매체 ROAS를 믿지 않는 이유

메타 광고에서 타기팅을 직접 짜는 일은 거의 사라졌습니다. Advantage+ 쇼핑 캠페인(ASC)과 Advantage 오디언스가 기본 경로가 되면서, 누구에게 보여줄지는 알고리즘이 정하는 쪽으로 넘어갔습니다.

그래서 운영자가 손댈 수 있는 자리가 줄었다고 말하기 쉽습니다. 실제로는 반대입니다. 타기팅이 자동화될수록 알고리즘에 무엇을 넣어주느냐가 성과를 가릅니다. 계정을 어떻게 묶었는지, 전환 신호가 얼마나 정확하게 도착하는지, 그 결과를 어떤 기준으로 읽는지가 남습니다.

비그로우는 이 세 가지를 메타 운영의 실제 변수로 봅니다. 소재와 예산 배분은 그 위에서 작동하는 다음 단계입니다.

1. 자동화가 가져간 영역과 남긴 영역

메타의 자동화는 오디언스 탐색, 입찰, 지면 배분, 소재 조합에서 사람보다 빠르게 최적점을 찾습니다. 수백만 건의 노출 결과를 실시간으로 반영하는 일에서 수동 운영이 알고리즘을 이기기는 어렵습니다.

다만 알고리즘이 하는 일은 주어진 조건 안에서의 최적화입니다. 어떤 목표를 최적화할지, 어떤 전환을 성공으로 칠지, 학습에 쓸 데이터를 얼마나 모아줄지는 계정을 설계하는 쪽이 정합니다.

조건을 잘못 주면 알고리즘은 잘못된 방향으로 정확하게 최적화합니다. 장바구니 담기를 목표로 두면 장바구니를 잘 담는 사람을 찾아오고, 구매로 이어지지 않아도 그 캠페인의 지표는 좋게 나옵니다. 성과가 나지 않는 계정의 상당수는 운영이 게을러서가 아니라 조건이 잘못 설정되어 있습니다.

2. 계정 구조는 보기 좋으라고 나누는 것이 아닙니다

캠페인과 광고 세트를 세분화하면 리포트는 읽기 편해집니다. 상품군별로, 타깃별로, 지면별로 나누면 어디서 성과가 나는지 한눈에 들어옵니다. 그러나 이 편의가 성과를 깎는 경우가 많습니다.

메타는 광고 세트마다 학습 단계(Learning Phase)를 거치고, 이 단계를 벗어나려면 7일 동안 약 50건의 최적화 이벤트가 필요하다고 안내합니다. 같은 예산을 광고 세트 다섯 개로 쪼개면 각각이 이 기준에 미달해 전부 학습 제한(Learning Limited) 상태에 머물 수 있습니다. 다섯 개가 모두 최적화되지 않은 상태로 돌아가는 것입니다.

그래서 구조를 설계할 때 먼저 보는 것은 보기 편한 분류가 아니라 전환이 쌓이는 속도입니다. 월 전환 건수를 주 단위로 환산하고, 그 숫자를 50으로 나눈 값이 이 계정이 감당할 수 있는 광고 세트의 상한입니다. 전환이 적은 계정일수록 구조는 단순해야 합니다.

광고 세트를 나눠야 할 이유는 따로 있습니다. 예산을 강제로 보장해야 하거나, 입찰 전략이 달라야 하거나, 결과를 섞으면 해석이 불가능해지는 경우입니다. 이 세 가지에 해당하지 않으면 합치는 쪽이 대체로 낫습니다.

3. 알고리즘은 받은 신호만큼만 정확해집니다

최적화의 재료는 전환 신호입니다. 신호가 누락되거나 늦게 도착하면 알고리즘은 틀린 사람을 찾습니다. 소재를 아무리 다듬어도 이 지점이 새면 성과는 올라오지 않습니다.

브라우저에 심는 픽셀(Pixel)만으로는 신호가 온전히 전달되지 않습니다. 광고 차단 도구, 쿠키 차단, iOS의 앱 추적 투명성(ATT) 정책 때문에 일부 전환이 사라집니다. 비그로우가 계정을 받으면 가장 먼저 보는 것도 소재가 아니라 이 전달 경로입니다.

점검하는 항목은 다음과 같습니다.

• 전환 API(CAPI) 연동 여부. 브라우저를 거치지 않고 서버에서 직접 전환을 보내 누락을 줄입니다.

• 중복 제거 설정. 픽셀과 전환 API가 같은 구매를 두 번 보고하지 않도록 이벤트 ID(event_id)를 맞춥니다. 이게 어긋나면 전환이 부풀려져 ROAS가 실제보다 좋게 보입니다.

• 이벤트 일치 품질(EMQ). 서버에서 보낸 고객 정보가 실제 계정과 얼마나 잘 연결되는지를 10점 만점으로 보여주는 지표입니다. 이메일, 전화번호, 외부 ID를 어디까지 넘기느냐에 따라 점수가 달라지고, 메타는 6.0 이상을 권장합니다.

• 도메인 인증과 이벤트 우선순위. 통합 이벤트 측정(AEM) 체계에서는 도메인당 우선순위를 지정할 수 있는 전환 이벤트가 8개로 제한됩니다. 추적을 거부한 iOS 사용자에게는 이 목록 밖의 이벤트로 최적화한 광고가 제대로 전달되지 않습니다.

이 작업은 눈에 띄지 않습니다. 새 소재를 올리는 것처럼 보여줄 결과물이 없습니다. 그러나 같은 예산, 같은 소재로도 신호가 정확한 계정과 그렇지 않은 계정의 성과는 달라집니다.

