12CODE
지금 읽는 곳 ACi와 ACe는 근본적으로 다른 목적을 가진다 1 / 7
12code 라이브러리 아티클 표지. 구글 AC의 캠페인 목적 설정: 앱 설치 유도(ACi) vs 앱 내 인앱 행동 유도(ACe)의 픽셀/이벤트 연동 기준

구글 AC의 캠페인 목적 설정: 앱 설치 유도(ACi) vs 앱 내 인앱 행동 유도(ACe)의 픽셀/이벤트 연동 기준

설치만 늘리면 되는 줄 알고 ACi만 계속 돌리는 앱이 많습니다. 이미 설치 기반이 충분한 앱이라면 ACe로 전환하지 않는 한 재참여·구매 전환은 알고리즘의 최적화 대상 밖에 있습니다.

이 과목 02 / 11편 중급 4분
과목 ID45
트랙STEP 2 중급·실무
모듈2-1. 빅테크 미디어 믹스·광고 집행
레슨02
난이도중급
플랫폼구글
발행일2026-08-29
검토일2026-08-29
관련 과목45 · 42 · 44
출처3건
핵심요약5개
01

App Campaigns는 설치 유도(ACi), 참여 유도(ACe), 사전등록(Android 전용) 3가지 유형으로 나뉜다

02

설치 유도 캠페인(ACi)은 사람들이 앱을 설치하도록 유도하며, 자동 입찰과 타겟팅이 처리된다

03

참여 유도 캠페인(ACe)은 이미 앱을 설치한 사람들을 재참여시키는 캠페인으로, 인앱 구매 촉진과 미사용 사용자 재활성화를 목적으로 한다

04

App Campaigns는 전환 추적이 필수이며, Android는 구글 플레이 다운로드 이벤트가 자동 생성되지만 iOS와 참여 유도형 캠페인은 별도 설정이 필요하다

05

머신러닝을 최적화하려면 일일 최소 10개의 이벤트가 필요하고 50개 이상이 권장된다

01

ACi와 ACe는 근본적으로 다른 목적을 가진다

설치 유도 캠페인(App campaigns for installs, ACi)은 아직 앱을 설치하지 않은 사람들에게 도달해 설치를 유도하는 것이 목적입니다. 반면 참여 유도 캠페인(App campaigns for engagement, ACe)은 이미 앱을 설치한 사용자를 대상으로, 인앱 구매를 촉진하거나 사용을 중단한 사용자를 다시 활성화시키는 것이 목적입니다. 이 둘은 완전히 다른 사용자 풀을 대상으로 하고, 알고리즘이 최적화하는 목표도 다릅니다. 이미 앱 설치 기반이 충분히 쌓인 서비스인데도 ACi만 계속 운영하고 있다면, 신규 설치를 늘리는 데는 계속 예산을 쓰면서 정작 기존 사용자의 재구매·재참여를 끌어올릴 캠페인은 아예 운영하지 않고 있는 셈입니다.

02

사전등록 캠페인은 언제 쓰나

사전등록 캠페인(App campaigns for pre-registration)은 Google Play에 정식 출시되기 전에 앱에 대한 관심과 인지도를 높이는 목적의 캠페인이며, Android 플랫폼에서만 지원됩니다. 아직 출시되지 않은 신작 게임이나 앱을 위한 사전 마케팅에 특화된 유형으로, 출시 전 기대감을 조성해 출시 당일 초기 설치·순위를 끌어올리려는 전략에 활용됩니다. 이 유형은 ACi·ACe와 달리 사용 시점이 제한적이라, 신작 출시를 앞둔 시기에만 활용하고 정식 출시 이후에는 ACi나 ACe로 전환하는 것이 일반적인 운영 흐름입니다.

