오늘도 다시 돌아온 근육돌이님의 실무팁이에요! 🤗
지난 글에서는 콘텐츠 실험의 기본적인 개념과 방법을 알아보았는데요. 이제 본격적으로 콘텐츠 실험 방법의 디테일한 내용을 말씀드리려고 해요. 그중에서도 오늘은 CBO(캠페인 예산 최적화)와 ABO(광고그룹 예산 최적화)의 활용법, 그리고 DCO(동적 크리에이티브 최적화)를 알아볼게요.
목차
- 실험을 잘하기 위한 필수 요소
- 실험할 때 꼭 이렇게 챙기세요! (KPI, 한계비용, 목표비용, 기준데이터 등)
- CBO와 ABO의 의미와 활용법
- DCO의 의미와 활용법
- 메타, 구글, GFA 매체별 광고 특성
- 각 매체별 특성에 기반한 세팅법
- 어떤 성과지표를 보고 움직여야 할까?
- 광고 증액/감액, 어떻게 할까?(직접전환과 간접전환)
- 리타깃, 세팅이 필요할까?
- 가장 많이 물어보는 세팅의 질문 N가지 답변
CBO와 ABO의 의미와 활용법
CBO와 ABO는 무엇인가를 살펴보고, 각각의 활용법에 대한 예시와 개념에 대해 알아볼게요.
CBO란?
CBO는 캠페인 예산 최적화라는 의미로, 캠페인에 사용할 총예산이나 일 예산을 설정해서 움직이는 방식이에요. 아래 이미지를 볼까요?
캠페인 1개에 3개의 그룹이 세팅되어 있다고 가정해 볼게요. 캠페인 일 예산은 10만 원이고 그룹 1번 7만 원, 2번 2만 원, 3번 1만 원으로 설정되어 있어요.
보통 광고 플랫폼은 머신러닝으로 자동 분배되는 기능을 제공하고 있습니다. 아무런 설정을 하지 않았다면 기본적으로 머신러닝에 의해 성과 기반으로 예산을 많이 소진하는 그룹과, 비교적 적게 소진하는 그룹이 생길 수 있겠죠. 1번이 가장 첫 그룹이라서 예산 소진이 많은 것이 아니라, 실제로 전환 목표를 잡은 캠페인일 경우 클릭률을 통한 CPC 성과와 CPA 성과 기반으로 가중치를 분배하여 예산이 소진돼요.
목표가 전환인 캠페인에서 CPC가 평균 2~3배 저렴한 그룹이 있다면, 해당 그룹에 예산의 가중치가 높아졌지만, CPA는 발생이 되지 않는 경우가 있는데요. 이럴 경우 꼭 점검이 필요합니다. 메타의 경우 캠페인 예산 최적화를 위해 예산이 5:5로 분배되도록 하는 실험실 기능도 있으니, 필요하다면 이러한 기능으로 정확한 A/B 테스트를 해보는 것도 도움이 될 수 있어요.
CBO 활용법
저는 두 가지 그룹을 나눠서 각 타깃별로 성과를 나누어 보고 싶을 때 CBO를 활용하고 있어요.
보통 예산이 적을 경우 ABO(광고그룹 예산 최적화)보다는 CBO를 추천하는데요. 결국에는 예산이 많이 소진되는 그룹이 성과가 좋은 경우가 많기 때문에, 사람이 개입하여 데이터를 확인하고 콘텐츠를 조정하는 단계가 필요하기 때문입니다.
두 가지의 그룹을 나눌 때, 1. 논타깃 2. 제품 특징과 연결되는 관심사 타기팅으로 나누어 세팅하는 경우가 많습니다. 초기 단계의 계정에서는 이렇게 관심사 모수와 논타깃 모수를 함께 활용했을 때 첫 모수를 가장 빠르게 모을 수 있기 때문입니다.
위의 이미지와 같이 각각의 그룹에 동일 소재로 세팅하고 타깃에 차별화를 두거나, 각기 다른 소구점을 지닌 소재를 세팅하고 동일 타깃으로 세팅하여 어떤 타깃에 어떤 소구점이 더 빠르게 성과가 나오는지 테스트하는 방식도 가능합니다. 즉, 특정 변수 한 가지를 2~3개의 그룹으로 나누어 머신러닝에 의해 성과가 좋은 그룹에 예산이 가중되도록 세팅할 때 CBO가 주로 활용됩니다.
