[페이스북] AI 머신러닝 기반 타깃 광고, 어떤 순서로 어떻게 해야 할까?(3)- 전환 목표 캠페인에서 머신러닝의 동작원리 및 활용법

어제 오늘 이틀 연속 코로나 일일 신규 환자가 300명이 넘게 나오면서, 2차 위기가 가을 대유행으로 이어지지 않을까 전국민이 노심초사 하는 날이네요… 지난 3~4월에 잡혔다가 5~6개월 이상 시행이 연기되어 8월 전후로 겨우 열리기 시작하던 오프라인 행사와 교육 과정들이 모조리 다시 연기되거나 온라인 강의로 대체되기 시작했습니다. 취소하지 않고 온라인 ZOOM으로라도 강의를 이어가는 곳은 그나마 용기가 있는 데들이고, 도서관을 비롯해 거의 모든 공기관이나 교육센터들이 시설 출입 자체를 통제하고 있습니다. 덕분에 네이버(스마트스토어)와 카페24쇼핑몰 같은 곳은 ‘온라인 쇼핑 최대 전성기’를 맞아 최고의 호황을 누리고 있어, 참으로 ‘인생지사 새옹지마’의 뜻을 되새기게 됩니다.

각설하고, 앞서 다룬 AI 타깃 광고와 관련한 1, 2편 글을 통해 단순 도달 광고와 트래픽 광고에서 머신러닝이 작용하는 원리와 그에 따라 타겟 옵션 설정시 고려해야 할 요소들에 대해 살펴 보았습니다. 오늘은 AI 타깃 광고 플랫폼들이 가장 대표적으로 자랑하는 [전환] 캠페인의 효과에 대해 알아보겠습니다. 과연 머신러닝은 얼마나 광고 성과를 올려줄 수 있을까요? 그리고 머신러닝 기반 전환 광고를 집행할 때 유의해야 할 점들은 어떤 것일까요?

4. [전환] 목표 캠페인에서 머신러닝을 이용하려면 [Non-Targeting] 옵션으로 시작하세요!

매우 역설적으로 들리겠지만, [전환] 성과를 올릴 목표로 광고 캠페인을 집행하려거든 광고세트 메뉴 중 [타겟] 옵션 설정시, 다른 어떤 조건도 따로 설정하지 말고, 그냥 랜덤 타깃 광고를 집행하시라고 권합니다. 아무 타깃팅 옵션도 두지 말고(저는 편의상 “논-타깃팅”이라 부릅니다.) 성별, 연령, 위치는 물론이고, 상세 타겟팅 조건 또한 아무 것도 설정하지 말고, 전환 행동 대상을 추출하는 타깃팅의 모든 작업을 그냥 인공지능에게 맡기라는 겁니다. 예외적으로 해외 특정 국가나 글로벌 대상 광고가 아니라면, ‘대한민국’이 디폴트 위치(국가)로 설정되는 초기 조건만 그대로 놔두시면 됩니다.

다소 의아하게 들릴지 모르지만, 전환 목표 캠페인의 기본 원리와 프로세스를 차분히 잘 생각해보면 ‘어설프게, 어림 짐작으로, 애매한(불확실한)’ 타깃팅 조건을 설정하는 것보다는 아무 조건도 걸지 말고 인공지능에게 모든 것(타깃팅)을 맡기라는 말 속에 숨은 뜻(의도)을 어렴풋이 짐작할 수 있을 겁니다.

페이스북 광고는 다른 조건을 수정하거나 변경하지 않으면 기본적으로 대한민국 전체 월간 페이스북 활성 사용자(MAU)로 잡히는 2000~2200만명을 기본 노출 대상자(오디언스)로 삼아서 광고하게 됩니다. 여기서 디폴트 조건은 도달 대상 지역의 범위가 우리나라 사용자로 한정된다는 것 뿐이지요. 다른 조건을 추가로 설정하지 않으면 기본적으로 2100만명 중 오늘 페이스북에 접속하여 광고에 노출되는 사람들을 랜덤(무작위) 조건으로 선택하여 뿌리게 되고, 도달된 순간부터 곧바로 그 사람들이 광고에 어떻게 반응(행동)하는지를 밀착 추적하게 됩니다. 즉 광고 대상 랜딩페이지가 쇼핑몰의 상품 상세페이지라고 가정하면, 광고에 노출된 사람들이 과연 광고를 일단 보긴 했는지(조회), 클릭까지 하는지(링크 클릭), 사이트에 방문까지 하는지(랜딩페이지 조회), 사이트에 방문한 뒤 상품을 장바구니에 넣거나 찜을 하는지, 주문서를 작성하는 단계까지 가는지, 최종 대금 결제(구매 전환 완료)까지 가는지 단계 단계에 따라 어느 행동까지 이어지는지를 계속해서 추적한다는 뜻입니다.

