1. 운영 현황 및 진단

• 매체 및 예산: META 활용, 월 200만 원 집행 중

• 운영 구조: 트래픽(80%) 위주의 과도한 편성, 전환(20%) 비중 매우 낮음

• 데이터 상태: 머신러닝 학습을 위한 최소 모수 부족

• 소재 및 랜딩: 단일 이미지 5종의 제한적 운영 및 자사몰 내 리뷰/상세페이지 부재로 인한 이탈 발생

2. 문제점 및 개선 방향

• 문제점: 단순 유입 목적의 트래픽 캠페인은 구매 의도가 낮은 이용자 데이터를 양산하여 광고비 누수 및 픽셀 데이터 저품질화 초래

• 개선 방향 (ALL-전환 체제): 트래픽 캠페인을 배제하고 전 예산을 전환 캠페인으로 일원화하여 양질의 데이터 학습 유도

• 최적화 목표 변경: 데이터 확보를 위해 목표 지표를 '구매'에서 '장바구니 담기'로 하향 조정하여 주당 50건 이상의 이벤트 확보 및 머신러닝 조기 완료

3. 세부 실행 전략

• 타겟 최적화 (유사 타겟 활용):

  • 실제 반응 유저 기반의 유사 타겟(LAL) 1~6% 생성

  • 자사몰 내 '장바구니 담기' 유저를 소스로 설정하여 구매 가능성이 높은 잠재 고객에게 노출 집중

• 소재 다각화 (스토리텔링 강화):

  • 인플루언서 릴스: 언박싱 및 시향 반응 중심의 숏폼 영상으로 시각적 향기 전달

  • 슬라이드형 소재: 브랜드 무드 → 향 설명 → 지속력 → 리뷰로 이어지는 단계별 정보 제공

  • T&D 고도화: 타겟 페르소나를 공략하는 후킹 문구 활용

4. 기대 효과

• 단기: 전환 이벤트(장바구니) 확보를 통한 메타 알고리즘 최적화 및 광고비 효율화

• 장기: 유효 모수 축적을 통한 ROAS 개선 및 향후 리타겟팅/스케일업을 위한 데이터 자산화 구축