월 광고비 300만 원짜리 밀키트 브랜드가 ASC를 켰다고 가정해 봅시다. 첫 3일 동안 지출 속도는 빠른데 구매 전환은 0건. 광고 관리자 대시보드를 열어보면 노출 수는 수십만인데 CTR은 0.5%에 머뭅니다.
이 상황의 원인은 타겟 설정이 아닙니다. ASC는 광고주가 연령·관심사를 직접 지정하는 구조가 아닙니다. AI가 소재를 분석해 반응할 것 같은 사람을 직접 찾아다니는 구조입니다.
문제는 소재가 모호하면 AI도 방향을 잡지 못한다는 점입니다. "맛있는 저칼로리 밀키트"라는 카피는 AI 입장에서 너무 넓습니다. 다이어터도, 요리 초보도, 단순 구경꾼도 전부 잠재 대상이 됩니다. 결국 AI는 구매 의사가 희박한 사람들에게 탐색 예산을 쏟아붓고, 저예산 소상공인의 월 광고비는 학습 비용으로 사라집니다.
"소재 안에 필터링 코드를 심는다"는 것은, 카피와 첫 화면 이미지 자체가 '이 광고는 당신 것이 맞다 / 아니다'를 0.3초 안에 선별하게 만드는 기획입니다.
메타의 안드로메다(Andromeda)·래티스(Lattice) 딥러닝 엔진은 광고 텍스트, 이미지 내 OCR, 영상 자막, 오디오까지 직접 분석해 타겟 매칭을 수행합니다. 소재 메시지가 뾰족할수록 AI의 타겟 매칭 정확도가 올라가는 구조입니다. 즉, 카피가 필터 역할을 해줘야 AI도 올바른 방향으로 학습할 수 있습니다.
아래 항목 중 두 개 이상 해당되면, 현재 소재가 AI의 무방향 탐색을 부추기고 있을 가능성이 높습니다.
필터링 코드의 핵심 공식은 단순합니다.
[구체적 대상 지칭] + [지금 겪는 페인 포인트] + [우리 제품이 해결하는 방식]
이 구조가 작동하는 이유는 대상을 좁히면 관련 없는 사람은 자연스럽게 스킵하고, 해당되는 사람은 "나 얘기잖아"라는 반응으로 멈추기 때문입니다. 5초 이상 멈추면 메타의 '인게이지드 뷰' 기여 신호로 잡히고, 이것이 AI에게 "이런 사람이 우리 고객"이라는 학습 데이터가 됩니다.
AS-IS (필터링 없음): "간편하고 맛있는 저칼로리 밀키트, 지금 주문하세요."
TO-BE (필터링 코드 삽입): "식단 관리 중인데 주말마다 떡볶이 참다가 폭발하는 분들만 보세요. 죄책감 없이 먹는 140kcal 로제 떡볶이 밀키트."
→ 다이어트 중인 사람이 아니면 자동으로 스킵합니다. 다이어트 중이고 떡볶이를 참아본 경험이 있는 사람은 첫 문장에서 멈춥니다.
AS-IS: "합리적인 가격의 든든한 한식 쌈밥 전문점"
TO-BE: "신도림역 5번 출구 직장인 주목. 점심 메뉴 고르다 12시 20분 되는 분들 위한 8,000원 쌈밥 세트, 대기 줄 없이 바로 착석 가능."
→ 신도림 근처 직장인이 아니면 스킵합니다. 해당 지역 직장인은 "나 얘기잖아"라는 반응과 함께 클릭 확률이 올라갑니다. 지역 기반 오프라인 F&B는 이 패턴이 특히 효과적입니다.
AS-IS: "건강한 재료로 만든 글루텐프리 베이커리"
TO-BE: "밀가루 먹으면 속 더부룩해서 빵 끊었던 빵순이들, 이거 아직 모르세요? 밀가루 한 톨 없는데 크루아상 결이 나오는 쌀빵."
→ 글루텐 민감자가 아닌 일반 소비자는 스킵합니다. 글루텐 민감 경험이 있는 사람은 "나 얘기잖아"로 반응합니다. 관련 없는 클릭이 줄어드니 전환율이 자연스럽게 올라갑니다.
2026년 현재 메타 릴스의 인게이지드 뷰 판정 기준은 5초입니다. 기존 10초에서 단축되었습니다. 즉, 유저가 5초 이상 영상을 시청하면 메타 AI는 이를 강력한 구매 의사 신호로 해석합니다.
저예산 F&B 소재는 세련된 브랜드 필름보다 스마트폰으로 찍은 듯한 UGC(User Generated Content) 스타일 숏폼이 압도적으로 유리합니다. 실제 소비자가 먹는 장면, 생생한 ASMR 소리, 자연광 아래 음식 연출 샷이 알고리즘 친화적입니다.
영상 소재 구성 순서:
자막은 반드시 상단 또는 중앙에 배치하세요. 하단 자막은 릴스 UI의 좋아요·댓글 버튼에 가려져 필터링 효과가 반감됩니다.
소재 기획이 완성되어도 캠페인 세팅이 잘못되면 예산이 새는 구멍이 생깁니다.
