Google UAC(App Campaign)는 지면·타겟·입찰을 대부분 알고리즘이 정해요. "그럼 마케터는 뭐 하냐"는 질문이 나오죠. 통제할 수 있는 레버가 분명히 있어요. 그걸 아는 게 UAC 운영이에요.
게재 위치 선택은 자동화되지만, 적용 가능한 제외·브랜드 적합성 설정은 캠페인 유형과 현재 콘솔에 따라 확인해야 합니다. 자동화를 모든 게재 위치 통제가 불가능하다는 뜻으로 읽지는 마세요.
통제 가능한 레버 3개
1. 입찰 목표
- tCPI — 설치 단가 목표. 볼륨 확보 초기.
- tCPA(인앱) — 특정 행동(가입·구매) 단가 목표. 질 좋은 유저.
- tROAS — 광고비 대비 매출 목표. 매출 최적화.
목표를 뭘로 잡느냐가 알고리즘이 누굴 데려올지를 바꿔요. tCPI로만 돌리면 싸게 많이 깔지만 안 사는 유저가 섞여요. 가능하면 행동/매출 기준(tCPA·tROAS)으로 내려가세요.
설치→행동→매출은 필수 승급 순서가 아닙니다. 목표와 전환 신호의 양·품질에 맞게 고르세요. 현재 App 캠페인은 목표 단가형 전략 외에 설치·인앱 행동의 전환수 최대화와 전환 가치 최대화도 지원합니다. 예산을 활용하는 방식과 실제 CPI·CPA·ROAS가 보장되지 않는다는 점을 구분해야 합니다.
2. 에셋(소재)
지면은 알고리즘이 정하지만 재료는 우리가 줘요. 텍스트·이미지·영상 에셋을 다양하게, 품질 높게 넣을수록 알고리즘이 조합할 폭이 넓어져요. 에셋이 UAC의 실질적 소재 전략이에요. 소재 피로도 분석으로 뭐가 먹히는지 보고 갈아끼우세요.
에셋에서 흔한 실수는 '많이'에만 집중하는 거예요. 가로·세로·정방형에 같은 영상을 크롭만 다르게 넣으면 개수는 채워지지만, 알고리즘이 조합할 다양성은 안 늘어요. 개수보다 서로 다른 앵글(문제 제기형·결과형·후기형)로 채우는 게 조합 폭을 실제로 넓혀요.
그리고 성과 낮은 에셋을 갈 때도 한꺼번에 다 갈면 학습이 흔들리니, 하위 일부만 교체하는 식으로 하세요. 에셋 등급이 낮게 나왔다고 바로 빼는 것도 주의가 필요해요. 노출이 적어서 평가가 덜 된 것과 실제로 반응이 나쁜 것은 다르니, 노출량을 같이 확인하세요.
3. 전환 이벤트·신호
알고리즘은 우리가 정의한 전환 이벤트를 보고 학습해요. 이벤트 설계·트래킹이 엉망이면 알고리즘이 엉뚱하게 최적화해요. 이벤트 택소노미와 포스트백이 UAC 성과의 숨은 토대예요.
이벤트 수는 전략에 맞춰 정하세요. Google의 전환수 최대화 안내는 설치 이벤트 하나, 인앱 행동은 가치가 비슷한 1~2개를 권장하며, 전환 가치 최대화는 여러 가치 이벤트를 지원합니다. 희소한 이벤트라면 추적 누락과 데이터 지연을 먼저 점검하고, 앞 단계 이벤트가 실제 사업 성과를 대변하는지도 확인하세요.
건드리면 안 되는 것
성과가 튈 때마다 여러 설정을 바꾸면 원인을 구분하기 어렵습니다. 광고 학습과 전환 지연을 고려하고, 변경일과 가설을 기록한 뒤 충분히 관찰하세요.
새 캠페인은 학습과 비교 기간이 필요합니다. 재생성 자체를 문제 해결책으로 삼지 말고, 기존 캠페인에서 고칠 수 없는 구조적 이유와 검증 지표를 먼저 적으세요.
자세한 세팅은 Google UAC 가이드에 있어요.
오늘 해볼 것
캠페인 하나를 골라 최근 30일 성과를 열고, 두 가지를 확인하세요.
첫째, 최근 30일 변경의 날짜·규모·대상을 기록하세요. 변경 횟수만 세지 말고 콘솔의 학습 상태와 성숙 전환 추이를 함께 대조하세요. 주 2회라는 숫자만으로 학습 장애를 판정하지 않습니다.
둘째, 최적화 이벤트의 하루 발생 건수를 세어 보세요. 희소하다면 추적 누락·지연부터 확인하세요. 앞 단계 이벤트로 바꾸는 것은 사업 성과와의 관계가 확인될 때 검토할 선택지이며 필수 승급 순서는 아닙니다.
이 방법의 한계
UAC는 블랙박스라 "왜 이 유저에게 갔는지"를 다 알 순 없어요. 통제 가능한 레버(목표·에셋·이벤트)에 집중하고, 진짜 증분은 홀드아웃으로 확인하세요. 콘솔 지표만 믿지 말고요.
UAC 전환은 Google의 귀속 기준을 거친 값입니다. MMP와의 차이는 기준 차이뿐 아니라 추적 오류일 수도 있습니다. 어트리뷰션 데이터 불일치의 정의·기간·중복 제거 점검을 먼저 진행하세요.