화장품 자사몰 vs 올리브영 광고 배분: 비율 정하는 4단계 기준
화장품 자사몰과 올리브영의 광고비는 매출 비중대로 나누면 된다는 말은 절반만 맞습니다. 실제로는 자사몰로 보낸 광고가 올리브영 매출을 만들기도 하고, 올리브영 매출의 상당 부분은 어떤 매체에도 잡히지 않습니다.
그래서 자사몰과 올리브영의 광고 배분에서 가장 중요한 건 정해진 비율이 아니라 판매처별로 광고비 1원당 남는 돈입니다. 이 값으로 출발 비율을 잡고, 월 1회 증분 판매를 확인해 조금씩 옮기는 방식이 가장 덜 틀립니다.
아래에서 예산을 나누는 단위부터 재조정 규칙까지 4단계로 설명합니다.
1. 자사몰 올리브영 광고 배분의 단위부터 바꾸기
매출 비중은 기준이 아니라 결과입니다
자사몰과 올리브영의 월 매출이 3:7이라고 가정해 보겠습니다.
가장 흔한 배분은 광고비도 3:7로 나누는 것입니다.
그런데 올리브영의 7에는 광고가 없어도 나는 매출이 섞여 있습니다.
매장을 지나다 집어 든 구매, 랭킹이나 큐레이션을 보고 담은 구매가 대표적입니다.
반대로 자사몰의 3은 광고를 끄면 함께 줄어드는 매출인 경우가 많습니다.
찾아오는 사람이 없으면 팔릴 기회도 없는 판매처이기 때문입니다.
즉, 매출 비중은 광고의 기여도가 아니라 판매처가 원래 가진 힘까지 합친 숫자입니다.
이 숫자로 광고비를 나누면 광고 없이도 잘 팔리는 곳에 돈이 더 몰립니다.
광고비는 두 갈래가 아니라 세 갈래로 나눕니다
배분이 자꾸 꼬이는 이유는 예산을 '자사몰 광고'와 '올리브영 광고' 두 칸으로만 보기 때문입니다.
실제로는 판매처를 정하지 않는 예산이 하나 더 있어야 합니다.
구분 | 도착지 | 역할 | 최적화 신호 | 성과 판단 |
|---|---|---|---|---|
자사몰 전환 | 자사몰 상세페이지 | 신규 구매, 단독 구성, 재구매 | 구매 이벤트 | 매체 ROAS, 180일 코호트 |
올리브영 유도 | 올리브영 상세 또는 중간 랜딩 | 세일·신제품 판매량 확보 | 랜딩 조회, 구매 버튼 클릭 | 일자별 증분 판매 |
공통 수요 | 콘텐츠 또는 영상 조회 | 제품 인지, 리타겟팅 모수 | 도달, 조회 | 브랜드 검색량, 두 판매처 합산 판매 |
공통 수요를 따로 떼는 이유는 이 예산을 어느 한쪽에 붙이는 순간 숫자가 왜곡되기 때문입니다.
자사몰 예산에 넣으면 자사몰 ROAS가 낮아 보이고, 올리브영 예산에 넣으면 올리브영 광고비만 부풀어 보입니다.
배분 회의에서 다룰 숫자도 이렇게 바뀝니다.
"자사몰 대 올리브영 몇 대 몇"이 아니라 "세 갈래를 각각 얼마로 둘 것인가"입니다.
올리브영으로 보내는 광고의 측정 구조와 세일 캘린더는 올리브영 입점 브랜드 광고 운영: 측정·예산·세일 대응 4가지 기준에 정리되어 있습니다. 이 글은 그 앞 단계인 비율 결정만 다룹니다.
2026년 올리브영 판매 데이터를 읽을 때의 함정
배분 판단의 재료가 되는 올리브영 판매 데이터에는 올해 특히 주의할 점이 두 가지 있습니다.
첫째, 플랫폼 자체가 빠르게 크고 있습니다.
금융감독원 전자공시 기준으로 CJ올리브영의 2026년 2분기 별도 매출은 1조 7,979억 원으로, 전년 동기보다 23.0% 늘었습니다.
내 브랜드 판매가 전년보다 20% 늘었다면 광고 덕분이 아니라 플랫폼 평균을 따라간 것일 수 있습니다.
