GDN 소재 크리에이티브 A/B 테스트: 일러스트형 vs 누끼 컷 실사형 소재의 클릭률 및 뷰스루 전환(VTC) 비교

디스플레이 광고는 검색광고와 달리 사용자가 능동적으로 검색한 결과가 아니라 콘텐츠를 보는 중에 노출되는 형태라, 클릭하지 않고도 브랜드를 인지하고 나중에 직접 사이트를 찾아와 구매하는 경우가 흔합니다. 이런 행동은 클릭 기반 지표에는 잡히지 않고 조회 전환(View-Through Conversion)으로만 잡힙니다. 조회 전환은 광고를 클릭하지 않고 보기만 한 뒤 나중에 전환을 완료한 경우를 집계하며, 전환으로 이어지기 전 마지막으로 노출된 광고에 그 기여가 인정됩니다. 따라서 특정 소재의 클릭률이 낮다고 해서 그 소재가 성과에 기여하지 않았다고 단정하면 안 되고, 조회 전환 데이터를 함께 봐야 소재의 전체 기여도를 판단할 수 있습니다.

일러스트형 소재는 단순화된 형태와 색감으로 눈에 띄기 쉽고, 복잡한 배경 없이 메시지를 직관적으로 전달하는 데 유리한 경향이 있습니다. 반면 실사 누끼 컷(제품 사진의 배경을 제거한 형태) 소재는 실제 제품의 질감과 디테일을 보여줄 수 있어, 구매 직전 단계의 사용자에게 제품에 대한 신뢰를 주는 데 유리한 경향이 있습니다. 어느 쪽이 더 나은지는 업종과 캠페인 단계에 따라 달라지므로, 이론적으로 단정하기보다 실제 계정 데이터로 A/B 테스트를 돌려 확인하는 것이 정확합니다.

소재 스타일의 효과를 정확히 비교하려면, 스타일 외의 다른 변수(카피 문구, 색상, 배치되는 종횡비)는 최대한 동일하게 맞춰야 합니다. 같은 상품, 같은 카피 문구를 두고 이미지만 일러스트형과 실사 누끼 컷형으로 바꿔서 각각 등록하고, 나머지 타겟팅·예산·입찰 전략은 동일하게 유지한 상태에서 비교해야 이미지 스타일 자체의 효과를 정확히 분리해낼 수 있습니다. 여러 변수를 동시에 바꾸면 어느 변수가 성과 차이를 만들었는지 구분할 수 없다는 원칙은 앞서 다룬 입찰 전략·매치타입 테스트와 동일하게 적용됩니다.

테스트 결과 한 소재는 클릭률이 높고 다른 소재는 조회 전환이 높게 나오는 경우가 흔합니다. 예를 들어 일러스트형 소재가 클릭률은 높지만 실제 전환은 실사 누끼 컷형 소재를 본 뒤 발생하는 비중이 크다면, 일러스트는 시선을 끌어 '클릭'을 유도하는 역할에 강하고 실사는 신뢰를 줘 '구매 결정'에 더 가까이 기여한다고 해석할 수 있습니다. 이런 경우 두 스타일을 배타적으로 택일하기보다, 캠페인 초반(관심 유발 단계)에는 일러스트형을, 리마케팅처럼 구매 결정에 가까운 단계에는 실사 누끼 컷형을 배치하는 식으로 퍼널 단계별로 다르게 활용하는 것이 두 소재의 강점을 모두 살리는 방법입니다.

조회 전환은 다른 광고를 클릭한 적이 있는 사용자의 전환을 자동으로 제외하고, '전환' 열이 아니라 '조회 전환' 열과 '전체 전환' 열에만 표시됩니다(일부 캠페인 유형 제외). 이 때문에 캠페인 성과를 판단할 때 기본 '전환' 열만 보고 있다면 조회 전환으로 잡히는 소재의 기여를 놓칠 수 있습니다. 소재 A/B 테스트 결과를 정리할 때는 반드시 '전체 전환' 열을 함께 확인해, 클릭 기반 전환만으로는 드러나지 않는 소재의 실제 기여를 포함해서 판단해야 합니다.

소재 A/B 테스트는 최소 1~2주 정도 데이터를 쌓은 뒤 비교하는 것이 표본 부족으로 인한 오판을 줄이는 방법입니다. 특히 조회 전환은 광고를 본 뒤 실제 전환까지 시간 간격이 있을 수 있어, 클릭 전환보다 결과가 드러나는 데 더 오래 걸리는 경우가 많습니다. 캠페인 초반 며칠 만에 클릭률 차이만 보고 성급하게 한쪽 소재를 중단하면, 조회 전환으로 뒤늦게 나타날 기여를 놓칠 수 있습니다. 테스트를 설계할 때부터 조회 전환 창(기본적으로 클릭 전환보다 넉넉하게 설정되는 경우가 많음)을 감안해 판단 시점을 여유 있게 잡아야 합니다.

패션·뷰티처럼 시각적 매력이 구매 결정에 큰 비중을 차지하는 업종은 실사 누끼 컷형이 제품의 질감과 색감을 정확히 전달해 유리한 경우가 많고, 서비스업이나 앱처럼 실물 제품이 없는 업종은 일러스트형이 개념을 직관적으로 표현하는 데 유리한 경우가 많습니다. 다만 이는 일반적인 경향일 뿐 절대적인 규칙은 아니므로, 업종 특성을 참고하되 최종 판단은 계정에서 직접 확인한 A/B 테스트 데이터를 기준으로 내리는 것이 원칙입니다.

두 스타일을 한 캠페인 안에서 함께 순환시켜 데이터를 비교하는 방법과, 아예 광고그룹을 나눠 독립적으로 운영하며 비교하는 방법 중에서는 후자가 각 스타일이 받는 입찰가·노출 배분을 더 명확히 통제할 수 있어 원인 분석에 유리합니다.