퍼포먼스 마케팅 및 ROAS 분석

퍼포먼스 마케팅은 그 결과와 성과를 정량적으로 측정하고 최적화하는 데 초점을 맞춘다. 반면, 전통 마케팅은 주로 브랜드 인지도, 이미지 구축, 장기적인 고객 관계 형성과 같은 정성적 목표를 추구한다. 이로 인해 투자 대비 직접적인 수익을 측정하기 어렵고, 효과 판단에 주관적 요소가 개입될 수 있다.

두 접근법의 핵심 차이는 측정 가능성과 책임 소재에 있다. 퍼포먼스 마케팅은 클릭률, 전환율, 광고수익률과 같은 명확한 핵심 성과 지표를 설정하고, 각 캠페인의 성과를 실시간으로 추적한다. 이는 마케팅 지출에 대한 명확한 책임을 요구한다. 전통 마케팅은 TV 광고, 인쇄 매체, 옥외 광고 등을 활용하며, 광고 노출 횟수나 설문 조사와 같은 간접적인 지표로 효과를 추정하는 경우가 많다.

예산 운영 방식도 상이하다. 퍼포먼스 마케팅은 유연한 예산 배분이 특징이다. 실시간 데이터를 바탕으로 성과가 좋은 채널이나 키워드에 예산을 집중하고, 성과가 낮은 부분은 즉시 중단 또는 조정한다. 이는 애자일 마케팅의 특성을 보인다. 전통 마케팅은 대규모 캠페인을 사전에 기획하고, 장기 계약을 통해 예산을 확정하는 경우가 일반적이어서 실행 중간에 전략을 빠르게 수정하기 어렵다.

다음 표는 주요 차이점을 요약한 것이다.

결과적으로 퍼포먼스 마케팅은 효율성과 측정 가능성을 중시하는 디지털 시대의 산물이다. 전통 마케팅은 여전히 브랜드 가치를 구축하는 데 중요한 역할을 하지만, 두 방식을 상호 보완적으로 결합하는 옴니채널 마케팅 전략이 현대 마케팅의 주요 흐름이 되었다.

퍼포먼스 마케팅은 주로 디지털 환경에서 실행되며, 성과를 직접 추적하고 측정할 수 있는 다양한 채널을 활용한다. 주요 채널은 크게 유료 채널과 무료 또는 소유 채널로 구분되지만, 유료 채널이 성과 측정의 명확성 때문에 더욱 두드러진다.

가장 대표적인 유료 채널은 검색 엔진 마케팅(SEM)이다. 이는 사용자가 특정 키워드를 검색했을 때 광고를 노출시키는 방식으로, 구글 애즈나 네이버 SA가 대표적이다. 높은 구매 의도를 가진 사용자를 직접 타겟팅할 수 있어 전환율이 높은 편이다. 디스플레이 광고는 웹사이트나 앱 내 배너 형태로 브랜드 인지도 향상과 리타겟팅에 효과적이다. 소셜 미디어 광고는 페이스북, 인스타그램, 틱톡 등의 플랫폼에서 사용자 관심사와 행동 데이터를 기반으로 정밀 타겟팅이 가능하다. 이메일 마케팅은 기존 고객 또는 잠재 고객에게 직접 메시지를 전달하는 채널로, 개인화된 오퍼를 제공하고 재방문을 유도하는 데 강점을 가진다. 제휴 마케팅(Affiliate Marketing)은 성과(판매 또는 리드)에 따라 제휴사에게 수수료를 지급하는 방식으로, 위험 부담이 낮고 확장성이 크다.

퍼포먼스 마케팅의 유형은 캠페인의 궁극적 목표에 따라 세분화된다. 주요 유형은 다음과 같다.

이러한 채널과 유형은 단독으로 운영되기보다는, 마케팅 퍼널(Funnel)의 각 단계(인지, 고려, 전환)에 맞춰 통합적으로 활용된다. 예를 들어, 소셜 미디어 광고로 신규 사용자에게 인지도를 높인 후, 검색 광고로 구매 의사가 있는 사용자를 포착하고, 이메일 마케팅으로 장바구니 포기자를 재유도하는 방식이다. 각 채널의 성과 데이터를 지속적으로 모니터링하고 ROAS를 분석하여 예산을 효율적으로 재배분하는 것이 핵심이다.

