"전환 캠페인 켰는데 일주일 지나도 전환이 0이다."
광고비는 계속 나가는데 구매도, 상담 신청도 없는 막막한 상황. 보통 이런 상황에서 소재 문제인지, 타겟 문제인지 찾아보다가 결국 원인을 못 찾는 경우가 많습니다. 원인은 대부분 다른 곳에 있습니다. 처음부터 전환 캠페인을 돌린 게 문제일 수 있습니다.
전환 캠페인은 알고리즘이 "이 사람이 살 것 같다"고 판단하는 사람한테 광고를 보여주는 방식입니다. 그런데 이 판단을 하려면 기준이 되는 데이터가 있어야 합니다. 과거에 우리 사이트에서 구매한 사람들의 행동 패턴, 장바구니 담은 사람들의 특성 같은 것들이 쌓여 있어야 알고리즘이 움직일 수 있습니다.
픽셀을 처음 설치했거나 신규 계정인 상태라면?
알고리즘 입장에서는 누구한테 광고를 보여줘야 할지 분석할 기준이 전혀 없는 셈입니다. 결국 광고를 광범위하게 뿌려서 예산을 낭비하거나, 노출 자체를 제한해 버리는 상황이 발생합니다. 어느 쪽이든 예산 대비 성과가 나지 않는 것은 마찬가지입니다.
더 큰 문제는 데이터가 없는 상태에서 캠페인을 계속 돌리면, 알고리즘이 우리 광고를 "반응이 전혀 없는 저품질 광고"로 인식하고 학습하기 시작한다는 점입니다. 한 번 부정적으로 학습이 완료되면, 나중에 데이터가 쌓이더라도 계정 최적화를 회복하는 데 훨씬 더 많은 시간과 비용이 낭비됩니다.
실제 브랜드 사례
신규 의류 브랜드의 초기 세팅 오류
픽셀을 처음 설치한 신규 의류 브랜드 계정에서 하루 광고 예산의 대부분을 곧바로 구매 전환 캠페인에 할당했습니다. 일주일 동안 결과는 전환 0건. 광고 노출은 어느 정도 이루어졌으나, 알고리즘이 머신러닝을 정상적으로 수행하지 못해 예산만 허공에 소진된 최악의 결과였습니다.
트래픽 캠페인 선회 후 극복
문제 해결을 위해 즉시 트래픽 캠페인으로 돌아가 기초 유입 데이터부터 다졌습니다. 3주간 트래픽을 모아 픽셀 데이터를 쌓은 후 다시 전환 캠페인으로 변경하자, 비로소 목표한 수준의 ROAS가 정상적으로 나타나기 시작했습니다.
매체사마다 전환 캠페인을 안정적으로 가동할 수 있는 최소한의 데이터 가이드라인을 제시하고 있습니다. 기준을 모르고 들어가면 머신러닝이 멈추거나 광고비 누수 구간에 갇히게 됩니다.
"광고 세트당 7일 이내 전환 50회"
메타 공식 기준에 따르면, 일주일 이내에 최소 50회의 전환 이벤트가 발생해야 정상적인 학습이 돌아갑니다. 이 수치에 미달하면 광고 세트는 '머신러닝 제한' 상태에 들어가 최적화가 멈추고 효율이 극도로 낮아집니다.
💡 Solution: 초기에 직접적인 구매 전환 50회를 확보하기 어렵다면, 전환 목표의 단계를 한 단계 낮춰야 합니다. 구매 대신 '장바구니 담기'나 '콘텐츠 조회'를 1차 전환 목표로 세팅해 알고리즘 학습을 유도한 뒤 타겟을 좁혀 나가세요.
"최근 30일 이내 전환 30회"
구글은 최소 한 달간 30회 이상의 전환이 쌓여야 '전환 목표 입찰 전략'이 제대로 작동합니다. 만약 데이터가 부족한 상태에서 실적 최대화(P.MAX) 캠페인을 무작정 켜면, 매체는 타겟 탐색을 위해 무의미한 지면 노출을 반복하며 비용 효율을 크게 떨어뜨립니다.