4. 매체가 보고하는 전환은 사실이 아니라 관점입니다

메타 리포트의 전환 숫자는 측정값이 아니라 특정 규칙으로 계산한 결과입니다. 규칙이 바뀌면 같은 광고의 성과도 달라 보입니다.

기본 기여 설정은 클릭 후 7일, 조회 후 1일입니다. 광고를 보기만 하고 넘어간 사람이 하루 안에 구매하면 그 매출은 광고 성과로 잡힙니다. 브랜드 검색으로 들어와 살 사람이었어도 마찬가지입니다. 반대로 8일 뒤에 구매하면 그 전환은 어디에도 기록되지 않습니다.

채널을 여러 개 돌리면 문제가 더 커집니다. 메타와 구글과 네이버가 각자의 규칙으로 같은 주문을 자기 성과로 보고하면, 채널별 매출의 합이 실제 매출보다 커집니다. 각 리포트는 모두 맞고, 합계만 틀립니다.

그래서 비그로우는 매체 ROAS를 운영 지표로 쓰되 성과 판정의 최종 근거로 두지 않습니다. 실제 매출 대비 전체 광고비 비율(MER)을 함께 보고, 광고를 늘리거나 줄였을 때 전체 매출이 따라 움직였는지로 교차 검증합니다. 기여 기간과 조회 기여를 제외한 값도 같이 봅니다. 숫자 하나를 믿는 대신 여러 각도에서 같은 방향을 가리키는지 확인하는 방식입니다.

5. 분석 도구를 따로 두는 이유

여기까지 오면 매체 관리자 화면만으로는 운영이 어려워집니다. 이유는 세 가지입니다.

첫째, 매체 리포트는 자기 채널 안에서만 정확합니다. 메타 화면에서는 메타의 기여만 보입니다. 채널을 합쳐서 보려면 바깥에 기준점이 필요합니다.

둘째, 광고 데이터만으로는 판단이 완성되지 않습니다. 어떤 상품이 실제로 팔렸는지, 재고가 남아 있는지, 신규 고객인지 재구매인지를 함께 봐야 다음 액션이 나옵니다. 재고가 없는 상품의 ROAS가 높다는 사실은 운영에 쓸 수 없는 정보입니다.

셋째, 사람이 매일 같은 화면을 같은 깊이로 볼 수는 없습니다. 계정이 늘어날수록 이상 신호를 놓치는 날이 생깁니다. 놓친 하루가 한 주의 예산을 망칩니다.

도구가 필요한 이유는 숫자를 예쁘게 보여주기 위해서가 아니라, 사람이 반복할 수 없는 점검을 대신 돌리기 위해서입니다.

6. 비그로우가 DATAWAVE를 쓰는 방식

비그로우는 이 역할을 외부 솔루션에 맡기지 않고 자체 플랫폼 DATAWAVE로 직접 만들었습니다. 패션 커머스의 운영 단위가 일반적인 대시보드와 다르기 때문입니다. 시즌과 드랍, 상품과 옵션으로 이어지는 구조는 범용 도구의 기본 분류에 들어가지 않습니다.

운영에서 쓰는 방식은 네 가지입니다.

광고와 매출을 같은 화면에 둡니다. 매체별 지출과 전환을 자사몰 주문, 상품별 매출, 재고와 함께 봅니다. 매체 리포트와 실제 매출이 벌어지는 구간을 바로 확인할 수 있어야 기여 해석이 가능합니다.

이상 신호를 자동으로 감지합니다. 예산 소진 속도, 빈도 상승, 전환율 급락처럼 사람이 매일 확인하기 어려운 변화를 기준값으로 정해두고 알림을 받습니다. 발견이 하루 빨라지면 집행이 하루 덜 낭비됩니다.

소재 성과를 요소 단위로 누적합니다. 소재를 하나의 결과물이 아니라 소구점, 포맷, 모델, 카피의 조합으로 기록합니다. 어떤 조합이 반복해서 반응을 얻는지가 쌓이면 다음 제작의 적중률이 올라갑니다.

지표를 브랜드에 맞게 정의합니다. 신규 유입이 급한 브랜드와 재구매를 올려야 하는 브랜드가 같은 대시보드를 볼 이유는 없습니다. 브랜드마다 무엇을 성공으로 볼지 먼저 정하고 화면을 구성합니다.

이 체계를 실무에 적용한 뒤 광고 데이터를 모으고 분석해 판단하기까지 걸리던 시간이 약 1시간에서 20분으로 줄었습니다. 줄어든 시간은 리포트를 더 만드는 데 쓰지 않습니다. 데이터 바깥의 문제를 들여다보고 브랜드의 다음 방향을 함께 논의하는 데 씁니다.

7. 도구는 판단을 대신하지 않습니다

대시보드가 좋아진다고 성과가 오르지는 않습니다. 도구는 더 빨리, 더 정확하게 볼 수 있게 해줄 뿐이고 무엇을 할지는 사람이 정합니다.

같은 화면을 보고도 결론은 갈립니다. 전환이 떨어졌을 때 예산을 줄일지, 소재를 교체할지, 상세페이지를 고칠지, 아예 상품 구성을 다시 볼지는 숫자가 알려주지 않습니다. 패션 브랜드를 운영해 본 경험이 그 자리를 채웁니다.

정리하면 메타 광고에서 통제할 수 있는 변수는 세 가지입니다. 학습이 되도록 계정을 묶는 일, 전환 신호가 정확히 도착하게 만드는 일, 매체가 보고한 숫자를 실제 매출로 다시 검증하는 일입니다. 소재와 예산은 이 세 가지가 서 있을 때 비로소 제대로 작동합니다.

알고리즘이 더 많은 일을 가져갈수록, 남은 자리에서의 판단이 성과를 가릅니다.