Insight 01 타겟은 좁히지 말고 열어두세요

예전에는 관심사·연령·성별을 세밀하게 좁혀서 타겟을 설정하는 게 일반적이었습니다. 하지만 지금은 반대입니다. 메타 자체 테스트에서 관심사 등을 세밀하게 좁힌 타겟보다, 지역과 법정 최소 연령 정도만 설정하고 나머지는 AI에게 맡긴 넓은 타겟팅이 전환당 비용을 22.6% 낮추는 결과를 보였습니다. 심지어 2026년 1월 15일부터는 이런 변화를 반영하지 않은 오래된 관심사 타겟팅 캠페인의 노출이 실제로 중단되기 시작했습니다. 아직 예전 방식의 좁은 타겟팅을 쓰고 있는 캠페인이 있다면 지금 바로 확인이 필요합니다.

Insight 02 캠페인은 쪼개지 말고 하나로 모으세요

캠페인이나 광고 세트를 타겟별로 여러 개 만들면 그만큼 데이터도 쪼개져서, AI가 충분히 학습하지 못하고 오히려 성과가 떨어집니다. 물을 여러 그릇에 나눠 부으면 어느 쪽도 차지 않는 것과 같은 원리입니다. 과거에는 '신규 유저용'과 '재방문자 리타겟팅용' 캠페인을 따로 만드는 게 정석이었지만, 요즘은 하나의 메인 캠페인으로 통합하고 Advantage+ 기능에 타겟팅과 소재 최적화를 맡기는 방식이 더 효율적인 경우가 많습니다.

Insight 03 소재는 개수보다 '각도'입니다

Advantage+ 캠페인 기준 소재는 최대 150개까지 넣을 수 있지만, 중요한 건 개수 자체가 아니라 소구점(어필 포인트)의 다양성입니다. 같은 메시지를 색상만 바꿔 10개 만드는 것보다, 가격·후기·기능·사용 상황처럼 서로 다른 각도로 만든 소재 5개를 넣는 게 AI 학습에 훨씬 도움이 됩니다. 신규 소재는 보통 2~4주 정도 테스트 캠페인에서 돌려본 뒤, 성과가 검증된 것만 메인 캠페인으로 옮기는 방식을 권장합니다.

Attention 놓치기 쉬운 함정: iOS 유저 확보

iOS는 개인정보 추적 제한(ATT) 이후로 유저 행동 데이터를 안드로이드만큼 촘촘하게 받기 어렵습니다. 그만큼 iOS 쪽 성과는 안드로이드보다 학습이 느리고 변동성도 클 수 있어서, 전체 성과만 보지 말고 OS별로 나눠서 꾸준히 모니터링하는 게 필요합니다.