03

전환 추적이 캠페인 유형별로 다르게 필요한 이유

App Campaigns는 전환 추적이 필수입니다. Android 앱은 구글 플레이 다운로드 이벤트가 자동으로 생성되므로 별도 설정 없이도 기본적인 설치 추적이 가능하지만, iOS 앱과 참여 유도형 캠페인은 별도의 전환 추적 설정이 필요합니다. ACe는 애초에 "설치"가 아니라 "앱 내 행동"(구매, 특정 화면 도달, 재방문 등)을 추적해야 하므로, Firebase나 App Attribution Partner(AppsFlyer, Airbridge 등)를 통해 이벤트를 구글 Ads로 전송하는 연동 작업이 선행돼야 합니다. 이 연동이 정확히 세팅되지 않으면 ACe 캠페인 자체가 최적화할 신호를 받지 못해 사실상 작동하지 않는 상태가 됩니다.

04

머신러닝이 학습할 수 있는 최소 이벤트 조건

App Campaigns의 머신러닝을 최적화하려면 일일 최소 10개의 이벤트가 필요하고, 50개 이상이 권장됩니다. 이 조건은 ACi의 설치 이벤트뿐 아니라 ACe의 인앱 이벤트에도 동일하게 적용됩니다. 예산과 입찰가 설정이 이 정도 이벤트 발생을 허용할 만큼 충분해야 알고리즘이 정상적으로 학습할 수 있습니다. 만약 앱의 일일 활성 사용자 수 자체가 적어 특정 인앱 이벤트(예: 고가 상품 구매)가 하루 10건도 채 발생하지 않는다면, 그 이벤트를 목표로 ACe를 운영해도 알고리즘이 충분한 학습 데이터를 얻지 못해 성과가 불안정해질 수 있습니다. 이런 경우 더 자주 발생하는 상위 단계 이벤트(예: 앱 실행, 특정 화면 도달)를 우선 목표로 삼아 데이터를 먼저 확보하는 전략이 필요합니다.

05

ACi에서 ACe로 전환하는 시점을 어떻게 판단하나

서비스 초기에는 설치 기반 자체가 부족하므로 ACi에 예산을 집중하는 것이 자연스럽습니다. 하지만 일정 규모의 설치 기반이 쌓이고 인앱 이벤트가 최소 학습 조건(일일 10건 이상)을 충족할 수 있는 수준이 되면, ACe를 함께 운영해 기존 사용자의 재참여·구매를 끌어올리는 것을 검토해야 합니다. 두 캠페인 유형을 배타적으로 택일할 필요는 없으며, 신규 사용자 확보(ACi)와 기존 사용자 활성화(ACe)를 동시에 운영하는 것이 일반적인 성숙 단계의 앱 마케팅 구조입니다.

06

두 캠페인을 동시에 운영할 때 예산을 어떻게 나눠야 하나

ACi와 ACe를 함께 운영한다면, 예산 배분은 서비스의 성장 단계에 따라 달라져야 합니다. 신규 사용자 유치가 여전히 중요한 성장기에는 ACi 비중을 높게 유지하되, ACe에도 최소 학습 조건을 충족할 만큼의 예산은 배정해 데이터가 계속 쌓이도록 해야 합니다. 서비스가 성숙기에 접어들어 시장 포화로 신규 설치 증가폭이 둔화된다면, 기존 사용자의 생애가치를 끌어올리는 ACe 비중을 점진적으로 늘리는 것이 전체 마케팅 효율에 유리한 경우가 많습니다. 이 배분 비율에 정해진 공식은 없으며, 두 캠페인의 목표 비용 대비 실제 성과를 비교하며 지속적으로 조정하는 것이 실무적인 접근입니다.

