.png&blockId=181dd7f9-4208-819e-8b46-d4f0aa4f8455)
메타 광고는 언제 교체 하는 게 좋을까요?
그로스, 퍼포먼스 마케터로 처음 일을 시작한 사람 중 이 문구를 검색해보지 않은 사람은 몇 명이나 될까요?
전 아마 없다고 생각합니다.
광고 소재 교체는 효율이 좋지 않을 때 하면 되는 것인데 검색을 하는 이유는
아마 머신러닝 때문이라고 생각합니다.
광고소재와 머신러닝
출처 : 메타
메타에서 말하는 머신 러닝에 대한 설명입니다.
핵심은 아래와 같죠
•
머신러닝? : 광고 게재와 성과를 최적화 하는 과정
•
영향이 큰 변경 후 부터 머신러닝 학습이 시작됨
•
50건이 최적화 이벤트 발생 후 머신러닝 종료
이 때 영향이 큰 변경이란 말 또한 알고 있어야 합니다.
예를 들어 40건의 최적화 이벤트가 발생한 캠페인이 존재한다고 합시다.
만약 메타에서 정의한 영향이 큰 변경이 발생 했을 때 해당 캠페인은 10개의 최적화 이벤트가 남은 것이 아닌 다시 처음부터 50건의 최적화 이벤트를 쌓아야 합니다.
이처럼 머신러닝은 50개라는 최적화 이벤트에 대한 조건과, 최적화를 유지한다는 것이 중요한 것을 의미하기 때문에 함부로 큰 변경을 하지 않는 게 중요한 것이죠.
그러면 이 영향이 큰 변경이 무엇일까요?
메타에서 정의한 영향이 큰 변경은 아래 이미지와 같습니다.
출처 : 메타
영향이 큰 변경을 보면 광고 소재(크리에이티브)에 대한 변경 또한 영향이 미친다는 것을 알 수있죠.
머신러닝은 최적화를 도와주는 중요한 요소이기에 머신러닝을 완료하기 위해
광고를 집행하는 사람은 그만큼의 “MONEY” 를 써야 합니다.
즉 “돈” 과 연계된 만큼 머신러닝 관리는 신중해야 하고, 아래와 같은 질문들이 생겨나기 시작합니다.
“”"
•
효율이 좋은 광고는 냅두고, 효율이 나쁜 광고는 끄고 싶은데 그러면 광고 캠페인(or 세트)의 머신러닝이 초기화 되네…
•
광고를 돌리고 나서 2일 뒤에 광고에 잘못된 정보를 기재했는데, 수정하면 지금 머신러닝은 ㅠㅠ?
•
잘 만든 소재가 하나 더 생겼는데, 지금 추가하면 머신러닝이 날라가겠지?
“””
하지만 광고를 돌리는 마케터로서
머신러닝 때문에 광고를 계속 유지해야 합니다.!
라고 대답하는 사람은 없을 겁니다.
위의 3가지 질문과 같은 상황에서는 항상 고민을 하게 되죠.
이번 글에서는 머신러닝이 완료되기 전 광고에 대한 교체 판단에 대해서 이야기 해봅시다.
머신러닝이 완료되지 않았을 때
다들 알고 계신 것 처럼 머신러닝 이후로 광고의 효율이 좋아지는 것은 사실입니다.
하지만 이 때 “효율이 좋아진다” 의 의미는 상대적이지 절대적이지 않습니다.
머신러닝 완료는 “돌린 캠페인의 효율”이 돌린 직후 보다 좋아진다는 의미이지, 절대적으로 모든 캠페인이 성공하거나, 무조건적인 성과를 보장한다는 의미는 아닙니다.
이 부분을 인지한 상태로 머신러닝 완료 전 소재 교체에 대한 기준을 잡으셔야 합니다.
도움을 위해서 해당 부분을 최적화 이벤트를 25 미만, 이상의 단계로 나누어 설명해보겠습니다.
최적화 이벤트 25 미만
모든 판단에서 제일 중요하게 보는 요소는 돌리기 시작한 날짜, ROAS(목표), 최적화 이벤트 수 입니다.
예시가 총 4개가 있습니다.