ROAS는 특정 광고 캠페인이나 마케팅 채널이 창출한 수익을 해당 활동에 투입된 광고 비용으로 나누어 계산한다. 기본 공식은 '광고로 인한 수익 / 광고 비용'이다. 예를 들어, 100만 원의 광고비로 500만 원의 매출을 발생시켰다면 ROAS는 5(또는 500%)가 된다. 이는 투자한 광고비 1원당 5원의 수익을 돌려받았음을 의미한다.

ROAS 값의 해석은 산업, 비즈니스 모델, 캠페인 목표에 따라 다르다. 일반적으로 ROAS가 1보다 크면 광고비를 회수하고 추가 수익을 창출했다고 볼 수 있다. 그러나 실제 수익성을 판단하려면 매출원가나 영업이익률과 같은 요소를 고려해야 한다. 예를 들어, 높은 ROAS를 기록했더라도 제품의 이익률이 매우 낮다면 실제 순익은 적을 수 있다[1]. 따라서 ROAS는 단순 효율 지표가 아닌, 광고 투자 효율성의 초기 신호로 활용된다.

보다 정확한 분석을 위해 ROAS는 다른 지표와 함께 고려된다. 특정 채널의 신규 고객 유치 비용인 CPA와 비교하거나, 장기적인 고객 가치인 LTV와 연계하여 분석한다. 또한, 단기 매출만을 추적하는 ROAS의 한계를 보완하기 위해 전환 추적 기간을 늘리거나, 브랜드 인지도 상승과 같은 간접적 효과를 정성적 지표로 함께 평가하기도 한다.

이 표는 일반적인 해석 기준을 보여주지만, 실제로는 비즈니스의 목표 이익률을 기준으로 한 목표 ROAS를 설정하고 이를 달성 여부로 평가한다.

ROAS는 광고 지출 대비 직접적인 매출을 측정하는 반면, ROI는 광고 비용뿐만 아니라 상품 원가, 인건비 등 모든 관련 비용을 고려하여 총 투자 대비 순이익을 평가하는 더 포괄적인 지표이다. ROAS는 주로 특정 광고 캠페인의 효율성을 빠르게 판단하는 데 사용되고, ROI는 비즈니스 전체의 수익성을 판단하는 데 활용된다. 예를 들어, 높은 ROAS를 기록했더라도 높은 상품 원가로 인해 실제 ROI는 낮을 수 있다.

CPA는 광고를 통해 한 건의 유의미한 행동(예: 구매, 가입)을 유도하는 데 드는 평균 비용을 나타낸다. ROAS가 매출액에 초점을 맞춘다면, CPA는 비용 효율성에 초점을 맞춘다. 두 지표는 서로 변환될 수 있으며, 일반적으로 평균 거래 금액과 전환율을 알면 ROAS에서 CPA를, 또는 그 반대로 계산할 수 있다. 예를 들어, 특정 CPA 목표를 설정하고 이를 달성하기 위해 필요한 ROAS 수준을 역산하여 캠페인 목표로 삼는다.

다음 표는 세 가지 핵심 지표의 주요 차이점을 요약한다.

따라서 효과적인 퍼포먼스 마케팅 분석에서는 상황과 목적에 따라 이 지표들을 함께 사용한다. 단기적인 광고 효율 모니터링에는 ROAS와 CPA가, 장기적인 비즈니스 의사결정에는 ROI가 더 적합한 지표가 된다.

퍼포먼스 마케팅 캠페인 설계의 첫 단계는 명확하고 측정 가능한 목표를 설정하는 것이다. 일반적인 목표는 신규 고객 확보, 매출 증대, 리드 생성, 앱 설치 유도 등이 포함된다. 이러한 목표는 비즈니스의 전략적 방향과 직접적으로 연결되어야 하며, 단순한 '인지도 향상'과 같은 모호한 목표보다는 구체적인 행동 유도가 핵심이다. 예를 들어, 이커머스의 경우 '3분기 온라인 매출 20% 증가'가 될 수 있다.

설정된 목표에 따라 핵심 성과 지표(KPI)를 선정한다. KPI는 캠페인의 성공 여부를 정량적으로 평가하는 척도 역할을 한다. 가장 대표적인 KPI는 ROAS이며, 이 외에도 목표에 따라 전환율(CVR), 고객 획득 비용(CAC), 클릭당 비용(CPC), 리드당 비용(CPL) 등이 활용된다. 목표가 브랜드 인지도라면 도달률과 노출 빈도가 주요 KPI가 될 수 있다.

