타겟팅에 제한이 많은 구글 Pmax, 100% 활용 전략

Pmax의 타겟팅 제한, 그리고 가능성

Performance Max(이하 Pmax) 캠페인을 처음 세팅하면, 기존 검색 광고나 디스플레이 광고를 운영하던 마케터라면 당황하게 됩니다. 키워드를 직접 입력할 수 없고, 특정 잠재고객만 골라서 광고를 보여줄 수 없고, 어떤 채널에 얼마를 쓸지도 정할 수 없습니다.

Pmax는 Google AI가 입찰, 타겟팅, 게재 위치를 모두 자동으로 결정하는 캠페인입니다. 광고주가 직접 제어할 수 있는 영역이 의도적으로 제한되어 있습니다.

그런데 이것이 "아무것도 할 수 없다"는 뜻은 아닙니다. Pmax에서 직접 타겟팅에 제한이 많지만, AI의 학습 방향을 유도하는 간접 제어 수단은 여러 가지 존재합니다. 2025년 한 해 동안 Google이 추가한 새로운 기능들까지 포함하면, 생각보다 많은 것을 컨트롤할 수 있습니다.

이 글에서는 2026년 2월 기준으로 확인된 최신 기능들을 반영하여, Pmax를 간접적으로 제어하는 실전 전략을 정리합니다.

전략 1: 잠재고객 시그널을 "학습 출발점"으로 활용하기

시그널은 타겟팅이 아닙니다

Pmax에서 가장 많이 오해하는 부분이 잠재고객 시그널(Audience Signal)입니다. 시그널을 설정하면 해당 잠재고객에게만 광고가 노출된다고 생각하기 쉽지만, 실제로는 그렇지 않습니다.

잠재고객 시그널은 AI에게 "이런 사람들부터 먼저 테스트해봐"라고 알려주는 힌트입니다. AI는 이 힌트를 참고하여 학습을 시작하되, 더 높은 전환율을 보이는 잠재고객을 발견하면 시그널 밖으로 자유롭게 확장합니다.

예를 들어 "럭셔리 쇼핑객" 시그널을 설정했더라도, 실제로 "가치 추구 쇼핑객"이 더 높은 전환율을 보이면 AI는 가치 추구층에 광고를 우선 배치합니다. 시그널은 출발점일 뿐, 도착점이 아닙니다.

시그널의 우선순위

모든 시그널이 동일한 효과를 내지는 않습니다. 실무에서 검증된 우선순위는 다음과 같습니다.

퍼스트파티 데이터(고객 목록) — 가장 강력한 시그널입니다. 실제 구매 고객, 고가치 리피트 구매자 목록을 업로드하면 AI가 유사한 사용자를 빠르게 찾아냅니다.
맞춤 잠재고객(Custom Segment) — 전환 직전에 사용한 검색어를 기반으로 만든 맞춤 세그먼트가 효과적입니다. Search Terms 보고서에서 전환을 발생시킨 검색어를 추출하여 Custom Segment에 넣으면 됩니다.
구매 의도 잠재고객(In-Market) — 특정 상품/서비스 구매를 검토 중인 사용자입니다. 보조 시그널로 활용합니다.
관심 분야 잠재고객(Affinity) — 가장 넓은 범위의 시그널입니다. 단독으로는 효과가 약하므로, 1~3번과 조합하여 사용합니다.

퍼스트파티 데이터를 시그널로 활용할 때, 최소 주 1회 이상 목록을 업데이트하는 것이 중요합니다. 오래된 목록은 AI의 학습 방향을 왜곡시킬 수 있습니다.

전략 2: 제외 전략으로 원하지 않는 트래픽 차단하기

직접 타겟팅에 제한이 많더라도, 원하지 않는 트래픽을 제외하는 것은 가능합니다. 2025년 한 해 동안 Pmax의 제외 기능이 대폭 강화되었습니다.

캠페인 수준 제외 키워드 (최대 10,000개)

2025년 1월, Pmax에 캠페인 수준 제외 키워드가 공식 도입되었습니다. 초기에는 100개 제한이었지만, 2025년 3월에 10,000개로 상향되었고, 8월에는 제외 키워드 목록(공유 목록) 기능까지 추가되어 여러 캠페인에 동시에 적용할 수 있게 되었습니다.

