캠페인·세트·광고 3단계 구조는 각각 무엇을 결정하는가

메타 광고계정은 캠페인 아래 광고 세트가 1개 이상 있고, 그 광고 세트 아래 광고가 1개 이상 있는 3단계 구조로 고정돼 있습니다. 캠페인 레벨에서는 목표(objective) 하나만 지정할 수 있고, 광고 세트 레벨에서는 타겟(오디언스)·게재 위치·예산을 설정하며, 광고 레벨에서는 실제 소재(이미지·영상·문구)를 넣습니다. 이 구조 자체는 계정마다 다르게 바꿀 수 없는 고정값이라, 캠페인 설계에서 실무자가 실제로 통제할 수 있는 변수는 "몇 개의 캠페인을, 각 캠페인 아래 몇 개의 세트를 둘 것인가"입니다.

문제는 이 자유도가 크다는 데 있습니다. 같은 목표라도 세트를 1개로 묶을 수도, 오디언스별로 10개로 쪼갤 수도 있습니다. 초보자가 가장 많이 저지르는 실수는 "타겟을 세분화하면 정교해진다"는 직관을 그대로 계정 구조에 적용해, 연령대별·관심사별·지역별로 세트를 끝없이 늘리는 것입니다. 얼핏 정밀 타겟팅처럼 보이지만, 메타의 머신러닝 최적화 방식과는 반대 방향으로 가는 설계입니다.

왜 세트를 잘게 쪼갤수록 학습이 느려지는가

메타 알고리즘이 특정 광고 세트를 "안정적으로 최적화됐다"고 판단하려면, 그 세트 단위로 7일 이내 최소 50개의 최적화 이벤트가 필요합니다. 이 기준을 채우지 못하면 계정은 학습 제한(Learning Limited) 상태에 머무르는데, 이는 알고리즘이 공격적인 최적화를 멈추고 보수적인 노출 패턴에 갇힌다는 뜻입니다. 즉 세트를 쪼갤수록 세트당 전환 이벤트 수가 줄어들고, 여러 세트가 동시에 학습 제한에 빠질 위험이 커집니다.

캠페인 하나에 세트 5개를 만들었다고 가정해 보면, 같은 예산이 5갈래로 흩어지면서 세트 하나가 확보하는 주간 전환수는 5분의 1로 줄어듭니다. 전체 캠페인 전환수는 동일해도, 알고리즘 입장에서는 "학습에 쓸 만한 데이터가 충분한 세트"가 하나도 없는 상태가 될 수 있습니다. 이 상태에서는 CPA가 높게 유지되고 성과가 들쭉날쭉해지는데, 원인이 "세트가 너무 많아서"라는 사실을 모르고 소재나 타겟만 계속 바꾸며 문제를 더 키우는 경우가 흔합니다.

캠페인을 최소화한다는 것은 구체적으로 무엇을 뜻하는가

메타가 제시하는 계정 구조의 핵심 원칙은 "파편화보다 통합(consolidation over fragmentation)"입니다. 대부분 계정은 캠페인 하나당 광고 세트 1~3개로 시작하는 것이 권장되며, 세트를 늘리는 기준은 오디언스 가설이 아니라 "진짜로 다른 예산·목표 단위"여야 합니다. 예를 들어 신규 고객 획득과 기존 고객 리타게팅은 목표 자체가 달라 세트를 분리할 근거가 있지만, "20대 여성"과 "30대 여성"을 굳이 다른 세트로 나눌 근거는 약합니다. 메타의 광범위 타겟팅과 어드밴티지+ 오디언스는 이미 인구통계 세분화를 알고리즘이 대신 처리하도록 설계돼 있기 때문입니다.