심지어는 1회 방문 행동만이 아니라, 광고가 노출된 이후 약 한달( 28일 내지 30일)에 이르기까지 두번째 방문, 세번째 방문, N번째 방문에서 각각 어떤 행동을 하는지까지 모두 추적하여 행동 데이터를 쌓고 계속 업데이트하면서 광고에 노출된 오디언스들의 행동 패턴(광고 반응 결과) 데이터를 지속적으로 누적하여 분석합니다. (물론 누가 어떤 행동을 하는지 명단을 만들어 제공해주지는 않습니다.) 그리고 이렇게 누적시킨 각각의 행동에 따라 오디언스들을 여러 그룹(조건) 으로 묶어서 관리합니다. (굳이 표현하자면 AI가 학습을 위해 사용하는 “자동 생성 맞춤타겟”이라 해야겠지요.)

대표적인 예로, 페이스북 광고에서 AI에게 방문자 행동 추적을 맡겨서, 특정한 상품이나 제품세트(컬렉션)를 보고 간 사람들에게 물귀신처럼 따라가서 자동 템플릿 형식으로 만들어진 상품 광고를 노출하는 캠페인을 “카탈로그 판매(다이내믹) 광고”라 합니다.

이 카탈로그 판매 광고에서 특정한 행동을 했던 사람들을 선별하여 리타게팅(재방문 유도, 재구매 유인) 맞춤타겟을 설정하는 화면의 조건들을 살펴보면 아래 그림과 같습니다.

최근 2주간(14일간) 상품을 조회했거나 장바구니에 넣어놓고도 사지 않은 사람, 최근 28일간 장바구니에 담았으나 구매를 하지 않은 사람, 등등 페이스북이 기본적으로 제공하는 옵션만도 다양합니다.(이른바 “표준 이벤트”라고 부르는 겁니다.) 필요하면, 추적 픽셀에 맞춤 조건을 따로 추가하여 별도 이벤트(행동) 별로 광고주가 이벤트별 맞춤 타겟을 추가로 만들 수도 있습니다. (이것은 “맞춤 이벤트”라고 부르지요.)

보다시피, 특정 기간 동안 특정한 행동을 했거나, 혹은 하지 않는 사람들만 개별적으로(그룹별로) 구별하여, 해당 조건에 부합하는 사람들만 골라서 그들에게만 광고를 노출하라고 설정할 수 있습니다. 맨 아래 [맞춤 조합]을 이용하면, 더 상세한 조건과 옵션을 조합하여 특정한 행동을 보인 사람들만 ‘포함’시키거나 ‘제외’하여 매우 제한적으로 광고를 노출하도록 할 수도 있습니다.

우리나라의 경우, 꽤 많은 광고비를 집행하는 업체들도 이렇게까지 디테일하게 페이스북 광고 옵션을 설정하거나 카탈로그 판매 광고를 집행하는 경우를 찾아보기가 쉽지 않습니다. 이렇게 상세 타깃팅이 가능한 플랫폼인데, 왜 정작 상세 타깃팅 조건을 적극적으로 이용하는 경우가 드물까요?

크게 두 가지 이유가 있습니다.

우선 하나는, 페이스북 광고에 이 정도로 디테일한 리타게팅 조건을 적용할 수 있다는 것을 제대로 아는 광고주가 많지 않기 때문입니다. 한 마디로 이런 타깃팅이 가능하다는 것 자체를 모르거나 알더라도 일일이 셋팅하기를 귀찮아하기 때문일 겁니다. (어쩌면 광고 대행사의 실무 운영 담당자들이 공부에 게으르거나 안일하게 운영하는 것도 이유가 될 수 있을 겁니다.)

