답변
모수가 좁게 느껴지시는 이유는 타겟을 '장기요양 등급을 받은 어르신 본인'으로만 좁혀서 설계하셨기 때문일 가능성이 큽니다. 이 지점부터 다시 짚어드리겠습니다. 먼저 협소함의 정체부터 봐야 합니다. 여러 조건을 '이것도 맞고 저것도 맞아야 한다'는 방식으로 겹쳐 쌓으면 도달 가능한 모수가 교집합으로 급격히 줄어듭니다. 장기요양 등급, 특정 연령대, 특정 지역, 특정 관심사까지 조건을 계속 얹으면 남는 사람이 극소수로 줄어드는 것은 방문요양만의 문제가 아니라 상세 타겟팅을 쓰는 모든 광고에서 반복되는 구조적 함정입니다. 메타 같은 매체의 노출 최적화 알고리즘은 넓은 모수 안에서 스스로 반응할 사람을 찾아가도록 설계되어 있어서, 처음부터 사람이 인위적으로 모수를 극단적으로 좁혀버리면 알고리즘이 최적화할 여지 자체가 사라집니다. '더 정교하게 좁힐수록 더 좋은 타겟'이라는 생각 자체가 착각일 수 있습니다. 여기에 방문요양업만의 사정이 하나 더 있습니다. 실제 서비스 이용자는 장기요양 등급을 받은 어르신이지만, 광고에 반응하고 상담·신청까지 이어가는 사람은 대개 그 자녀나 보호자입니다. 고령층 대상 서비스에서는 자녀나 보호자가 대신 결제·신청을 진행하는 상황이 실무적으로 흔하다고 알려져 있습니다. 그런데도 광고 타겟을 '어르신 본인'에 맞춰 좁게 설계하면, 실제로 반응하는 사람인 40~60대 자녀·보호자층을 광고 대상에서 오히려 제외하는 셈이 됩니다. 타겟팅 축을 수급자 연령대에서 보호자 연령대로, 관심사도 '부모님 돌봄'·'맞벌이'·'간병'처럼 생애주기 관심사로 옮기시면 플랫폼이 잡을 수 있는 모수 자체가 훨씬 넓어집니다. 모수를 넓히는 실무적인 방법도 있습니다. 기존에 문의·상담 신청이 들어온 고객 데이터가 있다면, 그 데이터를 소스로 한 유사 타겟(Lookalike Audience)을 활용하십시오. 유사 타겟은 소스 오디언스 최소 100명부터 만들 수 있지만 최적의 성과를 위해서는 1,000명 이상이 권장되며, 이 정도 규모의 고품질 소스가 훨씬 큰 규모의 일반 방문자 소스보다 더 우수한 성과를 내는 경향이 있다고 알려져 있습니다. 협소해 보이는 시장이라도 실제 문의자 데이터를 소스로 쓰면 그 특성과 닮은 신규 보호자층을 계속 찾아낼 수 있습니다. 다만 타겟을 넓히거나 유사 타겟으로 전환한 뒤 예산을 늘리실 때는 한 번에 20%를 넘는 증액을 피하고 3~5일 간격을 두어 안정화 시간을 확보하시는 편이 안전합니다. 방문요양은 실제 방문 서비스이기도 하므로 로컬 매체도 함께 보십시오. 당근마켓은 등록 주소 기준 최소 300m부터 최대 1.5km까지 반경 타기팅을 지원하고, 이 기능을 쓴 가게는 동 단위 광고 대비 클릭률 20% 상승, 모객당 비용 30% 절감 효과가 자체 집계로 보고됐습니다. 다만 이 기능이 우선 적용된 9개 업종(식당, 카페, 미용 서비스, 학원 등) 목록에 방문요양은 명시적으로 들어 있지 않습니다. 방문요양센터가 이 기능을 그대로 쓸 수 있는지는 이번 확인 범위에서 확정하지 못했으므로, 세팅 전에 당근비즈니스 광고센터에 업종 적용 여부를 직접 문의하시길 권합니다. 정리하면, 모수가 좁은 것이 아니라 타겟 설계가 좁았을 가능성을 먼저 의심하십시오. 타겟을 수급자 본인에서 보호자층으로 옮기고, 기존 문의 데이터를 유사 타겟 소스로 활용하고, 지역 밀착형 매체를 함께 검토하시면 체감하시는 모수는 지금보다 훨씬 넓어집니다. 순서를 정하신다면 이렇게 접근하십시오. 먼저 지금 켜져 있는 광고 세트의 상세 타겟팅 조건을 하나씩 지워보면서 예상 도달 범위가 어떻게 바뀌는지 확인하십시오. 조건 하나를 뺐을 때 모수가 급격히 늘어난다면 그 조건이 다른 조건과 과도하게 겹쳐 모수를 짓누르고 있었다는 신호입니다. 그다음 위치·연령·성별 같은 기본 축만으로 먼저 데이터를 쌓고, 실제로 문의·상담으로 이어진 사람들의 특성을 확인한 뒤 그 데이터를 소스로 유사 타겟을 만드는 순서로 넘어가십시오. 처음부터 정교하게 설계하려 하기보다, 넓게 열어두고 반응한 데이터로 좁혀가는 편이 협소 업종에서는 오히려 더 빠른 길입니다.