3단계 : 타깃 설정하기
내 광고를 노출할 타깃을 설정할 단계에요.
타깃 설정 단계에서 국가, 언어, 성별 및 연령을 설정할 수 있어요. 국가 중 ‘대한민국’을 선택하면 지역을 시/도 단위로 선택할 수 있어요.
- 국가 : 최대 10개 선택할 수 있어요
- 지역: 대한민국 한정 시/도 단위까지 선택할 수 있어요
- 예) 대한민국 - 서울특별시, 부산광역시, 경기도
- 언어 : 한국어, 영어, 일본어
- 성별 : 남 / 여 / 성별 미공개
- 성별 미공개 : 구글, 메타 유저 중 성별을 설정하지 않은 유저까지 광고를 노출할 수 있어요. 타깃 범위를 적절히 넓히는 데에 도움을 줘요.
- 연령 : 최소 5개 선택해야 해요
- 18~24세 / 25~34세 / 35~44세 / 45~54세 / 55~64세 / 65세 이상
- 연령 미공개 : 글, 메타 유저 중 연령을 설정하지 않은 유저까지 광고를 노출할 수 있어요. 타깃 범위를 적절히 넓히는 데에 도움을 줘요.
캠페인 목표를 설정하고, 매체를 선택하고, 타깃을 설정하면 아래 이미지와 같이 타깃 광고 그룹이 생성돼요.
주의: 타깃을 너무 좁히지 않도록 주의해주세요
특히 연령대 타깃을 너무 좁히면 노출 범위가 작아져요. 노출이 많이 되지 않는 광고는 효율이 낮을 가능성이 높아요.
이로 인해 아임웹 광고캠페인관리에서는 연령 선택지를 최소 5개 이상 선택하게끔 제한했어요.
특히 연령대 타깃을 너무 좁히면 노출 범위가 작아져요. 노출이 많이 되지 않는 광고는 효율이 낮을 가능성이 높아요.
이로 인해 아임웹 광고캠페인관리에서는 연령 선택지를 최소 5개 이상 선택하게끔 제한했어요.
TIP: 모든 타깃 설정으로 머신러닝 효율을 극대화 해요. 타깃 설정을 하지 않으면 머신러닝 최적화에 더 도움이 돼요.
1. 타깃이 너무 좁으면 노출 범위가 좁아지거나 경쟁이 심해져 클릭당 비용(CPC)가 높아질 가능성이 높아요
예를 들어, 대부분의 화장품 브랜드는 구매력이 있는 3040 여성을 타깃으로 해요. 3040 여성들이 가장 SNS를 많이 이용하는 시간대엔 여러 브랜드들이 입찰 경쟁을 펼치므로 광고비 단가가 올라가요.
2. 내가 예상하지 않은 타깃도 내 상품에 반응할 수 있어요
하지만 모든 화장품이 3040 여성만 구매하는 것은 아니죠. 예를 들어 주름 개선 화장품은 최근 20대 여성들도 얼리-안티에이징(Early-Antiaging) 트렌드에 따라 구매를 하고 있고, 남성들도 과거보다 구매 의향이 높아졌어요. 머신러닝은 이런 고객들에게도 광고를 노출시켜 내가 예상하지 않은 타깃도 내 상품을 구매할 가능성을 만들어요.
3. 내가 설정한 타깃보다 머신러닝 학습한 타깃이 더 정확할 수 있어요.
메타, 구글 가입 시 성별 및 연령을 정확히 입력하지 않을 가능성이 높아요. 예를 들어 구글 계정 생성 시 ‘1978년생 여성’이라고 등록했지만, 사실은 1995년생 남성일 수도 있는 거죠. 반면 머신러닝은 개별 유저가 어떤 컨텐츠를 자주 보는지를 학습하기 때문에 연령대와 성별을 비교적 정확하게 알 수 있어요.
1. 타깃이 너무 좁으면 노출 범위가 좁아지거나 경쟁이 심해져 클릭당 비용(CPC)가 높아질 가능성이 높아요
예를 들어, 대부분의 화장품 브랜드는 구매력이 있는 3040 여성을 타깃으로 해요. 3040 여성들이 가장 SNS를 많이 이용하는 시간대엔 여러 브랜드들이 입찰 경쟁을 펼치므로 광고비 단가가 올라가요.
2. 내가 예상하지 않은 타깃도 내 상품에 반응할 수 있어요
하지만 모든 화장품이 3040 여성만 구매하는 것은 아니죠. 예를 들어 주름 개선 화장품은 최근 20대 여성들도 얼리-안티에이징(Early-Antiaging) 트렌드에 따라 구매를 하고 있고, 남성들도 과거보다 구매 의향이 높아졌어요. 머신러닝은 이런 고객들에게도 광고를 노출시켜 내가 예상하지 않은 타깃도 내 상품을 구매할 가능성을 만들어요.
3. 내가 설정한 타깃보다 머신러닝 학습한 타깃이 더 정확할 수 있어요.
메타, 구글 가입 시 성별 및 연령을 정확히 입력하지 않을 가능성이 높아요. 예를 들어 구글 계정 생성 시 ‘1978년생 여성’이라고 등록했지만, 사실은 1995년생 남성일 수도 있는 거죠. 반면 머신러닝은 개별 유저가 어떤 컨텐츠를 자주 보는지를 학습하기 때문에 연령대와 성별을 비교적 정확하게 알 수 있어요.