ASC는 기본값으로 '이미 우리 브랜드를 알고 있는 사람(페이지 방문자, 기존 구매자)'에게 광고비를 집중시키는 경향이 있습니다. 이러면 ROAS 수치는 높아 보이지만 실제로는 리타겟팅에 예산을 낭비하는 구조입니다.
ASC 캠페인 내 '기존 고객 예산 한도(Existing Customer Budget Cap)'를 10% 이내로 설정하면 예산의 90% 이상이 신규 고객 발굴에 투입됩니다. 계정 모수가 건강하게 성장하고, 필터링 카피가 만들어낸 신규 고품질 전환 신호가 AI 학습에 제대로 반영됩니다.
수동 캠페인(ABO)에서 성과가 검증된 소재를 ASC로 옮길 때 새 소재를 만들지 마세요. '기존 게시물 사용' 기능으로 포스트 ID를 그대로 연동해야 그동안 쌓인 댓글·좋아요 등 사회적 증거가 유지됩니다. 사회적 증거는 CPM을 낮추고 신뢰도를 높이는 실질적인 자산입니다.
픽셀 내 구매 데이터가 주당 50건 미만인 상태에서 ASC를 바로 켜면 머신러닝이 방향을 잡지 못합니다. 이 경우 다음 순서를 지켜야 예산 낭비를 막을 수 있습니다.
또한 전환 API(CAPI)를 반드시 연동하세요. 브라우저 픽셀만 사용하면 제3자 쿠키 제한으로 학습 효율이 30% 이상 저하됩니다. 메타 공식 데이터에 따르면 CAPI를 적용한 광고주는 CPA가 평균 41% 감소하는 효과를 얻었습니다.
Q1. 카피에 지역명이나 특정 직군을 넣으면 노출 모수가 너무 줄어드는 것 아닌가요?
ASC는 광고주가 직접 노출 범위를 제한하는 구조가 아닙니다. 카피 안의 지역명은 AI가 '이런 맥락에 반응하는 사람'을 찾는 신호로 활용됩니다. 실제 노출 대상은 메타 전체 사용자 풀에서 AI가 선별하므로, 카피에 지역명을 넣어도 노출 모수 자체가 줄어들지 않습니다. 오히려 클릭의 질이 올라갑니다.
Q2. 필터링 카피가 너무 좁으면 AI 학습 속도가 느려지지 않나요?
반대입니다. 모호한 카피는 구매 의사 없는 클릭을 섞어 AI에게 잘못된 신호를 줍니다. 뾰족한 카피는 클릭 수가 적더라도 전환율 높은 신호만 쌓이므로 AI가 더 빠르게 올바른 방향으로 학습합니다. 단, 소재 풀은 3~6개로 유지해 AI가 다양한 페르소나 신호를 수집할 수 있게 해주세요.
Q3. UGC 스타일 소재를 직접 만들기 어려운데 어떻게 해야 하나요?
스마트폰 세로 촬영, 자연광, 손 떨림이 약간 있는 영상이 오히려 플랫폼 친화적입니다. 과도하게 편집된 영상보다 날것의 느낌이 릴스 피드에서 광고처럼 보이지 않아 초반 노출 효율이 높습니다. 대표님이 직접 찍은 영상에 자막만 입혀도 충분한 소재가 됩니다.
Q4. ASC와 수동 캠페인을 동시에 돌려도 되나요?
가능합니다. 다만 동일 픽셀 계정에서 동시 운영 시 오디언스 중복으로 CPM이 상승할 수 있습니다. 일반적으로 수동 캠페인은 소재 테스트 목적으로만 소규모 예산을 배정하고, 검증된 소재는 ASC로 이관하는 방식이 효율적입니다.
Q5. 2026년 어트리뷰션 모델 변경이 성과 측정에 어떤 영향을 주나요?
2026년 상반기부터 단순 소셜 클릭(좋아요, 저장)이 광고 기여 대시보드에서 제외되고 '링크 클릭' 기준으로 통일되었습니다. 이전보다 ROAS 수치가 낮아 보일 수 있지만, 이는 거품이 빠진 것이지 실제 성과가 나빠진 것이 아닙니다. 필터링 카피로 클릭의 질을 높이면 이 변화가 오히려 유리하게 작용합니다.
월 500만 원 이하의 F&B 광고 예산에서 ASC의 AI 탐색 비용을 통제할 수 있는 유일한 수단은 소재 안에 있습니다. 타겟 설정 UI가 사라진 자리에서, 첫 한 줄 카피와 첫 화면 이미지가 실질적인 타겟 필터가 됩니다.
뾰족한 TPO와 페인 포인트를 카피에 직접 박아 넣는 것, 그것이 AI가 빠르게 실구매층을 학습하게 만드는 가장 실용적인 방법입니다.
소재 기획부터 ASC 세팅, CAPI 연동까지 어느 단계에서 막히고 있는지 진단이 필요하다면, 에이달(ADALL)에 프로젝트 문의를 남겨주세요. 실제 F&B 브랜드 운영 경험을 바탕으로 현재 계정 상태에 맞는 실무적인 방향을 안내해 드립니다.
📞 02-2664-8631 | ✉️ master@adall.co.kr
무료 컨설팅 받아보고 싶다면?
무료 컨설팅 신청하기