둘째, 매장 판매에 외국인 구매가 많이 섞여 있습니다.
올리브영 발표에 따르면 오프라인 매출 중 외국인 비중은 2022년 2%에서 2026년 8월 33%까지 올라갔습니다.
국내 타겟으로 집행한 광고와 무관한 판매가 그만큼 데이터에 포함되어 있다는 뜻입니다.
매장별 또는 권역별로 판매를 볼 수 있다면 관광객이 많은 상권은 분리해서 읽어야 합니다.
-> 핵심: 매출 비중이 아니라 세 갈래 예산을 기준으로 논의하고, 올리브영 판매 증가분은 플랫폼 성장과 외국인 구매를 걷어 내고 읽습니다.
2. 판매처별 광고 허용 비용 계산: 1원당 남는 돈 비교
같은 제품을 판매처별로 계산한 예시
아래 표는 계산 구조를 보여 주기 위한 가정 수치입니다.
특히 정산 차감은 입점 방식과 계약에 따라 크게 달라집니다. 벤더를 거치는 구조에서는 판매가의 절반 이상이 수수료로 나간다는 업계 예시도 있으니, 반드시 자사 정산서 금액으로 바꿔 넣어야 합니다.
항목 | 자사몰 | 올리브영 |
|---|---|---|
판매가 | 32,000원 | 32,000원 |
결제·배송 또는 정산 차감 | 4,500원 | 14,400원 (45% 가정) |
원가·물류 | 8,000원 | 9,000원 |
첫 구매 공헌이익 | 19,500원 | 8,600원 |
180일 내 추가 구매 | 0.6회 | 0.3회 |
추가 구매 공헌이익 | 11,700원 | 2,580원 |
1인당 총 공헌이익 | 31,200원 | 11,180원 |
실제 고객 획득 비용(CAC) | 24,000원 | 7,000원 |
1인당 남는 돈 | 7,200원 | 4,180원 |
광고비 1원당 남는 돈 | 0.30원 | 약 0.60원 |
1인당 남는 돈은 자사몰이 크고, 광고비 1원당 남는 돈은 올리브영이 큽니다.
배분에 쓸 숫자는 뒤쪽입니다. 예산은 사람 수가 아니라 원 단위로 움직이기 때문입니다.
재구매 값은 자사몰 코호트로 실측하고, 올리브영은 구매자를 식별할 수 없으니 낮게 잡습니다.
코호트 계산은 LTV 계산하는 법: 공헌이익·코호트로 잡는 4단계 기준의 순서를 그대로 쓰면 됩니다.
올리브영 쪽 CAC는 증분 판매로 추정합니다
올리브영에는 픽셀이 없으니 CAC가 화면에 나오지 않습니다.
대신 광고를 집행한 구간과 집행하지 않은 구간의 판매량 차이로 추정합니다.
추정 CAC = 올리브영 유도 광고비 ÷ (광고 구간 판매량 − 비광고 구간 일평균 × 광고 일수)
예를 들어 일평균 100개가 팔리던 제품이 광고 2주 동안 일평균 125개로 늘었고 광고비가 245만 원이었다면, 증분은 350개이고 추정 CAC는 7,000원입니다.
여기서 세 가지를 맞춰야 값을 믿을 수 있습니다.
① 세일 구간과 평시 구간을 섞지 않을 것
② 진열이나 기획전 노출이 바뀐 구간은 제외할 것
③ 카테고리 전체 추세가 함께 오른 시기라면 그만큼 증분을 깎을 것
한 사람이 2개를 사면 수량 기준 CAC는 실제보다 낮게 나옵니다.
1+1이나 기획 세트가 많은 제품은 수량을 세트 단위로 환산해야 합니다.
평균이 좋다고 전부 옮기면 안 되는 이유
표대로라면 올리브영에 예산을 몰아야 할 것 같지만, 세 가지 제약이 있습니다.
한계 효율이 다릅니다. 표의 값은 지금까지의 평균입니다. 판단해야 할 것은 다음 100만 원의 효율이고, 도달할 수요가 줄어들수록 CAC는 올라갑니다.
고객 데이터가 남지 않습니다. 자사몰 구매자는 리타겟팅과 CRM의 재료가 되지만, 올리브영 구매자 정보는 브랜드 손에 들어오지 않습니다.
