 지표로 추정하는 수밖에.

그래서 다크 퍼널 대응은 한 가지 해법이 아니라 두 갈래. 아래에서 줄이는 쪽 하나, 재는 쪽 셋을 차례로 본다.

줄이는 쪽, 링크에 이름표를 달고 공유를 잰다

가장 먼저 손댈 수 있는 건 UTM 규율이다. UTM은 URL 끝에 붙는 짧은 꼬리표로, 어느 채널·캠페인·소재에서 왔는지를 URL 자체에 새겨 넣는다. 자사가 발행하는 모든 링크(뉴스레터, SNS 게시물, 제휴 배너)에 UTM을 빠짐없이 붙이면, 최소한 내가 만든 링크를 통한 유입만큼은 다이렉트 뭉치에서 건져낼 수 있다.

다만 UTM은 사용자가 링크를 그대로 복사해 카카오톡으로 보내는 순간까지는 살아남지만, 받은 사람이 그 링크를 캡처하거나 스크린샷으로 옮기면 소용없다. 완벽한 해법이 아니라 침식 범위를 좁히는 실무 통념이라는 걸 인정하고 쓰는 게 맞다.

두 번째는 공유 버튼 자체를 계측하는 것. 페이지에 달린 "카카오톡 공유하기" 버튼이 몇 번 눌렸는지는 서버 로그나 이벤트 태깅으로 잡을 수 있다. 그 공유가 실제로 몇 번 클릭까지 이어졌는지는 몰라도, 최소한 얼마나 자주 공유됐는지는 남는다.

세 번째는 채널 전용 장치. 채널마다 서로 다른 추적 전화번호, 프로모코드, 전용 URL이나 QR코드를 배정하면, 사람이 그 번호나 코드를 실제로 쓸 때 역으로 어느 채널이었는지 추론할 수 있다. 다만 이것도 소비자가 일부러 그 코드를 써야 잡히는, 실사용률에 좌우되는 방법이다.

이 셋은 모두 업계에서 흔히 쓰이는 실무 관행이고, 정확한 성공률을 뒷받침하는 학술 자료는 이번 조사에서 따로 확보하지 못했다. 그래도 아무것도 안 하는 것보다는 확실히 낫다.

손으로 건네진 선물에 이름표 하나만 달아도, 나중에 그 선물이 어디서 왔는지 알 길이 생기지.

재는 쪽 1, 그냥 물어본다

줄일 수 없는 영역은 방법을 바꿔야 한다. 가장 직접적인 방법은 그냥 물어보는 것. 업계에서는 이걸 HDYHAU(How Did You Hear About Us, "저희를 어떻게 알게 되셨나요") 설문이라 부른다. 구매나 상담 신청 직후 짧은 질문 하나를 끼워 넣어, 행동 데이터가 못 잡는 입소문·오프라인·팟캐스트 경로를 사용자 입으로 직접 캐내는 방식이다.

실무에서는 브랜드 발견의 상당 부분이 인플루언서·팟캐스트·입소문에서 오는데도 광고 플랫폼 대시보드에는 전혀 안 잡힌다는 사례가 자주 보고되고, 워드오브마우스로 처음 발견했다는 응답 비중이 라스트클릭 기준 데이터보다 훨씬 높게 나오는 경우도 흔하다.

그래서 실무 팁은 두 가지. 객관식 하나로 끝내지 말고 오픈텍스트 질문을 하나 더 붙여 응답자가 자기 말로 적게 하고, 가능하면 최초 인지 시점과 최종 결정 계기를 나눠 두 문항으로 쪼갠다. 완벽하지는 않아도 아무 신호가 없는 것보다는 훨씬 낫다.

사람의 기억은 정확한 로그가 아니다. 그래도 안개 속에서 손에 잡히는 유일한 단서일 때가 많다.

재는 쪽 2, 브랜드 검색량으로 잰다

두 번째 대리 지표는 브랜드 검색량이다. 자사 브랜드명 검색량을 카테고리 전체 검색량으로 나눈 비율을 업계에서는 셰어 오브 서치(share of search)라 부른다. 광고 효과 측정으로 유명한 레 비네와 제임스 행킨스가 IPA 작업을 통해 이 개념을 대중화시켰고, 이후 여러 조사에서 이 비율이 실제 시장점유율보다 먼저 움직이는 선행지표라는 게 검증됐다.

원리는 단순함. 팟캐스트에서 브랜드를 처음 들은 사람, 지인에게 추천받은 사람 모두 결국 한 번은 그 브랜드 이름을 검색창에 친다. 그 검색 자체는 다크 퍼널 안에서 일어난 인지를 웹 위로 끌어올리는, 수요가 수확되는 문 역할을 한다. 그래서 검색량의 흔들림을 보면 눈에 안 보이는 인지도 변화를 어느 정도 거꾸로 추론할 수 있다.

국내에서 쓸 수 있는 도구, 네이버 데이터랩. 최대 5개 키워드를 기간·연령·기기별로 비교해주는 검색어트렌드 기능으로, 브랜드명과 경쟁사명, 카테고리 대표 키워드를 나란히 올려두면 상대적인 검색 관심도 추이를 볼 수 있다. 글로벌 카테고리라면 구글 트렌드나 구글 서치 콘솔도 같은 역할을 한다.

