메타 광고 예산, CBO로 돌려야 할까 ABO로 나눠야 할까 — 쇼핑몰 매출 올리는 구조 선택법

같은 광고비, 예산 구조만 바꿔도 매출이 달라지는 이유

메타 광고를 운영하는 쇼핑몰 광고주 대부분은 "얼마를 쓸까"에만 집중한다.

그런데 실제 현장에서 ROAS를 가르는 결정적 차이는 예산의 크기가 아니라 예산을 어떤 구조로 운영하느냐다.

메타 광고는 예산을 설정하는 위치에 따라 크게 두 가지 방식으로 나뉜다.

캠페인 레벨에서 총예산을 설정하고 메타 알고리즘이 광고 세트별로 알아서 배분하는 CBO(Campaign Budget Optimization, 캠페인 예산 최적화)와, 광고주가 광고 세트 각각에 예산을 직접 지정하는 ABO(Ad Set Budget Optimization, 광고 세트 예산 최적화)다.

어떤 방식을 선택하느냐에 따라 같은 월 300만 원 예산도 매출로 이어지는 효율이 완전히 달라진다.

이 글에서는 두 구조의 작동 원리를 실제 광고 운영 관점에서 비교하고, 어떤 쇼핑몰이 어떤 구조를 언제 선택해야 하는지 명확한 기준을 제시한다.

CBO의 작동 원리 — 메타 알고리즘은 어떻게 예산을 나누나

CBO를 켜면 예산 배분 권한이 메타 알고리즘으로 넘어간다.

메타는 각 광고 세트의 실시간 성과, 경매 경쟁 강도, 예상 전환율을 분석해 가장 효율이 좋을 것으로 판단되는 세트에 예산을 더 많이 몰아준다.

이론적으로는 납득이 간다. 잘 되는 세트에 더 쓰고, 안 되는 세트는 자동으로 줄이니까.

하지만 현장에서는 이 자동 배분이 반드시 광고주의 의도와 일치하지 않는다.

CBO 예산 배분 흐름

캠페인 총예산 설정 (예: 일 10만 원)

↓ 메타 알고리즘 실시간 최적화

광고 세트 A
7만 원 배분
성과 좋음

광고 세트 B
2만 원 배분
성과 보통

광고 세트 C
1만 원 배분
소외됨

알고리즘이 초반 성과를 기준으로 배분하기 때문에 신규 세트가 학습 기회를 잃을 수 있다.

초반 학습 단계에서 한두 번 성과가 좋았던 세트에 예산이 쏠리고, 잠재력이 있지만 아직 데이터가 부족한 세트는 학습 기회조차 얻지 못하고 소외되는 일이 빈번하다.

특히 새로운 타겟 세그먼트를 테스트하거나 신규 소재를 검증할 때 CBO를 쓰면, 검증도 되기 전에 예산이 기존 세트로만 몰려버리는 현상이 발생한다.

CBO에서 광고 세트 최소 예산(Minimum Spend) 설정을 빠뜨리면 특정 세트가 하루에 1~2천 원도 못 쓰고 끝나는 경우가 생긴다.

CBO를 쓴다면 각 광고 세트에 반드시 일 최소 지출 금액을 설정해서 알고리즘이 특정 세트를 완전히 굶기는 상황을 막아야 한다.

CBO가 진가를 발휘하는 상황은 검증된 오디언스 세트가 여러 개 있고, 예산 규모가 어느 정도 되어 알고리즘이 충분히 학습할 수 있을 때다.

ABO가 더 유리한 3가지 상황

ABO는 광고주가 각 광고 세트의 예산을 직접 통제한다.

세트 A에 3만 원, 세트 B에 3만 원, 세트 C에 4만 원처럼 명확하게 배분하기 때문에 어떤 세트가 얼마를 쓰고 어떤 성과를 냈는지 정확히 비교할 수 있다.

ABO가 CBO보다 확실히 유리한 상황이 세 가지 있다.

첫 번째는 새로운 타겟 오디언스를 테스트할 때다.

