마케터를 위한 통계 기초: 평균, 중앙값, 표준편차를 광고 데이터로
광고 소재 두 개의 14일치 전환율로 평균, 중앙값, 표준편차를 계산합니다. 평균이 같은 두 소재가 중앙값과 표준편차에서 어떻게 달라지는지, 흩어짐이 클 때 무엇부터 나눠 보는지, 차이를 언제 믿을 수 있는지 정리했습니다.
세 줄로 먼저 읽기
- 평균은 값의 합을 개수로 나눈 값이고 중앙값은 정렬했을 때 가운데 값이며, 기간 전체 전환율은 일별 비율의 평균이 아니라 총 주문 수를 총 클릭 수로 나눠 구합니다.
- 일별 평균이 2.16%로 같은 두 소재도 표준편차는 0.20%p와 1.21%p로 약 여섯 배 차이가 나고, B는 홀수 날 평균 0.99%와 짝수 날 평균 3.33%로 나뉩니다.
- 표준편차가 크면 조건별로 나눠 원인을 찾을 이유가 생길 뿐이고, 어느 소재가 나은지는 클릭과 주문 건수와 실험 설계를 갖춘 뒤에 정합니다.
광고 리포트에는 평균 전환율이 먼저 보입니다. 그런데 평균이 같은 두 소재가 실제로는 전혀 다르게 움직이는 경우가 많습니다. 이 차이를 잡아내는 값이 중앙값과 표준편차입니다.
세 가지 값을 공식으로만 외우면 리포트를 열었을 때 쓸 일이 떠오르지 않습니다. 그래서 이 글은 광고 소재 두 개의 14일치 전환율 자료 하나로 값을 하나씩 구하며, 값마다 판단이 어떻게 바뀌는지 보여 드립니다.
이 글에서 쓰는 데이터
같은 캠페인에서 예산을 절반씩 나눠 돌린 소재 A와 B의 일별 전환율입니다. 2026년 8월 1일부터 14일까지이고 설명을 위해 만든 값입니다.
| 일차 | 소재 A (%) | 소재 B (%) |
|---|---|---|
| 1 | 2.1 | 0.9 |
| 2 | 2.4 | 3.6 |
| 3 | 1.9 | 1.2 |
| 4 | 2.2 | 3.4 |
| 5 | 2.0 | 1.0 |
| 6 | 2.3 | 2.4 |
| 7 | 2.1 | 0.8 |
| 8 | 2.5 | 3.7 |
| 9 | 1.8 | 1.1 |
| 10 | 2.2 | 3.3 |
| 11 | 2.0 | 0.9 |
| 12 | 2.4 | 3.5 |
| 13 | 2.3 | 1.0 |
| 14 | 2.0 | 3.4 |
두 소재의 일별 값을 더하면 모두 30.2입니다. 이 합계는 평균을 구하려고 더한 숫자이고, 14일 전체 전환율과는 다른 값입니다. 클릭 기준 전환율은 주문 수를 클릭 수로 나눈 비율이라서, 날마다 클릭 수가 다르면 기간 전체 전환율이 일별 비율의 단순 평균과 달라집니다.
예를 들어 첫날 100클릭에 주문 1건, 다음 날 10클릭에 주문 1건이 나온 경우를 계산하면 이렇습니다.
일별 비율의 평균과 기간 전체 전환율의 차이
1%첫날100클릭에 주문 1건- 10%다음 날10클릭에 주문 1건
5.5%일별 비율의 단순 평균(1 + 10) ÷ 2
1.82%이틀 전체 전환율주문 2건 ÷ 110클릭
위 14일 표에는 클릭과 주문 건수가 없으므로, 이 글에서는 일별 비율이 어떻게 퍼져 있는지만 비교합니다.
스프레드시트로 세 가지 값 구하기
Excel이나 Google Sheets에서 함수 세 개면 세 가지 값이 나옵니다. 광고 관리자에서 내려받은 일별 전환율 열에도 같은 방법을 씁니다.
