들어가며
- 타깃 크기와 신호(데이터량)의 관계를 이해한다
- 크리에이티브와 타깃 범위를 함께 판단하는 기준을 만든다
상황
가상 브랜드 '데일리핏'의 담당자는 "정교한 타깃팅이 좋다"는 말을 듣고 관심사·연령·지역을 겹겹이 좁혀 예상 도달 규모를 매우 작게 만들었습니다. 캠페인을 켰지만 며칠이 지나도 노출이 거의 일어나지 않았고, 있는 노출도 같은 몇 명에게만 반복됐습니다. 반대로 이전에 타깃을 넓게 두고 소재로 구분했던 캠페인은 오히려 더 다양한 구매자를 찾아냈습니다.
한 줄 결론
타깃은 무조건 좁힐수록 좋은 것이 아니라, 알고리즘이 학습할 수 있을 만큼의 규모와 신호를 남겨두는 선에서 좁혀야 합니다.
타깃을 좁히는 목적은 "정확한 사람에게 도달하는 것"이지만, 너무 좁으면 광고 시스템이 누구에게 더 보여줘야 할지 배울 데이터 자체가 부족해집니다. 좁히는 대신 크리에이티브로 관심사를 구분하는 방법도 함께 고려해야 합니다.
개념
- 타깃 크기: 광고가 도달할 수 있는 잠재 대상의 규모
- 신호(Signal): 광고 시스템이 누구에게 더 노출할지 학습하는 데 쓰는 행동 데이터
- 최소 학습 규모: 안정적인 학습을 위해 필요한 최소한의 도달·전환 데이터량
- 크리에이티브 세분화: 타깃을 좁히는 대신 소재 메시지로 대상을 구분하는 방법
- 과최적화: 타깃을 지나치게 좁혀 오히려 성과가 정체되는 상태
판단 기준
| 상황 |
권장 방향 |
| 예상 도달 규모가 매우 작음 |
조건을 완화해 규모를 넓힌다 |
| 전환 데이터가 충분히 쌓임 |
유사 타깃으로 확장을 시도한다 |
| 여러 관심사를 한 캠페인에 묶고 싶음 |
타깃을 넓히고 소재로 구분한다 |
| 신제품이라 데이터가 없음 |
처음부터 좁히지 말고 넓게 시작해 학습 데이터를 쌓는다 |
실행 순서
- 확인: 지금 설정된 타깃의 예상 도달 규모와 최근 노출·전환 데이터량을 확인한다.
- 결정: 도달이 지나치게 작거나 노출이 정체돼 있다면 조건을 완화하거나 크리에이티브 세분화로 전환한다.
- 기록: 타깃 범위를 바꾼 이유와 결과를 타깃 가설 카드에 남긴다.
바로 쓰는 템플릿
타깃 가설 카드
- 타깃 조건: ________________________
- 예상 도달 규모: ________________________
- 이 타깃을 좁힌(또는 넓힌) 이유: ________________________
- 확인할 신호(노출·전환 데이터): ________________________
- 조정 기준(언제 넓히고 언제 좁힐지): ________________________
즉시 확인
- 데일리핏 담당자의 타깃팅이 실패한 이유는?
A. 타깃을 너무 넓혀서
B. 타깃을 지나치게 좁혀 알고리즘이 학습할 데이터가 부족해져서
C. 예산이 너무 많아서
정답: B — 과도하게 좁힌 타깃은 학습 데이터 부족으로 정체됩니다.
- 관심사를 여러 개 다루고 싶을 때 권장되는 방법은?
A. 타깃을 최대한 좁혀 관심사마다 캠페인을 쪼갠다
B. 타깃을 넓히고 크리에이티브로 관심사를 구분한다
C. 하나의 관심사만 남기고 나머지는 포기한다
정답: B — 타깃을 넓게 두고 소재로 구분하는 방법이 데이터 학습에 유리한 경우가 많습니다.
- 신제품처럼 데이터가 없을 때 타깃 설정 방향은?
A. 처음부터 최대한 좁게 시작한다
B. 넓게 시작해 학습 데이터를 먼저 쌓는다
C. 타깃 설정을 생략한다
정답: B — 데이터가 없는 초기에는 좁히기보다 학습 데이터를 쌓는 것이 우선입니다.
핵심 정리
- 타깃은 좁힐수록 정확해지지만 지나치면 학습 데이터가 부족해진다
- 타깃 크기를 판단할 때 예상 도달 규모와 실제 신호(노출·전환) 데이터를 함께 본다
- 관심사를 나누고 싶다면 타깃을 쪼개기보다 크리에이티브로 구분하는 방법도 고려한다
→ 이 강의 퀴즈 풀어보기 (챌린지)
