최대한 정확하고 많은 데이터를 제공

머신러닝이 캠페인 목표에 근접하는 방법을 학습하고 실험하는 과정에서 많은 데이터와 시간이 요구됩니다. 특히 초기단계에서는 전환 데이터와 광고 실적이 부족하기 때문에 더욱 더 충분한 기회를 부여하도록 인내할 필요가 있습니다.

실적이 기대에 못 미친다고 해서 주요 설정을 지나치게 자주 변경하는 것은 학습과정에 혼란을 야기해서 최적화 기간을 연장하는 결과를 가져옵니다.

구글과 페이스북 모두 학습 과정의 안정적인 환경을 강조합니다.

“너무 잦은 변경은 자제하세요. 안정적인 목표가 안정적인 실적으로 이어집니다. 알고리즘이 급격한 변화에 적응하려면 시간이 필요합니다. 이 조정 기간 동안 초조한 마음에 항목을 자주 변경하면 혼란만 가중될 수 있습니다”

<출처 : 구글 권장사항 – 자동 입찰 개선>

“영향이 큰 변경 사항을 적용하여 머신 러닝 단계가 재설정될 경우 게재를 안정화하기 위해 50개의 최적화 이벤트가 추가로 발생해야 합니다.”

<출처 : 페이스북 – 머신러닝단계>

실적의 최적화 혹은 안정화가 이뤄진 후에는 더욱 효과적인 운영을 위해 다양한 요소들을 실험하고 선택해야 할 것입니다. 하지만 학습 기간 중간에는 애드워즈의 실험과 분석이 일관된 조건하에 수행 되도록 유지해 주는 것이 좋습니다.