유사 오디언스(Lookalike)의 정석: 구매 완료자 맞춤 타겟을 기반으로 1%부터 10%까지 단계별 유사 타겟 생성 및 테스트

유사 오디언스는 소스 오디언스에 속한 사람을 그대로 다시 보여주는 기능이 아닙니다. 메타의 머신러닝이 그 소스 집단이 공통으로 가진 인구통계(나이·성별·지역·직업), 온라인 행동(페이지 좋아요·관심사·검색 이력), 구매 신호(장바구니 추가·구매 이력·가격대) 패턴을 학습한 뒤, 소스에는 없지만 같은 패턴을 가진 전혀 새로운 유저를 찾아 오디언스로 묶는 방식입니다. 그래서 "확장(expansion)"이라는 표현이 정확한 설명이고, 소스가 얼마나 명확한 신호를 담고 있느냐가 확장 품질을 좌우합니다.

소스로 쓸 수 있는 후보는 다양합니다. 페이지 팔로워, 웹사이트 방문자 전체, 장바구니 담기 유저, 구매완료자 등이 모두 소스가 될 수 있지만, 이 중 구매완료자를 소스로 쓴 유사 오디언스가 페이지 방문자 기반보다 뚜렷하게 높은 효율을 낸다는 평가가 여러 출처에서 반복적으로 확인됩니다. 이유는 단순합니다. "페이지를 방문했다"는 신호보다 "실제로 지갑을 열었다"는 신호가 훨씬 더 강력하고 명확한 구매 의도 패턴을 담고 있기 때문입니다. 1,000명의 고품질 구매자 데이터가 5만 명의 일반 방문자 데이터보다 우수한 결과를 낸다는 것이 이 원리를 요약하는 표현입니다.

유사도는 국가에 따라 1%부터 최대 10%까지 1% 단위로 설정할 수 있습니다. 1%는 소스와 가장 유사한, 즉 확장 폭이 가장 좁은 상위 1% 인구를 뜻하고, 숫자가 커질수록 유사도는 낮아지는 대신 도달 가능한 인구는 늘어납니다. 실무 감각으로 정리하면 1%는 전환율이 가장 높지만 오디언스 규모가 작아 빠르게 소진될 수 있고, 10%는 규모는 크지만 소스와의 유사도가 상대적으로 옅어 전환율이 떨어지는 경향이 있습니다. 그래서 예산이 크지 않은 계정은 1%나 5%부터, 예산 규모가 커서 넓은 도달이 필요한 계정은 5%~10% 구간까지 테스트 범위를 넓히는 것이 정석입니다.

가장 흔한 실전 순서는 1%부터 시작해 소스 오디언스가 안정적으로 확장되는지 확인한 뒤, 광고 세트 예산이 소진되는 속도나 빈도(frequency)가 지나치게 높아지는 시점에 5%로 넓히고, 그마저 한계에 부딪히면 10%까지 순차적으로 확장하는 방식입니다. 처음부터 1%·5%·10% 세 가지를 동시에 별도 광고 세트로 나눠 A/B 테스트하는 방법도 널리 쓰이는데, 이 경우 세 오디언스가 서로 겹치는 유저를 두고 경쟁할 수 있어 7강에서 다룰 오디언스 중복 진단으로 겹침 정도를 함께 확인하는 것이 안전합니다.

국가·지역에 따라 사용 가능한 인구 표본과 매칭 정확도가 다르기 때문에, 한 국가에서는 1%로도 충분한 규모가 나오지만 다른 국가에서는 5%가 되어야 비슷한 규모가 나오는 경우가 흔합니다. 여러 국가에 동시에 광고를 집행하는 계정이라면 국가마다 같은 유사도 값을 고정하기보다, 국가별 오디언스 규모와 성과를 따로 확인해 각 지역에 맞는 유사도를 개별적으로 설정하는 편이 실전 성과에 더 유리합니다.

신규 브랜드나 이제 막 온라인 판매를 시작한 계정은 구매완료자 수 자체가 소스 최소 기준(100명, 실전 1,000명)에 못 미치는 경우가 많습니다. 이때는 4강에서 다룬 인앱 행동 오디언스 중 관여도가 높은 쪽(동영상 50% 이상 시청자, 인스타 프로필 참여자)이나 장바구니 담기 유저를 임시 소스로 써서 유사 오디언스를 먼저 돌리고, 구매 데이터가 쌓이는 대로 소스를 구매완료자로 교체해가는 단계적 접근이 현실적입니다. 소스를 교체하면 유사 오디언스도 자동으로 다시 계산되므로, 별도로 오디언스를 삭제하고 새로 만들 필요 없이 소스만 바꿔주면 됩니다.

2026년 현재 어드밴티지+ 캠페인에서는 유사 오디언스를 직접 오디언스 컨트롤이나 제안값으로 지정할 수 있고, 이 경우도 AI가 유사도 경계를 완전히 고정된 필터로만 쓰지 않고 성과에 따라 유동적으로 참고하는 경향이 있습니다. 다만 구매완료자 기반 유사 오디언스처럼 명확한 신호를 담은 오디언스를 시드로 넣어두면, 어드밴티지+가 그 신호를 출발점 삼아 더 빠르게 좋은 성과 구간을 찾아간다는 것이 업계의 공통된 해석입니다. 이 확장 메커니즘의 구체적인 작동 원리는 8강에서 자세히 다룹니다.