KPI 선정 시에는 해당 지표가 목표를 정확히 반영하는지, 데이터 추적이 가능한지, 그리고 정기적인 모니터링과 비교 분석에 적합한지 고려해야 한다. 또한, 단기적인 성과 지표와 장기적인 고객 생애 가치(LTV)를 함께 고려하는 균형 잡힌 접근이 필요하다. 잘 정의된 목표와 KPI는 이후 타겟팅 전략 수립과 예산 배분의 근거를 제공하며, 궁극적으로 ROAS 최적화를 위한 명확한 방향성을 제시한다.

타겟팅은 광고 예산을 가장 효과적으로 사용할 수 있도록, 광고 메시지를 특정 조건을 충족하는 소비자 집단에 정확하게 전달하는 과정이다. 성과 중심의 마케팅에서는 인구통계학적 정보, 관심사, 구매 행동, 온라인 행적 등 다양한 데이터를 기반으로 세분화된 타겟 오디언스를 정의한다. 이를 통해 광고 노출의 낭비를 줄이고, 전환 가능성이 높은 잠재고객에게 집중할 수 있다.

메시지 전략은 타겟팅된 오디언스의 욕구와 상황에 맞춰 광고 콘텐츠를 구성하는 것을 의미한다. 동일한 제품이라도 세그먼트별로 강조점이 달라져야 한다. 예를 들어, 가격에 민감한 소비자 세그먼트에는 할인 혜택을 강조하는 메시지를, 브랜드 충성도가 높은 세그먼트에는 신제품 출시나 프리미엄 서비스를 알리는 메시지를 사용한다. 메시지는 광고 소재의 형태로 구체화되며, 텍스트, 이미지, 동영상 등 채널 특성에 맞게 제작된다.

효과적인 타겟팅과 메시지 전략은 A/B 테스트를 통해 지속적으로 검증되고 최적화된다. 서로 다른 타겟 그룹에 서로 다른 메시지 버전을 노출시켜, 어떤 조합이 가장 높은 전환율과 ROAS를 달성하는지 비교 분석한다. 이 과정에서 데이터 기반의 인사이트가 축적되어, 향후 캠페인의 정밀도를 더욱 높일 수 있다.

데이터 추적은 퍼포먼스 마케팅의 핵심이며, ROAS를 정확히 측정하기 위한 기초 작업이다. 광고 클릭, 웹사이트 방문, 구매 전환 등 사용자의 모든 행동 데이터를 수집하고 연결하는 과정이 필요하다. 이를 위해 구글 애널리틱스와 같은 웹 분석 도구, 구글 태그 매니저와 같은 태그 관리 시스템, 그리고 각 광고 플랫폼(예: 메타 애즈 매니저, 구글 애즈)에서 제공하는 픽셀 또는 전환 추적 코드가 필수적으로 활용된다. 이러한 도구들은 사용자 행동을 이벤트로 정의하고, 특정 전환 목표(예: 장바구니 담기, 결제 완료)가 달성되었을 때 데이터를 기록한다.

효과적인 분석을 위해서는 이러한 분산된 데이터 소스들을 하나의 통합된 시각으로 모아야 한다. 이때 CRM(고객 관계 관리) 시스템, ERP(전사적 자원 관리) 시스템의 판매 데이터와 광고 비용 데이터를 연결하는 작업이 중요해진다. 데이터 통합을 위한 주요 방법으로는 데이터 웨어하우스(예: 구글 빅쿼리, 아마존 레드시프트) 구축이나 CDP(고객 데이터 플랫폼) 도입이 있다. 이러한 통합 플랫폼은 각 채널의 비용과 매출 데이터를 집계하여 채널별, 캠페인별, 심지어 키워드 또는 광고 소재 단위의 정확한 ROAS를 계산할 수 있는 기반을 제공한다.

사용되는 주요 도구와 그 역할은 다음과 같이 정리할 수 있다.

