같은 광고 설정을 반복해도 기록된 메시지 비율은 달랐습니다

콜롬비아의 한 대학이 Facebook 광고 설정 16개를 반복했습니다. 결과는 비율 하나만으로 놓칠 수 있는 맥락을 보여줍니다.

2026년 5~6월 콜롬비아 한 대학의 모집 캠페인 광고 기록 384건을 분석한 Influence IQ 연구입니다.

요약

같은 광고 설정을 반복해도 보고된 결과는 달라질 수 있습니다. 콜롬비아 한 대학의 모집 캠페인에서 Facebook 광고 기록 384건을 분석했습니다. 설정 16개를 2026년 5~6월에 각각 24회 운영한 기록입니다. 각 설정 안에서 노출 1,000회당 기록된 대화 수의 비율로 광고를 정렬하고 6번째와 18번째 값을 비교했습니다. 16개 설정 중 12개에서 높은 값이 낮은 값의 2배 이상이었습니다. 설정별 두 값의 차이를 모은 중앙값은 노출 1,000회당 대화 0.60건이었습니다. 광고당 메시지 수가 적은 한 캠페인을 설명한 분석이며 다른 광고주의 기준치는 아닙니다. 비율과 함께 건수와 범위를 보고하면 이 차이를 더 잘 볼 수 있습니다.[1][2][3]

작은 팀이 고객에게 Facebook 광고 결과를 보낸다고 가정해 보겠습니다. 한 번 운영했을 때 대화 3건이 기록됐고, 같은 설정으로 다시 운영했을 때 6건이 기록됐습니다. 두 번째 건수는 첫 번째의 2배지만 차이를 설명하려면 노출 수, 보고 기간, 각 운영의 맥락도 알아야 합니다. 노출 규모가 다르면 비교 결과도 달라질 수 있습니다.

반복 운영에서도 다른 결과가 기록될 수 있습니다

마케터가 같은 광고 카드와 서로 다른 수의 메시지 말풍선을 비교하는 그림입니다.
개념을 보여주는 그림이며 말풍선은 연구의 실제 건수를 나타내지 않습니다.

반복한 광고에 같은 설정 사용하기

대학 모집 광고를 연구한 연구진이 콜롬비아 남서부에서 진행한 Facebook 캠페인의 광고별 기록을 공개했습니다. 캠페인에는 소재 버전과 대상 고객 설정으로 구분한 설정 16개가 있었습니다. 저자에 따르면 2026년 5월 14일부터 6월 6일까지 24일 동안 매일 설정당 광고 한 건씩 시작했습니다. 각 광고의 예산은 10,000콜롬비아 페소였습니다. 기록 384건은 광고주 한 곳과 캠페인 하나에 속하며 독립된 캠페인 384개가 아닙니다.[1][2]

각 설정에 속한 기록 24건 사이에서 보고된 결과가 얼마나 달랐는지 살펴봤습니다. 서로 다른 고객층이나 소재 버전을 비교하지 않고 논문의 설정별로 분리했습니다. 광고마다 기록된 시작 대화 수를 노출 수로 나누고 1,000을 곱했습니다. 노출은 광고가 한 번 표시된 것이며 한 사람이 여러 번 볼 수도 있습니다. 이 값은 노출 1,000회당 대화 수이지 한 사람이 메시지를 보낼 확률이 아닙니다.[1]

저자는 클릭 후 7일, 조회 후 1일의 기여 기간을 설정했고 각 광고가 끝난 다음 날 지표를 내보냈다고 밝혔습니다. 따라서 기록된 메시지는 클릭 후뿐 아니라 조회 후에도 광고에 기여한 것으로 집계될 수 있습니다. 다음 날 내보낸 결과는 7일 전체를 추적한 결과가 아닙니다. 데이터에는 각 기록의 정확한 시작 날짜가 없어 시간순 자료가 아닌 반복 운영 기록으로 설명합니다.[1][2]

각 설정의 중간 구간에도 범위가 있었습니다

각 설정의 비율 24개를 낮은 순서대로 정렬해 6번째와 18번째 값을 골랐습니다. 최근접 순위 방식의 하위 사분위수와 상위 사분위수입니다. 가장 극단적인 값은 비교에서 빼고 관찰된 비율의 중간 부분이 얼마나 퍼져 있는지 보여줍니다. 높은 값을 낮은 값으로 나눴습니다. 설정 16개 모두 하위 사분위수가 양수여서 모든 비율을 계산할 수 있었습니다.[3]

