이런 질문도 같은 답입니다
제한된 머신러닝 대처 방법머신러닝 예산 증액 후 성과 저조메타 머신러닝이 망가질 수도 있나요? 그럼 어떻게 해야하나요?
결론부터
'학습 제한(Learning Limited)' 상태는 현재 광고 세트 구조로는 7일 이내 50개의 최적화 이벤트를 확보하는 게 수학적으로 불가능하다고 알고리즘이 판단했다는 뜻입니다.
답변
3단계01
최적화 목표 조정
가장 먼저 볼 것은 최적화 목표입니다.
02
계정 구조 개선
두 번째는 계정 구조입니다. 캠페인·광고 세트를 잘게 쪼갤수록 개별 세트가 받는 전환 신호가 줄어 학습이 느려집니다.
03
수평 스케일업
볼륨 자체를 키우고 싶다면 이미 검증된 캠페인의 예산을 계속 올리기보다(수직 스케일업, 리셋 위험), 성과가 검증된 캠페인을 복제해 더 높은 예산으로 별도 운영하는 방식(수평 스케일업)을 병행하면 학습 리셋 위험을 줄이면서 볼륨을 늘릴 수 있습니다.
확인
이 상태가 되면 알고리즘은 공격적인 최적화를 멈추고 보수적인 노출 패턴에 머무릅니다. 단, 조정한 뒤에는 최소 7일간 큰 변경 없이 유지해야 합니다 — 조기에 또 손대면 카운트가 다시 리셋됩니다.
지금 할 일
제품 특성상 주당 50건의 '구매' 전환을 만들기 어렵다면, 더 상위 단계의 대체 이벤트(장바구니 담기, 결제 시작 등)로 최적화 목표를 바꿔 이벤트 발생 빈도를 높이는 방법이 효과적입니다. 오디언스 가설 하나마다 세트를 새로 만들기보다, 겹치는 타겟을 쓰는 세트들을 통합해 메타에 더 많은 신호를 몰아주는 방향이 낫습니다.
출처
과목 4607메타 성과진단·지표 읽기·스케일업메타 머신러닝 '학습 제한(Learning Limited)' 해결책: 7일 이내에 전환 이벤트 50개를 채우기 위한 예산 및 타겟 병합 테크닉→과목 4901메타 캠페인 구조·예산 설계메타 광고 계정의 가장 이상적인 아키텍처: 캠페인 최소화 및 광고 세트 단순화를 통한 데이터 집중 구조 짜기→과목 10511메타 전환 API(CAPI) 고도화통계적 판정 기준: CAPI 고도화 도입 전후 메타 머신러닝의 '학습 제한' 탈출 속도 및 최종 CPA 비용 절감 수치 데이터 대조 실험→
12CODE ACADEMY
체계적으로 배우고 싶다면
퍼포먼스 광고 운영 과정에서 이 판단 기준을 순서대로 다룹니다.