Adobe Advertising 커스텀 알고리즘 가이드
- Adobe Analytics의 원천 데이터를 실시간으로 활용해 입찰 모델을 학습합니다.
- 성공적인 입찰 최적화를 위해 목표당 일일 최소 10건의 전환 데이터가 필요합니다.
- 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. 특히 지난주 발표된 Adobe Advertising 커스텀 알고리즘의 공식 출시(General Release)는 기존의 수동적인 캠페인 최적화 방식을 근본적으로 뒤흔들고 있습니다. 디지털 마케터라면 이제 플랫폼이 제안하는 획일화된 입찰 전략에서 벗어나, 자사 데이터의 잠재력을 100% 이끌어낼 수 있는 맞춤형 알고리즘 도입을 적극적으로 검토해야 할 시점입니다.
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.
실시간 데이터 연동: API 방식과의 결정적 차이점
이 신규 제품이 기존 광고 기술과 구별되는 가장 핵심적인 차별점은 바로 데이터의 순도와 연동 방식에 있습니다.
1. API 데이터 추출 방식의 한계
과거에는 Adobe DSP가 Adobe Analytics와 데이터를 공유할 때, 일반적인 외부 서드파티 DSP들과 동일한 방식으로 API를 거쳐야 했습니다. API 방식은 데이터를 주기적으로 요청하고 전송받는 과정에서 데이터가 필터링되거나 누락되는 등 일정 수준의 가공 과정을 거치게 됩니다. 이는 고객의 여정을 실시간으로 파악하는 데 방해가 되며, 고도화된 입찰 알고리즘을 학습시키기에는 정보의 깊이가 얕다는 근본적인 한계를 지니고 있었습니다.
- 데이터 연동 딜레이로 인한 실시간 입찰 최적화 지연
- 필터링 과정에서 발생하는 원천 퍼스트 파티 식별 데이터 누락
- 단순 요약 통계 전송에 따른 정밀한 유저 여정 추적의 한계
2. Analytics 원천 데이터 직접 연동의 이점
반면, 새로운 커스텀 알고리즘 시스템은 Adobe Analytics의 미가공 원천 데이터(Raw Data)를 실시간으로 직접 연동하여 DSP 입찰 모델을 트레이닝합니다. API의 필터링을 거치지 않은 순수한 웹/앱 트래픽 패턴, 미디어 이탈률(Bounce Rate), 그리고 가장 중요한 퍼스트 파티 식별 데이터(First-party Identity Data)를 실시간으로 분석합니다. 이를 통해 소비자가 어떤 콘텐츠에서 이탈하고 어떤 지점에서 구매 결정을 내리는지 등 전체 고객 여정을 완벽하게 매핑하여 정교한 광고 입찰을 수행합니다.
원천 데이터 직접 연동을 통해 얻을 수 있는 구체적인 장점은 다음과 같습니다.
- 필터링 없는 고순도 유입 경로 데이터 즉시 확보
- 고객 이탈률 및 특정 행동 양식 기반의 실시간 가중 입찰
- 안정적인 퍼스트 파티 식별 정보를 활용한 정교한 리타겟팅
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 알고리즘을 사용하려면 어떤 데이터가 필요한가요?
Adobe Analytics에 누적되는 미가공 원천 데이터가 필수적입니다. 실시간 웹/앱 트래픽 패턴, 특정 미디어의 이탈률, 그리고 DSP로 직접 전송되는 퍼스트 파티 식별 데이터(1st-Party Identity Data)를 활용하여 정교한 입찰 모델을 학습시킵니다.
Q. 일일 전환 수가 10개 미만인 경우 어떻게 해결하나요?
메인 전환 지표의 모수가 적어 최적화 학습이 어려울 경우, 뉴스레터 가입이나 PDF 다운로드와 같이 비교적 획득하기 쉬운 보조(지원) 이벤트를 사용자 지정 목표에 함께 추가하여 합산 일일 전환 10건 기준을 달성할 수 있습니다.
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, API 연동의 한계를 뛰어넘어 Adobe Analytics의 원천 데이터에 직접 접근한다는 점이 독보적입니다. 필터링되지 않은 고객 여정 데이터를 즉각 입찰에 활용하므로 예측 정확도가 높습니다.