세팅을 하는 단계에서 의도한 목표 가설이 적용되고, 검증이 쉽게 될 수 있는 구조로 캠페인을 구성하는 것이 좋아요. CBO의 경우 캠페인에 예산이 적용되어서 2~3개의 그룹을 확장하거나, 또는 한 개의 그룹에 세팅하는 방식도 많이 사용합니다.
캠페인 1개 - 그룹 1개 - 소재 5개 이상 또는 그 이상 세팅하는 방식입니다. 캠페인 세팅 초기, 성과 좋은 소재를 위와 같이 세팅하여 구분하고, 타깃을 추가한다면 캠페인 속에 1개 그룹을 더 넣기도 하죠.
픽셀에 모수가 많거나 혹은 매출이 나올 가능성이 높은 콘텐츠가 다수 확보가 된 상태라면 하나의 캠페인에 위와 같이 구성하고 예산을 공격적으로 편성하는 것이 좋습니다.
머신러닝의 조건은 7일에 50건의 전환이 발생하는 것인데요. 거의 모든 매체가 비슷한 기준을 가지고 있습니다. CBO의 가장 큰 장점은 머신러닝을 통해 다양한 소재와 그룹을 성과 기반으로 예산의 최적화를 가능하게 하는 것입니다.
대부분의 플랫폼이 이러한 CBO 방식에 맞춰 시스템을 제공하고 있습니다. 결국 사람들이 직접 세팅하는 것을 최소화하고 머신러닝에 의해 고객을 자동으로 찾고, 자동으로 광고가 생성되고 보여주는 시스템으로 나아갈 것으로 예상돼요. 구글의 PMAX 실적 최대화나, 앱 캠페인인 UAC 캠페인을 그 예시로 들 수 있어요.
ABO란?
ABO는 광고그룹 예산 최적화를 의미해요. 다시 말하면 캠페인 속에 여러 그룹을 만들어서 각 그룹별로 광고비를 어떻게 소진할지 세팅하는 방식입니다. ABO는 별다른 변수가 크게 존재하지 않는데요. 아래의 이미지와 같이 세팅되기 때문이에요.
하나의 캠페인에 여러 개의 그룹 세팅이 가능하고, 각각의 그룹별로 예산을 세팅할 수 있습니다. 앞서 CBO의 장점을 살펴보면 굳이 ABO를 사용할 필요가 있을까 싶지만, ABO를 사용해야 하는 상황이 있습니다.
- 다양한 소구점의 광고 소재를 하나씩 테스트하여 성과가 좋은 소구점을 찾고 싶을 때
- 그룹별로 관심사, 지면 등의 다양한 조건값을 변경하여 테스트하고 싶을 때
각 그룹마다 예산이 부여되는 방식이기 때문에 별도의 예산으로 쉽게 개별 테스트를 할 수 있다는 것이 장점이죠. 그룹 예산 최적화 캠페인을 많이 세팅한다면 예산이 그룹별로 너무 많이 분할되어 머신러닝이 될 만큼의 예산 분배가 되지 않습니다. 그렇게 되면 성과가 콘텐츠 위주로 흘러가게 되고, 콘텐츠의 성과가 매우 뛰어나지 않은 이상 머신러닝을 활성화시키기도 어렵습니다.
그룹 10개 - 그룹별 예산 5,000원 VS 캠페인 1개 - 그룹 1개 - 광고 소재 10개
둘 중 더 효율적인 것은 무엇일까요? 바로 한 개의 캠페인에 한 개의 광고그룹을 운영하는 것입니다. 후자의 경우가 머신러닝 최적화도 빠르고, 광고 소재 성과에 다른 ON/OFF 기준도 명확하기 때문이죠. 하지만 전자의 경우, 그룹당 5,000원씩 균일한 예산 소진이 가능하고 성과가 나오지 않는 그룹을 바로 필터링하면서 최대한 빠르게 성과가 나오는 광고 소재를 찾아 움직일 수 있다는 장점도 있습니다.
