구글과 메타 광고 데이터 전략 2: 예산, 상품 정보와 도착 페이지 점검

광고 한 개를 고객의 순서대로 살펴봅니다

1편에서는 전환 측정과 가치 기반 입찰을 설명했습니다. 2편에서는 예산, 캠페인 구조, 상품 정보, 도착 페이지와 고객 데이터 관리를 살펴봅니다. 전환은 광고에서 기대하는 구매나 문의 등의 행동입니다.

광고 문구에는 할인 가격이 있지만 도착 페이지에는 정상 가격이 보인다면 고객은 구매를 망설일 수 있습니다. 자동 입찰을 바꾸기 전에 이런 불일치를 확인하는 것이 출발점입니다.

첫 실습: 광고와 연결 페이지를 대조합니다

운영 중인 광고 한 개의 미리보기, 연결된 상품 페이지, 상품 관리 기록을 준비합니다. 상품 판매가 아닌 서비스 광고라면 상품 대신 서비스명과 신청 조건을 확인합니다. 관리자 권한이 없다면 공개된 광고와 페이지에서 보이는 내용만 적습니다.

1. 광고 미리보기에서 상품명, 가격, 할인 조건과 행동을 유도하는 버튼을 적습니다.
2. 연결 URL을 직접 열어 같은 상품과 조건이 보이는지 확인합니다.
3. 휴대전화에서 페이지를 열어 버튼, 가격과 신청 절차가 보이는지 확인합니다.
4. 아래 표에 일치, 불일치, 확인 불가 중 하나를 적고 다음 행동을 정합니다.

표는 가상의 사례입니다. 운영 중인 광고가 없다면 이 표에서 확인할 원본과 담당자를 정하는 연습을 합니다. 광고 문구를 바로 바꾸기보다 어느 정보가 맞는지 원본부터 확인합니다. 결제하거나 실제 상담 신청을 제출할 필요는 없습니다. 결과 세 항목과 확인할 담당자를 적으면 첫 점검을 마친 것입니다.

1. 예산: 보고서 매출과 광고의 추가 효과를 구분합니다

플랫폼별 귀속 매출을 단순히 더하면 안 되는 이유

ROAS는 광고에 귀속된 매출 또는 전환 가치를 광고비로 나눈 비율입니다. 광고비 10만 원에 귀속 매출 40만 원이면 4배, 즉 400%입니다. 구글과 메타는 각자의 광고 기여 인정 기준으로 전환을 기록하므로 같은 구매가 두 보고서에 포함될 수 있습니다. 반대로 누락도 있을 수 있어 합계가 항상 실제 구매보다 많다고 단정할 수는 없습니다.

전체 사업 매출은 주문 기록에서 확인하고, 플랫폼별 보고서는 해당 플랫폼의 집계 기준을 함께 적어 비교합니다. ROAS 기초

iROAS는 광고가 없었을 경우와 비교한 추정치입니다

인크리멘탈리티(증분 효과)는 광고 때문에 추가로 발생한 결과를 뜻합니다. iROAS는 추가 매출의 추정치를 해당 광고비로 나눈 값입니다. 광고가 없었을 때 같은 고객이 어떻게 행동했을지는 직접 볼 수 없으므로 비교 집단이나 모델로 추정합니다. 구글 Conversion Lift 지표 안내

아래는 개념을 설명하는 가상 계산입니다. 광고가 없었을 경우의 매출은 비교 실험에서 집단 규모와 기존 차이 등을 고려해 적절히 추정됐다고 가정합니다. 임의로 정한 금액이나 다른 지역의 매출을 그대로 넣어 계산하는 예가 아닙니다.

계산은 (500,000 - 300,000) ÷ 100,000 = 2입니다. 플랫폼 ROAS가 4배라고 해도 iROAS가 2배일 수 있습니다. 두 지표는 계산 목적이 다릅니다. 원가와 환불 등의 비용을 고려하지 않은 iROAS만으로 흑자나 적자를 확정하지 않습니다.

지역 두 곳의 매출 차이만으로는 충분하지 않습니다

홀드아웃 테스트는 일부 집단에 광고를 집행하지 않고 광고 집행 집단과 비교하는 실험입니다. 지역을 나눈다면 기존 매출 규모, 계절 변화, 다른 채널 광고, 지역 간 이동 등도 고려해야 합니다. 서울과 부산의 매출을 단순히 빼면 광고 효과 외의 차이가 섞입니다.