데이터 품질 관리도 중요한 과제이다. 잘못 구성된 추적 코드, 쿠키 차단 정책, 크로스 디바이스 사용으로 인한 데이터 단절은 ROAS 계산의 정확성을 크게 떨어뜨린다. 따라서 정기적인 추적 코드 감사와 데이터 유효성 검증이 필수적이며, 점차 강화되는 개인정보 보호 규제에 대응하여 1인칭 데이터 수집에 대한 합법적 동의 절차를 마련하는 것도 도구 활용의 전제 조건이 된다.

사용자가 광고를 클릭하거나 전환을 완료하기까지 여러 개의 마케팅 접점을 경험하는 경우가 일반적이다. 다중 채널 귀속 모델(Multi-Channel Attribution Model)은 이러한 복잡한 여정에서 각 마케팅 채널이 최종 전환에 기여한 공헌도를 정량적으로 평가하고, 그 가치를 적절히 배분하는 분석 프레임워크이다. 단순히 '마지막 클릭'만을 인정하는 방식의 한계를 넘어, 전환 경로에 참여한 모든 채널의 역할을 공정하게 측정하는 것을 목표로 한다.

주요 귀속 모델은 전환 공헌도를 배분하는 로직에 따라 다양하게 구분된다. 가장 일반적인 모델은 다음과 같다.

적절한 귀속 모델의 선택은 비즈니스 목표와 고객 여정의 복잡성에 따라 달라진다. 예를 들어, 브랜드 인지도가 낮은 초기 단계에서는 최초 클릭 모델이 유용할 수 있으나, 반복 구매가 중요한 이커머스 비즈니스에서는 시간 감소 모델이 더 정확한 인사이트를 제공할 수 있다. 많은 기업들은 단일 모델에 의존하기보다, 여러 모델을 비교 분석하여 채널 간 상호작용과 고객 행동 패턴을 종합적으로 이해하려고 노력한다[4].

이 모델의 정확한 적용을 위해서는 사용자 경로의 모든 접점 데이터를 통합적으로 추적할 수 있는 마케팅 자동화 플랫폼이나 고객 데이터 플랫폼(CDP)과 같은 기술 인프라가 필수적이다. 올바른 귀속 분석은 광고수익률(ROAS) 계산의 정확성을 높이고, 예산을 가장 효과적인 채널에 재배분하는 데 결정적인 근거를 제공한다.

퍼포먼스 마케팅에서 ROAS를 극대화하기 위해서는 예산을 효율적으로 배분하고, 각 광고 채널 및 캠페인에 적합한 입찰 전략을 수립하는 것이 핵심이다. 이 과정은 정적이지 않고, 실시간 데이터와 성과 지표를 바탕으로 지속적으로 조정된다.

예산 배분은 전통적으로 과거 성과 데이터를 기반으로 이루어진다. 각 광고 채널(예: 검색 광고, 디스플레이 광고, 소셜 미디어 광고)의 이전 ROAS나 CPA를 분석하여 수익률이 높은 채널에 더 많은 예산을 투입한다. 또한, 계절성, 프로모션 일정, 신제품 출시와 같은 비즈니스 목표를 고려하여 탄력적으로 예산을 조정한다. 최근에는 머신 러닝을 활용한 자동 예산 배분 도구가 보편화되고 있다. 이러한 도구는 실시간으로 수천 개의 변수를 분석하여 예산을 각 캠페인, 광고 세트, 심지어 개별 키워드 수준까지 동적으로 재분배함으로써 전체 광고 수익률을 최적화한다.

입찰 전략은 광고 플랫폼의 경매에서 광고 노출 기회를 획득하는 방식을 결정한다. 주요 전략은 다음과 같다.

효과적인 예산 및 입찰 관리를 위해서는 A/B 테스트를 통해 다양한 전략을 실험하고, 다중 채널 귀속 보고서를 통해 각 채널의 실제 기여도를 정확히 평가하는 과정이 필수적으로 수반되어야 한다.

A/B 테스트는 두 개 이상의 변형(예: 광고 소재, 랜딩 페이지, 제목)을 무작위로 다른 사용자 집단에 노출하여 어느 것이 더 나은 성과를 내는지 비교하는 실험 방법이다. 이는 ROAS 최적화를 위한 데이터 기반 의사결정의 핵심 도구로 작동한다.

