2025.11.19
포스팅 내용
최근 메타 광고의 ROAS가 급락한 원인인 '안드로메다 업데이트'의 핵심 알고리즘 변화를 명확히 분석하고, 이에 대응하여 광고 성과를 극대화하는 실질적인 세팅 전략을 제시합니다. 이제 더 이상 비슷한 소재를 여러 개 돌리거나 ABO 구조로 수동 운영하는 방식은 통하지 않으며, 소재 다양화와 CBO 캠페인 최적화를 통해 광고비를 덜 쓰고도 도달 범위를 두 배로 늘리는 구체적인 방법을 배울 수 있습니다.
메타 광고 '안드로메다 업데이트' 대응 전략: ROAS 두 배 올리는 1pager
1. 메타 광고 알고리즘의 근본적 변화: '안드로메다 업데이트'
최근 메타 광고(인스타그램/페이스북)의 ROAS(광고 수익률) 급락은 광고주가 아닌 메타의 알고리즘 변화 때문이며, 이는 '안드로메다 업데이트'로 불림 .
- 해외에서는 이미 ROAS가 6에서 1로 폭락하거나 광고를 포기하는 등 큰 혼란을 겪고 있으나, 국내에는 정보가 부족해 조용히 피해를 보는 중임 .
- 핵심 변화: 타겟팅 방식의 전환
- 이전 방식 (구조화된 타겟팅): 25~40세 여성, 뷰티 관심사 등 대중을 묶어서 타겟팅했음 .
- 현재 방식 (개인화된 타겟팅): 광고 소재 하나하나가 개인 한 명 한 명을 찾아가서 타겟팅함 .
- 예전에는 광고 1개를 틀면 1천 명에게 동시에 노출되며 학습했지만, 지금은 광고 1개가 반응할 사람 1명씩을 찾아 학습함 .
2. 무용지물이 된 기존 광고 전략 2가지
안드로메다 업데이트로 인해 기존에 정석으로 사용되던 두 가지 광고 전략이 완전히 무용지물이 되었음 .
2.1. 비슷한 소재 여러 개 돌리기 (비효율성 증대)
- 문제점: 비슷한 소재들은 알고리즘이 거의 똑같다고 인식하여 같은 타겟에게만 계속 노출시킴 .
- 결과: 도달 범위 축소, 광고 피로도 급증, ROAS 폭락으로 이어짐 .
- 실제 테스트 결과:
- 예전 방식으로 비슷한 소재 5개를 돌렸을 때 도달수는 13만 명이었음 .
- 새로운 방식으로 다른 소재 5개를 묶어 돌렸을 때 도달수는 23만 명으로, 광고비를 덜 쓰고도 도달수가 거의 두 배 가까이 많았음 .
2.2. ABO 캠페인 구조로 수동 운영하기 (학습 방해)
- ABO (Ad Set Budget Optimization): 광고 세트마다 예산을 따로 설정하는 방식 .
- 문제점: 성과가 안 좋은 광고 세트를 광고주가 직접 껐다 켰다 하면, 알고리즘의 학습이 중단됨 .
- 안드로메다는 여러 소재를 동시에 보면서 '어떤 소재가 어떤 사람에게 맞는지' 학습해야 하는데, 수동으로 개입하면 학습을 망치게 됨 .
3. 안드로메다 대응을 위한 2가지 핵심 해결책
광고비를 덜 쓰고도 성과를 두 배 더 올리기 위해 지금 당장 적용해야 할 두 가지 전략이 있음 .
3.1. 소재 다양화 (Different Angles)
- 핵심: 같은 제품이라도 다른 각도와 스토리로 접근해야 함 .
- 단순히 버튼 색깔(빨간색 vs. 파란색)을 비교하는 것이 아니라, 누구에게 어떤 니즈로 말을 걸 것인가가 달라져야 알고리즘이 학습함 .
- 실행 지침: 최소 5개, 가능하면 10개까지 소재를 다양화하고, 이를 소비할 고객의 다양한 페르소나별로 만들어서 운영해야 함 .
3.2. CBO 캠페인 적극 활용 (Campaign Budget Optimization)
- CBO 정의: 캠페인 예산 최적화(Campaign Budget Optimization)의 준말로, 캠페인 단위로 예산을 설정하는 것 .
- 활용법: 다양화된 소재들을 하나의 CBO 캠페인으로 묶어서 운영해야 함 .
- 운영 원칙:
- CBO를 켜고, 위에서 만든 성과 나온 소재들을 묶어 여러 사람들에게 보여주기를 시도함 .
- 개별 광고 성과에 당장 연연하지 말고, 시간을 주면서 전체 캠페인의 성과를 봐야 함 .
4. 지금 당장 해야 할 행동 2가지
이 큰 변화(안드로메다)를 누가 더 빠르게 활용하느냐가 중요함 .
- 광고 소재를 다양한 관점에서 기획해 보기: 같은 제품을 다른 각도로 접근하는 것 .
- CBO 캠페인 적극 활용하기: 캠페인 예산 최적화를 켜고, 성과 나온 다양한 소재들을 묶어 여러 타겟에게 노출 시도하기 .