PMax는 정확히 무엇을 자동화하는가

PMax는 검색, 디스플레이, 유튜브, 지메일, 디스커버, 지도 등 구글의 거의 모든 광고 지면을 하나의 캠페인 안에서 자동으로 최적화하는 캠페인 유형입니다(공식). 여기서 "자동화"의 대상은 지면 선택뿐 아니라 크리에이티브 조합, 입찰가, 타겟 확장 범위까지 포함됩니다. 즉 기존에는 광고주가 "유튜브에는 이 예산, 검색에는 이 예산"을 나눠 캠페인을 따로 만들었다면, PMax는 이 배분 자체를 AI에게 넘기는 구조입니다.

이 구조가 성립하려면 전제 조건이 있습니다. 캠페인 목표를 전환수 또는 전환가치처럼 명확한 수치로 정의할 수 있어야 하고, 그 전환을 안정적으로 추적할 수 있어야 합니다. 목표가 모호하거나(예: "브랜드 인지도") 전환 추적이 불완전하면 AI가 최적화할 기준 자체가 흔들립니다.

채널 배분은 누가, 어떤 기준으로 결정하나

채널 간 예산 배분은 광고주가 아니라 Google의 머신러닝이 결정합니다. 이때 기준은 경매 시점 신호(기기, 지역, 시간대, 1차 파티 오디언스, 검색 맥락 등)와 광고주가 설정한 목표 전환값입니다. 특정 시점에 유튜브 지면이 검색 지면보다 전환 확률이 높다고 판단되면 예산이 그쪽으로 더 쏠릴 수 있고, 다음 날 상황이 바뀌면 다시 재배분됩니다.

이 재배분은 실시간으로 계속 일어나기 때문에, "어제는 디스플레이가 잘 나왔으니 오늘도 그럴 것"이라는 예측이 성립하지 않습니다. 채널별 성과를 사후적으로 확인하는 방법은 이 과목의 10강(매체별 노출 비중 확인법)에서 별도로 다룹니다.

광고주가 여전히 통제할 수 있는 레버는 무엇인가

채널 배분은 넘겼지만, 광고주가 쥐고 있는 레버는 여전히 많습니다. 첫째는 에셋 그룹입니다 — 어떤 텍스트·이미지·영상을 투입하느냐가 AI가 조합할 수 있는 재료의 상한을 정합니다. 둘째는 오디언스 시그널입니다 — 첫 번째 데이터(고객 리스트, 웹사이트 방문자)를 얼마나 정교하게 넣느냐가 초기 학습 속도를 좌우합니다. 셋째는 입찰 전략(타겟 CPA, 타겟 ROAS, 전환수 최대화)과 예산 총량입니다. 넷째는 제외 설정(브랜드 제외, 지역 제외, 연령 제외)입니다.

이 네 가지는 전부 뒤 강의(3강 에셋 그룹, 4강 오디언스 시그널, 5강 예산 제어, 6강 브랜드 제외)에서 개별적으로 다룹니다. 이번 강의에서 짚어야 할 것은 "채널을 못 고른다고 통제력을 잃은 게 아니다"라는 프레임입니다.

기존 검색·쇼핑 캠페인과 함께 돌리면 무슨 일이 벌어지나

많은 광고주가 PMax를 도입하면서도 기존 검색 캠페인을 완전히 없애지 않고 병행합니다. 이때 알아야 할 규칙은 우선순위입니다 — 검색어와 정확히 일치하는 정확 매치(Exact Match) 키워드가 있는 검색 캠페인은 PMax보다 우선 적용됩니다(공식). 반대로 PMax의 검색 테마나 자동 예측 검색어는 구문·광범위 매치와 같은 우선순위로 취급됩니다.

이 규칙을 모르면 "PMax를 켰더니 기존 검색 캠페인 성과가 떨어졌다"는 현상을 오해하기 쉽습니다. 실제로는 두 캠페인이 겹치는 영역에서 예산을 나눠 가진 것이지, PMax가 일방적으로 검색 캠페인을 잠식한 것이 아닌 경우가 많습니다. 겹치는 영역을 파악하려면 검색어 인사이트 리포트와 기존 검색 캠페인의 검색어 보고서를 함께 비교해야 합니다.

어떤 조건에서 PMax 도입이 유효한가

PMax는 만능이 아닙니다. 전제 조건은 두 가지입니다. 하나는 전환 추적 인프라가 안정적으로 구축돼 있어야 한다는 것(2강에서 다룸), 다른 하나는 주당 10~15건 이상의 전환이 나올 만큼 계정 규모가 있어야 한다는 것입니다(공식). 이 조건을 충족하지 못하는 소규모 계정에 PMax를 무리하게 적용하면, AI가 학습할 데이터가 부족해 오히려 개별 캠페인보다 불안정한 성과를 낼 수 있습니다.

반대로 이 조건을 충족하는 계정이라면, PMax는 채널 간 크로스 캐니벌라이제이션(자기잠식)을 AI가 알아서 조정해주는 장점이 있습니다. 사람이 매일 채널별 예산을 수동으로 재배분하는 것보다, 실시간 경매 신호에 반응하는 AI가 더 촘촘하게 대응할 수 있기 때문입니다.