Customer Match가 기대만큼 잘 붙지 않을 때 많은 실무자는 가장 먼저 데이터 품질을 의심한다. 이메일이 잘못 수집됐나, 전화번호 형식이 틀렸나, 이름이 누락됐나 같은 문제를 점검하는 것이다. 물론 이런 항목도 중요하다. 하지만 실제 운영에서는 데이터 품질보다 먼저 봐야 할 것이 있다. 바로 이 데이터가 어떤 기준으로 수집됐고, 어느 시점의 사용자이며, 광고 플랫폼이 활용할 수 있는 상태인지다. 다시 말해 파일의 정합성보다 데이터의 맥락과 사용 가능성이 먼저다.
예를 들어 CRM에 10만 명의 고객 정보가 있어도 그중 상당수가 오래전에 유입된 비활성 사용자라면 매칭률은 생각보다 낮게 나올 수 있다. 사용자가 가입할 때 입력한 이메일이 지금도 실제로 쓰는 계정이라는 보장이 없고, 휴면 상태가 길수록 플랫폼 계정과 연결된 식별자도 달라질 가능성이 커진다. 특히 업무용 이메일, 임시 계정, 가족 공용 번호처럼 광고 플랫폼의 로그인 식별자와 거리가 있는 정보는 보유하고 있어도 활용도가 낮다. 데이터가 많다고 바로 잘 붙는 것이 아닌 이유다.
또 하나 자주 놓치는 부분은 수집 경로의 일관성이다. 웹사이트 회원가입, 오프라인 이벤트, 상담 신청서, 제휴 리드, 앱 가입 데이터가 한데 섞여 있으면 같은 고객이라도 입력 형식과 동의 상태가 제각각일 수 있다. 이 경우 단순히 중복 제거만으로는 해결되지 않는다. 어떤 채널의 데이터가 실제 매체 활용에 적합한지 먼저 구분해야 한다. 예를 들어 이벤트 응모 데이터는 양은 많아도 일회성 참여자가 많고, 구매 이력 기반 고객은 수는 적어도 매칭 이후 활용 가치가 더 높을 수 있다. 결국 중요한 것은 파일 크기가 아니라 어떤 모집단을 업로드하고 있는가다.
동의 구조도 반드시 먼저 점검해야 한다. 실무에서는 업로드 자체는 가능하지만 광고 활용 동의 범위가 불명확하거나, 내부적으로는 마케팅 활용 가능로 분류했어도 매체 정책 기준과 맞지 않는 경우가 있다. 이때는 매칭률 문제처럼 보이지만 사실은 활성화 가능한 데이터 풀이 처음부터 좁은 것이다. 데이터팀, CRM팀, 마케팅팀이 같은 기준으로 고객 상태를 보고 있는지도 확인해야 한다. 내부 기준이 다르면 업로드 대상 선정부터 어긋난다.
정리하면 Customer Match 성과는 엑셀 파일을 얼마나 깔끔하게 만들었느냐만으로 결정되지 않는다. 먼저 봐야 할 것은 최근성, 식별자의 실제 사용성, 수집 경로의 특성, 동의 범위, 그리고 업로드 대상의 정의다. 데이터 품질은 그다음 문제다. 형식을 아무리 정리해도 애초에 플랫폼이 연결하기 어려운 사용자 집합이라면 결과는 개선되지 않는다. Customer Match가 잘 안 붙는다면 파일을 다듬기 전에 먼저 이 데이터가 누구의 것이고, 언제 수집됐고, 왜 지금도 유효하다고 볼 수 있는지부터 점검해야 한다. 그 질문에 답할 수 있어야 매칭률도, 이후의 캠페인 성과도 함께 올라간다.