이전에는 Google 지원팀에 요청해야만 제외 키워드를 추가할 수 있었지만, 지금은 Google Ads 인터페이스에서 직접 관리할 수 있습니다.

활용 방법:

Search Terms 보고서에서 전환에 기여하지 않는 검색어를 정기적으로 확인합니다
브랜드명, 경쟁사명, 무관한 키워드를 제외 목록에 추가합니다
공유 목록을 만들어 여러 Pmax 캠페인에 일괄 적용합니다

잠재고객 제외 (Your Data Exclusions)

2025~2026년 사이에 추가된 기능으로, 캠페인 설정의 "Your Data Exclusions" 옵션에서 Customer Match 목록과 리마케팅 잠재고객을 제외할 수 있습니다.

실전 활용 사례:

이미 구매한 고객을 제외하여 신규 고객 획득에 집중
최근 전환한 사용자를 제외하여 중복 노출 방지
직원/내부 사용자 목록을 제외하여 예산 낭비 차단

이 기능을 사용하지 않으면 프로스펙팅 캠페인 예산의 15~30%가 이미 전환한 잠재고객에게 낭비될 수 있다는 분석도 있습니다.

브랜드 제외 (Brand Exclusions)

자사 브랜드 검색어에 Pmax 예산이 소진되는 것을 방지할 수 있습니다. 브랜드 제외를 설정하면 검색 텍스트 광고에서 자사 브랜드 키워드가 제외되지만, Shopping 광고에서는 계속 노출됩니다.

이 옵션은 브랜드 검색을 별도의 검색 캠페인으로 관리하고 싶을 때 유용합니다. 브랜드 트래픽은 전환율이 높아 Pmax의 성과 지표를 부풀릴 수 있기 때문에, 분리 관리하는 것이 실제 Pmax 성과를 정확히 파악하는 데 도움이 됩니다.

게재 위치 제외 (Placement Exclusions)

2026년 1월, 계정 수준 게재 위치 제외가 출시되었습니다. 특정 웹사이트, 앱, YouTube 채널, 개별 YouTube 영상을 계정 단위로 한 번에 제외할 수 있으며, 이 설정은 Pmax를 포함한 모든 캠페인에 자동 적용됩니다.

품질이 낮은 사이트나 브랜드 이미지에 맞지 않는 게재 위치를 제외하면 예산 효율성과 브랜드 안전성을 동시에 확보할 수 있습니다.

전략 3: 에셋 그룹 분리로 의도 전달하기

에셋 그룹 분리를 통해 Pmax의 타겟팅 의도를 전달하는 방법을 보여주는 개념도

에셋 그룹은 "간접 타겟팅"의 핵심입니다

Pmax에서 에셋 그룹(Asset Group)은 단순히 광고 소재를 묶는 단위가 아닙니다. 각 에셋 그룹에 서로 다른 잠재고객 시그널, 검색 테마, 제품 피드를 연결할 수 있기 때문에, 사실상 가장 중요한 구조적 제어 수단입니다.

핵심 원칙은 이것입니다. 에셋 그룹을 나누는 기준은 시그널이 아니라 광고 소재와 상품 조합이어야 합니다. 같은 시그널에 같은 소재를 중복 실행하면 AI의 학습만 분산되고 예산이 낭비됩니다.

분리 전략 예시

이커머스의 경우:

에셋 그룹	상품	소재 톤	시그널
프리미엄 라인	고가 상품	럭셔리, 품질 강조	고가치 구매자 목록
가성비 라인	중저가 상품	할인, 실용성 강조	가격 비교 검색어 기반 맞춤 세그먼트
시즌 프로모션	프로모션 상품	긴급성, 한정 강조	In-Market 잠재고객

리드 제너레이션의 경우:

에셋 그룹	서비스	소재 톤	시그널
인식 단계	교육 콘텐츠	문제 제기, 호기심 유발	관련 주제 검색어 기반
고려 단계	사례 연구	신뢰, 실적 강조	경쟁사 URL 기반 맞춤 세그먼트
결정 단계	무료 상담	직접적 CTA	기존 리드 목록

검색 테마 활용 (에셋 그룹당 최대 50개)

2025년에 검색 테마 한도가 에셋 그룹당 25개에서 50개로 확대되었습니다. 검색 테마는 키워드와 비슷하지만, Pmax에서 추가적으로 검색 쿼리를 보강하는 역할을 합니다.

