캠페인 구조를 시즌별로 재편할 때 기존 학습 데이터를 이월하는 방법

매체는 '학습 데이터 이전' 기능을 제공하지 않습니다. 학습 기간은 스마트 입찰이 성과 데이터를 충분히 모으기 전의 단계이고, 입찰 전략 변경·예산 수정·전환 추적 설정 변경·캠페인 구조 재편성이 발생하면 리셋되어 처음부터 다시 시작됩니다. 새 캠페인은 그 시점에 학습이 0에서 출발합니다.

그래서 실무에서 '이월'이라고 부르는 것은 두 가지 중 하나입니다. 기존 캠페인을 유지한 채 시즌 설정만 얹는 방식이거나, 새 캠페인이 학습에 쓸 재료(전환 신호·오디언스·고객 목록)를 계정 자산으로 미리 갖춰 두는 방식입니다. 첫 번째가 훨씬 효과적이고, 두 번째는 차선책입니다.

구글의 공식 수단은 계절성 조정입니다. 프로모션·세일 같은 예정된 단기 이벤트로 전환율이 몇 퍼센트 오르거나 내릴지 예측치를 입력해 두면, 그 기간에만 알고리즘이 예측을 반영해 입찰을 조정하고 이벤트가 끝나면 원래 성과 수준으로 자동 복귀합니다. 캠페인을 새로 만들지 않고 시즌 대응을 하는 정공법입니다.

적용 범위와 기간에 조건이 있습니다. 검색·쇼핑·디스플레이 캠페인의 타겟 ROAS·타겟 CPA 전략에서, 그리고 PMax와 앱 캠페인(베타)에서는 모든 입찰 전략에서 쓸 수 있고 여행 캠페인은 지원하지 않습니다. 기간은 1~7일 단기 이벤트에 가장 적합하며 14일을 넘는 장기 설정에는 효과가 떨어집니다. 스마트 입찰이 통상적인 계절 변화는 스스로 학습·대응하므로, 큰 폭의 전환율 변화가 예상될 때만 제한적으로 쓰도록 권장됩니다. 오남용하면 자체 계절성 학습과 충돌해 오히려 성과가 왜곡될 수 있습니다.

메타 쪽에서는 총예산과 게재 일정이 같은 역할을 합니다. 광고 게재 일정(데이파팅)은 총예산에서만 설정할 수 있으므로, 시즌 기간에만 특정 요일·시간대를 집중해야 한다면 그 캠페인은 총예산으로 구성해야 합니다.

시즌 상품군이 완전히 달라 새 캠페인이 불가피한 경우도 있습니다. 이때는 학습이 빨리 붙도록 계정 자산을 먼저 채웁니다.

구글에서는 오디언스 시그널이 그 역할을 합니다. 고객 리스트·유튜브 시청자·웹사이트 방문자 같은 퍼스트파티 데이터를 넣을 수 있고, 퍼스트파티 쪽 성과가 제삼자 데이터보다 훨씬 높다고 알려져 있습니다. 리드 사업이라면 오프라인 전환 가져오기로 CRM에서 검증된 전환을 입찰 신호로 되먹이는 공식 기능을 함께 붙입니다. 전환 가치 규칙을 쓰면 지역·기기·잠재고객 조건에 따라 같은 전환의 가치를 다르게 매길 수 있고, 신규 고객 확보 모드는 신규 고객의 첫 구매 가치에 추가 가치를 더해 입찰을 신규 확보 쪽으로 기울입니다.

메타에서는 최적화 이벤트 선택이 관건입니다. 시즌 초반 구매 전환이 주 50건에 못 미칠 것으로 예상된다면, 장바구니 담기·결제 시작 같은 상위 단계 이벤트로 최적화 목표를 잡아 이벤트 빈도를 확보한 뒤 물량이 붙고 나서 구매로 내리는 순서가 제시됩니다. 조정 후에는 최소 7일간 손대지 않아야 합니다.

가장 나쁜 선택은 시즌 캠페인을 그대로 끄고 다음 해에 새로 만드는 것입니다. 매년 학습을 처음부터 다시 시작하게 되고, 축적된 것은 아무것도 남지 않습니다.

대신 시즌 캠페인을 남겨 두고 예산만 낮춰 유지하는 방식을 검토합니다. 다만 이 방식은 계정 한도를 소모합니다. 구글 계정 한도는 계정당 캠페인 10,000개이고 대부분의 한도가 활성과 일시중지를 합쳐 계산되므로, 매 시즌 캠페인을 남기기만 하면 언젠가 정리가 필요해집니다. 보존 기간 규칙을 함께 정해 두는 편이 좋습니다.

성과 이력도 함께 챙깁니다. 구글 변경 내역은 최근 2년치만 제공하므로, 내년 시즌에 올해 구조를 참고하려면 시즌 종료 시점에 캠페인 구조·예산·성과를 표로 떠서 팀 문서에 남겨 두어야 합니다.

이월이 잘 됐는지는 시즌 첫 주의 매출이 아니라 학습 상태로 확인합니다. 구글은 학습 기간이 통상 7일, 길게는 14일 이상 걸리고 이탈에는 30~50건의 전환이 필요합니다. 메타는 광고 세트당 주 50건을 채우지 못하면 학습 제한 상태로 보수적 노출에 머뭅니다.

그래서 시즌 시작 후 7일 시점에 '학습이 끝났는가'를 먼저 보고, 그다음에 성과를 봅니다. 이 순서를 지키지 않으면 학습 중의 낮은 성과를 보고 캠페인을 급히 바꿔 학습을 다시 리셋시키는 악순환에 들어갑니다.