실험 담당자와 비교 집단 배정, 사전 기간, 측정할 결과, 필요한 표본과 기간을 정합니다. 결과에는 추정값뿐 아니라 추정의 불확실성을 나타내는 범위도 함께 봅니다. 효과를 뚜렷하게 확인하지 못했다는 결과가 곧 광고 효과가 없다는 증거는 아닙니다. 구글 리프트 결과 해석

구글의 사용자 기반 Conversion Lift는 모든 계정에 제공되지 않습니다. 현재 공식 안내에는 5,000달러의 최소 캠페인 예산 외에도 관측 전환 1,000건, 지원 전환 액션 등의 조건이 있습니다. 이는 지역 기반 실험 전체에 적용되는 공통 가격표가 아닙니다. 계정 담당자에게 이용 가능 여부와 실험 설계를 먼저 확인합니다. 구글 사용자 기반 Conversion Lift 설정

MMM은 데이터와 검증이 준비된 다음에 검토합니다

마케팅 믹스 모델링(MMM)은 기간별 광고비와 사업 성과, 계절 등 여러 요인을 함께 분석해 채널별 효과를 추정하는 방법입니다. 메타의 Robyn과 구글의 Meridian이 관련 도구입니다.

추가 예산의 효과가 기존 평균 효과보다 작아질 수 있으므로, 예산을 늘릴 때는 평균 ROAS만 보지 않고 추가 비용으로 기대하는 추가 매출도 검토합니다. MMM의 예산 제안은 모델의 데이터와 가정에 따라 달라지므로 실제 결과와 검증해야 합니다.

Meridian의 Scenario Planner는 예산 시나리오를 비교하는 화면을 제공하지만, 먼저 학습된 Meridian 모델이 필요합니다. 화면에서 숫자를 바꿀 수 있다는 사실이 분석 준비가 필요 없다는 뜻은 아닙니다. 처음에는 같은 기간과 통화로 정리한 광고비, 매출, 행사 기록부터 준비합니다.

2. 캠페인 구조: 합칠 이유와 나눌 이유를 적습니다

같은 목표의 캠페인이나 광고 세트를 지나치게 나누면 각 단위의 데이터와 예산이 적어질 수 있습니다. 그렇다고 모두 하나로 합치는 것이 정답은 아닙니다. 다른 사업 목표나 반드시 지켜야 하는 예산을 섞으면 운영 목적이 흐려질 수 있습니다.

구글 자동 입찰의 학습 기간은 전환 수, 클릭에서 전환까지 걸리는 시간, 입찰 전략 등의 영향을 받습니다. 7일에 50건이나 무조건 4~6주를 모든 캠페인의 필수 조건으로 적용하지 않습니다. 입찰 전략 상태와 전환 지연을 함께 확인합니다. 구글 학습 기간 안내

메타 Andromeda는 많은 광고 후보 중 관련성이 높은 후보를 고르는 추천 시스템의 일부입니다. 이 기술의 존재만으로 광고 세트 하나에 소재 25개가 최선이라는 운영 규칙을 도출할 수는 없습니다. 사업 목표와 예산, 소재의 차이를 근거로 통합을 검토합니다. 메타 Andromeda 기술 설명

PMax의 에셋 그룹은 공통 주제의 광고 소재를 묶는 단위입니다. 별도의 예산을 가진 독립 캠페인처럼 생각하지 않습니다. 오디언스 시그널을 달리 넣어도 서로 겹치지 않는 타깃 집단이 되는 것은 아닙니다. 1편의 PMax 설명

통합을 검토할 때는 기존 설정과 보고서를 보관하고, 목표와 측정 기준을 유지한 채 변경 항목을 제한합니다. 같은 날 캠페인 통합, 소재 교체, 예산 변경을 모두 하면 결과의 원인을 구분하기 어렵습니다.

3. 상품 피드: 더 많은 정보보다 정확한 정보를 보냅니다

상품 피드는 상품명, 가격, 재고, 이미지와 연결 URL 등을 광고 플랫폼에 제공하는 데이터입니다. 구글은 Merchant Center, 메타는 카탈로그에서 상품 정보를 관리합니다.

