← 라이브러리 01 메타 오디언스의 3대 축: 핵심 오디언스(관심사), 맞춤 오디언스(내부 데이터), 유사 오디언스(머신러닝 확장) 개념 메타 광고를 아무리 오래 다뤄도 이 세 오디언스의 관계를 정리하지 않으면 캠페인 구조가 매번 뒤죽박죽이 됩니다. 2건 출처 02 맞춤 오디언스 생성(1) 웹사이트 트래픽 활용: 자사몰 유입자 중 체류 시간 상위 25%의 초고관여 유저 픽셀 데이터 추출 같은 방문자 데이터라도 "다녀간 사람 전체"와 "오래 머문 사람만"을 구분해 오디언스를 만들면 리타게팅 효율이 눈에 띄게 달라집니다. 3건 출처 03 맞춤 오디언스 생성(2) 자사 데이터 활용: 고객 이메일/전화번호 CSV 파일을 업로드하여 매칭시키는 '고객 리스트 맞춤 타겟' 픽셀 데이터가 흔들리는 시대일수록, 우리가 직접 확보한 이메일·전화번호 리스트의 가치가 상대적으로 커집니다. 3건 출처 04 맞춤 오디언스 생성(3) 인앱 행동 활용: 인스타 프로필 방문자, 스토리 참여자, 광고 영상 3초/50% 이상 시청자 타겟팅 웹사이트 데이터가 흔들리는 시대일수록, 메타 플랫폼 안에서 직접 발생한 행동 데이터가 상대적으로 더 안정적인 근거가 됩니다. 2건 출처 05 유사 오디언스(Lookalike)의 정석: 구매 완료자 맞춤 타겟을 기반으로 1%부터 10%까지 단계별 유사 타겟 생성 및 테스트 유사 오디언스는 "누구를 소스로 쓰느냐"에서 절반, "몇 %로 확장하느냐"에서 나머지 절반이 결정됩니다. 3건 출처 06 정교한 리타게팅 퍼널 매트릭스 짜기: [방문자(제외:장바구니)] -> [장바구니(제외:구매자)] 단계별 소재 차등 배치의 기술 같은 방문자를 계속 같은 광고로 쫓아다니는 리타게팅은 예산 낭비와 피로도만 키웁니다. 단계를 나누고 겹치지 않게 제외하는 설계가 핵심입니다. 2건 출처 07 오디언스 중복(Audience Overlap) 진단: 서로 다른 광고 세트가 동일한 타겟을 두고 경쟁(자기잠식)하는 현상 해결책 캠페인 성과가 이유 없이 나빠졌다면, 원인이 소재가 아니라 계정 안에서 내 광고 세트끼리 싸우고 있는 것일 수 있습니다. 3건 출처 08 어드밴티지+ 상세 타겟팅(Advantage+ Detailed Targeting)의 이해: 내가 설정한 관심사를 넘어 메타 AI가 타겟을 자동 확장하는 선 "관심사를 지정했으니 그 안에서만 노출되겠지"라는 가정이 2026년 메타 광고에서는 더 이상 그대로 맞지 않습니다. 4건 출처 09 브로드 타겟팅(Broad Targeting) 전략: 논타겟(성별/연령만 지정) 세팅 시 메타 AI가 크리에이티브 메시지를 인식해 타겟을 찾아가는 원리 관심사를 아예 지정하지 않는 것이 오히려 더 정확한 타겟팅이 되는 경우가 있습니다. 이유는 타겟 설정이 아니라 크리에이티브에 있습니다. 3건 출처 10 리타게팅 효율 저하 극대화 솔루션: IOS 개인정보 보호 강화 이후 픽셀 모수 유실을 극복하기 위한 맞춤 타겟 기간 단축 기법 픽셀 데이터가 예전만큼 촘촘하지 않다는 사실을 받아들이는 것에서, 그 다음 대응이 시작됩니다. 3건 출처 11 오디언스 자산 관리: 성공적인 타겟 조합을 '저장된 타겟(Saved Audiences)'으로 자산화하고 신규 캠페인에 즉각 이식하는 루틴 지금까지 만든 맞춤·유사 오디언스와 타겟 조합은 이번 캠페인에서 한 번 쓰고 사라지는 소모품이 아니라, 다음 캠페인에서 그대로 이식할 수 있는 자산입니다. 2건 출처