오디언스 시그널이 타겟팅과 다른 이유

오디언스 시그널은 캠페인이 처음 학습을 시작할 때 참고하는 출발점이지, 노출 범위를 좁히는 제약이 아닙니다(공식). Google의 AI는 시그널을 기반으로 학습을 시작하지만, 실제 전환 성과가 확인되면 시그널과 다른 특성을 가진 사용자에게도 노출을 확장합니다.

이 차이를 모르고 "시그널에 넣은 사람에게만 노출된다"고 가정하면, 캠페인 초반 성과가 시그널 대상과 다르게 나올 때 "설정이 잘못됐다"고 오판하기 쉽습니다. 실제로는 정상적인 확장 과정인 경우가 많으며, 확장된 노출이 전환으로 이어지는지가 판단 기준이 되어야 합니다.

어떤 데이터를 시그널로 넣을 수 있나

오디언스 시그널은 크게 두 축으로 구성됩니다. 하나는 퍼스트파티 데이터로 고객 리스트(이메일·전화번호 업로드), 웹사이트 방문자(리마케팅 태그 기반), 유튜브 채널 시청자입니다. 다른 하나는 구글이 자체 구축한 세그먼트로 관심분야(Affinity), 구매의도(In-Market), 생애주기 이벤트(Life Events) 등이 있습니다(공식). 두 축을 함께 넣으면 AI가 "우리 브랜드에 실제로 반응한 사람들"과 "구글이 판단하기에 유사한 성향의 사람들"을 동시에 학습 재료로 씁니다.

퍼스트파티 데이터가 왜 서드파티보다 강한가

공식 가이드는 퍼스트파티 데이터가 제삼자 데이터보다 성과가 훨씬 높다고 명시합니다(공식). 이유는 명확합니다 — 고객 리스트나 웹사이트 방문자 데이터는 실제로 우리 브랜드와 상호작용한 이력이 있는 사람들이므로, 전환으로 이어질 확률에 대한 신호 자체가 더 정확합니다. 반면 구글의 관심분야·구매의도 세그먼트는 광범위한 행동 패턴을 기반으로 한 추정치입니다.

따라서 오디언스 시그널을 설계할 때 우선순위는 퍼스트파티 데이터를 최대한 촘촘히 채우는 것이 먼저이고, 구글 세그먼트는 퍼스트파티 데이터가 부족한 신규 브랜드나 초기 시장 진입 단계에서 보조적으로 채우는 순서가 합리적입니다.

초기 학습 기간을 단축하는 시드 데이터 설계

학습 기간(Learning Phase)은 캠페인이 충분한 성과 데이터를 모아 최적화되기 전 단계로, 일반적으로 7일 정도 지속되지만 예산·전환량에 따라 14일 이상 늘어날 수 있습니다. 대부분의 입찰 전략은 30일간 30개 전환을 기준으로 학습 완료 여부를 판단합니다. 이 기간을 단축하려면, 시그널에 넣는 시드 데이터를 실제 구매·전환에 가까운 데이터부터 우선순위를 두어야 합니다 — 예를 들어 단순 방문자 리스트보다 결제 완료 고객 리스트, 일반 검색 데이터보다 브랜드 키워드로 유입돼 전환까지 이어진 고객의 데이터가 AI에게 더 명확한 신호를 줍니다.

신규 브랜드처럼 자사 데이터가 아직 없는 경우에는 경쟁사·업종 카테고리 기반의 구매의도 세그먼트로 시작하되, 초기 2~4주 동안 쌓인 전환 데이터를 바탕으로 시그널을 자사 데이터 중심으로 빠르게 교체하는 계획을 세워야 합니다.

시그널을 잘못 넣으면 생기는 문제

가장 흔한 실수는 시그널에 서로 상충하는 데이터를 섞는 것입니다 — 예를 들어 신규 고객 획득이 목표인 캠페인에 기존 구매자 리스트를 시그널로 넣으면, AI가 "이미 우리 브랜드를 아는 사람"에게 최적화하려는 경향이 생겨 신규 고객 확장이 더뎌질 수 있습니다. 목표가 신규 고객 획득이라면 기존 구매자는 시그널이 아니라 제외 대상으로 다루는 것이 논리적으로 맞습니다.

2026년 추가된 제외 기능과의 관계

2026년부터 구글은 PMax에서 첫 번째 데이터 대상 제외(First-party Audience Exclusion) 기능을 지원해, 과거 구매자나 이메일 구독자 같은 특정 고객 리스트를 캠페인에서 아예 제외할 수 있게 했습니다(공식). 이 기능은 앞서 설명한 "신규 고객 획득 목표에 기존 구매자를 섞지 말라"는 원칙을 시스템 차원에서 지원합니다. 다만 과도한 제외는 타겟팅 범위를 지나치게 좁혀 광고 물량 부족을 초래할 수 있으므로, 고객 획득 목표(Customer Acquisition Goal)나 고가치 신규 고객 모드와의 조합을 함께 검토해야 합니다.