Adobe Advertising 커스텀 알고리즘 가이드
- Adobe Advertising은 Adobe Analytics 전환 지표를 커스텀 목표에 활용할 수 있으며, Analytics 전환 지표는 Adobe 문서상 일 단위로 전달됩니다.
- Adobe DSP의 특정 최적화 패키지에서는 커스텀 목표 전환 지표 합계가 일일 10건에 미달하면 최적화 성능이 제한될 수 있다고 Adobe가 안내합니다.
- 목표 성격에 맞는 가중치를 설정하여 광고 효율성(ROAS)을 극대화합니다.
2026년 7월 현재, 글로벌 애드테크 시장은 인공지능(AI)과 데이터 통합을 중심으로 급격한 변화를 맞이하고 있습니다. 2026년 7월 Adobe Advertising의 커스텀 알고리즘 일반 출시가 보도됐습니다. Adobe가 공개한 제품 문서에서 확인 가능한 내용과 제3자 보도 내용을 구분해, 데이터 연동·목표 설정·학습 조건을 살펴보겠습니다.
Adobe Advertising 커스텀 알고리즘의 공식 출시 배경
어도비(Adobe)는 지난 2016년 비디오 DSP 업체인 튜브모글(TubeMogul)을 5억 4,000만 달러에 인수하며 마케팅 클라우드 내 프로그래매틱 광고 생태계를 구축하겠다는 포부를 밝혔습니다. 그러나 지난 10년 동안 이러한 시도는 업계의 기대만큼 큰 성과를 거두지 못했다는 평가를 받아왔습니다. 하지만 지난해부터 비공개 베타 테스트를 진행해 온 Adobe Advertising 커스텀 알고리즘이 마침내 지난주 공식 출시되면서 시장의 판도가 뒤바뀌고 있습니다.
이번에 출시된 커스텀 알고리즘은 과거 튜브모글 시절의 한계를 완벽히 극복하려는 시도입니다. 이제 광고주들은 자사의 고유한 비즈니스 목표에 맞게 최적화 모델을 직접 설계하고, 이를 AI 입찰 엔진과 직접 연동하여 성과를 극대화할 수 있습니다. 디지털 광고의 흐름과 애드테크의 실무 기준에 대한 전반적인 이해가 필요하다면 SEO AEO GEO 차이, 애드테크 실무 기준 정리를 함께 학습하시는 것을 권장합니다.
Adobe Analytics 데이터 연동: 공개 문서로 확인되는 내용
Adobe 문서에 따르면 Adobe Analytics의 표준·사용자 지정 전환 지표는 Adobe Advertising DSP에서 사용할 수 있으며, Analytics는 전환 지표를 일 단위로 전달합니다. 따라서 이를 실시간 원천 데이터 스트리밍으로 설명하거나, API 방식은 필터링으로 데이터가 누락된다고 일반화할 근거는 공개 문서에서 확인되지 않습니다.
실무에서는 계정의 Analytics 연동 상태, 사용 가능한 이벤트 지표, 보고·최적화 목적에 맞는 커스텀 목표 설정을 확인해야 합니다. Adobe가 공개한 제품 문서와 일반 출시 보도는 참고 범위가 다르므로, 구체적인 기능과 제공 조건은 계약·계정 설정에서 확인하세요.
- Analytics 전환 지표는 일 단위로 Adobe Advertising에 전달됩니다.
- 표준·사용자 지정 전환 지표 중 계정에서 사용할 수 있는 항목을 확인합니다.
- 최적화 목적과 연관된 이벤트 및 지표 가중치를 설정하고 결과를 검증합니다.
사용자 지정 목표 최적화: 가중치 설정 가이드
Adobe DSP 내에서 AI 기반 최적화를 성공적으로 이끌어내기 위해서는 광고주가 도달하고자 하는 구체적인 성공 이벤트를 정의하는 ‘사용자 지정 목표(Custom Goal)’의 설정이 매우 중요합니다.
주의: 모든 전환 지표에 무분별하게 동일한 가중치를 부여하면 중요한 최종 구매 전환과 단순 탐색 전환의 가치를 구별하지 못해 예산 낭비가 발생할 수 있습니다.
1. 단일 지표 최적화 및 가중치 적용
사용자 지정 목표는 광고 효율을 나타내는 광고대비매출액(ROAS) 극대화나 고객획득비용(CPA) 최소화를 달성하는 데 활용됩니다. 만약 단일 전환 지표(예: 매출액 또는 애플리케이션 제출)만을 추적한다면 가중치를 기본값인 1로 설정하는 것이 가장 모범적인 사례입니다. 가중치가 1일 때는 추적된 매출액이나 전환 수가 100% 그대로 보고서에 반영되지만, 가중치를 0.5로 설정할 경우 전환 성과가 절반으로 축소 보고되므로 알고리즘의 성과 분석 및 비딩에 직접적인 영향을 미치게 됩니다.