실무에서 캠페인을 최소화한다는 것은 "캠페인 개수를 줄이라"는 뜻이지 "타겟팅을 포기하라"는 뜻이 아닙니다. 세트 내부에서 여러 소재를 함께 투입해 다이내믹 크리에이티브로 조합을 탐색하게 하고, 세트 자체는 퍼널 단계(신규 획득/리타게팅)나 예산 성격(항시 운영/프로모션)처럼 명확히 구분되는 단위로만 나누는 것이 데이터 집중형 구조의 실무 정의입니다.

오디언스 가설 하나당 세트 하나를 만들면 어떤 문제가 생기는가

세트를 오디언스 가설 단위로 쪼개면 학습 지연 외에도 오디언스 중복(자기잠식) 문제가 함께 발생합니다. 서로 다른 세트가 겹치는 사람들을 타겟팅하면 같은 경매 안에서 두 세트가 서로 입찰 경쟁을 벌이게 되고, 이 과정에서 비용이 인위적으로 올라가고 학습 데이터까지 흐려집니다. 즉 "여러 각도로 테스트해보자"는 의도로 세트를 늘렸다가, 실제로는 자기 예산끼리 경쟁시키는 결과를 만드는 경우가 드물지 않습니다.

이런 자기잠식은 광고 관리자의 오디언스 중복 보기 도구로 확인할 수 있습니다. 오디언스를 최대 5개까지 선택해 겹치는 비율을 퍼센트로 확인할 수 있는데, 계정을 새로 설계하는 단계에서부터 세트 수를 최소화해두면 이 진단 작업 자체가 필요 없어집니다. 예방이 진단·수습보다 훨씬 적은 노력으로 같은 결과를 얻는 방법입니다.

예산 규모별로 캠페인 개수는 어떻게 달라져야 하는가

캠페인 최소화 원칙이 모든 계정에 똑같은 숫자를 강제하는 것은 아닙니다. 업계에서 통용되는 경험칙은 소액·신생 브랜드는 캠페인 23개, 중견 브랜드는 58개, 대형·엔터프라이즈 브랜드는 10~15개 이상으로 예시되는데, 이는 메타의 공식 규정이 아니라 예산 규모에 따라 세트당 확보할 수 있는 전환수가 달라지기 때문에 나온 실무 기준입니다. 예산이 커지면 세트 하나가 주당 50건 이상의 전환을 확보하고도 여유가 있으므로, 그때는 퍼널 단계·상품 카테고리별로 세분화해도 학습에 문제가 없습니다.

반대로 월 예산이 수백만 원 수준인 소액 계정에서 캠페인을 5개 이상 운영하면, 캠페인마다 세트가 학습 제한에 빠질 확률이 높습니다. 이 관계는 6강(예산 규모별 캠페인 구조화)에서 구체적인 분배 기준으로 더 다룹니다. 지금 단계에서 기억할 것은 "예산이 작을수록 구조는 더 단순해야 한다"는 방향성입니다.

데이터 집중형 구조로 전환할 때 점검할 것은 무엇인가

기존 계정을 데이터 집중형으로 재설계할 때는 먼저 현재 캠페인·세트별 주간 전환수를 확인해, 50건 미만으로 계속 머무르는 세트를 통합 후보로 표시합니다. 그다음 세트를 나눈 기준이 진짜 예산·목표 단위인지, 아니면 단순 오디언스 가설인지 구분해, 가설 단위로 나뉜 세트는 하나로 합치고 그 안에 여러 소재를 함께 투입합니다. 통합 직후에는 학습 단계가 다시 시작되므로, 최소 7일간 큰 변경 없이 지켜보는 인내가 필요합니다.

이 재설계는 한 번에 끝내는 이벤트가 아니라 예산이 늘어날 때마다, 또는 신규 상품 라인이 추가될 때마다 반복해서 점검해야 하는 루틴입니다. 계정이 커질수록 세분화의 여지가 생기지만, 그 반대 방향으로 다시 통합할 필요가 있는지도 주기적으로 함께 확인하는 것이 데이터 집중형 구조를 유지하는 핵심입니다.