실험 설계는 명확한 가설 수립에서 시작한다. 예를 들어 "메인 이미지를 제품 단독 사진에서 사용 장면 사진으로 변경하면 전환율이 10% 상승할 것이다"와 같은 가설을 세운다. 이후 대조군(A)과 실험군(B)을 정의하고, 통계적 유의성을 확보할 수 있을 만큼의 충분한 표본 크기와 테스트 기간을 설정한다. 실험 중에는 외부 변수(예: 휴일, 경쟁사 캠페인)의 영향을 최소화하기 위해 주의를 기울여야 한다.

분석 결과는 단순히 승자를 선정하는 데 그치지 않고, 사용자 행동에 대한 이해를 깊게 하는 데 사용해야 한다. A 버전이 B 버전보다 낮은 CPA를 기록했다면, 그 이유가 제목의 명확성 때문인지, 이미지의 호소력 때문인지 파악하여 향후 모든 캠페인에 적용할 수 있는 원칙을 도출한다. 이러한 지속적인 실험과 학습 사이클을 통해 퍼포먼스 마케팅의 효율성을 체계적으로 높일 수 있다.

이커머스 산업은 퍼포먼스 마케팅의 가장 대표적인 적용 분야이다. 제품 판매라는 직접적인 전환 행위와 명확한 매출 지표를 가지고 있어, ROAS 측정과 최적화에 매우 적합한 구조를 지닌다. 이커머스 업체들은 주로 검색 엔진 마케팅, 소셜 미디어 광고, 디스플레이 광고, 이메일 마케팅 등의 채널을 통해 상품을 노출하고, 클릭에서 구매로 이어지는 전환 경로를 세밀하게 추적한다. 성공적인 캠페인은 높은 ROAS를 달성하면서도 신규 고객 확보와 기존 고객 재구매 유도를 병행한다.

이커머스에서의 ROAS 분석은 단순히 광고 비용 대비 매출을 넘어, 상품 카테고리, 고객 세그먼트, 구매 주기별로 세분화된다. 예를 들어, 신상품 런칭 캠페인은 초기 인지도 확보를 목표로 낮은 ROAS를 허용할 수 있으나, 베스트셀러 상품의 프로모션은 높은 ROAS를 목표로 한다. 또한, 첫 구매 전환 비용과 고객 생애 가치를 비교 분석하여 장기적인 수익성을 판단하는 것이 중요하다.

효율적인 예산 운영을 위해 이커머스 업체들은 종종 다음과 같은 전략적 프레임워크를 활용한다.

최근에는 머신러닝 기반의 자동 입찰 시스템과 다중 채널 귀속 모델을 도입하여, 단일 클릭이 아닌 전체 구매 여정에 걸친 채널의 기여도를 평가하는 것이 표준이 되었다. 이를 통해 브랜드 검색 광고의 가치를 재평가하거나, 상단 채널의 인지도 증대 효과를 하단 채널의 전환에 어떻게 반영할지 결정한다.

핀테크와 SaaS 산업은 높은 고객 획득 비용과 장기적인 고객 생애 가치를 특징으로 하여, 퍼포먼스 마케팅과 ROAS 분석이 비즈니스 성장의 핵심 요소가 된다. 이들 산업의 마케팅 목표는 단순한 클릭이나 방문이 아닌, 유료 구독 전환 또는 활성 사용자 확보와 같은 구체적인 행동 유도에 있다. 따라서 광고 지출이 실제 수익으로 어떻게 연결되는지를 정밀하게 측정하는 것이 필수적이다.

핀테크 서비스의 경우, CPA를 통한 리드 생성보다는 실제 가입 및 거래 실행까지의 전환 경로를 추적하여 ROAS를 계산하는 데 중점을 둔다. 예를 들어, 투자 앱의 경우 첫 입금 완료, 신용카드 서비스의 경우 카드 발급 승인을 핵심 전환 지표로 설정한다. SaaS 기업은 일반적으로 프리미엄 요금제 전환, 무료 체험판 사용자 유치, 또는 기업용 영업 제안 문의를 주요 성과 지표로 삼는다. 두 산업 모두 고객의 신뢰 구축이 중요하므로, 광고 메시지는 복잡한 금융 또는 기술적 정보를 명확하게 전달하면서도 가치 제안을 강조해야 한다.

