페이스북의 픽셀과 머신러닝은 효과가 있을까?

페이스북으로 광고를 돌리는 이유는 타 플랫폼을 초월하는 타켓 마케팅이 가능하기 때문입니다. 그리고 이를 가능케 해주는 것이 머신러닝(Machine Learning) 기능이고, 이에 대한 데이터가 픽셀(Pixel)이죠. 이 두 가지가 결합되고, 상호작용하여 페이스북의 타켓 마케팅이 효율적으로 돌아가게 해 줍니다. 유용성에 대해서는 페이스북을 이용하고 있는 수많은 마케터들이 대변해주고 있죠.

 

머신러닝과 픽셀에 대한 불신

앞서 페이스북의 머신러닝은 타 플랫폼을 초월하는 기능을 가지고 있다고 언급했습니다. 하지만, 이에 대한 불신도 적지 않게 있습니다. 필자 또한 성과가 생각보다 안나올때는 이게 제대로 작동하고 있는 것인지 의문이 들 때가 많기도 합니다. 일반적으로 생각했을 때 머신러닝이 이루어지면 질수록 픽셀에 그에 대한 데이터가 쌓이게 되고, 성과는 비례적으로 늘어야 하는데 그렇지 못하는 때가 많습니다. 반대로 머신러닝이 진행되지도 않았는데, 성과가 바로바로 나오기도 할 때가 있어 의문이 들 때가 있죠.

 

머신러닝이 완료되어야 성과가 오를까?

머신러닝은 캠페인이 시작되고, 보통 성과가 50개 이상 됐을 때, 완료된다고 페이스북에는 기재되어있습니다. 하지만, 경험상으로는 50개 되어 머신러닝이 완료된다고 하여도, 성과가 획기적으로 발전하거나, 그 전에 성과가 지속적으로 잘 나오지 않는 현상은 없었습니다. 하지만, 비슷한 광고 세트를 여러 계정으로 나누어 비교해보면, 평균적으로는 픽셀이 많이 쌓인 계정이 성과가 꾸준한 편이었습니다.

 

결론을 말씀드리자면, 기본적으로 픽셀이 많이 쌓인 계정의 성과가 안정적입니다. 다만, 타켓이 광범위 할 수록 머신러닝의 영향을 많이 받습니다. 반대로 타켓이 세분화되어있을 경우에는 머신러닝의 영향이 상대적으로 줄어듭니다.

 

효과적인 머신러닝의 방법

효과적인 머신러닝을 하기 위해서 가장 중요한 부분은 광고를 장기간 돌려야 합니다. 당연한 소리이겠지만, 픽셀에 데이터를 빨리 쌓아줘야 하는데, 무작정 광고를 돌리기만 하는 것이 아닌, 광고 소재와 타켓에 대한 테스팅이 끝난 이후, 우선은 저예산으로 지속적으로 광고를 돌려가며, 성과에 따라 예산을 점진적으로 늘리는 방법이 효과적입니다.