[가정]
목표 : 200% ROAS
각 캠페인 예산 : 50만원
** 모든 지표는 캠페인 게시 기간 동안의 지표임.
게시일로부터 N일 | ROAS | 구매 (전환 목표) | |
캠페인 A | 4일 | 200% | 10 |
캠페인 B | 4일 | 100% | 10 |
캠페인 C | 1일 | 200% | 10 |
캠페인 D | 1일 | 100% | 10 |
최적화 이벤트 25 미만의 케이스에선
1.
게시한지 N일이 지났는지 확인한다.
2.
ROAS를 확인한다.
의 순서대로 판단을 합니다.
머신러닝은 7일 동안의 학습 기간이 정해져 있습니다.
이를 토대로 1~N일 N~7일로 내부에서 게시일로부터 오래 되었는지, 아닌지 판단을 합니다.
** 이 때 “N일”은 예산 설정 비용에 따라서 다르게 판단하면 좋습니다.
[ 1~N일인 경우] ⇒ 캠페인 C , 캠페인 D
사람도 시험에서 좋은 성적을 내기 위해서는 공부할 시간이 필요합니다.
메타도 마찬가지 입니다.
메타도 좋은 광고 효율을 내기 위해서 충분히 학습할 시간이 필요하죠.
그러기에 1~N일 까지의 ROAS를 가지고 캠페인 C, 캠페인 D가 좋다, 나쁘다고 판단하기에는 이릅니다.
이런 상황에서는 N~7일까지 넘어간 시점부터 머신러닝 초기화에 대한 판단을 합니다.
[ N ~ 7일인 경우] ⇒ 캠페인 A, 캠페인 B
캠페인 A
해당 케이스에서 ROAS가 목표 ROAS 와 일치하거나, 내부에서 설정한 오차 범위 내에 있다면 저는 머신러닝에 대한 초기화를 하지 않겠습니다.
이유는 “낭비하는 예산 없이 목표 ROAS를 도달하고 있다” 입니다.
머신러닝 보다 중요한 것은 성과입니다, 머신러닝 또한 성과를 좋게 만드는 도구 중 하나이죠.
그렇기에 해당 상황에서 머신러닝 실패가 성과에 즉각적 영향을 미치지 않는다면, 유지하면서 모니터링만 해도 충분합니다.
초기화는 목표 ROAS에서 멀어지거나 지속적인 하락세를 보일 때 초기화를 검토하면 됩니다.
캠페인 B
해당 케이스에서는 ROAS가 목표 ROAS에 맣이 도달을 하지 못한 상황이죠,
이런 상황에서는 초기화가 합리적입니다.
머신러닝이 끝나지는 않았더라도, N일까지의 데이터를 통해 7일까지 머신러닝이 완료될 가능성을 예측할 수 있다고 생각합니다.
캠페인 B에서 5일 동안 최적화 이벤트가 10개에 불과하다는 점을 고려할 때, 7일 차까지 최적화 이벤트 50개를 달성할 수 있다고 보시나요?
저는 불가능 하다고 봅니다.
5일 동안 10개를 달성했는데, 남은 2일 동안 40개를 추가로 쌓는 것은 현실적으로 매우 어려운 일입니다.
또한, 머신러닝 최적화가 완료되었을 때, 현재 ROAS 100%에서 목표 ROAS로 성과를 끌어올릴 가능성이 크다고 생각하시나요?
저는 불가능 하다고 봅니다.
효율이 어느 정도 개선되겠지만, 머신러닝은 상대적인 최적화를 목표로 하기 때문에 목표 ROAS에 도달하기는 어려울 수 있습니다.
결국 머신러닝 학습이 실패할 가능성이 높은 상황에서 2일을 추가로 기다리는 것은, 실패한 학습 과정에 광고 비용을 소모하게 되는 결과를 초래합니다. 이는 한정된 예산 내에서 더 큰 성과를 기대할 수 있는 기회를 놓치는 것이죠.
오히려 실패할 예측치가 높은 상황에서 추가로 2일을 기다리는 것보다는, 초기화를 통해 성공 가능성이 더 높은 머신러닝 환경을 만드는 것이 효과적이라고 판단합니다. 초기화와 함께 광고 세팅을 재검토하여, 초기화 이후의 학습 과정에서 더 나은 성과를 이끌어낼 기반을 마련하는 것이 바람직하죠.
