왜 AC에는 수동 타겟팅 버튼 자체가 없나

App Campaigns는 수동 타겟팅, 키워드 설정, 플레이스먼트 수동 선택이 불가능하다는 점에서 다른 캠페인 유형과 근본적으로 다른 구조를 가집니다. 검색광고에서는 키워드를 직접 입력하고, 디스플레이에서는 게재위치를 직접 지정할 수 있지만, AC는 이런 수동 개입 지점 자체가 인터페이스에 존재하지 않습니다. 광고주가 하는 일은 입찰가와 예산을 설정하고, 크리에이티브 에셋(텍스트, 이미지, 동영상)을 등록하는 것뿐입니다. 이후 어떤 사용자에게, 어떤 지면에, 어떤 조합의 에셋을 보여줄지는 전적으로 구글의 머신러닝이 결정합니다. 이 구조를 모르고 캠페인을 열면, "왜 키워드를 추가하는 메뉴가 없지"라는 의문에서 시작해 계속 헤매게 됩니다.

크리에이티브가 타겟팅의 입력값이 된다는 것의 의미

다른 캠페인 유형에서는 타겟팅과 크리에이티브가 별개의 설정입니다. 오디언스를 정하고, 그 오디언스에게 보여줄 소재를 별도로 준비하는 식입니다. 하지만 AC의 머신러닝은 창의 자산(에셋) 자체를 타겟팅의 주요 입력값으로 사용합니다. 예를 들어 텍스트 라인에서 '예산 추적'과 '돈 절약'을 언급하면, 알고리즘은 이 문구를 분석해 관련된 검색어나 관심사를 가진 사용자와 연결시켜 타겟팅 신호로 활용합니다. 즉 AC에서는 "이 텍스트를 어떻게 쓰느냐"가 곧 "어떤 사용자에게 도달하느냐"를 결정하는 셈입니다. 이 원리를 이해하면, 크리에이티브 카피를 단순히 매력적인 문구로만 접근할 것이 아니라 타겟팅 신호로서도 함께 설계해야 한다는 것을 알 수 있습니다.

왜 이런 블랙박스 구조로 설계됐나

앱 캠페인은 검색광고처럼 사용자가 명시적인 검색어를 입력하는 환경이 아니라, 구글 검색·플레이스토어·유튜브·Discover·디스플레이 네트워크라는 매우 이질적인 여러 지면에 동시에 걸쳐 노출됩니다. 지면마다 사용자 행동 패턴과 신호 체계가 완전히 다르기 때문에, 사람이 지면별로 일일이 수동 타겟팅을 설계하는 것은 사실상 불가능에 가깝습니다. 구글은 이 복잡성을 머신러닝에 위임하는 방식으로 AC를 설계했고, 그 대가로 광고주는 개별 지면·타겟팅에 대한 직접적인 통제권을 내려놓아야 합니다. 이 트레이드오프를 이해하고 나면, "이 캠페인을 통제하고 싶다"는 충동을 타겟팅 메뉴가 아니라 크리에이티브 에셋과 입찰 목표 설정으로 방향을 바꿔야 한다는 것이 명확해집니다.

마케터가 실제로 개입할 수 있는 지점은 어디인가

타겟팅 자체는 통제할 수 없지만, AC 운영자가 실질적으로 개입할 수 있는 지점은 분명히 있습니다. 첫째는 크리에이티브 에셋의 내용과 다양성으로, 어떤 문구와 이미지를 등록하느냐가 곧 타겟팅 신호로 작용합니다. 둘째는 캠페인 목적 설정(설치 유도 vs 인앱 행동 유도)으로, 이는 알고리즘이 최적화하는 방향 자체를 결정합니다. 셋째는 입찰가와 목표 비용(tCPI, tCPA) 설정으로, 알고리즘이 움직일 수 있는 범위의 경계를 정하는 역할을 합니다. 이 세 가지가 AC에서 마케터가 쥘 수 있는 실질적인 레버이며, 이후 이어지는 편들에서 각각을 더 깊이 다룹니다.

블랙박스 구조를 받아들이지 못하면 생기는 실무 문제

AC를 다른 캠페인 유형과 같은 방식으로 통제하려 시도하면 문제가 생깁니다. 예를 들어 성과가 낮은 지면을 걸러내려고 게재위치 제외 메뉴를 찾아 헤매거나, 특정 오디언스만 타겟하려고 오디언스 설정을 찾다가 시간을 허비하는 경우입니다. 이런 시도는 AC의 구조상 애초에 불가능한 조작을 시도하는 것이므로 성과 개선으로 이어지지 않습니다. AC를 다룰 때는 처음부터 "내가 할 수 있는 일은 에셋과 목표·입찰뿐"이라는 전제를 갖고 접근해야, 실제로 효과가 있는 조치에 시간을 쓸 수 있습니다.

다른 캠페인 경험이 오히려 걸림돌이 되는 이유

검색광고나 디스플레이 캠페인을 오래 운영해본 담당자일수록 AC의 구조를 받아들이기 어려워하는 경우가 많습니다. 키워드를 좁혀서 예산을 지키고, 게재위치를 걸러 품질을 관리하는 습관이 몸에 배어 있기 때문입니다. AC에서는 이런 습관을 발휘할 창구 자체가 없다 보니, 익숙한 캠페인 유형에서 통하던 문제 해결 방식이 그대로 통하지 않는다는 것을 받아들이는 데 시간이 걸립니다. AC를 처음 맡을 때는 기존 캠페인 운영 경험을 잠시 내려놓고, 이 캠페인 유형만의 별도 운영 원칙을 새로 익힌다는 마음으로 접근하는 것이 실무 적응 속도를 높이는 방법입니다.

지면별 노출 비중을 확인할 수는 있나

타겟팅을 직접 설정할 수는 없지만, 캠페인이 실제로 어느 지면(검색, 플레이스토어, 유튜브, Discover, 디스플레이)에 얼마나 노출됐는지는 사후적으로 보고서에서 확인할 수 있습니다. 이 데이터는 통제할 수 있는 레버는 아니지만, 캠페인이 실제로 어떻게 작동하고 있는지 이해하는 참고 자료로는 유용합니다. 특정 지면의 비중이 예상과 다르게 나온다면, 그 자체를 문제로 여기기보다 알고리즘이 그 시점에 가장 효율적이라고 판단한 배분으로 받아들이고 크리에이티브나 목표 설정 쪽에서 개선 지점을 찾는 것이 AC의 구조에 맞는 접근입니다.