두 열을 넣고 함수 세 개로 계산하는 순서
1. 값 붙여 넣기A1에 소재 A, B1에 소재 B
A2:B15에 14일 값
2. 함수 입력D2에 AVERAGE, E2에 MEDIAN
F2에 STDEV.P
3. 소재 B도 같은 함수3행에 범위만
B2:B15로 바꿔 입력
4. 결과 대조A는 2.16, 2.15, 0.20
B는 2.16, 1.80, 1.21
A1에 소재 A, B1에 소재 B를 쓰고 아래 숫자를 A2 칸에 붙여 넣으면 두 열로 나뉘어 들어갑니다. 퍼센트 기호 없이 2.1처럼 숫자만 넣고, 한 열로 몰려 들어가면 위 표를 보며 A2:A15와 B2:B15에 직접 입력합니다.
2.1 0.9
2.4 3.6
1.9 1.2
2.2 3.4
2.0 1.0
2.3 2.4
2.1 0.8
2.5 3.7
1.8 1.1
2.2 3.3
2.0 0.9
2.4 3.5
2.3 1.0
2.0 3.4함수는 D2에 =AVERAGE(A2:A15), E2에 =MEDIAN(A2:A15), F2에 =STDEV.P(A2:A15)를 넣고, 3행에는 범위를 B2:B15로 바꿔 같은 함수를 넣습니다. 결과 칸은 퍼센트 서식으로 바꾸지 말고 소수 둘째 자리까지 표시합니다.
평균과 중앙값의 단위는 %이고 표준편차의 단위는 퍼센트포인트(%p)입니다. %p는 비율끼리의 차이를 나타내는 단위로, 2%에서 3%로 오르면 1%p 오른 것입니다. 결과가 위 4단계의 숫자와 다르면 14행을 모두 넣었는지와 함수 범위부터 봅니다.
평균으로만 보면 두 소재는 같습니다
평균은 모든 값을 더해 개수로 나눈 값입니다. 두 소재 모두 합계가 30.2이고 14일이므로 평균이 같습니다.
14일 일별 전환율 평균
2.16%소재 A30.2 ÷ 14- 2.16%소재 B30.2 ÷ 14
앞의 표를 눈으로 훑으면 B가 날마다 크게 오르내리는 것이 보이는데, 평균 하나로 줄이면 그 차이가 사라집니다. 일별 평균이 같아도 전체 주문 건수, 기간 전환율, 이익은 다를 수 있습니다. 요약은 정보를 줄이는 일이라서, 무엇이 빠졌는지 모르면 판단이 어긋납니다.
중앙값을 함께 보면 B가 달라집니다
중앙값은 값을 크기순으로 늘어놓았을 때 한가운데 오는 값입니다. 개수가 짝수면 가운데 두 값의 평균을 씁니다. 이 자료는 14개이므로 정렬한 뒤 7번째와 8번째 값을 평균합니다.
소재 A: 1.8 1.9 2.0 2.0 2.0 2.1 [2.1 2.2] 2.2 2.3 2.3 2.4 2.4 2.5
중앙값 = (2.1 + 2.2) ÷ 2 = 2.15%
소재 B: 0.8 0.9 0.9 1.0 1.0 1.1 [1.2 2.4] 3.3 3.4 3.4 3.5 3.6 3.7
중앙값 = (1.2 + 2.4) ÷ 2 = 1.80%평균과 중앙값을 나란히 놓으면 A는 거의 같고 B는 0.36%p 벌어집니다.
평균과 중앙값의 간격
평균과 중앙값이 벌어지면 원자료가 어떻게 퍼져 있는지 볼 차례입니다. B는 14일 가운데 7일이 1.2% 이하인데 평균은 2.16%입니다. 반대로 두 값이 가깝다고 값이 좁게 모여 있다는 보장은 없습니다. 0, 5, 10은 평균과 중앙값이 모두 5이지만 값이 넓게 흩어져 있습니다. 중앙값이 언제나 평균보다 실제 모습을 잘 대표하는 것도 아닙니다.
같은 원리가 객단가, 체류 시간, 배송 소요일에도 적용됩니다. 고액 주문 몇 건이 평균 객단가를 끌어올리는 경우가 대표적입니다.