그리고, 보다 더 주요한 다른 하나의 이유는, 타깃팅 조건에 한두 가지만 AND 조건을 결합하게 되어도 광고 대상자 수(오디언스 규모)가 크게 줄어버려 광고 도달 효과를 보기가 어렵기 때문입니다. 실제로 많은 소상공인이나 소규모 기업들의 경우 쇼핑몰에 방문하는 기본 방문객 모수가 적기 때문에, 상세 타깃팅 조건을 조합하여 적용하게 되면 광고 대상자 수 자체가 미미해져 카탈로그 판매 광고를 해봐야 실질적인 광고 효과를 기대하기가 쉽지 않습니다.

몰라서 못하든, 알고도 못하든, 이런 저런 사연과 핑계로 상당한 규모의 광고비(최소한 월 1천만원 이상?)를 지출하면서 체계적으로 광고를 집행하는 쇼핑몰 정도가 아니라면, 페이스북이 제공하는 [카탈로그 판매] 캠페인은 그냥 ‘그림의 떡’처럼 존재하는 경우가 대다수인 게 우리나라 쇼핑몰들의 현실입니다.

읽는 분들의 이해를 돕기 위해 서설이 길었는데,,, 다시 기본 주제로 돌아와서,
자동 맞춤 타겟을 대상으로한 카탈로그 판매 광고가 제대로 먹히려면(인공지능의 자동 추적 기능이 제대로 동작하려면) 우리 쇼핑몰에 방문한 고객의 행동을 정확히 추적할 수 있는 픽셀(추적 스크립트) 코드가 제대로 설치되어 작동해야 합니다. 다시 말해 매장에 방문한 손님들이 어떤 행동을 하는지 일거수 일투족을 들여다보며 행동별로 분류할 수 있도록 CC-TV 카메라가 24시간 전체 매장을 감시(모니터링)하는 시스템이 구축되어 있어야 한다는 것이지요. 온라인 매장이라고 다를 게 없지요. 방문 고객들의 눈에는 보이지 않지만, 웹사이트로 방문하는 순간부터 나가는 순간까지 웹브라우저 상에서 일어나는 모든 행동(사소한 링크나 버튼 클릭은 물론이고, 마우스 스크롤을 어디까지 하는지, 동영상을 몇 %까지 보다가 나가는지)까지 모두 추적이 가능하고, 실제로 추적되고 있습니다.

요컨대, 이런 추적 기능이 동작하고 있거늘, 어떤 고객이 어떤 행동을 하는지에 대한 데이터 수집과 분석, 그에 대한 자동 반응 행동은 사람이 직접 맡는 것보다는 24시간 잠도 자지 않고 수시로 모든 경우의 수와 가능성을 조합해내고 개별 광고주보다 훨씬 더 많은 (심지어는 다른 경쟁사의) 데이터를 보유하고 있는 광고 플랫폼 제공사의 인공지능에게 맡기는 편이 좋습니다. 어설프게 사람(마케터)이 타깃에 대한 선별 조건을 부여하는 것보다 그 편이 훨씬 더 정확하고 효과적일 수 있으니까요. (이건 가능성으로 이론적으로 그렇다는 것이지 모든 업종 모든 아이템에서 100% 그렇다는 단정이나 확언은 아닙니다!)

따라서, 페이스북 광고 캠페인 설정시, [전환] 목표를 선택했다면, 그 전환의 내용(기대 결과)이 무엇인지만 결정해주고, 실제 그 전환 행동을 하는 사람들이 누구인지에 대한 모든 추적과 분석, 선별 작업은 인공지능(머신러닝)에게 전권을 주고 맡기는 편이 더 합리적이라고 페이스북은 주장합니다. 페이스북 타깃 광고가 본격적으로 시장에 나온 것은 2014년 봄 무렵입니다. 출시 후 1~2년 동안은 쌓인 데이터가 충분치 않아 머신러닝의 학습 결과가 고도화되지 않은 때라 별 자신이 없어 했는데… 그로부터 4~5년 경험이 축적된 2018~2019년 이후로는 거의 노골적으로 모든 광고 타깃팅은 자동 최적화 시스템(머신러닝)에게 맡기라고 공공연히 요구하고 있습니다. (대표적인 예로, 예산 최적화 옵션, 입찰 최적화 옵션, 게재 위치 자동 설정 옵션, A/B 테스트, 심지어 다이내믹 크리에이티브 최적화에 이르기까지 수많은 자동 최적화 옵션들이 속속 추가로 등장하는 것이 그런 자신감의 반증이라 볼 수 있습니다. )