신규 오디언스 세그먼트에 충분한 예산을 보장해야 의미 있는 데이터가 나온다.

CBO로 테스트를 돌리면 메타가 기존 성과 좋은 세트에만 예산을 몰아줘서 신규 오디언스 검증 자체가 되지 않는 경우가 많다.

새로운 오디언스를 테스트할 때는 ABO로 세트별 예산을 직접 잡고 최소 7일 이상 동일 예산으로 돌려야 한다.

두 번째는 일 광고비가 20만 원 미만인 소규모 운영 단계다.

예산이 적을수록 알고리즘이 최적화할 여지가 좁다.

소규모에서 CBO를 쓰면 학습이 불안정해지고 특정 세트로 예산이 과도하게 쏠리는 현상이 심해진다.

일 총 광고비가 20만 원 이하라면 ABO로 각 세트에 균등하게 예산을 배분하고 직접 성과를 비교하는 게 낫다.

세 번째는 특정 세트에 반드시 일정 예산 이상을 써야 하는 경우다.

신상품 출시 캠페인이나 한정 기간 프로모션처럼 특정 제품에 집중 노출이 필요한 상황에서 CBO를 쓰면 알고리즘이 기존 베스트셀러 세트에 예산을 몰아버린다.

이럴 땐 ABO로 신제품 세트 예산을 고정하는 게 더 확실한 방법이다.

비교 항목	CBO	ABO
예산 배분 주체	메타 알고리즘	광고주 직접 설정
최적화 속도	빠름	느림 (수동 조정 필요)
신규 타겟 테스트	불리 (예산 소외 위험)	유리 (예산 보장)
스케일업 효율	유리 (자동 조정)	한계 (세트별 수동 조정)
소규모 운영 (일 20만 원 미만)	비추천	추천
성과 분석 명확성	낮음 (배분이 가변)	높음 (세트별 비용 고정)
관리 부담	낮음	높음

쇼핑몰 상황별 예산 구조 선택 기준

어떤 구조가 무조건 낫다는 정답은 없다.

쇼핑몰의 운영 단계, 일 예산 규모, 현재 목표에 따라 최적의 선택이 달라진다.

아래 의사결정 기준표를 보고 지금 상황에 맞는 구조를 선택하자.

현재 상황	추천 구조	선택 이유
일 광고비 20만 원 미만, 초기 운영	ABO	알고리즘 학습에 충분한 데이터 없음, 직접 통제가 더 안정적
일 광고비 20~100만 원, 검증된 세트 운영 중	CBO	알고리즘이 성과 좋은 세트에 자동 배분, 스케일업에 유리
신규 타겟 또는 신규 소재 테스트 중	ABO (별도 캠페인)	신규 세트에 예산 보장 필요, CBO는 기존 세트로 쏠림
일 광고비 100만 원 이상, 스케일업 단계	CBO	대규모 예산에서 자동 최적화 효과가 가장 크게 나타남
신상품 출시, 특정 세트 예산 고정 필요	ABO	세트별 예산 통제가 우선, 알고리즘에 맡기면 의도대로 안 됨
검증된 상시 캠페인, 관리 부담 줄이고 싶을 때	CBO	알고리즘이 실시간 최적화, 광고주 개입 최소화 가능

테스트 캠페인과 스케일 캠페인을 같은 구조로 운영하지 않는 게 핵심이다.

테스트는 ABO로, 검증 후 스케일업은 CBO로 가져가는 흐름이 가장 안정적이다.

스케일업할 때 가장 많이 하는 예산 실수

매출이 오르면서 광고비를 늘릴 때 예산 구조 실수로 ROAS가 급락하는 경우가 많다.

세 가지 실수가 반복해서 나온다.

첫 번째 실수는 CBO 예산을 한 번에 2배 이상 올리는 것이다.

메타는 예산 변화폭이 크면 학습 단계가 리셋된다.

일 10만 원에서 갑자기 30만 원으로 올리면 알고리즘이 새로운 배분 패턴을 찾기 위해 처음부터 학습을 다시 시작한다.