표준편차로 흩어진 정도를 봅니다
중앙값은 정렬한 값의 가운데 위치를 알려 주지만, 값이 얼마나 흩어졌는지는 알려 주지 않습니다. 그 정도를 보여 주는 값이 표준편차입니다.
계산은 네 단계입니다. 평균을 구하고, 각 값에서 평균을 빼고, 그 차이를 제곱해 평균을 내고(분산), 마지막에 제곱근을 씌웁니다. 차이를 그냥 더하면 양수와 음수가 상쇄되어 0이 되므로 제곱을 거칩니다. 제곱하면 단위도 제곱이 되므로 제곱근을 씌워 원래 단위로 되돌립니다.
이 글은 관찰한 14일 자체를 요약하므로 분산을 14로 나누는 STDEV.P를 씁니다. 표본으로 더 넓은 집단의 흩어짐을 추정할 때 쓰는 STDEV.S는 13으로 나누므로 값이 조금 커집니다. 분산은 A가 0.040, B가 1.460이고, 제곱근을 씌운 표준편차는 다음과 같습니다.
두 소재의 표준편차
표준편차는 흩어짐의 크기를 하나로 요약한 값이라서, 모든 날이 평균에서 정확히 그만큼 떨어져 있지는 않습니다. 세 가지 값을 함께 놓으면 두 소재의 성격이 분명해집니다.
| 소재 | 평균 | 중앙값 | 표준편차 | 움직임 |
|---|---|---|---|---|
| A | 2.16% | 2.15% | 0.20%p | 매일 비슷한 값이 나옵니다 |
| B | 2.16% | 1.80% | 1.21%p | 높은 날과 낮은 날이 번갈아 나옵니다 |
표준편차가 크면 나눠 볼 때입니다
여기서 자주 하는 실수가 있습니다. 표준편차가 크면 불안정하니 나쁘다고 판단하고 소재 B를 중단하는 것입니다.
표준편차가 크다는 것은 좋고 나쁨이 아니라 값이 널리 흩어져 있다는 뜻입니다. 요일이나 지면 같은 조건이 섞였을 수도 있고, 일별 클릭 수가 적어 우연한 변동이 컸을 수도 있고, 수집 오류가 있었을 수도 있습니다. 표준편차만으로는 이 가운데 무엇이 원인인지 알 수 없습니다.
소재 B의 일별 값을 날짜순으로 막대로 그리면 규칙이 보입니다.
소재 B의 일별 전환율
홀수 날과 짝수 날을 따로 묶어 다시 계산하면 이렇습니다.
소재 B를 홀수 날과 짝수 날로 나눈 결과
0.99%홀수 날 7일 평균표준편차 0.12%p- 3.33%짝수 날 7일 평균표준편차 0.40%p
1.21%p나누기 전 B 전체 표준편차두 묶음보다 큽니다
홀수 날의 표준편차 0.12%p는 A의 0.20%p보다 작고, 짝수 날의 0.40%p는 A보다 큽니다. 두 묶음 모두 B 전체의 1.21%p보다는 작습니다. 이 자료는 설명용으로 만든 값이라 홀수 날과 짝수 날이 왜 다른지까지는 담고 있지 않습니다.
실제 데이터라면 여기서 요일, 지면, 기기, 시간대 가운데 무엇 때문에 두 묶음으로 나뉘었는지 찾습니다. 어떤 조건에서 비율이 높게 나오면 그 조건의 클릭과 주문 건수, 비용, 수집 상태를 함께 보고 새 기간의 실험으로 다시 검토합니다. 이 표만 보고 그 조건에 예산을 몰지 않습니다.
범위를 벗어난 값은 원자료부터 봅니다
소재 A의 평균 2.16%에서 표준편차 약 0.20%p를 더하고 빼면 약 1.96%에서 2.36% 범위가 나옵니다. 이 범위를 벗어난 날을 살펴볼 수는 있지만, 벗어났다는 이유만으로 오류라고 판정하지는 않습니다. A의 표에도 정상적으로 입력한 1.8%와 2.5%가 있습니다.
