수동 캠페인과 비교부터 시작하지 않는 이유

어드밴티지+ 쇼핑 캠페인은 수동 타겟팅 레버를 없애고 예산을 하나로 통합하는 대신, 성과가 타겟팅보다 소재 양·다양성에 훨씬 크게 좌우되는 구조로 설계돼 있습니다. 그래서 성과가 수동 캠페인보다 낮게 나올 때 가장 먼저 확인할 것은 타겟팅 설정이 아니라 소재 풀입니다. 중앙 소재 저장소에 이미지·영상 최대 150개, 텍스트 옵션 최대 30개까지 업로드할 수 있는데, 소재 다양성이 부족하면 알고리즘이 한정된 소재에 지출을 집중시켜 다른 소재가 충분히 테스트되지 못하는 예산 쏠림으로 이어질 수 있습니다. 소재 개수와 형식(정사각형·세로형 등) 다양성이 부족한 상태라면, 타겟팅을 조정하기 전에 소재 풀부터 채우는 것이 우선입니다.

타겟팅 축: 손댈 수 있는 건 지역과 제외뿐

어드밴티지+ 판매 캠페인의 타겟팅은 국가별 지역 타겟팅만 지원하며, 세부 인구통계학적 타겟팅(나이·성별·관심사)은 자동으로 확대되는 어드밴티지+ 오디언스에 맡겨집니다. 즉 광고주가 직접 손댈 수 있는 타겟팅 레버는 지역 설정과 제외 오디언스 두 가지로 제한됩니다. 이 중 기존고객 제외는 Custom Audience를 사용한 강제 제약(hard constraint)으로 작동해, 메타의 자동 최적화를 무시하고 지정된 사용자를 반드시 제외합니다. 기존고객을 제외하지 않으면 전환율이 높은 기존고객에게 예산이 더 많이 배정될 수 있어, 신규 고객 획득(신CAC)이 목표라면 기존고객 Custom Audience를 주간 단위로 업데이트해 제외하는 것이 권장됩니다. 신규 고객 확보가 목표인데 이 제외 설정이 빠져 있다면, 성과 저하의 원인이 알고리즘이 아니라 설정 누락일 수 있습니다.

카탈로그 피드 품질: 눈에 안 보이는 원인

소재와 타겟팅에 문제가 없는데도 성과가 낮다면 상품 피드 자체를 의심해야 합니다. 표준 상품 피드의 필수 필드는 id, title, description, availability, condition, price, link, image_link, brand 9개이며, id는 최대 100자 문자열로 갱신 후에도 동일 상품에 일관되게 유지돼야 하고 price는 ISO 4217 통화 코드를 포함한 형식으로 표기해야 합니다. availability 필드는 정해진 값(in stock, out of stock, available for order 등)만 허용되는데, 이 값이 실제 재고 상태와 다르면 품절 상품이 계속 광고에 노출되는 오류가 발생해 클릭 대비 전환율이 떨어지는 것으로 나타날 수 있습니다.

피드 갱신 주기도 함께 확인할 대상입니다. 상품 피드는 최소 24시간에 한 번은 갱신돼야 하며, 재고·가격이 자주 바뀌는 쇼핑몰은 매시간(hourly) 수집 주기가 권장됩니다. 갱신 주기가 느린 상태에서 재고·가격 변동이 잦은 상품을 팔고 있다면, 광고에 노출되는 정보와 실제 페이지 정보가 어긋나 랜딩 이후 이탈률이 오르는 방식으로 성과에 영향을 줄 수 있습니다.

신규 고객 확보 목적이라면: DABA 여부 확인

동적 제품 광고(DPA)는 이미 자사 사이트·앱을 방문한 사용자를 대상으로 하는 반면, 광범위 잠재고객 동적 광고(DABA)는 메타 알고리즘이 유사 상품에 반응한, 자사 사이트 미방문 사용자까지 넓혀 신규 고객 발굴에 씁니다. 어드밴티지+ 쇼핑 캠페인이 리타겟팅 위주로만 세팅돼 있다면 신규 고객 확보 성과가 낮게 나오는 것이 당연한 결과일 수 있으므로, 캠페인 목적이 신규 고객 확보라면 DABA 방식으로 세팅돼 있는지부터 확인해야 합니다.

예산을 늘렸다가 오히려 성과가 떨어졌다면

어드밴티지+ 캠페인 성과 저하가 예산 증액 직후 발생했다면 학습 리셋을 의심해야 합니다. 예산 증액은 한 번에 20%를 넘지 않는 것이 권장되며, 20%를 초과하는 증액은 알고리즘이 학습해온 전달 조건을 크게 바꿔 새로운 탐색(학습) 단계를 유발할 수 있습니다. 증액 간격도 3~5일을 두어 알고리즘이 재안정화할 시간을 주는 것이 일반적입니다. 이 20% 기준은 메타 공식 문서가 아니라 실무자들 사이에서 널리 통용되는 경험칙이라는 점은 감안해야 합니다. 볼륨을 더 키우고 싶다면 단일 캠페인 예산을 계속 올리는 수직 스케일업보다, 성과가 검증된 캠페인을 복제해 별도 예산으로 운영하는 수평 스케일업을 병행하는 편이 학습 리셋 위험을 줄이는 방법으로 꼽힙니다.