판매처 조건은 브랜드가 정하지 못합니다. 행사 조건이나 진열이 바뀌면 효율도 함께 바뀝니다. 한 판매처 의존도가 높을수록 이 충격이 커집니다.
그래서 1원당 효율은 방향을 정하는 값으로 쓰고, 한 번에 옮기는 폭은 제한합니다.
-> 핵심: 판매처별 공헌이익과 CAC로 1원당 남는 돈을 구하되, 자사몰의 데이터 가치와 올리브영의 조건 변동 위험을 감안해 조금씩 옮깁니다.
3. 화장품 광고 예산 출발 비율: 브랜드 상황별 기준
상황별 출발값
아직 증분 데이터가 없다면 아래 값으로 시작할 수 있습니다.
공식 통계가 아니라 실무에서 쓰는 테스트 출발점이며, 첫 재조정 전까지만 쓰는 임시값입니다.
브랜드 상황 | 자사몰 전환 | 올리브영 유도 | 공통 수요 |
|---|---|---|---|
입점 초기, 자사몰 구매 주 50건 이상 | 60~70% | 10~20% | 20% |
올리브영 매출이 더 크고 자사몰 재구매가 탄탄함 | 40% | 30% | 30% |
올리브영 의존도가 높고 자사몰 구매 주 10건 미만 | 20% | 50% | 30% |
주 50건은 메타 학습 단계에서 통용되는 기준입니다.
세 번째 상황처럼 자사몰 구매가 적으면 신규 구매 최적화가 제대로 작동하기 어렵습니다.
이때 자사몰 예산은 재구매와 장바구니 리타겟팅에만 쓰고, 신규 유입은 올리브영 유도 쪽에서 해결하는 편이 낫습니다.
예산이 적을수록 갈래를 잘게 나누면 안 됩니다.
월 예산이 작다면 세 갈래를 다 운영하지 말고 두 갈래부터 시작하는 것이 맞습니다.
세트를 몇 개까지 유지할 수 있는지는 메타 광고세트 몇개가 적당할까: 전환 50건으로 역산하는 기준의 계산으로 확인할 수 있습니다.
세일 구간에는 비율을 따로 둡니다
올영세일은 3·6·9·12월에 열리는 분기 행사로 알려져 있고, 매월 말에는 더 작은 규모의 올영데이가 있습니다. 정확한 날짜는 공식 공지로 확인해야 합니다.
세일 기간에는 평시 비율을 쓰지 않습니다.
세일 3~4주 전: 공통 수요 비중을 높여 조회·방문 모수 확보
세일 기간: 자사몰 신규 구매 광고를 줄이고 올리브영 유도로 이동
세일 직후: 올리브영 유도를 평시 이하로 줄이고 자사몰 재구매 메시지 재개
세일 기간에 자사몰 신규 광고를 줄이는 이유는 단순합니다.
올리브영 세일가가 자사몰 가격보다 낮으면 자사몰 광고를 본 사람이 올리브영에서 검색해 구매합니다.
자사몰 ROAS는 떨어지고, 광고비는 낮은 공헌이익의 매출을 만드는 데 쓰입니다.
자사몰 행사는 올리브영 세일과 겹치지 않게 앞쪽에 배치하자는 제안도 업계 칼럼에서 자주 나옵니다.
다만 세일 직전 자사몰 가격이 세일가보다 낮아지면 입점 조건과 충돌할 수 있으니, 할인가보다 자사몰 단독 구성과 사은품으로 차별화하는 것이 안전합니다.
비율보다 먼저 확인할 예외 4가지
아래 상황에서는 계산된 비율보다 예외 처리가 먼저입니다.
① 올리브영 품절 또는 재고 부족. 유도 광고를 즉시 멈춥니다. 품절 페이지로 보낸 클릭은 되돌릴 수 없습니다.
② 자사몰 가격이 올리브영 상시가보다 높음. 자사몰 신규 광고의 효율이 구조적으로 떨어집니다. 가격이나 구성을 먼저 정리한 뒤 예산을 넣어야 합니다.
③ 판매처별로 주력 제품이 다름. 자사몰 대표 제품과 올리브영 대표 제품이 다르면 내부 경쟁이 줄어듭니다. 이 경우 제품 단위로 예산을 나누는 편이 정확합니다.