07

캠페인 유형을 헷갈렸을 때 나타나는 증상

ACi로 만들어야 할 캠페인을 ACe로 잘못 설정하면, 이미 앱을 설치한 사용자에게만 광고가 노출되므로 신규 설치가 거의 발생하지 않는 상황이 됩니다. 반대로 ACe로 만들어야 할 캠페인을 ACi로 설정하면, 신규 설치 유도에 예산이 쓰이면서 정작 기존 사용자 재참여는 전혀 다루지 못하게 됩니다. 캠페인 성과가 기대와 다르게 나온다면, 세부 설정을 뜯어보기 전에 애초에 캠페인 유형 선택 자체가 목적에 맞았는지부터 재확인하는 것이 빠른 원인 파악의 첫걸음입니다.

다음 행동

현재 ACi만 운영 중이라면, 인앱 이벤트가 일일 10건 이상 발생하는지 먼저 확인하세요. 조건을 충족한다면 Firebase나 MMP 연동을 통해 ACe 캠페인을 추가로 세팅하는 것을 권합니다.

다음 글 · 레슨 03→크리에이티브 에셋의 다양성 사수: 텍스트 5줄, 이미지 20장, 동영상 20개를 꽉 채워야 머신러닝이 최적화되는 이유

← 이전 글 · 레슨 01 구글 AC(App Campaigns)의 블랙박스 구조 이해: 마케터의 타겟팅 개입을 최소화하고 AI 머신러닝에 맡기는 원리

출처

facts 항목 기준 · 본문 인라인 미표기3건
F-01Google Ads Help Center — App Campaigns 3가지 유형공식
F-02Google Ads Help Center — App campaigns for engagement공식
F-03Google Ads Help Center — App Campaigns 머신러닝 데이터 요구사항공식

플랫폼 기능·심의 기준·가격·법률은 바뀝니다. 이 글은 2026-08-29에 위 출처를 기준으로 확인했습니다.

CHALLENGE

배운 걸 실전 문제로 확인

카테고리별 Level Test로 실무 레벨을 점검해보세요.

챌린지 보기 →
이 과목의 게시글11편
01구글 AC(App Campaigns)의 블랙박스 구조 이해: 마케터의 타겟팅 개입을 최소화하고 AI 머신러닝에 맡기는 원리02구글 AC의 캠페인 목적 설정: 앱 설치 유도(ACi) vs 앱 내 인앱 행동 유도(ACe)의 픽셀/이벤트 연동 기준03크리에이티브 에셋의 다양성 사수: 텍스트 5줄, 이미지 20장, 동영상 20개를 꽉 채워야 머신러닝이 최적화되는 이유04HTML5 에셋 기획 제작: 앱을 다운받기 전 광고 지면에서 미리 미니게임이나 UI를 체험하게 만드는 플레이어블(Playable) 광고05구글 Play 스토어 등록정보 최적화(ASO)와의 연동: AC 광고 효율을 2배 올리는 스토어 상세 페이지 메시지 매치06목표 설치당비용(tCPI) 및 목표 작업당비용(tCPA) 비딩 조정법: 머신러닝의 학습을 깨뜨리지 않는 미세 비딩 룰07구글 AC 내 텍스트 에셋 카피라이팅 공식: 플레이 스토어 지면, 유튜브 지면, 지메일 지면에 각각 맞춘 제목/설명 기획08딥링크(Deeplink)와의 연동 세팅: 광고 클릭 시 앱 설치를 넘어 특정 상품 상세페이지로 다이렉트 랜딩시키는 법09머신러닝 '학습 단계(Learning)' 탈출 전략: 초반 모수 부족으로 광고 집행이 멈추거나 단가가 튈 때의 가이드라인10에셋 성능 보고서(Asset Performance) 읽기: '최우수(Best)', '양호(Good)', '낮음(Low)' 지표에 따른 소재 교체 주기 설정11MMP 데이터와의 정산: 구글 Ads 대시보드 인앱 데이터와 Appsflyer/Airbridge 어트리뷰션 데이터 불일치 해결법 과목 전체 보기 →

MKT TOOLS

실무자를 위한 무료 도구

카피 글자수 검사, CPC·ROAS 계산기, UTM 생성기까지.

워크스페이스 열기 →