튀는 값이 보일 때 확인하는 순서
1. 그날의 클릭 수클릭이 적으면 전환 한두 건에
비율이 크게 움직임
2. 원자료광고 관리자의 같은 날짜
클릭과 전환 건수- 3. 수집 상태태그 누락이나
중복 집계가 있었는지 
4. 문제없으면 남김값을 지우지 않고
분석에 그대로 포함
두 소재 중 무엇이 나은지는 아직 정할 수 없습니다
세 가지 값은 소재마다 일별 비율이 어떻게 움직였는지 보여 줄 뿐, 어느 소재가 더 많이 팔았는지는 알려 주지 않습니다. 질문마다 필요한 자료가 다릅니다.
판단하려면 더 필요한 자료
| 알고 싶은 것 | 건수총 클릭과 총 주문 |  금액광고비, 주문 금액, 비용 |  실험 설계무작위 배정, 새 기간 |
|---|---|---|---|
| 전체 기간의 전환율 | 제공 | – | – |
| 매출이나 이익이 높은 소재 | 제공 | 제공 | – |
| 소재 때문에 생긴 차이인지 | – | – | 제공 |
| 다음에도 차이가 유지될지 | 제공 | – | 제공 |
통계값은 다음에 무엇을 확인할지 좁혀 줍니다. A의 일별 비율이 더 고르다고 해서 A의 판매량까지 안정적이라고 말할 수는 없습니다.
차이를 언제 믿을 수 있는지
소재 A가 2.16%이고 다른 소재 C가 2.31%라도, 건수와 실험 조건을 모르면 C가 더 낫다고 정하기 어렵습니다. 두 소재가 각각 10,000클릭을 받았다고 하면 차이는 주문 15건입니다.
10,000클릭씩 받은 두 소재
- 216건소재 A 주문전환율 2.16%
- 231건소재 C 주문전환율 2.31%
15건두 소재의 차이건수를 알아도 우연인지는 따로 검토
p값은 '차이가 없다'는 가정과 분석 조건이 맞을 때, 지금 관측한 차이나 그보다 극단적인 결과가 나올 확률입니다. '이 결과가 우연일 확률'이나 '차이가 없을 확률'과는 다른 개념입니다. 미국통계학회의 p값 설명도 흔히 쓰는 0.05 하나로 결론을 정하지 말고 효과의 크기, 불확실성, 실험 설계를 함께 보라고 권합니다.
실무에서는 p값 계산보다 실험 전에 주지표, 기간, 필요한 표본 크기를 정하는 일이 먼저입니다. 데이터가 적으면 우연한 변동과 실제 차이를 구분하기 어려워지지만, '주당 10건 이하는 모두 우연' 같은 고정된 기준은 없습니다. 클릭처럼 더 자주 일어나는 행동을 함께 볼 수는 있어도, 클릭이 늘었다는 사실을 구매가 늘었다는 증거로 쓰지는 않습니다. 실험 설계는 A/B 테스트에서 이어집니다.
함께 움직인다고 원인은 아닙니다
마지막으로 자주 혼동하는 개념이 상관관계입니다. 광고비를 올린 달에 매출이 함께 올랐다고 해서 광고비가 매출을 올렸다고 단정할 수는 없습니다. 함께 움직인 이유로는 세 가지 가능성이 더 있습니다.
광고비와 매출이 함께 올랐을 때 따져 볼 것
1. 원인이 반대인지매출이 좋아서
광고 예산을 늘렸을 수 있음- 2. 숨은 요인시즌 수요가 매출과
광고비를 함께 끌어올렸는지 
3. 우연표본이 적으면 관계없는
두 값도 함께 움직여 보임- 4. 실험으로 확인대상을 무작위로 나누고
한 가지만 바꿔 비교
광고의 인과 효과는 대상을 무작위로 나누고 다른 조건을 맞춘 채 한 가지만 바꾸는 실험으로 확인합니다. 관찰 데이터에서 나온 상관은 가설을 만드는 재료이고 결론은 아닙니다.
실무에서 쓰는 순서
지금까지 다룬 내용을 리포트를 열 때마다 쓰는 순서로 묶으면 이렇습니다.