요컨대 광고주가 원하는 특정한 기대 전환 행동(구매 전환=결제 완료, 회원 가입 완료, 이벤트 참여, 상담 양식 리드 제출 등등)만 정확히 설정해두고 각 행동이 완료되었음을 증명할 수 있는 이벤트 추적 조건만 정확히 설정했다면, 누가 언제 어떻게 그런 원하는 행동을 완료하는지 추적 수집 분석 대응하는 모든 작업은 그냥 인공지능에게 믿고 맡기라는 겁니다. (인공지능의 광고 타깃팅에서 ‘알파고 승리’ 선언은 2017년 11월, 구글이 자신들의 앱 설치 광고(UAC=유니버셜 앱 캠페인)에서 사람들이 수동으로 타깃팅하는 옵션을 없애버리고, 무조건 머신러닝 타깃팅으로 강제화시킨 시점에서부터 이미 시작되었습니다.)

5. [전환] 완료(초기 머신러닝 완료) 건수는 [광고 세트]를 기본 단위로 측정됩니다.

결론적으로, 페이스북 전환 캠페인에서 사람이 설정해야 할 것은 ‘전환 완료의 기준’ 뿐입니다! 즉 결제 완료(구매=Purchase) 를 전환으로 볼 것인지, 장바구니 담기(AddtoCart)를 전환으로 볼 것 인지, 아니면 주문서 작성( 결제시작=InitiateCheckout)을 전환으로 볼 것인지, 혹은 회원가입 완료(CompleteRegistration)를 전환으로 볼 것인지, [전환]으로 인정할 목표(기준)만 설정하면 됩니다. 해당 행동을 완료하는 사람이 생길 때마다 인공지능이 자동으로 그 행동을 한 사람들을 추려서 따로 그룹으로 묶어내고, 이들의 공통적인 행동 특성과 패턴을 분석하게 되는 겁니다.

페이스북 광고 플랫폼의 경우 설정한 목표(전환) 행동을 한 사람이 50명에 이를 때까지를 “초기 머신 러닝” 이라 부릅니다. 목표 행동을 수행한 50명의 특성을 분석하여 대표적인 특성에 따라 주요 타깃 대상 오디언스를 가려내고, 이들을 추려내기까지 소진된 광고비 외에 “남은 광고 예산”은 이제부터는 광고주가 설정한 “전환 행동을 제일 잘 할 것같은” 오디언스 그룹에 “집중”적으로 투입하게 되는 게 바로 머신러닝 타깃팅의 기본 원리입니다. (성별, 연령, 위치, 관심사 등등 어떤 요소들을 기준으로 추려내는지는 각 플랫폼의 영업 비밀에 해당하기 때문에 세부적으로 공개되지 않습니다.)

만약 우리 쇼핑몰에서 취급하는 제품이 매우 비싸거나 구매 결정을 하기까지 고민과 시간을 요구하는 아이템(고관여 상품)이어서, [결제 완료]를 전환 목표로 삼을 경우 50건의 결과가 특정한 학습 기간(짧으면 2~3일, 길어도 5~7일 정도) 안에 발생하기가 어려운 조건이라면, 초기 (머신러닝) 학습이 일어나기까지 생각보다 많은 학습비(초기 광고비)가 투입되게 됩니다. (경쟁이 심한 업종이나 고관여도 아이템인 경우 보통 50건의 초기 머신러닝 완료를 위해서만도 기본 학습비(광고비)가 5일~7일 동안 총 400~500만원 이상 투입되는 경우도 적지 않습니다.)

