답변
리테일미디어 네트워크 운영의 실험군·대조군을 설계할 때 흔히 생기는 통계적 오류부터 짚어드리겠습니다. 리테일미디어 네트워크는 스마트 입찰(자동)과 수동 입찰 두 축으로 예산·전환 신호 기준을 잡는다. 자동 입찰(매출 최적화 광고)은 목표 ROAS를 알고리즘에 맡기는 방식으로, 마진율 30% 이상 상품은 목표 ROAS 300% 이상, 마진율 30% 미만 상품은 400% 이상을 1차 목표로 잡는 방식이 실무에서 흔히 쓰인다(단일 소스 권장치이므로 실제로는 상품·상황에 따라 다르다). 목표 CPC는 "평균 객단가 × 전환율 ÷ 목표 ROAS" 공식으로 역산해 설정하는 방법이 실무에서 통용된다. 여기에 더해, 리테일미디어 네트워크를 확장할 때 조기에 볼 경보 지표 중 하나는 제외 키워드로 걸러야 할 무관 검색어 유입 비중이다. 제외 키워드는 클릭은 발생하지만 구매로 이어질 가능성이 낮은 검색어에서 광고비가 새는 것을 막는 기능으로, AI 스마트 광고·매출 최적화 광고는 개별 키워드 추가는 불가능해도 제외 키워드는 설정할 수 있고 수동 성과 광고는 추가·제외 모두 가능하다. 다만 플랫폼 공식 자료는 전환이 없는 키워드를 전부 제외하는 것은 권장하지 않는다고 안내한다 — 아직 전환이 없어도 향후 구매 기회를 놓칠 수 있기 때문이다. 마지막으로 실무적으로 꼭 챙기실 부분은, 실험군·대조군 설계에서 흔히 발생하는 통계적 오류는 세 가지다. ①표본 부족: 매체 자체 A/B 테스트 도구(예: 구글 광고 실험)도 학습 기간을 벗어나야 신뢰할 수 있는데, 통상 30일 30건 전환이 최소 기준으로 통용되고 목표 ROAS 같은 정교한 최적화는 그보다 많은 50건 이상을 권장 수준으로 본다 — 이 최소치를 채우지 못한 상태의 결과는 우연에 의한 차이일 수 있다. ②분할 방식 오염: 트래픽을 나눌 때 쿠키 기반(유저를 한 그룹에 고정)과 검색·세션 기반(발생할 때마다 재배정)이 있는데, 세션 기반은 같은 유저가 양쪽 그룹에 반복 노출돼 대조군이 오염될 수 있어 쿠키 기반이 기본 권장값이다. ③중도 개입: 테스트 도중 예산·타겟을 크게 바꾸면(통상 한 번에 20%를 넘는 예산 변경은 알고리즘 재학습을 유발) 두 그룹의 조건이 더는 동일하지 않게 되므로, 테스트 기간에는 실험 변수 외에는 손대지 않아야 한다.