답변
메타 캠페인 성과 변동의 상당 부분은 오디언스 타겟팅이나 입찰보다 크리에이티브(소재) 자체에서 갈린다는 게 업계의 통상적인 시각입니다. 그래서 소재 테스트는 부가 작업이 아니라 가장 큰 성과 레버로 다뤄야 합니다. 그런데 '소재 4개를 등록했는데 뭐가 좋은지 모르겠다'거나 '영상 3개를 돌리는데 로아스 비교가 안 맞는다'는 상황은 대부분 소재 개수 자체보다 세트당 데이터량 문제입니다. 메타 머신러닝이 안정적인 최적화 데이터를 확보했다고 판단하는 최소 기준은 광고 세트 단위로 주당(7일 이내) 50개의 최적화 이벤트입니다. 소재 여러 개를 같은 세트 안에 넣고 예산을 나눠 쓰면 소재 하나당 받는 이벤트 수가 이 기준에 크게 못 미쳐, '효율 차이'로 보이는 값이 실제로는 통계적 노이즈일 수 있습니다. 도구 선택도 중요합니다. 여러 소재를 자동으로 조합해 테스트해주던 '다이나믹 크리에이티브' 기능은 2024년 6월 종료됐습니다. 이후에는 Ads Manager의 '실험(Experiments)' 도구(측정 및 보고 메뉴)로 캠페인·광고 세트 단위 2~5개 버전을 무작위·비중복 오디언스로 나눠 비교하는 A/B 테스트를 직접 만들거나, Advantage+ 크리에이티브 최적화로 후킹·본문 조합을 자동 검증하는 방식을 씁니다. GFA 등 다른 매체에서도 같은 캠페인·세트 안에 여러 소재를 몰아넣고 예산을 자동배분에 맡기면 동일한 데이터 희석 문제가 생기므로, 매체와 무관하게 '세트 하나당 소재 수를 줄이고 정식 A/B 테스트 기능을 쓴다'는 원칙은 동일하게 적용됩니다. 예산이 넉넉하지 않다면 한 번에 비교하는 소재 수를 줄이는 편이 낫습니다. 월 광고비의 최소 10% 정도를 신규 소재 테스트 전용 예산으로 떼어두고, 한 번에 너무 많은 소재를 동시에 태우기보다 적은 수를 순차적으로 검증하면 세트당 이벤트 수를 확보하기 쉬워집니다. 변수를 더 줄이고 싶다면 동일한 본편(body) 영상에 서로 다른 후킹(첫 3초)만 바꿔 비교하고, 초반 이탈 방지 지표가 가장 좋은 후킹을 가려낸 뒤 다른 본편·카피와 재조합하는 방식도 예산이 빠듯할 때 적은 변수로 효율을 판단하는 실무 방법입니다.