④ 신제품 입점 직후. 초기 판매량이 랭킹과 노출에 영향을 준다고 판단되면, 단기간 올리브영 유도 비중을 의도적으로 높입니다. 이 구간의 CAC는 재조정 계산에서 제외합니다.
-> 핵심: 출발 비율은 임시값입니다. 세일 구간은 별도 비율로 운영하고, 품절과 가격 역전은 비율보다 먼저 처리합니다.
4. 올리브영 광고 효과 증분 검증과 월 1회 재조정 규칙
매체 ROAS만으로는 판단할 수 없는 이유
해외의 한 색조 브랜드는 메타 광고를 지역 단위로 끄고 켜는 테스트를 진행했습니다.
이커머스 매출만 보면 증분 ROAS는 0.51에 그쳤습니다. 숫자만 보면 꺼야 하는 광고입니다.
그런데 이 브랜드의 리테일 입점 매출은 이커머스의 약 8배였습니다.
리테일 효과까지 포함하면 전체 증분 ROAS가 4~5까지 올라갈 수 있다는 추정이 나왔습니다. 측정치가 아니라 가설이지만, 자사몰 숫자만으로 광고를 끄면 안 된다는 점은 분명합니다.
메타의 증분 측정 도구 역시 메타가 추적하는 사이트의 구매만 관측한다는 한계가 지적됩니다.
입점처 매출까지 보려면 지역 단위 비교처럼 전체 매출을 놓고 보는 방식이 필요합니다.
지역 비교 테스트를 설계하는 법
올리브영 판매를 권역별로 볼 수 있다면 다음 순서로 진행합니다.
① 과거 4~8주 판매 추세가 비슷한 권역을 묶어 테스트군과 대조군으로 나눕니다.
② 대조군은 전체의 10~20% 정도로 잡고 공통 수요와 올리브영 유도 광고를 끕니다.
③ 2~4주간 양쪽의 자사몰·올리브영 합산 판매 차이를 비교합니다.
권역별 데이터를 얻을 수 없다면 2장의 전후 비교로 대신합니다.
이 경우 광고비를 크게 바꾼 구간을 1~2주 이상 유지해야 차이를 읽을 수 있습니다.
월 1회 재조정 규칙
확인 결과 | 조치 | 이동 폭 |
|---|---|---|
한쪽 1원당 남는 돈이 다른 쪽의 1.5배 이상 | 효율이 높은 쪽으로 이동 | 전체의 10%p 이내 |
차이가 1.5배 미만 | 유지 | 없음 |
양쪽 모두 1원당 남는 돈이 0 이하 | 이동하지 말고 총액 축소 | 낮은 쪽부터 감액 |
공통 수요 증액 후 합산 판매 변화 없음 | 공통 수요 축소 | 전체의 5~10%p |
1.5배와 10%p는 판독 오차를 감안해 쓰는 운영 기준입니다.
증분 추정에는 오차가 크기 때문에, 작은 차이에 반응해 매달 예산을 흔들면 오히려 다음 달 비교가 불가능해집니다.
세일이 낀 달은 재조정 계산에서 빼고, 평시 달끼리 비교합니다.
반복되는 실패 유형 3가지
매출 비중 그대로 배분한 경우
올리브영 매출이 크다는 이유로 광고비 대부분을 유도 광고에 넣는 유형입니다. 원래 잘 팔리는 제품에 쓰인 광고비는 증분이 작아, 판매량은 그대로인데 광고비만 늘어납니다.
자사몰 ROAS가 낮다고 공통 수요를 끈 경우
공통 수요 영상은 직접 전환이 적어 가장 먼저 잘려 나갑니다. 끈 직후에는 숫자가 좋아 보이지만, 시차를 두고 리타겟팅 모수와 올리브영 판매가 함께 줄어드는 경우가 많습니다.
자사몰을 완전히 접은 경우
1원당 효율만 보고 자사몰 광고를 전부 멈추는 유형입니다. 단기 손익은 나아져도 고객 데이터가 쌓이지 않고, 올리브영 조건이 바뀌었을 때 대안이 없어집니다.
-> 핵심: 증분을 확인한 뒤 월 1회, 정해진 폭만 옮깁니다. 측정 오차보다 작은 차이에는 반응하지 않습니다.
