답변
{매체} 학습·테스트 단계 예산은 '얼마'라는 고정값보다 역산하는 방식으로 잡는 게 정확합니다. 메타를 기준으로 설명드리면, 메타 머신러닝이 안정적인 최적화 데이터를 확보했다고 판단하는 최소 기준은 광고 세트 단위로 주당(7일 이내) 50개의 최적화 이벤트입니다. 학습·테스트 단계 예산은 이 기준을 거꾸로 계산해 잡는 것이 실무적으로 안전합니다 — 목표 이벤트(예상 전환 단가)를 기준으로 '예상 단가 × 50 ÷ 7일' 정도를 하루 예산의 최소선으로 잡으면, 일주일 안에 50개 이벤트를 모을 가능성이 높아집니다. 테스트 단계에서 광고 세트 수를 너무 잘게 쪼개면 세트 하나하나가 받는 전환 신호가 줄어 50개 이벤트 기준을 채우기 더 어려워집니다. 대부분 계정은 캠페인당 광고 세트 1~3개로 시작하는 것이 권장되므로, 테스트 예산도 여러 세트에 잘게 나누기보다 소수의 세트에 집중 배분하는 것이 학습 완료 속도에 유리합니다. 구글 스마트 입찰이라면, 학습 기간이 일반적으로 7일 정도 지속되지만 캠페인 예산·전환 데이터량·설정 변경 빈도에 따라 14일 이상 연장될 수 있습니다. 테스트 단계 예산이 너무 적으면 이 기간 동안 전환 데이터가 충분히 쌓이지 않아 학습 기간이 계속 길어지는 악순환에 빠질 수 있습니다. 네이버 애드부스트·파워컨텐츠의 학습·테스트 단계 권장 예산은 이번 조사에서 공식 자료로 확인하지 못했습니다 — 네이버 매체는 메타·구글과 최적화 알고리즘 구조 자체가 달라 같은 '50개 이벤트' 기준을 그대로 적용할 근거가 없습니다. '테스트 단계 예산은 하루 얼마'라는 고정 금액을 매체가 공식적으로 고시하지는 않으므로, 위 역산 방식으로 나온 금액이 부담하기 어려운 수준이라면 목표 전환 이벤트를 더 상위 단계(장바구니 담기 등)로 낮춰 이벤트 발생 빈도를 높이는 방법으로 필요 예산 자체를 낮추는 것도 대안입니다.