이를 통해 실패 가능성이 높은 학습 과정에 더 이상 비용을 낭비하지 않고, 새로운 최적화 환경에서 효율적인 성과를 기대할 가능성이 생깁니다.
최적화 이벤트 26 이상
이 상태에서도 돌리기 시작한 날짜, ROAS, 최적화 이벤트 수가 중요합니다.
예시가 총 4개가 있습니다.
[가정]
목표 : 200% ROAS
각 캠페인 예산 : 50만원
** 모든 지표는 캠페인 게시 기간 동안의 지표임.
게시일로부터 N일 | ROAS | 구매 (전환 목표) | |
캠페인 A | 4일 | 200% | 35 |
캠페인 B | 4일 | 100% | 35 |
캠페인 C | 1일 | 200% | 35 |
캠페인 D | 1일 | 100% | 35 |
이 경우 모든 캠페인에서 머신러닝이 완료 될 것으로 예상을 하고 검증의 시간을 가지는게 좋습니다.
“단” 검증의 시간을 ROAS 별로 다르게 가져가는 게 좋습니다.
우리는 머신러닝을 기다리는 이유가, 머신러닝이 완료되고 나서 광고 효율이 더 좋아지기 때문이라는 것을 알고 있습니다.
캠페인 B, 캠페인 D의 경우
당장의 ROAS가 낮지만 곧 머신러닝 완료에 도달하기 때문에 ROAS가 높아진다는 기댓값 또한 가져갈 수 있습니다.
이 때 머신러닝으로 인해 ROAS가 상대적으로 증가하지만 모든 일에는 예외 케이스가 존재할 수 있습니다.
저는 그렇기 때문에 예외 케이스를 검증 기간 동안의 ROAS 추세를 보는 편입니다.
•
ROAS 상승세 폭이 목표 ROAS에 도달할 것 같음 ⇒ 유지
•
ROAS가 상승을 하지만 폭이 작아 목표 ROAS에 도달하기에는 오래 걸림 ⇒ 교체
•
ROAS 하락세 ⇒ 교체
처럼 정리가 되겠네요.
이 때 검증 기간이 지나면 빠르게 초기화를 해야 합니다.
예외 케이스를 확인하는 검증 기간 또한 “광고비”를 사용합니다.
ROAS가 낮은 캠페인을 특정 목적이 없이 지속적으로 ON하는 것은 광고비를 날리는 행동이기 때문에 빠르게 교체 해야합니다.
캠페인 A와 캠페인 C
지금은 ROAS가 목표치에 도달했지만 예외케이스가 존재할 수 있기 때문에 검증기간을 가지고 나서 판단을 하는게 좋습니다.
다만 캠페인 B, 캠페인 D 의 검증 기간 보다는 길게 가져가는 편입니다.
A,C 캠페인은 B,D 와 다르게 긍정적인 ROAS 신호로 출발을 했기 때문에 검증 기간을 길게 준다는 기회를 주는 것이죠,
이후로는 마찬 가지로 검증 기간 동안
•
ROAS 하락세 ⇒ 교체
•
ROAS 유지, 상승 ⇒ 유지
처럼 진행을 합니다.
결국은,,,
머신러닝이 완료되지 않았을 때에도 광고 소재 교체에 대한 판단을 하는 게 중요하다고 생각합니다.
“광고 비용” 을 소비하는 입장에서 머신러닝이 완료 될 때까지 무작정 기다리는 것 보다 상황에 따라 초기화 하는 것이 머신러닝 기간을 더 줄 일 수 있습니다.
“단” 상황을 판단할 때에는 메타에서 제공하는 다양한 데이터를 바탕으로 판단을 하면 좋습니다.
그럼 다음에는 머신러닝이 완료 되고 나서 광고 소재 교체는 어떻게 해야하지? 로 찾아오겠습니다.
국내 최고 그로스 마케팅 전문가의 노하우를 통해
지속가능하고 건강한 성장을 만드는 그로스 마케팅
국내 최고 CMO의 그로스 마케팅 무료 상담 신청