Search Terms Insights 보고서에서 AI가 자동으로 매칭한 검색어와 검색 테마로 유입된 검색어를 구분해서 볼 수 있으므로, 어떤 테마가 실제로 전환에 기여하는지 확인한 뒤 조정할 수 있습니다.

전략 4: 피드 온리(Feed-Only) 캠페인으로 채널 제어하기

Shopping 광고에만 집중하는 방법

Pmax의 가장 큰 불만 중 하나는 예산이 어떤 채널에 얼마나 배분되는지 제어할 수 없다는 것입니다. YouTube, Display, Gmail, Discover 등 다양한 채널에 자동 배분되기 때문에, Shopping 광고에 집중하고 싶어도 예산이 분산됩니다.

피드 온리(Feed-Only) 캠페인은 이 문제를 우회하는 전략입니다. 에셋 그룹을 생성할 때 헤드라인, 설명, 이미지, 영상 등의 에셋을 일체 추가하지 않고, Merchant Center 피드만 연결합니다. 에셋이 없으면 텍스트 광고나 디스플레이 광고를 생성할 수 없기 때문에, 예산이 자연스럽게 Google Shopping과 다이내믹 리마케팅에만 사용됩니다.

설정 시 주의사항

자동 생성 에셋을 반드시 꺼야 합니다. 캠페인 설정에서 "자동으로 생성된 애셋"(Automatically Created Assets) 옵션이 켜져 있으면, Google이 자동으로 헤드라인과 설명을 생성하여 Shopping 외 채널에도 노출됩니다.
피드 온리는 Google이 공식적으로 권장하는 방식이 아니라 우회 전략입니다. 2026년 2월 기준으로 여전히 작동하지만, Google이 언제든 정책을 변경할 수 있다는 점을 감안해야 합니다.
풀 에셋 캠페인 대비 판매당 비용이 30~45% 낮은 사례가 보고되고 있습니다. 인지도 중심 채널(YouTube, Display)을 제외하고 전환 중심 채널(Shopping)에만 집중하기 때문입니다.

병행 운영 전략

가장 효과적인 방법은 피드 온리 캠페인과 풀 에셋 캠페인을 병행 운영하는 것입니다. 피드 온리로 하단 퍼널(구매 의도가 높은 트래픽)을 잡고, 풀 에셋으로 상단 퍼널(인지도/고려 단계)을 커버합니다. 2026년에 추가된 Experiments(실험) 기능을 활용하면 두 캠페인의 성과를 50:50 트래픽 분할로 비교 테스트할 수 있습니다.

전략 5: 디바이스와 인구통계 제어하기

디바이스 타겟팅

2025년 초 베타로 시작되어 현재는 일반 제공(GA)된 기능입니다. Pmax에서 컴퓨터, 모바일, 태블릿별로 타겟팅을 조정할 수 있습니다.

이 기능이 중요한 이유는 Pmax가 기본적으로 모바일에 80~90%의 노출을 집중시키는 경향이 있기 때문입니다. B2B 비즈니스처럼 데스크톱 전환이 중심인 경우, 모바일 비중을 낮추면 예산 효율이 크게 개선될 수 있습니다.

연령대 제외

연령 기반 인구통계 제외도 일반 제공되었습니다. 18-24세, 25-34세, 35-44세, 45-54세, 55-64세, 65세 이상의 연령대 중 비즈니스에 적합하지 않은 연령대를 제외할 수 있습니다.

예를 들어 B2B SaaS 서비스를 판매한다면 18-24세를 제외하는 것이, 시니어 건강식품을 판매한다면 18-34세를 제외하는 것이 합리적입니다.

성별 제외도 별도 베타로 롤아웃 중입니다.

