메타 광고를 새로 세팅했는데 광고 세트 옆에 머신러닝 학습 중이라는 표시만 떠서 답답하지 않으셨나요?
성과는 눈에 띄게 나타나지 않고 광고비만 소진되는 것처럼 보여 불안한 마음이 드셨을 겁니다.
광고를 멈춰야 할지 아니면 세팅을 변경해야 할지 갈팡질팡하는 상황은 광고 처음 진행하는 사람이라면 누구나 한 번쯤 겪는 과정입니다.

머신러닝 단계는 광고 효율을 결정짓는 핵심적인 시간입니다. 하지만 이 시기의 특성을 제대로 이해하지 못해 성급하게 수정을 거듭하다가 결국 예산만 낭비하고 광고를 종료하는 실수를 범하곤 합니다. 메타 광고가 제 성능을 발휘하도록 만들기 위해 이 학습 기간에 반드시 지켜야 할 사항과 주의할 점을 짚어보겠습니다.

머신러닝 학습 기간의 작동 원리

머신러닝 학습 기간이란 광고 시스템이 최적의 성과를 내기 위해 데이터를 모으는 단계입니다.
광고를 처음 집행하거나 크게 수정했을 때 메타 시스템은 어떤 사용자에게 광고를 노출해야 효율적으로 전환을 일으킬 수 있을지 스스로 학습을 시작합니다. 이 기간에는 광고 도달 범위와 효율이 시시각각 변동하므로 수치상의 변화가 심하게 나타납니다.

그렇다면 이 머신러닝 단계를 언제 집중적으로 관리하고 인내해야 할까요?

1. 새로운 캠페인을 생성했거나 타겟을 완전히 새로 구성했을 때
2. 기존 광고의 랜딩 페이지를 바꾸었거나 새로운 유입 경로를 설계하여 메타가 새로운 사용자 행동 유형을 학습해야 하는 시기

성급한 세팅 변경이 가져오는 악순환

학습이 진행 중일 때는 광고 설정을 그대로 유지하고 지켜보는 인내심이 필요합니다. 성과가 당장 나오지 않는다고 조급하게 예산을 바꾸거나 소재를 수정하면 메타 알고리즘은 혼란을 겪게 됩니다. 사소한 변경 사항 하나가 전체 학습 과정을 초기화하여 처음부터 다시 데이터를 수집하게 만들기 때문입니다.

따라서 변경 사항이 있다면 학습 기간이 끝나기 전까지는 실행을 유보해야 합니다. 만약 예산을 조정해야 하는 상황이라면 한 번에 급격하게 변경하기보다 기존 금액의 20% 범위 안에서 서서히 움직이는 방법을 권장합니다. 소재의 문구나 이미지 역시 수정하기보다는 기존 광고 세트를 그대로 둔 채 새로운 세트를 만들어 테스트하는 편이 데이터 손실을 막는 안전한 길입니다.

지나치게 좁은 타겟 설정의 한계

머신러닝을 원활하게 진행하려면 대상이 되는 타겟의 규모가 충분히 확보되어야 합니다. 광고 효율을 높이겠다는 생각에 타겟 설정을 과도하게 좁히면 오히려 시스템이 학습할 수 있는 모수가 부족해져 성과를 내기 어려워집니다. 인공지능이 최적의 대상을 찾아내려면 분석할 만한 대상 자체가 넉넉하게 존재해야 합니다.

학습 제한을 예방하기 위해서는 초기 설정 단계에서 타겟의 폭을 넓게 열어두는 전략이 필요합니다. 상세한 관심사 타겟팅을 잠시 해제하고 연령과 성별 정도만 지정한 넓은 타겟 상태로 광고를 집행하는 것입니다. 이를 통해 모수를 충분히 확보해 주면 메타 시스템이 스스로 최적의 대상을 찾아내는 범위를 넓힐 수 있어 장기적으로 더 나은 성과를 기대할 수 있습니다.

학습 기간에는 잦은 수정 작업을 멈추고 시스템이 전환 데이터를 충분히 수집할 수 있도록 타겟 모수와 예산의 규모를 알맞게 보장해 주어야 합니다.

현재 운영 중인 캠페인이 머신러닝 단계에 머물러 있다면 광고 설정을 무작정 수정하기 전에 우리가 제공한 타겟의 규모와 예산이 일주일 동안 50건의 행동을 만들어내기에 적절한지 먼저 검토해 보시기 바랍니다.

이상 AMPM글로벌 박채은 마케터 였습니다.