첫 실습에서 찾은 불일치는 상품 관리 원본, 플랫폼에 전달된 데이터, 고객이 보는 페이지 중 어디에서 생겼는지 확인합니다. 매일 갱신하더라도 낮에 품절된 정보가 다음 날까지 남으면 고객에게는 잘못된 정보입니다. 갱신 주기는 가격과 재고가 바뀌는 속도에 맞춰야 합니다.

구글 상품 데이터에서 먼저 확인할 항목

구글은 부정확하거나 누락된 상품 정보와 페이지 불일치가 광고 표시 문제를 일으킬 수 있다고 안내합니다. 구글 상품 데이터 사양

GTIN은 상품을 구분하는 국제 식별 번호입니다. 제조사가 부여한 번호가 있으면 정확한 값을 확인하고, 번호가 없는 상품에 임의의 번호를 만들지 않습니다. 모든 브랜드 상품에 같은 식별자 조건이 적용된다고 가정하지 말고 상품별 요구사항을 확인합니다. 구글 GTIN 안내

커스텀 라벨은 분류 값입니다

구글의 custom_label_0부터 custom_label_4까지는 내부 운영용 분류 항목입니다. 예를 들어 custom_label_0을 계절로 정하고 summer, winter를 넣을 수 있습니다. 라벨은 상품을 묶고 포함하거나 제외할 때 쓰이며 고객에게 그대로 보이는 광고 문구가 아닙니다. 구글 커스텀 라벨 안내

라벨을 넣는 것만으로 예산이 늘거나 광고가 자동 중단되지는 않습니다. 실제 캠페인의 상품 포함과 제외 설정까지 연결해야 합니다. 특히 PMax에서는 라벨별 상품 그룹마다 독립 예산과 입찰 전략을 지정하는 방식으로 오해하지 않습니다.

피드만 넣으면 쇼핑 지면만 운영될까요?

Feed-Only PMax는 실무에서 추가 소재를 최소화하고 상품 피드를 중심으로 운영하는 구성을 부르는 표현입니다. 그러나 PMax에는 자동 생성 소재 기능이 있고 여러 지면을 활용합니다. 소재를 업로드하지 않았다는 이유만으로 쇼핑 지면 전용이라고 보장할 수 없습니다. 자동 소재 설정과 실제 게재 보고서를 확인해야 합니다. PMax 소재 안내, PMax 작동 방식

특정 사례의 ROAS를 보고 현재 소재를 삭제하지 않습니다. 메타 카탈로그도 마찬가지로 이미지 수나 라벨 유무만으로 수익성이 정해지지 않습니다. 정확한 상품 정보와 연결 페이지를 먼저 점검하고 변경 전후의 결과를 비교합니다.

4. 도착 페이지: 진단 점수와 고객 경험을 함께 봅니다

랜딩페이지는 광고를 클릭한 사람이 처음 도착하는 페이지입니다. 광고에서 약속한 상품과 조건을 쉽게 확인하고 다음 행동을 할 수 있어야 합니다.

구글의 품질평가점수(Quality Score)는 검색 광고의 진단 도구입니다. 예상 클릭률, 광고 관련성, 랜딩페이지 경험을 살펴볼 수 있습니다. 점수 자체가 광고 경매의 입력값은 아니며, 점수를 올리면 클릭당 비용이 일정 비율로 내려간다고 볼 수 없습니다. 구글 품질평가점수 안내

속도와 화면 안정성을 확인합니다

구글 PageSpeed Insights는 페이지의 속도와 사용 경험을 진단하는 도구입니다. 공개된 도착 페이지 URL을 입력해 모바일 결과부터 살펴봅니다. 실제 사용자 데이터와 한 번의 모의 측정 결과를 구분해야 합니다. PageSpeed Insights 설명

Core Web Vitals는 주요 콘텐츠 표시, 반응성, 화면 안정성을 확인하는 지표입니다.