설정 16개 중 12개에서 상위 사분위수가 하위 사분위수의 2배 이상이었습니다. 설정별로 구한 비율 16개의 중앙값은 2.26배였습니다. 별도로 구한 상위와 하위 사분위수 차이 16개의 중앙값은 노출 1,000회당 기록된 대화 0.60건이었습니다. 두 값은 설정 전반의 서로 다른 계산을 요약한 것으로, 하나의 대표 설정에서 양 끝을 나타내는 값이 아닙니다.[3]

한 설정을 예로 들면 계산을 알 수 있습니다. 6번째 비율은 노출 3,559회에서 기록된 대화 1건으로 1,000회당 약 0.28건이었습니다. 18번째 비율은 노출 4,441회에서 대화 4건으로 1,000회당 약 0.90건이었습니다. 후자의 비율은 전자의 약 3.21배였습니다. 비율에 따라 정렬한 두 기록이며 반드시 연속된 날짜의 기록이나 미래 결과 예측은 아닙니다.[3]

광고당 기록된 대화 수의 중앙값은 4건이었습니다. 광고 10건은 대화가 0건이었고 설정 16개 중 8개에는 0건인 광고가 하나 이상 있었습니다. 사건 수가 적을 때 비율과 건수는 서로 다른 측면을 보여줍니다. 노출이 정확히 5,000회라면 기록된 대화가 1건 늘 때 비율은 1,000회당 0.20건 변합니다. 이 계산만으로 실제 광고 간 차이의 원인을 알 수는 없습니다.[2][3]

설정 16개의 메시지 비율 분산

설정 12개에서 상위 사분위수는 하위 사분위수의 2배 이상이었고 4개에서는 2배 미만이었습니다.

메시지 비율의 사분위수 비 분포
상위 사분위수 ÷ 하위 사분위수설정 수비중
2배 이상1275.0%
2배 미만425.0%
각 설정에서 노출 1,000회당 기록된 대화 비율 24개를 정렬하고 18번째 값을 6번째 값으로 나눴습니다. 각 설정은 한 번씩 반영됩니다. 2026년 5월 14일~6월 6일 콜롬비아의 한 대학 캠페인에 대한 Influence IQ 분석입니다.

더 넓은 클릭 상호작용은 다르게 변했습니다

출처에는 Meta의 「클릭(전체)」 지표도 있습니다. 링크 클릭뿐 아니라 반응, 공유, 이미지나 프로필 클릭 등의 상호작용을 포함하므로 링크 클릭보다 범위가 넓습니다. 광고별 노출 1,000회당 클릭 상호작용 수를 계산하고 메시지와 별도로 정렬해 각 설정 안에서 같은 비교를 반복했습니다.[1][3]

설정 16개의 하위 사분위수 대비 상위 사분위수 비율의 중앙값은 클릭(전체)이 1.15배, 기록된 대화가 2.26배였습니다. 클릭 상호작용 비율은 16개 모두 1.5배에 미치지 않았고 대화 비율은 16개 모두 1.5배 이상이었습니다. 사분위수 차이의 중앙값은 각각 노출 1,000회당 클릭 상호작용 13.84건과 기록된 대화 0.60건이었습니다. 대화는 상대적 분산이 더 컸지만 각 지표의 단위로 본 절대 차이는 더 작았습니다.[3]

두 지표는 정의와 건수가 다릅니다. 이 비교는 클릭이 기록된 메시지로 이어졌다는 것, 클릭 상호작용의 차이가 메시지를 일으켰다는 것, 또는 두 분자에 같은 사람이 포함됐다는 것을 보여주지 않습니다. 광고가 문의를 만들었는지 판단하려면 더 넓은 상호작용 건수와 함께 문의 지표도 확인해야 합니다.

지표별 상대적·절대적 분산

기록된 대화 비율의 상대적 분산이 더 컸으며 두 절대 차이는 서로 다른 결과 건수를 사용합니다.

두 지표의 사분위수 비율과 차이 중앙값
지표비율 중앙값(배)노출 1,000회당 차이의 중앙값
기록된 대화2.260.60
클릭 상호작용(전체)1.1513.84
각 설정과 지표의 18번째와 6번째 비율을 비교했습니다. 표는 설정 16개에 걸친 비율의 중앙값과 차이의 중앙값을 따로 보여줍니다. 두 중앙값이 반드시 같은 설정을 나타내는 것은 아닙니다. 클릭(전체)에는 링크 클릭 이외의 상호작용도 포함됩니다.