일별 지표를 받았을 때의 확인 순서
- 1. 평균과 중앙값둘이 벌어지면
원자료가 퍼진 모양 확인 - 2. 표준편차크면 조건, 일별 건수
수집 오류를 점검 - 3. 나눠 보기묶음별 값과 건수를 함께
차이는 가설로 적어 둠 - 4. 실험 설계표본 크기와 배정 방식 확인
근거가 부족하면 판단 보류
함께 움직이는 지표를 찾았다면 4단계에서 가설로 적고 실험으로 확인합니다. 세 함수는 자료를 요약해 줄 뿐이고, 조건별 원인 조사와 실험 판단은 그다음 일입니다. 지표를 무엇으로 잡을지는 마케팅 KPI 설정 글에 정리해 두었습니다.
자주 묻는 질문
표준편차가 크면 나쁜 건가요?
좋고 나쁨을 말하는 값이 아닙니다. 값이 널리 흩어져 있다는 사실만 알려 줍니다. 조건별 자료와 일별 건수를 나눠 볼 이유는 됩니다. 이 글의 B처럼 묶음 사이의 차이가 보여도, 그것만으로 원인이나 유리한 조건이 밝혀지지는 않습니다.
평균과 중앙값 중에 무엇을 리포트에 적어야 하나요?
무엇을 요약하는지에 따라 다릅니다. 주문 금액의 전형적인 값을 보여 주려면 중앙값과 분포를 함께 적습니다. 기간 전체 전환율이라면 총 전환 수를 총 클릭 수로 나눈 값을 적습니다. 일별 전환율의 단순 평균과 중앙값은 날짜별 분포를 설명하는 값으로 따로 표시합니다.
p값을 직접 계산해야 하나요?
실험 도구가 계산해 주는 경우가 많습니다. 직접 계산하는 것보다 도구가 어떤 가정과 지표로 계산했는지 아는 것이 중요합니다. 결과를 보며 기간을 임의로 늘리거나 유리한 지표만 고르면 처음 정한 검정의 해석이 어긋납니다.
표본이 적을 때는 무엇을 기준으로 결론을 내리나요?
처음 정한 설계에 따라 기간과 모집 규모를 채우고, 그래도 근거가 부족하면 결론을 보류합니다. 클릭이나 폼 시작을 보조 지표로 볼 수는 있지만, 결과를 본 뒤 주지표를 바꿔 성공으로 선언하지는 않습니다.
통계를 더 배우려면 무엇부터 봐야 하나요?
이 글의 세 가지 값을 자기 광고 데이터로 몇 번 구해 보는 일이 먼저입니다. 그다음으로 쓸모가 큰 것은 분포를 눈으로 보는 습관입니다. 값을 구간별로 집계해 막대로 그리면 평균만으로는 보이지 않던 모양이 드러납니다.
3줄 요약
-
평균은 값의 합을 개수로 나눈 값이고 중앙값은 정렬했을 때 가운데 값이며, 기간 전체 전환율은 일별 비율의 평균이 아니라 총 주문 수를 총 클릭 수로 나눠 구합니다.
-
일별 평균이 2.16%로 같은 두 소재도 표준편차는 0.20%p와 1.21%p로 약 여섯 배 차이가 나고, B는 홀수 날 평균 0.99%와 짝수 날 평균 3.33%로 나뉩니다.
-
표준편차가 크면 조건별로 나눠 원인을 찾을 이유가 생길 뿐이고, 어느 소재가 나은지는 클릭과 주문 건수와 실험 설계를 갖춘 뒤에 정합니다.
제대로 이해했는지 한 문제로 확인해 볼까요?
답을 고르면 바로 풀이가 나와요.
광고 소재 A와 B의 일별 전환율 평균은 모두 2.16%이고 표준편차는 각각 0.20%p와 1.21%p입니다. 무엇을 먼저 해야 할까요?
새 글과 AI 소식을 메일로 받아 보세요
AI가 바꾸는 일과 도구, 측정 실무 이야기를 매주 한 번 보내 드려요.
이 글이 도움이 되었나요?
GA4 화면의 숫자를 모으고 읽고 보여 주는 세 단계를 정리했습니다
코스 전체 보기 →