이 기준은 실제 사용자 경험의 75번째 백분위 값으로 평가합니다. 예를 들어 LCP는 빠른 순서로 정렬했을 때 약 75%의 경험이 2.5초 이내에 들어오는지 보는 방식입니다. 한 번 측정한 속도나 평균만으로 통과 여부를 단정하지 않습니다. 구글 Web Vitals 안내

실제 사용자 데이터는 최근 28일의 기록이며, 표본이 부족하면 해당 URL 대신 사이트 출처 전체의 결과를 보여줄 수 있습니다. 표시된 범위와 기간을 확인합니다. 수정 직후 과거 사용자 데이터가 즉시 좋아지기를 기대하지 않습니다. 실제 사용자 데이터가 아예 없으면 방문 표본이 부족한 경우일 수 있습니다. 모의 측정의 개선 제안과 직접 휴대전화에서 확인한 문제를 담당 개발자에게 전달합니다.

메시지 일치부터 고칩니다

무료 상담 광고를 눌렀는데 유료 결제 화면이 먼저 나오거나 할인 조건이 보이지 않으면 고객이 혼란스러울 수 있습니다. 유입에 따라 문구를 바꾸는 동적 랜딩페이지를 도입하기 전, 현재 페이지의 상품과 조건부터 맞춥니다.

변경 전후에는 같은 URL, 모바일 또는 데스크톱 구분과 측정 조건을 기록합니다. 신청 또는 구매 완료 비율도 방문 수와 집계 기간을 함께 적어 비교합니다. 페이지가 빨라졌다는 사실과 광고 성과가 좋아졌다는 결론은 구분합니다. 업종 평균 전환율이나 다른 기업의 상승률을 내 페이지의 목표로 그대로 사용하지 않습니다.

5. 고객 데이터: 도구 구매보다 정의와 관리 책임을 먼저 정합니다

퍼스트파티 데이터는 고객과 직접 접촉하며 확보한 정보입니다. 오래 보관한다고 저절로 정확해지는 것은 아닙니다. 중복 고객, 바뀐 연락처, 취소 주문과 수집 목적이 불분명한 데이터가 쌓이면 분석이 오히려 어려워집니다.

먼저 아래 네 가지를 문서로 남깁니다.

CDP(Customer Data Platform)는 여러 곳의 고객 데이터를 연결하고 활용하는 도구입니다. 데이터가 분산되어 필요한 업무를 못 할 때 도입을 검토할 수 있습니다. 기존 데이터 저장소를 활용해 기능을 조합하는 방식도 있지만, 연동 비용과 운영 책임이 없어지는 것은 아닙니다. 작은 팀은 기존 도구의 지표 정의와 주문 기록 정리부터 시작할 수 있습니다.

데이터 클린룸은 데이터 접근과 결과 반출을 제한하며 여러 데이터의 결합 분석을 지원하는 환경입니다. 구글 Ads Data Hub는 개인정보 보호를 위해 집계와 출력에 제한을 둡니다. 최소 집계 인원은 분석 방식과 데이터 종류에 따라 다르므로 항상 50명으로 외우지 않습니다. 클린룸을 쓴다는 사실만으로 모든 분석과 데이터 이용이 허용되는 것도 아닙니다. Ads Data Hub 개인정보 보호 검사

CDP나 클린룸이 필요한지 판단하려면 먼저 지금 어떤 질문에 답할 수 없는지를 적습니다. 단순한 광고별 지출과 주문 금액 대조가 목적이라면 더 작은 범위의 정리로 해결할 수도 있습니다.

다음 작업 한 가지를 정합니다

첫 점검표로 돌아가 결과 하나를 선택합니다. 원본 정보, 수정할 위치, 담당자와 완료 후 확인 방법을 적습니다.

상품 정보 문제가 해결됐다면 다른 광고 한 개에 같은 점검을 반복합니다. 예산 배분이나 캠페인 통합은 측정 기준과 비교 계획이 준비된 다음에 검토합니다. 이 순서라면 초보자도 지금 확인한 문제와 아직 모르는 광고 효과를 구분하며 개선을 이어갈 수 있습니다.

3줄 요약

1. 광고 문구, 상품 정보와 도착 페이지를 대조해 고객이 실제로 겪는 문제부터 확인합니다.

2. iROAS는 추가 매출의 추정치를 광고비로 나눈 비율이므로 비교 설계와 불확실성을 함께 봐야 합니다.

3. 캠페인 통합과 데이터 도구 도입은 같은 목표로 운영할 수 있는지와 해결할 문제가 있는지부터 판단합니다.