CBO와 ABO의 활용법에 대해 어느 정도 이해가 되셨나요? 그렇다면 지금 운영하고 있던 캠페인도 다시 한번 점검해 보시고, 나는 어떤 의도에 의해 이렇게 세팅했고, 그 의도가 잘 반영되어 성공적인 운영이 되고 있는지 점검해 보시길 바라요. 😊
DCO의 의미와 활용법
DCO(Dymamic Creative Optimization)는 동적 크리에이티브 최적화를 뜻해요. 여러 개의 광고 소재를 세팅하여 다양한 콘텐츠가 자동으로 최적화되는 형태를 말합니다.
여기서 콘텐츠의 요소는 다음 다섯 가지를 꼽을 수 있어요.
- 이미지
- 영상
- 텍스트
- 버튼
- 사이즈
DCO를 활용할 수 있는 매체는 메타, 구글, 틱톡 등이 있는데요. 각기 매체들의 세팅 방법도 비슷합니다.
- 이미지 10장 또는 영상
- 카피 상단 5개
- 카피 중단 5개
- 카피 하단 5개
위와 같이 세팅된 콘텐츠가 자동으로 조합되어 노출되면서 최적화하는 형태인 것이죠.
이렇게 다양하게 조합되면서 노출되다가 머신러닝에 의해 성과지표가 목표치에 가깝게 나타나는 소재 조합 위주로 집중 노출되는 형태로 좁혀가는 방식입니다. 다양한 소재를 세팅하여 확인할 때 이 방식이 유용하게 사용되겠죠?
메타에서 댓글, 좋아요, 공유가 쌓인 DCO 세팅 소재는 다른 캠페인에 동일하게 세팅이 불가합니다. 구글의 경우 광고 소재를 다양하게 세팅하더라도 그 소재의 카피나 이미지별로 CTR이나 CPC를 확인하기 어렵게 되어있다는 것이 단점이고요. 때문에 구글에서 DCO를 활용할 때 소재의 소구점을 일치시키는 것이 중요합니다.
DCO의 개념을 살펴봤는데, 그렇다면 어떻게 활용하는 게 좋을까요?
매체에서 제공하는 DCO 요소를 하나하나 다 넣기보다는 광고의 목적과 의도를 만들고 그 가설에 맞게 세팅하는 것을 추천드립니다.
'어떤 실험을 할 것인가?', '실험이 유의미할 수 있었던 이유가 어떤 데이터 값에 의한 것인가?'와 같은 고민을 하고, 데이터 기반의 고민으로 가설을 잡고 빠르게 검증할 때 광고 소재 단위에서 테스트를 적용해 볼 수 있습니다.
오늘 배운 DCO, ABO, CBO 모두 변수를 다양하게 담는 기능이지, 성과를 잘 만드는 기능이 아닙니다. 마케터가 세팅을 할 때 왜 그렇게 세팅했고, 그 세팅 값이 얼마나 유의미한 것인지 검증할 때 활용하는 기능이죠.
기능을 잘 활용하고 싶다면, 아래 내용을 꼭! 체크해 보세요.
- 이렇게 세팅하고 준비하는 의도가 있는가?
- 그 의도의 변수가 1개 이상이라면 변수 통제가 되지 않고 있는가?
- 테스트 후 원하는 결과 값이 어떤 것일지 그려지는가?
위의 세 가지를 항상 고민하여 DCO를 활용해 보세요. 성과에 대한 실패가 아닌 실험에 대한 복기를 할 때, 실패 없는 활용법이 될 거예요. 🍀
콘텐츠 실험 방법 🧩
■ 1편 - 정답은 아니지만 정답에 가까운 콘텐츠 실험 방법
상세페이지 시리즈 🔎
■ 4편 - 상세페이지 성과를 극대화하는 방법과 고려할 점
■ 2편 - 상세페이지의 기본 구성 요소와 중요한 요소는?
■ 1편 - 상세페이지는 어떻게 기획하고 만들어야 할까?
※ 이 글의 원고는 마케팅모먼트 최재명 대표님(근육돌이)이 제공해 주셨으며, 편집은 큐레터가 진행했습니다. 최재명 대표님은 교육과 제휴사로도 만나실 수 있어요!
새댓글
전체보기