구글은 검색, 유튜브, 구글 플레이스토어, 디스플레이 네트워크(GDN) 등 거대한 생태계 전반에 걸쳐 유저를 촘촘하게 포획하는 매체입니다.

구글의 앱 캠페인(UAC, Universal App Campaign)은 세팅 자체가 매우 단순합니다. 하지만 그 '단순함' 때문에 마케터의 초기 설계(데이터 연동, 목표 설정, 애셋 구성)가 캠페인의 성패를 좌우하게 됩니다. 구글의 강력한 머신러닝이 엉뚱한 곳에서 예산을 낭비하지 않도록, 올바른 방향을 지시하는 세팅 가이드를 살펴보겠습니다.

1. 첫 단추: 에어브릿지(Airbridge)와 구글 애즈(Google Ads) 연결

가장 먼저 할 일은 에어브릿지에서 수집한 전환 데이터를 구글 애즈로 불러오는(Import) 것입니다.

• 계정 링크(Link ID): 에어브릿지 대시보드에서 발급받은 구글 애즈용 Link ID를 구글 애즈 계정 [연결된 계정] 메뉴에 입력하여 두 시스템을 연동합니다.

• 전환 액션 가져오기: 연동이 완료되면, 구글 애즈의 [전환] 메뉴에서 에어브릿지가 보내주는 인앱 이벤트(Install, Sign Up, Purchase 등)를 가져와서 구글의 '전환 목표'로 활성화합니다.

2. 캠페인 목표와 입찰 전략: '전환 극대화'로 머신러닝 길들이기

구글 앱 캠페인은 입찰 전략에 따라 크게 3가지로 나뉩니다. 우리의 목표는 단순한 유입(클릭 극대화)이 아니므로, 목적에 맞는 정확한 입찰 방식을 선택해야 합니다.

1. 설치수 중심 (tCPI - 타겟 설치당비용): 앱의 초기 볼륨을 키우고 싶을 때 사용합니다. 구글은 최대한 저렴한 단가로 앱을 설치할 사람을 찾아냅니다.

2. 설치수 고급 (tCPI 고급): 설치를 하되, 설치 후 특정 행동(예: 튜토리얼 완료)을 할 확률이 높은 사람에게 집중합니다.

3. 인앱 액션 중심 (tCPA - 타겟 전환당비용): 최종 캠페인 목표가 '전환 극대화(Maximize Conversions)'라면 선택해야 하는 방식입니다.

💡 실무 적용 예시: 만약 이민 컨설팅 서비스의 앱 캠페인을 세팅한다고 가정해 보겠습니다. 이민 상담이라는 고관여 서비스 특성상, 껍데기뿐인 단순 설치(tCPI) 백 개보다 진성 유저 한 명의 유입이 가치 있습니다. 따라서 구글 캠페인의 최종 목표를 에어브릿지에서 연동한 '자격 판정 테스트 완료'나 '상담 신청 완료'로 두고, 전환 극대화(tCPA)로 머신러닝을 학습시킬 수 있습니다.

3. 소재(Asset) 전략: 텍스트, 이미지, 영상의 완벽한 조화

구글 UAC는 마케터가 특정 지면에 "이 광고를 틀어주세요!"라고 지정할 수 없습니다. 대신 마케터가 텍스트, 이미지, 영상을 종류별로 듬뿍 넣어주면(Asset 업로드), 구글이 알아서 노출 지면(유튜브, 검색창, 배너 등)에 맞게 요리해서 보여줍니다.

• 텍스트 (최대 5개): 검색 지면에 노출될 때 중요합니다. "무료 이민 상담 신청", "1분 자격 판정" 등 직관적인 콜투액션(CTA)을 포함해야 합니다.

• 이미지 (최대 20개): 가로, 세로, 정사각형 비율을 골고루 채워 넣어야 디스플레이(GDN) 지면에서 빈틈없이 노출됩니다.

• 동영상 (최대 20개): 유튜브 지면을 장악하기 위한 핵심입니다. 특히 숏폼 트렌드에 맞춰 '세로형(Shorts 비율)' 영상을 반드시 포함하는 것이 단가를 낮추는 핵심 꿀팁입니다.

4. 라이브 직후의 절대 원칙: "건드리지 마시오!"

구글 UAC를 시작하는 주니어 마케터들이 가장 많이 하는 실수가 런칭 후 2~3일 만에 "단가가 너무 비싸요!"라며 예산이나 입찰가(tCPA/tCPI)를 수정하는 것입니다.

구글의 머신러닝은 데이터를 탐색하고 최적의 유저를 찾아내는 데 최소 7일에서 14일의 '학습 기간(Learning Phase)'이 필요합니다. 이 기간에는 단가가 튀더라도 꾹 참고 기다려야 합니다. 잦은 수정은 학습을 처음부터 다시 시작하게 만들어 오히려 예산만 더 낭비하는 결과를 초래합니다.

6편을 통해 구글의 방대한 지면을 전환 극대화라는 하나의 목표로 조준하는 방법을 알아보았습니다. 에어브릿지를 중심에 두고 메타와 구글 캠페인이 동시에 돌아가기 시작하면, 유저들은 여러분의 앱을 피할 수 없을 것입니다.

이제 대장정의 마지막, [7편: 데이터가 쌓인 후의 최적화: 리포트 분석과 트러블슈팅]만이 남았습니다. 라이브 후 에어브릿지 대시보드를 보며 진짜 성과를 분석하고, 실무에서 마주하는 데이터 오차(Discrepancy)를 해결하는 비법으로 시리즈를 마무리하겠습니다.