메타 광고 ‘제한된 머신러닝’ 완전 해부
1) 제한된 머신러닝이란 무엇인가
메타의 딜리버리 시스템은 학습 단계에서 “어떤 사람·어떤 맥락에서 전환이 나는지” 신호를 수집한다. 일반적으로 광고세트당 주 50건 내외의 최적화 이벤트(구매·리드 등)가 필요하다. 이 임계치에 미달하거나 신호가 산발적이면 Learning Limited 표시가 붙고, CPM·CPC 변동성 증가, CPA·ROAS 불안정이 동반된다.
2) 왜 발생하는가 — 7가지 빈출 원인
전환량 부족: 광고세트별 주간 전환이 50건 미만.
구조 과분산: 유사 타깃을 여러 세트로 쪼개 데이터가 분절.
잦은 편집: 예산·입찰·타깃·소재를 자주 고쳐 학습이 리셋.
타깃 과제약: 지역·연령·관심사를 과도히 좁혀 모수가 부족.
신호 품질 저하: 픽셀 누락, 서버 이벤트 부재, iOS AEM 설정 미흡.
비현실적 입찰/예산: 낮은 tCPA·높은 tROAS, 일예산이 목표 CPA의 5~10배 미만.
퍼널-목표 불일치: 전환을 원하지만 상위 퍼널 캠페인 비중이 과다.
3) 먼저 구분하기 — Learning / Learning Limited / Active
Learning: 안정화 전. 변동성이 있으나 임계치 충족 가능.
Learning Limited: 신호가 부족·분절·리셋 상태. 구조·신호·규모 중 최소 한 축을 손봐야 한다.
Active: 수렴 상태. 확장(스케일링)을 시도할 수 있다.
4) 5분 진단 체크리스트
광고세트별 주간 전환 ≥ 50인가?
중복 타깃 세트가 존재하는가?
최근 7일 내 편집 이벤트가 잦았는가?
픽셀+서버(CAPI) 동시 수집, 중복 제거가 정상인가?
AEM(집계 이벤트 측정) 우선순위 상단에 최적화 이벤트가 있는가?
일일 예산이 목표 CPA×(5~10)인가?
어트리뷰션 윈도우가 실제 구매 리드타임과 맞는가?
5) 해결 전략 — 신호·구조·규모 3축으로 고치기
A. 신호 품질 강화
CAPI+픽셀 병행: 브라우저·서버 이벤트를 결합하고 Dedup 설정.
이벤트 맵 정비: 최적화는 ‘구매’로 고정하되 보조로 ‘결제시작/장바구니’를 로깅해 분석·리마케팅에 활용.
AEM 우선순위 정렬: 불필요 이벤트를 줄이고 핵심 이벤트를 상단 배치.
오프라인 전환 업로드: 콜·매장 성과를 연결해 라스트마일 신호를 보강.
세션 품질 지표 저장: 스크롤·CTA뷰 같은 커스텀 이벤트(최적화 대상 아님)를 보조 판단에 사용.
B. 구조 단순화
광고세트 통합: 유사 타깃은 합쳐 데이터 풀을 크게 만든다. Advantage+ Audience/Placements를 기본값으로.
캠페인 예산 최적화(Advantage Campaign Budget)로 학습 자원을 자동 배분.
편집 최소화: 타깃·입찰·예산 변경은 스프린트 단위로 묶어서 수행.
퍼널 분리: 트래픽/참여/전환 목표 혼재 금지. 전환 캠페인은 전환만.
C. 규모(Scale) 조정
예산 상향: 일예산을 목표 CPA의 5~10배로 설정해 주 50전환 달성.
입찰 전략 단계화: 초기엔 최소비용으로 학습, 안정화 후 tCPA/tROAS 전환.
타깃 확장: 지역·연령을 넓히고 자동 확장을 허용, 시그널은 소재 다양성으로 제공.
어트리뷰션 윈도우 재매칭: 리드타임이 길면 7일 클릭, 짧으면 1일 클릭 테스트.
6) 크리에이티브 운영 — 타깃을 좁히지 말고 신호를 풍부하게
문제–해결–증거–행동 4단 구성에 상황 단서(시간·장소·목적) 를 포함.
형식 다양화: 정사각·세로·6~15초 숏폼, UGC/리뷰/데모/혜택을 세트로 운용.
가치 각도 4~6개(가격·편의·전문성·사회적 증거·한정성 등).
랜딩 정합성: 광고 메시지 = 랜딩 첫 스크린. 주 1회 소재 회전 규칙을 고정.
7) 빈번한 오해 5가지
관심사 많이 겹칠수록 정밀하다 → 모수 부족·학습 지연.
전환 부족하니 클릭 최적화로 바꾸자 → 비즈니스 KPI와 분리.
할인만 키우면 ROAS가 산다 → 가격 민감도만 상승.
매일 소액 분산이 안정적 → 임계치를 영원히 못 넘는다.
A/B는 문구·색만 바꾸면 된다 → 퍼널·오퍼·포맷 변화가 더 큰 레버.