메타가 직접 알려준 광고 캠페인 구조 핵심 정리

메타 광고를 운영하다 보면 자연스럽게 이런 구조가 생깁니다.

20대 여성 세트, 30대 여성 세트, 관심사 A 세트, 관심사 B 세트…

타겟별로 예산을 나눠 어떤 타겟이 반응이 좋은지 비교하는 방식입니다.

“타겟을 정교하게 나눌수록 더 효율적이지 않을까“라는 생각.

근데 메타는 반대로 얘기합니다.

메타 공식 파트너 대행사인 저희가 직접 듣고 온

메타가 실제로 권장하는 캠페인 구조, 그 핵심만 정리해드리겠습니다.

세트 많이 쪼개지 마세요.

메타 광고의 성과는 알고리즘이 데이터를 학습하는 속도에 달려 있습니다.

메타 내부적으로는 이를 ‘학습 기간‘이라고 부르는데,

광고 세트 하나가 최적화 단계에 진입하려면

7일 내 전환 이벤트 약 50건 이상의 데이터가 필요합니다.

세트를 5개로 나누면 어떻게 될까요?

예산도 5개로 쪼개지고, 데이터도 5개로 분산됩니다.

각 세트가 50건을 채우려면 훨씬 오랜 시간이 걸리거나,

예산 규모에 따라 아예 학습 자체가 불가능한 상태가 됩니다.

알고리즘은 끝없이 학습 기간을 반복하고,

광고주는 “왜 성과가 들쑥날쑥하지?”를 반복하게 됩니다.

데이터가 한곳에 모일수록 머신러닝의 학습 속도가 빨라지기 때문입니다.

메타가 권장하는 캠페인 구조

복잡하게 나눌 것 없이, 캠페인 하나에 광고 세트 하나,

그 안에 소재를 다양하게 넣는 방식입니다.

캠페인당 1개의 광고 세트를 기본으로 하되,

타겟팅은 ‘브로드’ 혹은 ‘Advantage+ Audience‘를 사용하여

AI가 스스로 타겟을 찾도록 하는 것이 권장됩니다.

타겟을 마케터가 직접 정하는 게 아니라,

소재와 데이터 신호를 기반으로

알고리즘이 직접 찾아가는 방식으로 전환이 되고 있는 겁니다.

“그래도 세트를 나눠야 할 때”는 어떻게?

물론 세트를 나눠야 하는 경우도 있습니다.

예를 들어 신규 고객 유입과 기존 방문자 재타겟팅을 같은 세트 안에 묶으면

예산이 좁은 재타겟팅 오디언스에 충분히 집행되지 않을 수 있습니다.

이런 경우는 별도 캠페인으로 분리하는 것이 맞습니다.

하지만 같은 목적의 광고를 타겟만 다르게 해서 세트를 여러 개 만드는 구조라면 얘기가 다릅니다.

타깃 테스트를 하려는데 소재는 같을 경우처럼 말이죠.

이 경우 메타가 권장하는 방식은

Advantage+ CBO(캠페인 예산 최적화) + 세트별 최대 지출 한도 설정입니다.

💡

같은 목표를 가진 여러 캠페인을 운영하는 대신

하나의 캠페인에 여러 광고 세트를 두는 것이,

경매 내 중복을 줄이고 CPA가 낮아질 가능성이 높은 광고 세트에 예산이 집중되도록 하는 데 유리합니다.

Advantage+ 적극적으로 활용해라

이전 ABO, CBO, ASC를 비교했던 글에서 말했듯이

ASC, 즉 Advantage+ 쇼핑 캠페인을 활용하려면 데이터가 있어야 하는데요.

[주당 50건 이상의 전환 데이터, 넓은 오디언스, 다양한 소재, 그리고 충분한 예산]

이게 뒷받침되어 있다면 메타의 AI를 적극적으로 활용해보세요.

여기에 Advantage+크리에이티브까지 활용하면

캠페인 세팅 뿐만 아니라 영상, 이미지 등

소재 자체까지 메타 AI가 나의 타깃에 맞게 최적화 해줍니다.

지금 메타 광고 계정을 열어보세요.

아래 질문을 스스로에게 던져보시면 됩니다.

💡

세트 수를 줄이고 소재를 통합하는 것만으로도 알고리즘 학습 속도가 달라집니다.

작은 구조 변화가 성과에 생각보다 큰 영향을 줍니다.

메타 광고 운영에 있어 궁금한 점이 있다면

언제든지 편하게 메타 공식 대행사인 CCFM에게 문의주세요.

다음에도 더 유익한 마케팅 인사이트로 찾아오겠습니다.