그러므로, [구매 완료]를 전환 목표로 설정할 경우 원하는 전환 수를 짧은 기간 안에 채우기 힘들다면 (초기 머신러닝 비용이 너무 많이 들 것같다고 판단되면) 전환 이벤트의 종류를 [구매] 대신에 [결제 시작]이나 [장바구니 담기] 수준으로 낮춰서 설정하는 것도 하나의 팁이 될 수 있습니다.

아래 그림은 페이스북 캠페인 목표를 [전환]으로 설정하고 [광고 세트] 설정에서 [컨버전] 섹션의 [전환 이벤트]를 디폴트 [구매] 대신 다른 이벤트 행동으로 수정(변경)하는 방법입니다.

물론 초기 머신러닝을 완료하기까지 시간과 비용이 드는 이유가 꼭 고관여 상품이어서만은 아닙니다. 쇼핑몰을 만든 지 얼마 안되어, 절대적으로 우리 쇼핑몰에 대해 알고 있는 사람들이 적을 경우, 즉 인지도가 미미하거나, 방문 고객이 드문 “듣보잡” 쇼핑몰이라면 광고 기간을 늘리더라도 절대 학습에 필요한 50건의 전환조차 끌어내기가 어려울 수 있습니다. 이런 경우에는 매일 광고비를 쓰더라도 원하는 초기 머신러닝 완료(최소 최적화 학습 완료)가 쉽지 않고, 그리 되면 전환 최적화에 이르지도 못한 상태로 광고비만 계속 소진되기 때문에 이게 겁이 나서 아예 중간에 자동 타깃팅 최적화를 포기하고 광고(테스트)를 중단하는 경우도 심심치 않게 보게 됩니다.

특히 주의할 점은, 머신러닝 학습은 전체 캠페인이나 개별 광고 소재 하나하나를 대상으로 이루어지는 게 아니고, 오디언스(대상 타겟) 조건을 설정하는 [광고 세트]를 기준으로 이루어진다는 점입니다. 이것을 잘 모르고, 캠페인 전체 합계로 50건이 나오면 될 것으로 생각하고 여러 개의 타겟을 분할해서 (광고세트를 여러 개 만들어서) 집행하게 되면 기대와 다른 상황이 벌어질 수 있습니다. 광고 세트별로 각각 머신러닝(최적화)을 수행하기 위해 각 세트별로 50건의 전환 데이터가 누적될 때까지 머신러닝을 각각 진행하게 됩니다. (광고 예산이 각각의 세트별로 50건의 전환 행동이 일어날 때까지 집행 소진된다는 말이고, 그만큼 광고비 합계 지출액이 커질 수밖에 없습니다. 타깃팅을 직접 하겠답시고, 광고 세트를 여러 개로 쪼개서 설정하면 그만큼 학습 노력이 분산되고, 개별 세트에 소진되는 광고비 총액은 늘어나게 됩니다. )

예를 들어서, 광고 세트의 타겟 설정을 여자 따로 남자 따로, 연령을 20대 따로 30대 따로 구별하여 4개의 세트로 쪼개서 캠페인을 집행하게 되면 각 세트별로 여자 중에서 전환 행동을 하는 사람 50명, 남자 중에서 50명, 또다시 20대 중에서 전환행동을 하는 사람 50명, 30대 중에서 50명, 이렇게 총 200명에 달하는 전환자들이 나올 때까지 초기 머신러닝에 비용이 소진됩니다. 그러니, 굳이 그렇게까지 별개 그룹별로 나누어 노출해야만 광고 성과가 좋아질 게 아니라면 광고 세트를 여러 개로 과도하게 쪼개는 것은 초기 머신러닝에서 광고비 낭비를 자초하는 독약과도 같습니다.

