답변
공식 기준선 자체는 명확합니다. 메타 머신러닝이 안정적인 최적화 데이터를 확보했다고 판단하는 기준은 광고 세트 단위로 7일 이내 50개의 최적화 이벤트이고, 여기엔 브라우저 픽셀·CAPI 서버사이드·모델링(추정) 전환이 모두 포함되지만 그 세트가 실제로 최적화 목표로 선택한 이벤트(예: 구매)만 집계됩니다. 그런데도 '기준이 다르게 나타난다'고 느껴지는 데는 몇 가지 이유가 있습니다. 첫째, 이 50개는 계정 전체나 캠페인 전체가 아니라 광고 세트 하나 단위로 셉니다. 캠페인 예산 최적화(CBO)를 쓰면 세트 간 예산 배분이 자동으로 바뀌면서 특정 세트만 유독 전환을 못 모아 학습 제한에 머무는 경우가 흔한데, 계정 전체 전환수는 충분해 보여도 개별 세트 기준으로는 미달일 수 있습니다. 둘째, 학습 중에 타겟팅·입찰전략·크리에이티브·최적화 이벤트를 크게 수정하면 그동안 쌓인 카운트가 초기화되고 학습이 처음부터 다시 시작됩니다. 세팅을 자주 건드리는 계정은 실제로 50건을 채우고도 계속 '학습 중'으로 표시되는 반면, 세팅을 안정적으로 유지한 계정은 예상보다 빨리 학습을 마친 것처럼 보입니다. 셋째, 광고 세트 상태 표시는 실시간이 아니라 다소 지연돼 갱신되고, 그 50건 안에 실측 전환과 모델링(추정) 전환이 섞이는 비율이 계정·업종의 프라이버시 신호 손실 정도에 따라 달라집니다. 이 비율을 메타가 공개하지 않아서 정확히 확인하긴 어렵지만, 같은 50건이라도 체감 속도가 계정마다 다르게 느껴지는 이유 중 하나입니다. 업종 특성상 주당 50건의 구매 전환을 만들기 어렵다면, 더 상위 단계의 대체 이벤트(장바구니 담기, 결제 시작 등)로 최적화 목표를 바꿔 이벤트 발생 빈도를 높이는 방법이 학습 제한을 벗어나는 실질적인 대안입니다.