다만 셰어 오브 서치는 상대값이라는 한계가 있다. 검색 절대량은 알 수 없고, 얼마나 많이 검색됐나라는 폭만 보여줄 뿐 그 검색이 얼마나 진지한 잠재 고객인가라는 깊이는 못 본다. 검색량이 늘었다고 무조건 좋은 신호는 아니다, 부정적인 이슈로 이름이 오르내려도 검색량은 늘거든.

이 검색량 관점을 더 깊게 파고 GA4에서 실제로 상담 전환과 브랜드검색을 어떻게 교차 확인하는지는 시리즈의 다른 글, 브랜드검색 전환의 진짜 주인 찾기에서 다뤘다.

검색량 자체가 목적은 아니다. 안 보이는 인지도 변화를 짐작하는 대리 지표일 뿐.

재는 쪽 3, 실험과 모델로 확정한다

세 번째는 가장 정교하지만 손이 많이 가는 방법, 실험과 모델. 여기서는 초보자가 알아야 할 개념만 가볍게 짚고, 실제로 돌리는 법은 시리즈 다음 편(마케팅 믹스 모델링 편)에서 더 깊게 다룰 예정이다. 우리가 직접 이 방법들을 돌려본 것은 아니라는 점도 미리 밝혀둔다.

리프트 테스트(증분 테스트)는 특정 지역에는 캠페인을 노출하고, 다른 지역은 일부러 노출을 보류(홀드아웃)한 뒤 두 그룹의 전환 차이를 비교하는 방식이다. 그 차이만큼이 광고가 실제로 만들어낸 증분 효과라고 본다. 보통 2주에서 8주 정도 진행하고, 유저 단위나 지역 단위로 나눠 돌린다.

MMM(마케팅 믹스 모델링)은 쿠키에 기대지 않고, 광고비·판매량·프로모션 같은 시계열 데이터를 회귀분석에 넣어 채널별 기여도를 추정한다. 광고 효과가 시간이 지나며 남는 이월효과와, 쓸수록 효과가 줄어드는 수확체감까지 반영한다. 메타의 로빈(2021), 구글의 메리디안(2024)이 오픈소스로 공개되면서 예전엔 컨설팅사만 다루던 방법론이 훨씬 투명해졌다.

두 방법 모두 공통된 한계가 있는데, 리프트 테스트는 유저 단위 분석보다 잡음이 커서 세밀한 인구통계 분해가 어렵고 MMM은 데이터가 충분히 쌓인 성숙한 브랜드에 맞는 방법이라 이제 막 시작한 브랜드에는 적용하기 어렵다.

가로등이 켜진 길과 꺼진 길을 나란히 두고 차이를 보는 것, 그게 리프트 테스트의 기본 원리.

내일부터 할 일

다크 퍼널은 완전히 없앨 수 있는 문제가 아니다. 줄일 건 줄이고, 잴 건 재는 것으로 접근을 나누는 순간부터 실무가 풀린다.

그래도 하나만 챙긴다면, 바로 이것.

다크 퍼널을 없애는 게 목표가 아니다, 그 크기를 인정하고 잴 수 있는 만큼 재는 것이 목표다.

이 글은 '디지털 마케팅 분석 입문' 시리즈 7편이다. 기초부터 보려면 1편(쿠키·세션·이벤트)부터 시작하면 된다. 더 깊게 보고 싶다면 GA4로 브랜드검색 전환의 주인 찾기와 UTM 유실 방지, 픽셀 없는 광고 추적 설계를 이어서 보길 권한다.

근거·출처

• 다크 소셜 정의·56.5% 수치(2차 정리, 원문 미확인): Wikipedia, "Dark social media"
• 다크 퍼널 정의(1차, 기업 자체 정의): 6sense Glossary, "Dark Funnel"
• 다크 퍼널 확산 경위(2차 정리): Cognism, "Illuminating the Dark Funnel of B2B Marketing"
• Chris Walker 발언(인터뷰 요약, 원본 미확인): MarTech Podcast, "What Is Dark Funnel"
• 모바일 다크소셜 비중(2차, 원 리포트 판독 실패, 매체별 수치 상이): Digiday, "82 percent of mobile sharing is done through dark social"
• 사파리 ITP 동작(벤더 2차 정리, 애플 1차 문서 미확인): McGaw.io, "How Apple's ITP is Changing Marketing Analytics"
• 팟캐스트 귀속 방식(1차, 자사 설명): Podscribe Help Center, "How Podscribe Attribution Works"
• HDYHAU 설문 설계(벤더 2차 정리): Fairing, "HDYHAU Attribution Survey Best Practices"
• Share of Search 개념(1차, 조사기관): Kantar, "Demystifying share of search"
• Les Binet 인터뷰: Mercer Island Group, Les Binet interview
• 네이버 데이터랩 기능(2차 정리): TBWA 데이터랩, 네이버 데이터랩 가이드
• MMM 개요(1차, 구글 공식): Think with Google, Marketing Mix Modeling Guidebook
• 리프트 테스트 개요(2차 정리): Haus.io, "Understanding Google Ads incrementality testing"
• 국내 다크소셜 사례(2차, 국문 마케팅 블로그): inblog.ai, "다크 소셜(Dark Social)이란?"

이 글의 통계 대부분은 2차 정리 자료를 교차확인한 것이며, 원 리포트 원문(The Atlantic 2012, RadiumOne 2016, 6sense 자체 리서치)은 접근이 막혀 직접 확인하지 못했다. 상담 전화 장면은 실제 있었던 발견의 순간을 각색한 것이며 특정 업종·회사를 특정하지 않는다.