그래서, [전환] 목표 캠페인을 집행할 때는 가급적이면 어설픈 어림 짐작으로 타겟 조건을 이것 저것 추가하지 말도록 권하는 것입니다.
아울러, 광고세트 또한 여러 개로 나누지 말고, 가급적 “단일 세트”에 “랜덤(Non-Targeting) 타겟” 조건으로 모든 것을 인공지능에게 맡겨서 초기 머신러닝 학습 결과가 최대한 빠른 기간 내에 나오도록 설정하는 게 광고비를 아끼고 학습 시간을 단축하는 데 유리할 겁니다. (성별 혹은 연령별 구매 특성이 뚜렷하게 날 것 같으면 A/B 테스트 정도는 걸어봐도 좋습니다. )

또한 앞서도 언급했지만, 우리나라 안에서만 판매할 거라면 타겟 위치는 ‘대한민국’으로 초기 설정된 상태로 유지하면 됩니다. 만약 로컬 서비스(동네 가게) 카테고리에 속하는 업종이라서 굳이 전국을 상대로 광고할 필요도 없다면, 특정한 지역(행정 시/군)이나 구역에 한해서만 도달 범위를 제한하는 것도 괜찮습니다. (우리나라의 경우 [도달] 광고 설정시, 시군 단위로 도시/지역명을 입력하여 선택하게 되면 17킬로~80킬로 반경까지 변경 가능한데 디폴트는 40킬로로 설정되며, 지도에서 직접 [핀 설정]을 이용해 맵핑하게 되면 포인팅 지점으로부터 최소 1킬로부터 최대 80킬로까지 변경 가능한데 디폴트는 16킬로로 설정됩니다.)

강조하건대 매뉴얼 설정 옵션을 최소화하여 1차 광고를 먼저 랜덤 조건으로 집행해서 초기 머신 러닝을 가급적 적은 비용으로, 가급적 최단 기간 안에 끝내도록 하는 것이 바람직합니다.

6. [전환] 목표 캠페인에서 머신러닝 활용시 꼭 알아두고 유의해야 할 점들은 무엇일까요?

위와 같은 점들을 충분히 고려하여 1주일 이내에 초기 머신러닝을 마칠 수 있다면, 그 다음부터는 그 결과를 기초로 어떤 성별, 어떤 연령, 어떤 위치에서 전환 반응이 더 좋게 나오는지를 모니터링 분석해 가면서, 집중 타깃을 찾아내야 합니다. 그에 비추어 상세 타깃팅 요소들을 충분히 살펴보고 마케터의 촉과 직감을 동원하여 매뉴얼 타깃팅 광고 세트를 만들어 2차, 3차 광고를 만들어 집행해보는 것은 찬성합니다.

만약 그렇게 2차, 3차 광고를 직접 타겟 조건을 설정했더니 실적 결과가 앞서 머신러닝에 모조리 맡겨서 얻어낸 것보다 더 좋게 나온다면, 그때부터는 머신러닝의 결과를 참고 자료 정도로만 이용하고 우리 아이템에 최적화된(시행착오를 통해 튜닝된) 타깃 설정 조건을 주로 이용하면 될 것입니다.

끝으로 전환 광고 타깃팅시 특히 유의해야 할 점은, 초기 머신 러닝이 완료되고, 그 결과 초기 광고(단가)보다 확연히 광고 효율이 좋아진 게 눈에 뜨인다고 해서, 기쁜 나머지 쾌재를 부르며 광고 예산을 단번에 크게(하루에 15~20% 금액 이상) 올리는 행동은 절대 하시면 안된다는 겁니다. 인공지능이 초기 머신러닝을 할 때 성별 연령 관심사 정도만 보는 게 아니라, 우리가 쓸 수 있는 광고 예산의 범위 내에서 입찰 단가나 입찰 전략까지 감안해서 노출하고 그에 따른 고객 반응 결과를 학습하기 때문입니다.

예를 들어, 5일간 10만원 정도를 캠페인 총예산으로 설정해놓고 머신 러닝을 시작했다면 인공지능은 하루 2만원 정도의 광고비 예산 범위 내에서 노출할 수 있는 게재 위치와 오디언스를 찾아서 적정한 정도의 입찰가로 베팅(비딩)하여 결과를 만들려고 노력하게 됩니다. 그런데 그런 기준으로 만들어진 타겟 조건(초기 머신러닝 결과)를 그대로 믿고 다음 5일간 총예산을 갑자기 10배인 100만원으로 올려 보세요. 인공지능 입장에서는 하루에 20만원 이상을 지출해야 하는 상황을 갑자기 맞게 되고, 앞서 2만원을 써서 노출하던 지면(게재 위치)과 제한된 오디언스 대신 10배에 달하는 도달 대상을 찾아내야 하므로 기존에 학습했던 최적화 조건을 버리고 다시 학습을 시도할 수밖에 없게 됩니다. 그러면, 앞서 학습했던 조건과 전혀 다른 조건에서 변경된 조건(예산 등)에 따라 다시 새로 학습을 시작하게 됩니다. 당연히 새로운 학습에 광고비가 다시 투입되죠. 결국 설정 조건이 크게 바뀔 때마다 매번 새롭게 머신러닝을 반복하게 되겠지요.