이들 산업의 ROAS 분석은 특히 장기적인 관점에서 이루어진다. 핀테크 서비스의 수익은 한 번의 거래보다는 지속적인 계좌 관리 수수료나 거래 수수료에서 발생하며, SaaS는 월간 또는 연간 구독료가 주요 수익원이다. 따라서 단기 ROAS뿐만 아니라 고객 생애 가치를 고려한 장기 수익성을 함께 평가해야 한다. 분석은 다음과 같은 다단계 접근 방식을 취한다.

개인정보 보호 강화와 타사 쿠키의 사용 제한은 핀테크와 SaaS의 타겟팅 및 측정 방식을 변화시키고 있다. 대신, 퍼스트파티 데이터를 활용한 리타겟팅, 콘텐츠 마케팅, 그리고 다중 채널 귀속 모델을 통해 보다 포괄적인 성과 분석을 수행하는 추세이다.

애플의 ATT(앱 추적 투명성) 프레임워크와 유럽 연합의 GDPR(일반 개인정보보호규정), 미국의 CCPA(캘리포니아 소비자 개인정보 보호법)와 같은 규제는 사용자 데이터 수집과 추적에 제한을 가한다. 이는 퍼포먼스 마케팅의 핵심인 정밀한 타겟팅과 전환 추적을 어렵게 만들어, 광고주가 광고 효과를 측정하고 ROAS를 정확히 계산하는 데 장애물이 된다.

특히 서드파티 쿠키의 단계적 폐지는 광고 리타겟팅과 교차 사이트 추적을 크게 제한한다. 이로 인해 광고 플랫폼은 컨텍스트 타겟팅이나 퍼스트파티 데이터 활용에 더 의존하게 되었다. 마케터는 직접적인 고객 관계를 구축하고, 뉴스레터 구독이나 회원가입을 통해 자체 데이터를 축적하는 전략의 중요성이 더욱 부각된다.

이러한 환경 변화는 다중 채널 귀속 모델의 정확성을 떨어뜨릴 수 있으며, 데이터 드리븐 의사결정에 불확실성을 더한다. 결과적으로, 광고주는 프라이버시 샌드박스와 같은 새로운 기술 표준을 테스트하거나, 모델링을 통한 간접 측정에 더욱 의존해야 하는 상황에 직면한다. 개인정보 보호 강화는 소비자 신뢰 측면에서는 긍정적이지만, 마케팅 측정의 정밀도와 효율성 측면에서는 지속적인 도전 과제로 남아 있다.

AI와 자동화 기술의 발전은 퍼포먼스 마케팅의 운영 및 ROAS 최적화 방식을 근본적으로 변화시키고 있다. 기계 학습 알고리즘은 방대한 양의 실시간 데이터를 분석하여 인간의 판단으로는 발견하기 어려운 패턴과 인사이트를 도출한다. 이를 통해 입찰 가격, 타겟팅, 크리에이티브 최적화 등을 자동으로 수행하는 스마트 입찰 전략이 표준화되었다. 특히 구글 애즈와 메타 애드 매니저 등의 플랫폼은 자동화된 입찰 전략을 제공하여 마케터가 설정한 전환 목표에 따라 실시간으로 예산을 효율적으로 분배한다.

자동화는 단순한 작업 효율화를 넘어 예측과 전략 수립 영역으로 확장되고 있다. 예측 분석 AI는 과거 캠페인 데이터와 시장 트렌드, 심지어 외부 요인(예: 날씨, 경제 지표)을 결합해 미래의 ROAS를 모델링하고 최적의 캠페인 실행 시나리오를 제안한다. 또한 NLP 기술을 활용한 챗봇과 퍼스널라이제이션 엔진은 고객 여정 전반에 걸쳐 개인화된 메시지를 실시간으로 전달하며, 단순 노출이 아닌 실제 전환으로 이어지는 퍼포먼스를 극대화한다.

이러한 발전은 마케터의 역할을 전략적 기획과 AI 모델의 관리 및 감독으로 재편한다. 그러나 알고리즘의 블랙박스 문제, 학습을 위한 고품질 데이터의 의존성, 그리고 초기 설정 및 유지 관리 비용 등의 과제도 존재한다[6]. 앞으로 생성형 AI가 광고 카피와 시각적 소재를 자동 생성하고, MTA를 대체할 수 있는 프라이버시 친화적인 AI 기반 귀속 분석 기술이 발전할 것으로 전망된다.