예산을 올릴 때는 기존 금액의 20~30% 이내로 단계적으로 올리는 것이 원칙이다.

10만 원 → 13만 원 → 17만 원 → 22만 원 순으로 조금씩 올리면서 성과를 확인한다.

두 번째 실수는 성과 좋은 캠페인을 복사해서 새 캠페인으로 만드는 것이다.

기존 캠페인에는 수십만 건의 학습 데이터와 신호가 쌓여 있다.

복사본은 그 데이터가 없는 새 캠페인이라 처음부터 학습을 다시 해야 한다.

스케일업은 기존 캠페인에서 예산을 올리는 방식이 원칙이다.

세 번째 실수는 ABO로 테스트한 세트를 그대로 CBO 캠페인에 묶는 것이다.

ABO에서 각각 5만 원씩 쓰던 세트 5개를 CBO 하나로 합치면, 처음에는 특정 세트로 예산이 쏠리면서 다른 세트가 소외된다.

합칠 때는 최소 지출 설정을 각 세트에 적용하고, 1~2주간 성과를 모니터링해야 한다.

스케일업 전 안전 점검 체크리스트

✅ 예산 인상폭을 기존 대비 20~30% 이내로 유지했는가

✅ 학습 단계 중(주간 전환 50건 미만)에 예산을 올리지 않았는가

✅ 복사 캠페인이 아닌 기존 캠페인에서 예산을 인상했는가

✅ CBO로 전환 시 각 광고 세트에 최소 지출 설정을 추가했는가

✅ 예산 인상 후 3~5일간 성과 추이를 모니터링했는가

✅ 테스트 세트와 검증된 세트를 같은 CBO 캠페인에 혼합하지 않았는가

오늘 당장 점검해볼 설정 순서

지금 운영 중인 캠페인이 CBO인지 ABO인지 확인하고, 현재 상황에 맞는 구조인지 점검해보자.

1단계 — 현재 일 광고비 확인

일 광고비가 20만 원 미만이라면 ABO 전환을 검토한다.

각 광고 세트에 균등하게 예산을 배분하고 최소 7일간 데이터를 모은다.

2단계 — 테스트 중인 세트가 있는지 확인

신규 오디언스나 신규 소재를 테스트하는 세트가 CBO 캠페인 안에 포함되어 있다면 ABO 별도 캠페인으로 분리한다.

테스트 세트는 독립된 ABO 캠페인으로 운영해서 충분한 예산과 노출을 보장해야 한다.

3단계 — CBO 캠페인의 광고 세트별 지출 확인

CBO 캠페인을 쓰고 있다면 각 광고 세트가 실제로 얼마를 쓰고 있는지 확인한다.

하루 총 예산 대비 10% 미만으로 지출되는 세트가 있다면 알고리즘에게 소외되고 있는 것이다.

해당 세트에 최소 지출 설정을 추가하거나 ABO로 분리해서 별도로 테스트해야 한다.

4단계 — 스케일업 계획 확인

앞으로 예산을 늘릴 계획이라면 현재 주간 전환 수를 먼저 확인한다.

주간 전환이 50건 미만이라면 학습이 충분히 쌓이지 않은 상태다.

이 상태에서 예산을 크게 올리면 학습이 리셋되어 성과가 일시적으로 떨어질 수 있다.

예산 구조 하나를 바꾸는 것만으로도 같은 광고비에서 더 많은 매출을 뽑을 수 있다.

광고비를 줄이지 않아도, 소재를 새로 만들지 않아도 구조 조정만으로 ROAS가 달라지는 이유가 바로 여기에 있다.

CBO와 ABO 중 어떤 구조가 더 낫냐는 질문에는 답이 없다. 지금 어떤 단계에 있느냐가 답이다.

테스트 중이라면 ABO로 데이터를 모으고, 검증이 끝났다면 CBO로 효율을 극대화하는 두 단계 전략이 가장 실용적이다.

지금 바로 광고 관리자에서 캠페인 구조를 확인하고, 위 기준표에 맞는 구조로 조정해보자.