
퍼포먼스 맥스에 '근처 고객 최적화'가 붙는다 — 단, 머천트 센터와 함께 못 쓴다
구글이 퍼포먼스 맥스 매장 목표 캠페인에 Local customer optimization을 추가했다. 지도·웨이즈·로컬 검색에서 근처 고객을 우선하는 기능과 머천트 센터 제약을 정리했다.

대부분의 광고 계정은 타겟 ROAS(목표 광고비 대비 매출) 와 타겟 CPA(목표 전환당 비용) 를 검증 없이 그대로 물려받아 사용한다. 너무 공격적으로 설정하면 물량이 막히고, 너무 느슨하면 수익을 깎아먹는다. 핵심은 타겟 ROAS가 최적화 설정이 아니라 경영 판단이라는 점이다.
가장 먼저 계산해야 할 것은 최소한으로 받아들일 수 있는 손익분기 타겟이다. 공식은 다음과 같다.
여기서 반품·배송비·수수료를 반영한 실질 이익률을 써야 한다. 총이익률이 40%라도 반품률이 25%라면 실질 이익률은 약 30%로 낮아지고, 손익분기 ROAS도 250%에서 333%로 크게 달라진다.
이익 중 얼마를 고객 획득에 재투자할지를 정하는 '획득 비중(acquisition share, PAR)' 개념이 필요하다.
예를 들어 이익률 40%, 획득 비중 50%라면 타겟 ROAS는 500%가 된다. 이 숫자를 정하는 대화가 바로 "계정에서 아무도 논의하지 않는, 가장 중요한 숫자"라고 저자는 지적한다. 조지 미치(George Michie)의 연구에 따르면 획득 비중은 50~70% 범위가 적정하며, 60~70% 구간에서 이익이 극대화되는 경우가 많다.
원하는 타겟이 실제 경매 환경에서 달성 가능한지 검증해야 한다.
목표가 500% ROAS인데 실제 달성 가능한 수치가 300%라면, 그 격차는 전환율 개선·CPC 절감·평균 주문 금액 상승 중 무엇이 필요한지 알려주는 신호다.
구글 애즈 입찰 시뮬레이터로 한계 수익이 손익분기 아래로 떨어지는 지점을 찾는다. 시뮬레이터의 각 구간에서 '추가 전환 가치 ÷ 추가 지출'로 한계 ROAS를 계산해, 손익분기 이하로 내려가면 조이고 훨씬 위에 있다면 예산을 더 태울 여지가 있는 것이다.
타겟은 연 1회 재무 담당자와 함께 재검토하되, 입찰 시뮬레이터 점검은 매주 하는 것이 바람직하다. 특히 리드-구매 전환율이 절반으로 떨어지면 타겟 CPA도 절반으로 낮아진다는 점은, 영업팀의 성과가 광고 타겟을 그대로 제약한다는 뜻이다. 네이버·카카오 등 국내 매체의 자동 입찰 상품에서도 동일한 원리가 적용되므로, 네이버 AI 브리핑 광고처럼 자동 확장형 광고가 늘어날수록 손익분기 기반의 타겟 재점검이 더 중요해진다. 계정 진단이 필요하면 베스트파트너 서비스에서 상담할 수 있다.
손익분기 ROAS = 1 ÷ 이익률입니다. 이때 반품·배송비·수수료를 반영한 실질 이익률을 사용해야 하며, 총이익률 40%에 반품률 25%라면 실질 이익률은 약 30%로 낮아져 손익분기 ROAS도 달라집니다.
이익 중 얼마를 고객 획득(광고비)에 재투자할지를 나타내는 비율입니다. 연구에 따르면 50~70% 범위가 적정하며, 60~70% 구간에서 이익이 극대화되는 경우가 많습니다.
달성 가능 ROAS = (전환율 × 평균 주문 금액) ÷ CPC 공식으로 실제 경매 환경에서 달성 가능한 수치를 계산해, 원하는 타겟과의 격차를 통해 전환율·CPC·주문 금액 중 무엇을 개선해야 할지 파악할 수 있습니다.
타겟 자체는 연 1회 재무 담당자와 함께 재검토하는 것이 권장되며, 입찰 시뮬레이터를 활용한 세부 점검은 매주 진행하는 것이 바람직합니다.
기사에서 본 내용을 우리 사이트에 대입해 보고 싶다면, 무료 진단으로 현재 상태부터 확인해 보세요.
영업일 기준 24시간 안에 담당자가 직접 답변드립니다.

구글이 퍼포먼스 맥스 매장 목표 캠페인에 Local customer optimization을 추가했다. 지도·웨이즈·로컬 검색에서 근처 고객을 우선하는 기능과 머천트 센터 제약을 정리했다.

구글이 데이터 매니저 API에 RemoveAllAudienceMembers, 필드 단위 인제스천 경고, 주소 데이터 확장을 추가했다. 고객 매칭 리스트 관리가 어떻게 달라지는지 정리했다.

검색어는 사람이 무엇을 쳤는지 보여주고, 그라운딩 쿼리는 AI가 무엇을 찾아봤는지 보여준다. 클릭 이전의 영향을 읽는 AI 가시성 지표 3종의 활용법.