권장사항을 두 종류로 나눈다

첫째는 작동 요건입니다. 이건 지키지 않으면 기능이 아예 동작하지 않습니다. 타겟 CPA·타겟 ROAS·전환수 최대화 같은 스마트 입찰은 전환 추적 설정이 필수이고, 어드밴티지+ 캠페인 예산을 쓰려면 캠페인 내 모든 광고 세트가 동일한 예산 유형·동일한 입찰 전략·표준 게재 유형을 가져야 합니다. 이런 항목은 성과와 무관하게 맞춰야 합니다.

둘째는 최적화 권고입니다. "자동 확장을 켜세요", "캠페인을 통합하세요", "예산을 올리세요" 같은 것들입니다. 이들은 평균적인 계정에서 평균적으로 좋은 결과를 냈다는 뜻이지, 우리 계정에서 좋다는 보장이 아닙니다. 어긋났을 때 검증해야 할 대상은 이쪽입니다.

매체 제안을 자동으로 받지 않는다

매체 화면의 제안은 편리하지만 계정 사정을 다 알지 못합니다. 예를 들어 예산 증액 제안은 마진 구조나 재고 상황을 모릅니다. 자동 적용을 켜두면 사람이 승인하지 않은 변경이 들어오고, 그 변경은 학습을 리셋시킬 수 있습니다. 학습 기간은 입찰 전략 변경·예산 수정·전환 추적 설정 변경·캠페인 구조 재편성으로 리셋됩니다.

추적도 어려워집니다. 구글 변경 내역은 자동 시스템이 한 변경을 'Google Ads system' 같은 시스템 사용자명으로 기록하므로, 사람 이름만 훑으면 원인을 찾지 못합니다. 자동 적용을 쓰기로 했다면 최소한 어떤 항목을 자동으로 열어 뒀는지 팀 문서에 적어 두어야 합니다.

어긋났을 때 무엇부터 확인하는가

권고를 거부하기 전에 그 권고가 전제하는 조건을 우리가 충족했는지 봅니다. 사례가 분명한 것이 어드밴티지+ 판매 캠페인입니다. 이 캠페인은 수동 타겟팅 레버를 없애는 대신 성과가 타겟팅보다 소재의 양·다양성에 훨씬 크게 좌우되는 구조이고, 중앙 소재 저장소에 이미지·영상 최대 150개와 텍스트 옵션 최대 30개까지 올릴 수 있습니다. 소재를 서너 개만 넣고 성과가 나쁘다고 판단하면, 권고가 틀린 것이 아니라 전제를 안 채운 것입니다.

PMax도 같습니다. 구글은 PMax의 AI 최적화를 위해 최소 주당 10~15건의 전환을 권장하고, 오디언스 시그널에서 퍼스트파티 데이터가 제삼자 데이터보다 성과가 훨씬 높다고 안내합니다. 전환량이 그 아래이거나 퍼스트파티 데이터를 안 넣은 상태에서 나온 성과는 그 기능의 성능이라고 부를 수 없습니다.

데이터 품질도 전제입니다. 리드 전환에 가치를 부여하지 않으면 알고리즘이 스팸·무자격 리드도 전환 1건으로 인식해 그런 리드를 더 만드는 방향으로 최적화한다는 관찰이 업계에서 반복 보고됩니다. 이 경우 문제는 자동화 권고가 아니라 우리가 넘긴 신호입니다.

전제를 채웠는데도 어긋나면 어떻게 검증하는가

실험으로 검증합니다. 구글은 PMax 실험을 업리프트·업그레이드·최적화 세 종류로 제공하고, 검색 캠페인은 맞춤 실험으로 원본과 테스트를 동시에 운영해 비교합니다. 분할은 쿠키 기반이 기본이자 권장값이고 50:50이 기본 권장 비율입니다.

메타는 A/B 테스트로 타겟을 서로 겹치지 않는 임의의 그룹으로 나눠 최대 5개 버전까지 비교합니다. 캠페인을 따로 만들어 비교하면 예산 배분이 한쪽으로 쏠려 결과가 왜곡되므로 전용 도구를 쓰라고 안내합니다. 판정은 신뢰도로 합니다. 구글은 1-p값으로 계산한 신뢰도를 표시하고 50%를 기본으로 보지만, 구조를 바꿀 근거로 쓸 거라면 90% 이상을 목표로 두는 편이 안전합니다.

결론을 어떻게 내리는가

실험 결과가 권고와 반대로 나왔다면 그 결과를 우리 계정의 사실로 채택합니다. 다만 전면 거부보다 조건부 채택이 실용적인 경우가 많습니다. 예를 들어 자동화 권고를 신규 유입 캠페인에만 적용하고 리타겟팅은 기존 구조로 두거나, 특정 상품군에만 적용하는 식입니다.

그리고 유효기간을 붙입니다. 매체 기능은 자주 바뀝니다. PMax 채널 성과 리포트가 2025년 4월 도입돼 같은 해 11월 전체 계정으로 확대된 사례처럼, 지난 분기에 없던 통제 수단이 이번 분기에 생기기도 합니다. "이 결론은 다음 분기에 재검증한다"고 문서에 적어 두면, 한 번의 실험 결과가 몇 년간 굳어 버리는 일을 막을 수 있습니다.