퍼포먼스 맥스: 에셋 그룹, ‘상품군’ 기반이 성공을 결정한다

구글 퍼포먼스 맥스 캠페인에서 에셋 그룹을 ‘상품군’ 기반으로 구성해야 하는 이유를 분석합니다. AI 기반 광고의 핵심 원리를 이해하고, 오디언스 타겟팅의 함정을 피하며 캠페인 성과를 극대화하는 전략을 제시합니다.

PMax 에셋 그룹, 왜 ‘상품군’이 핵심인가?

구글 퍼포먼스 맥스 캠페인에서 에셋 그룹을 ‘타겟 오디언스’ 기준으로 구성할 경우, 광고 효율이 저하될 가능성이 높습니다.

대부분의 광고주는 ‘내 상품을 원하는 사람들에게 맞춤 광고’를 떠올리지만, 구글 AI는 다르게 작동합니다.

에셋 그룹은 오디언스가 아닌 ‘상품군’ 중심으로 설계해야 합니다. 이는 구글 광고의 근본적인 원리에 기반합니다.

본 글에서는 퍼포먼스 맥스 에셋 그룹을 상품군 기반으로 구성해야 하는 이유와 그 전략을 심층적으로 분석합니다.

구글 자동화 광고의 진화: PMax의 등장

구글은 2018년 스마트 쇼핑 캠페인을 출시하며 머신러닝 기반 자동화 광고의 첫발을 내디뎠습니다. 이는 상품 그룹 중심으로 광고를 집행하는 초기 시도였으나, 여전히 수동 조정의 비중이 높았습니다.

2021년 3월, 구글은 기존 스마트 쇼핑과 디스플레이 네트워크를 통합한 퍼포먼스 맥스(Performance Max) 캠페인을 정식 출시했습니다. 이때부터 머신러닝 기반 자동화가 최대치로 확장되었으며, ‘에셋 그룹’이라는 개념이 핵심 요소로 부상했습니다.

같은 해 6월, 디스커버리 캠페인 기능이 퍼포먼스 맥스에 통합되면서, AI는 지정된 타겟팅을 넘어 새로운 잠재 고객을 자동 탐색하는 능력을 갖추게 되었습니다. 2022년부터 에셋 그룹 기능은 더욱 정교해져, 광고주는 텍스트, 이미지, 비디오 등 다양한 크리에이티브를 그룹화할 수 있게 되었습니다.

2023년, 구글은 ‘에셋 그룹은 상품 또는 서비스 그룹 중심으로 구성해야 한다’는 명확한 가이드라인을 발표했습니다. 이는 AI 기반 광고의 효율을 극대화하기 위한 핵심 지침으로 자리 잡았습니다.

AI 최적화의 함정: 오디언스 기반 에셋 그룹의 문제점

퍼포먼스 맥스에서 에셋 그룹을 어떻게 구성하고 있나요? 많은 광고주가 여전히 ‘오디언스 기반’으로 에셋 그룹을 구성하는 경향이 있습니다.

예를 들어, 특정 연령대나 지역, 관심사를 기반으로 에셋 그룹을 나누는 방식입니다. 반면, 상품군 기반 에셋 그룹은 ‘고가 상품’과 ‘입문자용 상품’을 혼용하거나, ‘여성용’과 ‘남성용’을 같은 그룹에 배치하는 등의 실수를 피합니다.

구글 머신러닝은 광고주가 지정한 타겟팅을 ‘가이드’로만 활용합니다. 실제로는 그 가이드를 넘어서서 전환 가능성이 높은 새로운 고객을 자동으로 탐색합니다.

에셋 그룹에 다양한 상품을 섞어 넣으면, AI 모델은 어떤 크리에이티브가 어떤 상품에 가장 효과적인지 학습하는 데 혼란을 겪게 됩니다. 이는 결과적으로 광고의 비효율성과 낮은 전환율로 이어집니다.

애셋 그룹은 텍스트, 이미지, 동영상과 같은 크리에이티브 모음이며, 리스팅 그룹은 제품 피드의 제품 모음입니다. 이 둘은 서로 연동되어 광고를 최적화하며, Google AI가 애셋을 조합하여 광고를 생성합니다.

AI의 역설: 오디언스 타겟팅이 오히려 독이 되는 이유

에셋 그룹을 오디언스 기반으로 구성하면, 표면적으로는 오디언스를 정확히 타겟팅하는 것처럼 보입니다. 그러나 구글의 머신러닝은 지정된 타겟팅을 넘어서서 탐색합니다.

이로 인해 광고 예산은 의도한 오디언스가 아닌, AI가 판단한 임의의 전환 가능성 높은 타겟에게 소비될 수 있습니다. 머신러닝은 ‘전환 가능성’이 높은 타겟을 자동으로 탐색하기 때문입니다.

예를 들어, ‘고가 상품’ 에셋 그룹에 ‘저가 상품’ 이미지를 섞어 넣으면, 모델은 어떤 이미지가 더 전환을 유도하는지 학습하게 됩니다. 이 경우, 고가 상품을 원하는 고객에게 저가 상품 이미지가 노출되는 역설적인 상황이 발생할 수 있습니다.

결론적으로, 에셋 그룹은 ‘무엇을 팔 것인가’에 초점을 맞춰야 합니다. ‘누구에게 팔 것인가’는 머신러닝이 가장 효율적으로 판단할 문제입니다.

PMax 성공 전략: 상품군 기반 에셋 그룹 구축 가이드

퍼포먼스 맥스 캠페인의 성공을 위해서는 에셋 그룹을 반드시 상품군 기반으로 설계해야 합니다. 이는 ‘이미지와 텍스트는 같은 상품군과 관련된 것만’ 묶어야 한다는 의미입니다.

2025년 현재, 이 원칙을 지키지 않는다면 퍼포먼스 맥스 캠페인의 최적화된 성과를 기대하기 어렵습니다. AI 학습을 위해 캠페인/그룹당 월 30회 이상의 전환을 목표로 적은 수의 데이터가 풍부한 그룹으로 통합하는 것이 중요합니다.

핵심 전략 요약:

1. 테마 기반 에셋 그룹 구성: 잠재고객 기반이 아닌 제품/서비스/퍼널 단계 등 테마 기반으로 에셋 그룹을 구성합니다.
2. 고품질 자산 최대 활용: 다양한 형식에 대비하여 최대 자산(헤드라인 15개, 설명 5개, 이미지 20개, 동영상 5개)을 업로드하고, 고품질의 관련성 높은 자산을 사용합니다.
3. 강력한 전환 추적: GA4 또는 Google Ads 추적, 향상된 전환을 통해 정확한 데이터를 AI에 제공합니다.

흔히 하는 실수:

• 오디언스 기반 에셋 그룹: AI의 자율적인 타겟팅 능력을 저해하고 비효율을 초래합니다.
• 다양한 상품 혼합: AI 학습을 방해하여 전환율을 낮춥니다.

한 줄 정리: 퍼포먼스 맥스에서 ‘무엇을 팔 것인가’에 집중한 상품군 기반 에셋 그룹이 AI 최적화의 핵심입니다.

이 글의 저작권은 modoomo에 귀속됩니다.