타겟 최적화, 머신러닝으로 숨겨진 ‘진성 유저’를 발굴하는 기술

마케터의 직관이나 수동 설정의 한계를 넘어, 머신러닝 기술로 캠페인 효율을 자동화하는 핵심 전략이 바로 타겟 최적화입니다. 타겟 최적화의 정확한 의미와 작동 원리, 그리고 토스애즈의 고도화된 타겟 최적화를 통해 CPA를 획기적으로 절감한 실무 사례까지 핵심만 담아 정리했습니다.

타겟 최적화 뜻

타겟 최적화(Target Optimization)란 머신러닝 기술을 활용해 전환 가능성이 높은 잠재고객을 자동으로 탐색하고 광고를 노출하는 기능을 의미합니다. 수동으로 설정한 인구통계학적 조건이나 관심사 세그먼트에 국한되지 않고, 실시간 전환 데이터를 기반으로 구매 및 전환 확률이 가장 높은 유저를 머신러닝이 직접 판별합니다. 타겟 최적화는 한정된 예산 내에서 ROAS(광고 수익률)을 극대화하고 운영 리소스를 최소화하는 성과형 마케팅의 핵심 전략입니다.

마케팅에서 타겟 최적화가 중요한 이유

타겟 최적화를 통해서는 비용 효율성 확보와 타겟 확장이라는 두 가지 마케팅 목표를 동시에 달성할 수 있습니다. 과거의 타겟팅이 직관과 가설에 의존했다면, 최적화 기술은 데이터 기반의 연산을 통해 실질적인 구매 행동을 예측합니다. 따라서 마케터는 타겟 최적화 전략을 활용해 세밀한 세팅에 들이는 시간을 줄이고 소재 기획과 크리에이티브 전략에 더 집중할 수 있습니다.

토스애즈 타겟 최적화 전략

토스애즈의 타겟 최적화 기능, 무엇이 좋은가요?

토스애즈의 타겟 최적화 기능은 기존 캠페인의 전환 데이터를 기반으로 LAL(Lookalike) 모델을 학습해 전환 고객과 유사한 고객을 자동으로 찾아 타겟팅합니다. 타겟 최적화 기능 적용 시 다음과 같은 효과를 기대할 수 있어요.

• 효율적 예산 소진, CPA 및 ROAS 성과 극대화: 전환 가능성이 높은 유저는 자동으로 찾고, 기전환자 등 불필요한 대상은 디타겟팅으로 제외해 예산 낭비 없이 마케팅 성과를 최적화합니다.
• 유연한 타겟 조정과 운영 리소스 절감: 복잡한 세그먼트 탐색은 머신러닝에 맡기고 최소한의 타겟 조건(포함·제외 등)만 직접 통제하여 캠페인 관리 효율과 목적 달성을 동시에 충족할 수 있습니다.
• 지속적인 성과 개선: 넓게 설정된 타겟 모수를 바탕으로, 캠페인이 진행될수록 LAL 모델의 학습 데이터가 누적되어 타겟팅 정밀도가 점진적으로 고도화됩니다.

타겟 최적화 성과를 극대화하는 실무 활용 팁

• 디타겟팅(De-targeting) 중심의 넓은 모수 설정: '내 타겟 가져오기' 기능에서 디타겟팅을 적용해 광고 노출 제외 대상을 설정하면 예산 낭비를 방지할 수 있습니다. 머신러닝은 탐색 풀이 방대할수록 고효율 유저를 정교하게 판별하므로, 타겟 범위를 제한하지 않고 최대한 넓게 유지하면서 디타겟팅 중심으로 타겟 최적화 기능을 활용하는 것이 유리합니다.
• 계정 단위의 타겟 데이터 생성: 타겟은 개별 캠페인이 아닌 광고 계정 단위로 생성하여 관리하는 것을 권장합니다. 최적화 모델이 유저 패턴을 정확하게 파악하려면 풍부한 학습 데이터가 필수적이므로, 계정 전체에 누적된 전환 시드(Seed)를 통합 활용해야 학습 속도와 품질을 높일 수 있습니다.
• 성과형 자동입찰 방식과의 결합: 캠페인 세팅 시 입찰 전략을 '전환 최대화' 또는 'tCPA' 방식으로 설정하는 것이 좋습니다. 타겟 최적화 모델이 전환 가능성이 높은 잠재고객을 발굴하면, 자동입찰 알고리즘이 해당 유저의 전환 가치에 맞추어 유동적으로 입찰가를 조절하며 성과 시너지를 창출해요.

토스애즈는 어떻게 타겟 최적화로 리드 수집 단가를 62%나 절감했나요?

인테리어 시공 서비스를 제공하는 '오늘의집'은 토스애즈의 타겟 최적화와 자동입찰 전환 최대화 기능을 함께 적용해 잠재고객 확보 비용을 획기적으로 낮췄습니다.

토스 퍼스트파티 데이터 기반 타겟팅으로 초기 성과를 확보한 후에는 타겟 최적화를 통해 전환 가능성이 높은 잠재고객을 자동으로 탐색해 나갔습니다. 이를 통해 오늘의집은 인테리어 상담·견적 신청 확률이 높은 고객 중심으로 타겟팅 모수를 확장하고, 동시에 CPA도 기존의 수동 타겟팅 대비 29%를 절감할 수 있었습니다.

이후 잠재고객 확보량 자체를 더욱 극대화하기 위해 토스애즈와 오늘의집은 입찰 방식을 머신러닝이 자동으로 입찰가를 조정해 주는 ‘전환 최대화 자동입찰’ 방식으로 변경했습니다. 타겟 최적화와 전환 최대화 자동입찰을 함께 적용함으로써, 전환 가능성이 높은 유저에게는 더 강하게 입찰하고 낮은 유저에게는 비용을 줄이는 효율적 집행이 가능해졌는데요.

이러한 전략을 통해 CPA는 추가 개선되어 총 62% 절감되었으며, 일 예산을 점차 확대해도 안정적으로 소진될 만큼 잠재고객 확보량 역시 크게 증가할 수 있었습니다. '누구에게(타겟팅)'와 '얼마에(입찰)'를 모두 자동화함으로써 리드의 품질과 볼륨을 동시에 확보하는 데 성공한 것입니다.

토스애즈 오늘의집 캠페인 성공 사례 읽어보기 >

타겟 최적화는 직관을 넘어 데이터로 성과를 증명하는 기술입니다

타겟 최적화는 단순한 기능적 편의를 넘어, 데이터 머신러닝을 통해 마케팅 성과의 한계를 돌파하는 필수 전략입니다. 정교한 알고리즘이 전환 가치가 높은 유저를 찾아내고, 이는 광고비 누수를 막아 캠페인의 실질적인 이익을 창출하죠. 특히 토스애즈와 같이 결제데이터가 풍부한 플랫폼에서의 타겟 최적화는 더욱 강력한 퍼포먼스 개선 효과를 기대할 수 있습니다.