ABO는 CBO와 예산이 배정되는 위치가 어떻게 다른가

메타 광고계정 구조에서 예산은 광고 세트 레벨에서 설정하는 것이 기본입니다. 캠페인 하나에 세트가 여러 개 있을 때, 예산을 세트 각각에 개별로 고정해두는 방식이 ABO(Ad Set Budget Optimization, 광고 세트 예산 최적화)입니다. 반대로 예산을 캠페인 레벨 하나로 묶어 메타 알고리즘이 세트 간 배분을 실시간으로 조정하게 하는 방식이 CBO(어드밴티지 캠페인 예산)입니다. 두 방식은 같은 캠페인 구조 위에서 "예산 배분 결정권을 누가 갖는가"만 다릅니다.

ABO를 선택하면 세트 A에 하루 3만 원, 세트 B에 하루 3만 원처럼 각 세트가 얼마를 쓸지 광고주가 직접 고정합니다. 이 값은 알고리즘이 임의로 넘나들 수 없는 하드 값에 가까워서, 세트 하나가 아무리 좋은 성과를 내도 그 세트에 배정된 예산 이상은 쓰이지 않습니다. 반대로 성과가 나쁜 세트도 배정된 예산만큼은 계속 소진됩니다.

신규 소재·타겟 테스트에서 ABO가 유리한 이유는 무엇인가

CBO는 세트 간 성과를 비교해 좋은 쪽에 예산을 몰아주는 것이 장점이지만, 이 장점이 바로 신규 소재·신규 타겟 테스트 국면에서는 단점으로 뒤집힙니다. 새로 만든 세트는 아직 학습 데이터가 없어 초반 성과가 우연히 낮게 나올 수 있는데, CBO는 이 초기 신호만으로 예산을 다른 검증된 세트로 빠르게 옮겨버립니다. 그 결과 신규 세트는 제대로 된 테스트 기회조차 받지 못하고 조용히 묻히는 경우가 생깁니다.

ABO는 이 문제를 원천적으로 막습니다. 세트마다 동일한 고정 예산을 강제로 배정하면, 신규 소재와 기존 소재가 같은 조건에서 같은 기간 같은 금액을 쓰며 경쟁하게 됩니다. A/B 테스트가 성립하려면 비교 대상의 조건이 최대한 동일해야 하는데, ABO는 예산이라는 핵심 변수를 통제 변수로 고정해주는 역할을 합니다. 그래서 "이 신규 타겟이 정말 효율이 나쁜 것인지, 아니면 예산을 충분히 못 받아서 그런 것인지"를 헷갈리지 않고 판단할 수 있습니다.

예산 강제 집행이 필요한 상황은 구체적으로 무엇인가

ABO가 유용한 두 번째 국면은 "이 세트에는 무조건 이 정도 예산을 써야 한다"는 사업적 요구가 있을 때입니다. 예를 들어 특정 카테고리 상품의 재고를 정해진 기간 안에 소진해야 하는 프로모션 캠페인이라면, 알고리즘의 효율 판단과 무관하게 해당 세트에 예산이 꾸준히 집행돼야 목표를 달성할 수 있습니다. CBO에 맡기면 그 세트의 CPA가 다른 세트보다 높게 나올 경우 예산이 빠져나가 프로모션 기간 내 목표 소진에 실패할 수 있습니다.

또한 여러 브랜드·상품 라인을 한 계정에서 운영하면서 라인별로 예산을 미리 배정받은 조직이라면, ABO로 라인마다 세트를 나누고 각각 정해진 예산을 고정하는 편이 내부 예산 보고와도 맞아떨어집니다. 이런 상황에서는 "어떤 세트가 가장 효율적인가"보다 "각 세트가 배정된 예산을 정확히 쓰고 있는가"가 더 중요한 관리 기준이 됩니다.

ABO를 쓰면서도 세트 최소화 원칙은 어떻게 지키는가

ABO를 쓴다고 해서 세트를 많이 만들어도 된다는 뜻은 아닙니다. 1강에서 다룬 대로 세트가 늘어나면 세트당 확보하는 전환수가 줄어 학습 제한에 빠지기 쉬운데, 이 위험은 ABO에서도 CBO에서도 동일하게 작동합니다. ABO의 역할은 "예산을 누가 배분하는가"를 바꾸는 것이지, "세트를 몇 개 만들어야 하는가"라는 질문에 대한 답을 바꾸지 않습니다.

따라서 ABO로 테스트를 설계할 때도 정말 비교가 필요한 변수(신규 타겟 1개, 신규 소재 1개)만 별도 세트로 분리하고, 나머지는 여전히 통합된 구조를 유지하는 것이 안전합니다. 테스트가 끝나 우승 조합이 확인되면, 그 조합은 기존 CBO 캠페인으로 다시 편입시켜 통합형 구조로 돌아가는 것이 일반적인 운영 흐름입니다.

ABO와 CBO 중 무엇을 기본값으로 삼아야 하는가

실무에서는 "검증 전에는 ABO, 검증 후에는 CBO"라는 흐름이 자연스럽습니다. 신규 소재·신규 타겟을 처음 테스트할 때는 ABO로 조건을 동일하게 맞춰 공정하게 비교하고, 승자가 가려지면 그 승자들을 CBO 캠페인에 모아 알고리즘이 예산을 실시간으로 재배분하도록 넘기는 방식입니다. 이렇게 하면 테스트 단계의 공정성과 운영 단계의 효율성을 동시에 챙길 수 있습니다.

다만 이 흐름이 절대 규칙은 아닙니다. 예산 강제 집행이 필요한 프로모션성 캠페인, 브랜드 라인별 예산 보고가 필요한 계정이라면 운영 단계에서도 ABO를 계속 쓰는 것이 더 적합할 수 있습니다. 결국 선택 기준은 "이 상황에서 알고리즘에게 배분 판단을 맡겨도 괜찮은가, 아니면 반드시 사람이 고정해야 하는가"라는 질문으로 요약됩니다.

이 판단을 매번 새로 하지 않으려면, 계정 운영 원칙 문서에 "신규 테스트는 ABO로 시작, 2주 이상 성과가 검증되면 CBO로 이전"처럼 팀 안에서 합의된 전환 기준을 미리 정해두는 것이 좋습니다. 기준이 없으면 담당자가 바뀔 때마다 ABO와 CBO를 오가며 캠페인 구조가 뒤섞이고, 어떤 세트가 왜 ABO로 남아 있는지 뒤늦게 추적하기 어려워집니다.

ABO 세트를 운영하면서 흔히 저지르는 실수는 무엇인가

ABO를 쓰면서 가장 흔히 나타나는 실수는 세트별 고정 예산을 한 번 정한 뒤 오랫동안 그대로 방치하는 것입니다. ABO는 알고리즘이 배분을 조정하지 않는 만큼, 예산을 계속 같은 비율로 유지할지 성과를 보며 사람이 직접 조정할지는 전적으로 운영자의 몫입니다. 테스트가 끝나 승자와 패자가 명확해졌는데도 패자 세트에 계속 같은 예산을 흘려보내면, ABO를 쓰는 목적(공정한 비교) 자체가 이미 달성됐는데도 비효율만 이어지는 셈입니다.

또 다른 실수는 ABO 세트를 테스트 목적이 아니라 습관적으로 계속 늘리는 것입니다. 1강에서 다룬 세트 최소화 원칙은 ABO에서도 그대로 적용되므로, 테스트가 끝난 세트는 CBO로 옮기거나 통합해 계정 전체의 세트 수를 관리 가능한 범위로 되돌리는 정리 작업이 함께 따라와야 합니다.