포트폴리오 입찰이 개별 캠페인 입찰과 근본적으로 다른 점

개별 캠페인 단위로 스마트 입찰을 쓰면, 각 캠페인은 자기 캠페인 안의 데이터만으로 학습하고 최적화합니다. 포트폴리오 입찰 전략은 이와 달리 여러 캠페인·광고그룹·키워드를 하나의 전략 아래 묶어, Google AI가 이 그룹 전체를 하나의 목표(예: 통합 타겟 CPA)로 최적화하도록 만듭니다. 개별 캠페인이 각자 따로 목표를 향해 달리는 구조에서, 여러 캠페인이 공동의 예산·모수 풀을 공유하며 하나의 목표를 함께 향해 달리는 구조로 바뀌는 셈입니다.

이 차이가 실무에 주는 가장 큰 효과는 3강에서 다룬 데이터 부족 문제의 구조적 해결책이 된다는 점입니다. 개별 캠페인 단위로는 월간 전환수가 학습 기준(30~50건)에 못 미치던 캠페인들도, 포트폴리오로 묶으면 합산 전환수가 기준을 넘어서면서 학습이 훨씬 안정적으로 진행될 수 있습니다.

예산 소진 효율은 구체적으로 어떻게 좋아지나

개별 캠페인 단위로 예산과 목표를 따로 관리하면, 특정 캠페인은 목표를 초과 달성하며 예산이 남는데 다른 캠페인은 목표에 못 미치며 예산이 부족한 상황이 동시에 벌어질 수 있습니다. 포트폴리오 입찰은 이 그룹 전체를 하나의 목표로 보기 때문에, 전환 확률이 더 높은 캠페인·키워드 쪽으로 예산과 입찰 우선순위를 자동으로 더 배분하고, 상대적으로 효율이 낮은 쪽은 덜 공격적으로 입찰합니다. 결과적으로 그룹 전체의 평균 목표(CPA·ROAS)를 개별 관리보다 더 효율적으로 달성할 가능성이 커집니다.

다만 이 과정에서 특정 캠페인의 노출·전환이 상대적으로 줄어드는 현상이 나타날 수 있습니다. 이는 오류가 아니라, 포트폴리오 전체 관점에서 더 효율적인 쪽에 자원을 재배분한 결과라는 점을 담당자가 미리 이해하고 있어야 합니다.

어떤 캠페인들을 하나의 포트폴리오로 묶어야 하나

포트폴리오로 묶을 캠페인은 성격이 비슷해야 합니다. 같은 상품군, 비슷한 전환 가치대, 비슷한 타겟 고객층을 가진 캠페인들을 묶는 것이 원칙입니다. 반대로 전환 가치가 크게 다른 캠페인(예: 저가 상품 캠페인과 고가 상품 캠페인)을 하나의 타겟 CPA 포트폴리오로 묶으면, 2강에서 다룬 마진 구조 문제가 포트폴리오 단위로 확대되어, 알고리즘이 저가·박리다매 쪽 전환을 선호하는 방향으로 자원을 재배분할 위험이 있습니다.

성과 최대화(Performance Max) 캠페인은 애초에 포트폴리오 전략을 적용할 수 없으므로, 계정에 성과 최대화 캠페인이 섞여 있다면 그 캠페인은 포트폴리오 구성에서 제외하고 별도로 관리해야 합니다.

포트폴리오 전략을 만들 때 되돌릴 수 없는 결정은 무엇인가

포트폴리오 전략은 한번 특정 유형(예: 타겟 CPA)으로 만들고 나면, 이후에 타겟 ROAS 같은 다른 유형으로 바꿀 수 없습니다. 유형을 바꾸고 싶다면 기존 포트폴리오를 유지한 채 새로운 포트폴리오 전략을 새로 만들어 캠페인들을 이전시켜야 합니다. 이 때문에 포트폴리오를 처음 설계할 때 전환 가치 데이터의 신뢰도(균일한 전환이면 타겟 CPA, 가치 편차가 크면 타겟 ROAS)를 미리 확정해두는 것이 이후 재작업을 줄이는 방법입니다.

포트폴리오 전환 이후 모니터링은 어떻게 다르게 해야 하나

개별 캠페인 단위로 관리할 때는 캠페인별 CPA·ROAS를 각각 확인하면 됐지만, 포트폴리오로 전환한 뒤에는 포트폴리오 전체의 합산 성과와 개별 캠페인 성과를 동시에 보는 이중 모니터링이 필요합니다. 포트폴리오 전체 목표는 달성되고 있는데 특정 캠페인 하나만 지속적으로 노출이 줄어드는 패턴이 보인다면, 그 캠페인이 애초에 이 포트폴리오와 성격이 맞지 않는(예: 전환 가치대가 다른) 캠페인일 가능성을 점검해야 합니다.

또한 포트폴리오 전략의 목표치를 바꾸는 것도 4강에서 다룬 학습 기간 리셋과 동일한 원리로 작동합니다. 포트폴리오 전체에 걸린 목표치를 한 번에 크게 바꾸면, 묶여 있는 모든 캠페인의 학습이 동시에 흔들릴 수 있으므로 개별 캠페인보다 오히려 더 신중하게, 더 작은 폭으로 단계적으로 조정해야 합니다.