그래서, 한번 학습된 조건을 함부로 크게 바꾸지 말라고 하는 겁니다. 특히 예산을 늘리거나 줄일 때 하루에 15~20% 이상 넘지 않도록 유의하라고 당부하는 이유도 그 때문입니다. 즉 초기 학습 때 하루 2만원을 설정했다면 변경 첫날에 2만 2천원 이상으로 증액하지 말라는 겁니다. 그 다음 날에는 다시 증액한 금액 대비 20%를 넘지 않는 수준으로 천천히 올리는 게 필요합니다. 따라서 애시당초 일정 정도의 광고비를 예상했다면, 테스트랍시고 너무 적게 찔끔 찔끔 광고비를 지출하는 식으로 초기 학습을 시키는 것은 바람직하지 않습니다. 광고 성과가 기대한 만큼 나올 경우 하루에 얼마 정도까지 지출할 것인지 미리 염두에 두고, (쫄지 말고) 그 예산 범위를 적용하여 초기 머신러닝 학습을 시키는 게 좋습니다.

자! 여기까지가 이른바 인공지능(머신러닝)에 기반하여 광고 타깃을 설정하는 플랫폼과 캠페인 프로세스에서 알아두고 고려해야 할 기초적인 사항들입니다.

AI 자동 타깃팅 기반의 광고 플랫폼에서는 지금까지 설명한 [캠페인 목표] 외에도 광고 콘텐츠, 이른바 크리에이티브 소재 (이미지, 슬라이드, 동영상 및 광고 문구, 제목, 카피 등)에 따라서도 결과가 달라집니다. 따라서, 지금까지 1, 2, 3편 글에서 다룬 요소들 외에도 크리에이티브 소재 및 광고 콘텐츠 유형에 따라 머신러닝이 어떤 영향을 받게 되는지까지 추가로 공부해야 온전한 타깃 광고 운용이 가능합니다.

또한 전환 캠페인의 경우 방문 고객이 우리가 원하는 기대 행동을 완료했는지 데이터를 수집하려면 추적 픽셀을 정확히 심어야 하므로, 추적 픽셀의 개념과 맞춤 이벤트 설정 방법까지 마저 공부해야 합니다. 그래서 페이스북 광고나 인스타그램 광고는 설정 과정이 생각보다 배워야 할 것이 많습니다. 이 점 감안하여 페이스북-인스타 마케팅과 광고에 접근하시길 거듭 당부드립니다. 페이스북 광고가 별거 아니라고, 쉽다고 이야기하는 주변 사람들이 있으면 미안하지만, 그 말은 절반도 믿지 마시기 바랍니다!!

““““““““““““““““““““““`
다음 기회에 짬이 나면 페이스북 광고 효과를 높이기 위해 크리에이티브 소재 설정이나 각종 광고 유형, 자동화 옵션들은 어떻게 설정하고 활용하면 좋을지 추가로 다루어보겠습니다.

그보다는 최근 코로나 여파로 온라인 쇼핑이 강화되는 추세에 맞추어 페이스북이 인스타그램과 한몸으로 [Shop 기능]을 대폭 강화하면서 인스타그램의 쇼핑 태그 기능도 변화를 겪고 있습니다. 최근 샵과 관련된 기능들이 급속히 업데이트되고 있고, 급기야 이번 주에는 페이지 샵과 인스타그램 샵, 제품 태그, 카탈로그 관리 기능을 통합하여 관리할 수 있도록 [상거래 관리자] 라는 매니저 도구가 페이스북에 새로 등장했습니다.