💡 Solution: 구글도 동일하게 초기에는 '페이지 뷰'나 '세션 시작' 같은 마이크로 전환을 최적화 목표로 잡아 학습용 로그를 수집하고, 데이터 안정권에 진입했을 때 구매 전환으로 변경하는 것이 훨씬 안전합니다.
정리하자면 메타는 주간 단위, 구글은 월간 단위의 전환 데이터 모수 확보를 최우선으로 염두에 두고 전략을 세워야 합니다.
오프라인 매장을 열자마자 지나가는 행인에게 대뜸 구매하라고 외치는 행위와 다를 바 없습니다. 우선 가게 내부로 잠재 고객을 들여보내고, 여러 코너를 편하게 구경하게 한 다음, 구매를 유도하는 구조가 자연스럽습니다. 디지털 마케팅 세계도 마찬가지 순서로 설계해야 합니다.
트래픽 캠페인 (Traffic)
목적: 웹사이트 내 사용자 행동 데이터(픽셀 로그) 축적
구매 유무보다 픽셀에 양질의 모수를 쌓는 것에 집중합니다. 상대적으로 비용 부담이 적기 때문에 초반 유입을 폭발적으로 만들어내기에 유리합니다. 이 단계를 거치면서 어떤 소재가 높은 유입률을 기록하는지, 어떤 잠재 유저층이 활발하게 이동하는지 기초 데이터를 수집할 수 있습니다.
참여 캠페인 (Engagement)
목적: 브랜드 관심 유저 선별 및 데이터 정밀화
모인 트래픽 속에서 실제 반응하는 타겟을 필터링하는 단계입니다. 페이지 안에서 머무르거나 활발하게 반응한 유저를 찾아내면 알고리즘이 "우리 브랜드를 좋아하는 잠재 고객"의 특징을 효과적으로 분석하기 시작합니다. 이 단계에서 첫 방문자를 대상으로 한 리타겟팅을 함께 운영하면 효율이 한층 더 향상됩니다.
전환 캠페인 (Conversion)
목적: 최적화된 학습 데이터를 통한 실질적 구매 견인
앞 단계에서 축적된 무수한 실 유저들의 유기적인 로그를 활용하여 본격적으로 전환 캠페인을 가동합니다. 학습된 머신을 토대로 가장 구매 가능성이 큰 오디언스를 확실하게 짚어 내기 때문에, 데이터가 전혀 없이 바로 전환 단계부터 진입했을 때와 비교하여 압도적인 비용 절감과 탁월한 성과를 보장받을 수 있습니다.
단순 유입과 참여라는 사전 빌드업 단계 없이 곧장 전환 단계로 건너뛰면, 초기에 불필요하고 막대한 마케팅 비용 손실을 떠안게 됩니다.
전환 효율이 부진할 때 실무자들은 본능적으로 카피, 이미지 소재, 타겟 세팅 같은 미시적인 요소에 집중합니다. 그러나 그전에 혹시 트래픽과 참여 단계를 생략하고, 기초 공사도 되지 않은 허허벌판 위에서 서둘러 전환 캠페인만을 고집해 돌리고 있었던 것은 아닌지 전체 캠페인 구조를 복기해 보시기 바랍니다.
탄탄한 퍼포먼스를 만들어내는 마케팅 계정들은 대개 초기 최적화를 견뎌내는 고요한 학습 기간을 반드시 거칩니다. 이 과정이 아깝고 더디게 느껴질 수 있겠으나, 기본기 없는 성급한 전환 캠페인은 더 심각한 손실을 초래합니다. 차근차근 단계대로 성장의 근거를 쌓아야 인공지능 머신러닝의 확실한 효율을 경험할 수 있습니다. 지금 성과가 나지 않는 캠페인으로 고민하고 있다면, 첫 시작점의 마케팅 목적부터 다시 원점으로 재조정해 보세요.
댓글
0