2. 복수 지표 최적화와 지원 이벤트 활용
만약 사이트 내에서 발생하는 여러 상호작용(예: PDF 다운로드, 이메일 뉴스레터 구독, 상담 신청 등)을 동시에 최적화하고자 한다면 여러 지표를 하나의 사용자 지정 목표에 포함하고 각각의 상대적 가중치를 다르게 부여할 수 있습니다. 예를 들어, 최종 매출로 이어질 가능성이 높은 상담 신청은 1.0의 가중치를 부여하고, 정보 탐색 단계인 PDF 다운로드에는 0.3의 가중치를 부여하여 알고리즘이 가중치 비중에 맞추어 최적의 입찰을 하도록 유도하는 방식입니다.
DSP 입찰 모델 활성화를 위한 실무 운영 절차
성공적인 커스텀 알고리즘 정착을 위해 마케터는 정량적인 기준과 체계적인 절차를 준수해야 합니다. 입찰 효율을 분석하고 비즈니스 수익성을 점검하기 위해서는 먼저 광고 ROI 측정 방법: 공식·지표·실무 가이드를 통해 구체적인 성과 지표를 설계해 두어야 합니다.
사용자 지정 목표의 성과를 보장하려면 패키지당 일일 최소 10개의 전환(Conversion) 데이터가 확보되어야 합니다.
자연 발생적인 일일 전환 건수가 이 기준에 미치지 못한다면, 메인 성공 이벤트 외에 상대적으로 달성이 쉬운 지원 이벤트(Micro Conversion)를 추가함으로써 10개의 일일 전환 임계값을 채우는 전략이 실무적으로 권장됩니다. 다음은 커스텀 알고리즘을 설정하는 기본 단계와 주요 메트릭 비교표입니다.
| 목표 설정 유형 | 적정 가중치 범위 | 최소 일일 데이터 요구량 | 주요 활용 목적 |
|---|---|---|---|
| 단일 성공 지표 | 1.0 (고정 권장) | 일 10건 이상 | 단일 매출 또는 가입 성과 극대화 |
| 복수 성공 지표 | 0.1 ~ 1.0 (상대적 차등) | 합산 일 10건 이상 | 전체 구매 여정의 단계적 최적화 |
| 지원 지표 추가 | 0.5 이하 권장 | 일 10건 도달용 | 저예산/저성장 캠페인의 학습 지원 |
실제 알고리즘 활성화 및 캠페인 설정 절차는 다음과 같이 단계적으로 진행됩니다.
- 목표 이벤트 정의: 캠페인의 궁극적인 성공으로 판단할 웹사이트 내 전환 액션을 선별합니다.
- Adobe Analytics 연동 확인: 실시간 원천 데이터가 필터링 없이 DSP로 전송될 수 있도록 시스템 설정을 점검합니다.
- 사용자 지정 목표 작성 및 가중치 매핑: 개별 전환 지표에 따른 상대적 가중치(0.1~1.0)를 설정하고 결합합니다.
- 패키지 할당 및 학습 모니터링: 설정된 사용자 지정 목표를 광고 패키지에 할당하고, 매일 최소 10건의 전환 데이터가 안정적으로 쌓이는지 최소 1주일간 트래킹합니다.
자주 묻는 질문
Q. Adobe Advertising 커스텀 목표에 어떤 데이터를 활용할 수 있나요?
Adobe 문서는 광고주 계정에 추적된 Analytics 표준·사용자 지정 전환 지표를 DSP에서 사용할 수 있고, 전환 지표는 일 단위로 전달된다고 설명합니다. 미가공 데이터가 실시간으로 전달되거나 모든 트래픽 식별 정보가 DSP 학습에 사용된다는 내용은 공개 문서에서 확인되지 않습니다.
Q. 일일 전환 수가 10개 미만인 경우 어떻게 해결하나요?
Adobe는 특정 최적화 패키지의 커스텀 목표가 일일 10건 미만일 때 상대적으로 관련 있는 지원 지표를 추가하는 방안을 안내합니다. 단순히 숫자를 채우려고 최종 전환과 무관한 이벤트를 넣으면 목표를 왜곡할 수 있으므로, 비즈니스 목표에 맞는 지표와 가중치를 사용해야 합니다.
Q. 가중치를 0.5로 설정하면 광고 집행과 성과 보고에 어떤 영향을 미치나요?
가중치가 0.5인 성공 이벤트는 시스템 내부에서 전환 건당 0.5회 또는 250달러의 전환을 125달러의 가치로 축소 계산합니다. 이는 알고리즘이 해당 이벤트의 중요도를 낮게 평가하게 만들며, 보고서상에서도 가치가 절반으로 조정되어 나타납니다.
Q. 타사 DSP와 비교했을 때 이 알고리즘의 가장 큰 차별점은 무엇인가요?
구글의 Performance Max나 메타의 성능 편의 버튼과 유사한 AI 기반 편의성을 제공하지만, Adobe 제품 문서는 Analytics 지표를 DSP 최적화에 연결하는 방법을 설명하지만, 공개 자료만으로 다른 DSP보다 원천 데이터가 더 완전하다거나 예측 정확도가 높다고 단정할 수는 없습니다. 제품 차이를 비교할 때는 지표 전달 빈도, 지원 이벤트, 측정·최적화 범위를 확인해야 합니다.
