밑 빠진 독에 광고비 붓기? '살 사람'만 골라 예산을 집중하는 세그먼트 전략

안녕하세요 구독자님, 텀타입니다.

지난 글들을 통해 우리는 '동의 모드 V2'로 유실된 데이터를 복구하고, 검색어 뒤에 숨은 유저의 '의도'에 맞춰 랜딩 페이지를 최적화하는 법을 다뤘습니다. 이제 기초 공사는 끝났고, 유입된 유저들에게 적절한 대답을 들려줄 준비도 마쳤습니다.

그런데 여기서 현실적인 고민이 생깁니다. "데이터는 다 복구했는데, 예산은 한정되어 있다면? 이 많은 유저 중 누구에게 먼저 예산을 써야 할까?"

데이터가 100% 복구되었다는 건 관리해야 할 대상이 많아졌다는 뜻이기도 합니다. 오늘 텀타 뉴스레터에서는 복구된 데이터 속에서 '실질적인 수익'을 만들어낼 고가치 타겟을 발라내어 ROAS의 임계점을 돌파하는 실전 타겟팅 레시피를 공유합니다.

📢 1,000명의 방문자 중 실제 매출을 만들 사람은 몇 명일까?

냉정하게 말해서 사이트에 들어온 모든 방문자가 우리에게 돈을 벌어다 주지는 않습니다. 단순히 클릭만 하고 3초 만에 나간 유저와, 상세 페이지를 5분간 정독한 유저는 비즈니스 가치가 완전히 다르기 때문입니다.

만약 이들 모두에게 동일한 리마케팅 광고를 집행한다면 어떻게 될까요? 획득 비용(CPA)은 치솟고 ROAS는 희석됩니다. 말 그대로 '밑 빠진 독에 광고비 붓기'가 되는 것이죠.

이때 필요한 거름망이 바로 '고급 세그먼트(Advanced Segment)'입니다. 단순히 "들어왔다"는 사실을 넘어 "무엇을 했는가"를 기준으로 살 사람만 골라내는 전략입니다. 광고비를 1,000명에게 골고루 뿌릴 때보다, 구매 확률이 높은 '알짜배기 100명'에게 예산을 집중할 때 실질적인 광고 성과는 확연히 달라집니다.

🍳 [실전 레시피] ROAS를 바꾸는 '돈 되는 세그먼트' 3가지

앞서 언급한 '거름망'을 실질적인 수익으로 연결하기 위해서는 유저의 행동 데이터를 '구매 확률'이라는 정량적 지표로 치환하는 과정이 필요합니다. '제품을 살 가능성이 얼마나 높은가'라는 기준으로 분류하는 거죠.

현장에서 즉각적인 성과를 만들어내는 세 가지 핵심 타겟팅 시나리오를 통해, 복구된 100%의 데이터를 어떻게 비즈니스 가치로 전환할 수 있는지 구체적인 방법론을 살펴보겠습니다.

1️⃣ 결제 직전에서 망설이는 ‘고액 장바구니’ 유저

장바구니에 상품을 하나라도 담은 사람에게 모두 광고를 보여주는 건 효율적이지 않습니다. 대신 우리 브랜드의 평균 결제액보다 조금 높은 금액, 예를 들어 '5만 원 이상'을 담은 유저들만 별도로 타겟팅해보세요. 이 사람들은 이미 우리 제품에 매료되어 '무엇을 더 살까' 고민 중인 알짜 고객들입니다.

이들은 배송비 절약이나 세트 구성 혜택에 민감하게 반응할 확률이 매우 높습니다. 따라서 이들에게 "얼마만 더 채우면 배송비 절약" 혹은 "세트 구성 구매 시 추가 할인" 같은 맞춤형 메시지를 전달해 보는 것이 좋습니다.

2️⃣ 아직 결제는 안 했지만, 마음은 와 있는 ‘콘텐츠 고관여’ 유저

당장 장바구니에 담지는 않았어도 우리 브랜드를 유심히 지켜보는 사람들이 있습니다. 상세 페이지를 3번 넘게 들어와서 꼼꼼히 읽거나, 브랜드 소개 영상을 절반 넘게 본 유저들이죠. 이들은 '살까 말까'의 문턱에 서 있는 사람들입니다. 데이터로 이 '진심 유저'들을 묶어서 리마케팅을 해보세요.

통계적으로 상세페이지 재방문, 영상 시청 등 고관여 신호를 보인 유저는 일반 유입 대비 전환 가능성이 더 높게 나타나는 경향이 있습니다. 결과적으로 일반 방문자보다 전환율이 최소 2배 이상 높게 나오는 효자 그룹이 될 겁니다.

3️⃣ AI가 먼저 골라주는 ‘구매 확률 상위’ 유저

이건 동의 모드 V2로 데이터를 100% 복구하고 충분한 학습 데이터가 쌓였을 때 비로소 실행 가능한 기능입니다. 바로 GA4의 머신러닝이 제공하는 '예측 측정항목'을 활용하는 것인데요. 구글 AI가 축적된 데이터를 학습하여, "이 유저는 일주일 안에 결제할 확률이 80%가 넘어요!"와 같이 향후 7일 이내 구매 가능성이 높은 유저를 선별해 줍니다. 실무자는 이렇게 생성된 ‘예비 구매자’ 그룹을 구글 광고 타겟으로 연동하기만 하면 됩니다.

단순히 과거의 행동을 기록하는 수준을 넘어, 미래의 결과를 AI가 선제적으로 예측해 주는 것이죠. 사람이 일일이 판단하기 어려운 미세한 행동 패턴까지 AI가 분석해 주므로, 운영 리소스는 획기적으로 줄이면서 광고 성과는 더욱 정교하게 끌어올릴 수 있습니다.

⚠️ 데이터는 있는데 타겟팅이 안 된다면? ‘이벤트 족보’를 확인하세요

위에서 제안한 전략들을 실무에 적용하려 할 때 가장 당혹스러운 순간은 '데이터는 쌓이는데 그룹 추출이 안 될 때'입니다. '장바구니 담기'라는 행위는 기록되지만, 정작 ‘얼마치를 담았는지’ 세부 데이터가 없다면 고액 장바구니 타겟팅은 불가능하기 때문입니다.

이것이 바로 많은 실무자가 빠지는 ‘이벤트 설계’의 함정입니다. 데이터는 단순히 축적한다고 자산이 되지 않습니다. 수집 단계에서부터 "이 데이터를 향후 어떤 목적과 기준으로 분류하여 활용할 것인가"를 먼저 정의하고, 그에 부합하는 정교한 매개변수(Parameter), 즉 ‘꼬리표’를 미리 설계해 두어야 합니다.

"이 버튼을 누르면 '구매 고민'이라는 이름표를 붙여줘"
"이 영상을 1분 넘게 보면 '관심 고객'이라고 기록해줘"

비즈니스 목적에 따라 수집 데이터의 이름과 형식을 규정하는 이 과정을 ‘이벤트 텍소노미(Taxonomy)’, 즉 데이터의 족보라고 부릅니다. 이 족보가 부실하면 아무리 완벽하게 데이터를 복구하더라도 실제 타겟팅 시점에는 활용 가치가 없는 파편화된 정보만 남게 됩니다.