자주 묻는 질문
Q. 자사몰과 올리브영 광고비 비율은 어떻게 정하나요?
매출 비중이 아니라 판매처별 광고비 1원당 남는 돈으로 정합니다. 공헌이익과 재구매, CAC를 판매처별로 계산한 뒤 효율이 높은 쪽으로 월 1회 소폭 옮깁니다. 데이터가 없으면 브랜드 상황별 출발값으로 시작하고 첫 재조정 때 바꾸면 됩니다.
Q. 올리브영 입점 후에도 자사몰 광고를 계속해야 하나요?
자사몰 구매 데이터가 쌓이는 동안은 유지하는 편이 좋습니다. 올리브영 구매자 정보는 브랜드가 직접 확보하기 어렵기 때문입니다. 다만 주간 구매가 10건 미만이면 신규 구매 광고보다 재구매와 리타겟팅에 집중하는 것이 효율적입니다.
Q. 올영세일 기간에 자사몰 광고를 꺼야 하나요?
전부 끌 필요는 없지만 신규 구매 광고는 줄이는 편이 좋습니다. 세일가가 더 낮으면 자사몰 광고가 올리브영 구매로 넘어가기 때문입니다. 기존 고객 대상 재구매 메시지와 자사몰 단독 구성 광고는 유지할 수 있습니다.
Q. 올리브영 광고 효과는 어떻게 측정하나요?
광고 구간과 비광고 구간의 판매량 차이로 증분을 계산합니다. 세일과 진열 변화가 없는 구간끼리 비교하고, 광고비 변경은 1~2주 이상 유지해야 합니다. 권역별 판매를 볼 수 있다면 지역 비교 테스트가 더 정확합니다.
마무리
자사몰과 올리브영의 광고 배분은 한 번 정하고 끝나는 비율이 아닙니다.
예산을 세 갈래로 나누고, 판매처별 1원당 남는 돈을 계산하고, 상황별 출발값에서 시작해 증분을 확인하며 옮기는 과정입니다.
이번 달에 할 일은 두 가지입니다.
올리브영 정산서 기준으로 표의 빈칸을 채우고, 다음 세일이 시작되기 전 평시 구간에서 광고비를 크게 바꾼 2주를 만들어 두는 것입니다.
이 두 숫자가 준비되면 광고비를 늘리지 않아도 어느 쪽으로 옮겨야 할지 판단할 수 있습니다.
작성 메모 (발행 전 삭제):
- 중복 확인: 「올리브영 입점 브랜드 광고 운영」 글이 측정·세일 운영 전반을 다루고, 자사몰과의 역할 분리는 사례 하나로만 언급합니다. 이번 글은 비율 결정으로 각도를 좁혔고 해당 글을 관련 글로 연결했습니다.
- 분량·구조: 한글 4,914자(실측), 본문 H2 4개, FAQ 4개, 내부 링크 3개입니다. 내부 링크 제목은 목록 그대로 옮겼습니다.
- 가정·경험칙: 손익 표, 증분 예시, 상황별 출발 비율, 재조정 기준(1.5배, 10%p)은 실측이 아닙니다. 프롬프트의 '구체 수치 추측 금지'에 걸릴 수 있어 본문에 가정·출발점·운영 기준으로 표기했으니, 발행 여부를 판단해 주세요.
- 사례: 실제 운영 사례 자료가 없어 실패 사례는 일반 유형으로 썼습니다. 해외 브랜드 사례는 공개 자료를 익명화했고, 4~5배는 측정치가 아닌 추정입니다.
- 발행 전 확인 필요:
- 올영세일 시기와 올영데이는 블로그 2차 자료 기준입니다.
- 벤더 구조의 수수료 50% 이상은 단일 콘텐츠의 예시입니다.
- 메타 증분 측정의 한계와 대조군 10~20%는 측정 벤더 자료이며 메타 원문은 확인하지 못했습니다.
- 올리브영 파트너 데이터로 권역별 판매를 볼 수 있는지도 확인하지 못해 본문에 조건부로 썼습니다.
- 세일 직전 자사몰 할인이 입점 조건과 충돌할 수 있다는 내용은 계약서 확인이 필요한 일반론입니다.
- 출처: 2분기 실적, 외국인 매출 비중, 세일 캘린더, 자사몰·플랫폼 기획전, 지역 홀드아웃 사례, 메타 증분 측정 한계, 테스트 설계