구글 광고의 예산 구조를 먼저 이해하실 필요가 있습니다.
구글은 광고를 일 단위로 엄격하게 관리하지 않습니다.

일예산을 설정하시더라도 실제 집행은 월 평균 기준으로 이루어집니다.
전환 가능성이 높다고 판단되는 날에는 일예산보다 더 많은 금액이 집행될 수 있고,

반대로 효율이 낮은 날에는 집행이 줄어들기도 합니다.

이러한 방식은 오류가 아니라
머신러닝이 전체 기간 기준으로 성과를 최적화하기 위해 설계된 구조입니다.

입찰전략이 제대로 작동하기 위해서는
반드시 충분한 전환 데이터가 전제되어야 합니다.

스마트 입찰은 과거 전환 데이터를 기반으로 패턴을 학습합니다.

전환 수가 부족한 상태에서는
최적화가 아닌 추정에 가까운 판단을 하게 되며,
이 상황에서 목표 CPA나 목표 ROAS를 설정하시면
노출이 제한되는 결과로 이어지기 쉽습니다.

따라서 초기 단계의 캠페인이나 전환 볼륨이 적은 계정에서는

성과를 조절하려는 입찰전략보다
데이터를 수집하는 목적의 입찰전략이 더 적합합니다.

수동 CPC나 전환수 최대화 전략은 머신러닝이 학습할 수 있는 기반을 만드는 데 효과적입니다.

결국 구글 입찰전략의 핵심은 "비용을 통제하는 것"이 아니라

머신러닝이 올바르게 학습할 수 있는 환경을 만드는 데 있습니다.

예산은 학습의 속도를 결정하고,
입찰전략은 학습의 방향을 정하며,
전환 데이터는 그 학습을 가능하게 하는 연료 역할을 합니다.

이 세 가지가 맞지 않으면

어떤 입찰전략을 사용하시더라도 안정적인 성과를 기대하시기 어렵습니다!

반대로 캠페인의 단계와 목적에 맞는 입찰전략을 선택하신다면
성과는 숫자가 아니라 구조에서 만들어지게 됩니다.