[실패 사례 분석] PMax 전환 루프 오류: 허수 리드(가짜 DB) 유입이 머신러닝을 오염시켜 불법 유저만 대량 낙찰받은 실패 복구 공정

전환 루프 오류는 PMax가 "전환 1건"이라는 신호만 보고 그 전환의 실제 품질을 구분하지 못한 채, 낮은 품질의 전환을 계속 더 많이 만드는 방향으로 자기 강화되는 현상을 가리킵니다. 리드 생성(Lead Gen) 캠페인에서 특히 자주 나타나는데, 폼 제출이라는 행위 자체를 전환으로 잡으면 실제 구매 의사가 없는 사용자의 반복 제출, 자동화 봇, 허위 정보 입력까지 전부 "성공한 전환"으로 집계되기 때문입니다.

리드 전환에 별도의 가치(value)를 부여하지 않으면, 구글의 AI는 스팸이나 자격 미달 리드도 정상 리드와 동일한 "전환 1건"으로 인식해 그런 리드를 만들어내는 패턴(특정 지면, 특정 오디언스, 특정 시간대)을 더 강화하는 방향으로 캠페인을 최적화합니다. 실제로 업계에서는 자동화된 PMax 리드젠 캠페인에서 스팸성 전환이 다수 보고된 사례가 반복적으로 공유됩니다. 다만 이 인과관계는 구글이 공식적으로 설명한 메커니즘이 아니라 여러 실무자의 반복 관찰에서 나온 패턴이라는 점을 분명히 해야 합니다 — 계정마다 정도 차이가 클 수 있습니다.

가장 먼저 볼 지표는 전환수와 실제 영업 자격 통과율(리드 → 상담 → 계약 전환율)의 괴리입니다. 광고 전환수는 꾸준히 늘어나는데 영업팀이 보고하는 유효 리드 비율이 계속 떨어진다면 오염을 의심해야 합니다. 두 번째 신호는 전환이 특정 게재위치나 특정 시간대에 비정상적으로 몰리는 패턴입니다. 세 번째는 폼 제출 데이터 자체에서 나타나는 이상 징후(같은 IP·같은 패턴의 반복 제출, 명백히 형식만 맞춘 가짜 전화번호)입니다. 이런 신호는 광고 리포트만으로는 안 보이고 CRM·영업 데이터와 교차해야 드러납니다.

가장 먼저 할 일은 캠페인을 갈아엎는 것이 아니라 전환 정의를 재설계하는 것입니다. 폼 제출이라는 단일 이벤트 대신, 영업팀이 검증한 자격 통과 리드나 실제 계약·매출을 오프라인 전환 가져오기(Offline Conversion Import)로 구글에 다시 공급해야 합니다(공식). 이 기능은 CRM에서 검증된 결과를 입찰 신호로 되돌려주는 공식 경로이며, 이렇게 하면 AI가 "폼만 채우면 되는 패턴"이 아니라 "실제로 계약까지 이어지는 패턴"을 다시 학습하게 됩니다.

이 단계에서 중요한 것은 지연입니다. 영업팀이 리드를 검증하는 데 걸리는 시간만큼 오프라인 전환 반영이 늦어지므로, 이 시차를 감안해 최소 2~4주는 지켜봐야 개선 효과를 판단할 수 있습니다.

오프라인 전환 가져오기만으로 회복되지 않을 만큼 오염이 심하다면(예: 몇 달간 스팸 리드 위주로 학습된 계정), 전환 값 재설계 자체가 학습 기간을 리셋시키는 트리거이므로 이 기회에 캠페인 구조 자체를 재검토하는 것이 낫습니다. 애셋 그룹을 새로 분리하고, 오디언스 시그널을 기존 리드 리스트가 아니라 실제 계약 고객 리스트로 교체하고, 입찰 목표를 리드 수 최대화에서 전환가치 극대화로 바꾸는 방식입니다. 재구축은 단기적으로 전환수가 줄어드는 것처럼 보일 수 있지만, 품질 기준으로는 개선인 경우가 많습니다.

전환 루프 오류는 한 번 고쳤다고 끝나는 문제가 아니라, 리드 검증 프로세스와 광고 데이터를 계속 연결해야 유지되는 구조입니다. 영업팀의 리드 자격 판정 결과를 정기적으로(주간 또는 격주로) 오프라인 전환으로 되먹임하는 파이프라인을 만들어두고, 전환수와 자격 통과율의 괴리를 상시 모니터링 지표로 등록해두는 것이 재발을 막는 가장 확실한 방법입니다. 또한 폼 자체에 스팸·봇 유입을 걸러내는 검증 장치(리캡차 등)를 추가하면, 광고 데이터에 아예 저품질 신호가 섞여 들어가는 입구 자체를 줄일 수 있습니다 — 광고 최적화와 폼 설계는 별개 부서 업무처럼 보이지만, 전환 루프 오류를 막는 데는 두 영역이 함께 움직여야 합니다.