전략 6: 채널별 성과 데이터로 최적화하기

Pmax 캠페인의 간접 제어를 위해 채널별 성과 데이터를 분석 및 최적화하는 방법을 설명하는 일러스트

채널 수준 보고서 활용

2025년 6월부터 Pmax의 채널별 성과 데이터가 제공되기 시작했습니다. Google 검색, Shopping, YouTube, Display, Discover, Gmail, Maps 등 어떤 채널에서 노출/클릭/전환이 발생했는지 확인할 수 있습니다.

2026년 1월 출시된 Google Ads API v23에서는 에셋 보고서의 네트워크 세분화까지 지원하여, 어떤 에셋이 어떤 채널에서 성과를 내는지 상세하게 분석할 수 있습니다.

데이터 기반 의사결정

채널 보고서를 활용하면 다음과 같은 판단이 가능합니다.

YouTube에서 노출은 많지만 전환이 거의 없다면 → 피드 온리 캠페인으로 전환 검토
Display에서 특정 게재 위치의 클릭률이 비정상적으로 높다면 → 봇 트래픽 의심, 해당 게재 위치 제외
Shopping에서 특정 상품군의 ROAS가 높다면 → 해당 상품군을 별도 에셋 그룹으로 분리하여 예산 집중

전략 7: 전환 추적을 정밀하게 설정하기

AI의 나침반은 전환 데이터입니다

Pmax의 모든 자동 최적화는 전환 데이터에 기반합니다. 잠재고객 시그널, 검색 테마, 에셋 품질보다 전환 추적의 정확도가 Pmax 성과에 가장 큰 영향을 미칩니다.

전환 추적이 부정확하면 AI는 잘못된 방향으로 학습합니다. 예를 들어 "페이지 조회"를 전환으로 설정하면, AI는 구매 의도와 무관하게 페이지만 많이 보는 사용자에게 광고를 집중합니다.

전환 설정 체크리스트

주요 전환(Primary Conversion)은 실제 비즈니스 가치가 있는 행동만 설정합니다. 구매, 리드 제출, 유료 가입 등이 해당됩니다.
보조 전환(Secondary Conversion)으로 장바구니 추가, 결제 시작 등의 중간 단계를 설정하면 AI가 퍼널 전체를 학습하는 데 도움이 됩니다.
Enhanced Conversions를 활성화하면 퍼스트파티 데이터(이메일, 전화번호 등)를 활용하여 크로스 디바이스 전환을 더 정확하게 추적할 수 있습니다.
전환 가치(Conversion Value)를 설정하면 AI가 단순 전환 수가 아닌 매출 기반으로 최적화합니다. ROAS 기반 입찰 전략과 함께 사용하면 효과적입니다.

정리: Pmax 간접 제어 전략 요약

전략	핵심 메커니즘	효과
잠재고객 시그널	AI 학습 출발점 제공	학습 기간 단축, 초기 성과 개선
제외 전략	원하지 않는 트래픽 차단	예산 효율 향상, 브랜드 안전
에셋 그룹 분리	소재+상품 조합별 의도 전달	세분화된 메시지 전달
피드 온리 캠페인	Shopping 채널 집중	전환 중심 예산 배분
디바이스/인구통계 제외	비효율 세그먼트 차단	타겟 정밀도 향상
채널 보고서 활용	데이터 기반 의사결정	지속적 최적화
전환 추적 정밀화	AI 학습 방향 교정	전체 성과의 토대

Pmax에서 "타겟팅에 제한이 많다"는 말은 사실입니다. 검색 광고처럼 키워드를 직접 입력하거나, 디스플레이 광고처럼 특정 잠재고객에게만 노출하는 세밀한 제어는 어렵습니다.

하지만 시그널로 AI의 학습 방향을 유도하고, 제외 전략으로 원하지 않는 트래픽을 차단하고, 에셋 그룹으로 메시지를 세분화하고, 전환 추적으로 AI의 나침반을 교정하면 — 직접 타겟팅 못지않은 수준의 제어가 가능합니다.

Pmax 운영의 핵심은 "AI를 대체하는 것"이 아니라 "AI가 올바른 방향으로 학습하도록 환경을 설계하는 것"입니다.