비율 옆에 건수 표시하기

가상의 두 운영이 각각 노출 5,000회를 기록했다고 가정해 보겠습니다. 기록된 대화 3건은 노출 1,000회당 0.60건이고 6건은 1.20건입니다. 두 번째 비율은 첫 번째의 2배이며 대화 3건, 1,000회당 0.60건의 차이입니다. 노출 수가 서로 다르면 건수만으로는 같은 비교를 할 수 없습니다.

유용한 보고서에는 설정과 예산, 날짜와 기여 기간, 노출 수, 기록된 결과 건수, 비율의 분자와 분모를 넣을 수 있습니다. 비교 가능한 운영이 여러 번 있다면 개별 결과나 명확하게 정의한 범위도 보여줄 수 있습니다. 범위에는 어떤 운영이 포함됐는지, 양 끝이 최솟값과 최댓값인지 사분위수인지 다른 값인지 밝혀야 합니다.

실제 내려야 할 결정을 함께 생각하세요. 팀은 결과를 계속 수집할지, 소재를 바꿀지, 고객과 예산을 논의할지 결정해야 할 수 있습니다. 반복 결과는 한 번의 운영보다 더 많은 맥락을 제공하지만 이 데이터는 필요한 운영 횟수나 다른 캠페인을 개선할 변경 사항을 정해 주지 않습니다. 새 결과를 보기 전에 결정 기준을 합의하면 무엇을 비교하려는지 설명하는 데 도움이 됩니다.

출처에서는 각 광고가 끝난 직후 결과를 내보냈습니다. 직접 보고할 때는 기여 설정과 함께 수치를 가져온 시점도 기록하세요. 표시된 날짜나 설정이 비슷해도 서로 다른 시점의 두 내보내기는 서로 다른 추적 기간을 포함할 수 있습니다.

비율에 맥락 더하기

광고 카드, 대화와 노출 기호, 범위를 그린 노트입니다.
  1. 설정 확인

    소재, 대상 고객, 예산, 보고 기간을 적습니다.

  2. 건수 표시

    노출 수, 결과 건수, 기여 기간, 내보낸 시점을 기록합니다.

  3. 범위 설명

    비교 가능한 운영을 보여주고 범위를 고른 방법을 설명합니다.

보고서에서 설정, 건수, 범위를 연결해 보여줄 수 있습니다.

결과를 원래 상황에 맞춰 읽기

이 캠페인은 콜롬비아의 일부 지역에서 대학 프로그램을 홍보했으며 광고마다 적은 고정 예산과 자동 게재 위치를 사용했습니다. 각 설정을 반복했지만 도달한 사람, 게재 시간, 위치 구성, 경매 조건은 달라질 수 있었습니다. 한 사람이 여러 광고를 봤을 가능성도 있습니다. 데이터로는 이 요인 중 어느 것이 관찰된 분산을 설명하는지, 또는 설명하는 요인이 있는지 알 수 없습니다.[1]

16개 설정은 한 캠페인 안의 서로 다른 조합입니다. 기업을 무작위로 뽑은 표본이 아니며 다른 시장, 캠페인 목표 또는 예산의 전형적인 변동 폭을 보여주지 않습니다. 반복 운영은 조건을 공유할 수도 있으므로 이 분석은 한 설정의 기록 24건을 별도 캠페인 24개의 독립적인 반복으로 취급하지 않습니다.

연구진의 논문은 다른 질문을 살폈습니다. 해당 캠페인에서 대변인 유형과 제작 주체 공개 여부가 미치는 영향입니다. 우리 분석은 공개된 기록을 이용해 각 설정 안의 변화를 설명합니다. 사람이 만든 소재와 AI 소재를 비교하거나 어느 버전이 더 나았는지 판단하지 않습니다.[1][2]

기록을 분석한 방법

공개 Stata 파일에는 고유한 관측 ID를 가진 기록 384건과 설정 코드 16개가 있었고 코드마다 기록이 24건씩 있었습니다. 각 코드 안에서는 공개된 소재, 대변인, 제작 주체 공개, 성별, 연령 필드가 일정했습니다. 모든 기록의 노출 수는 양수였고 클릭과 메시지 수는 음수가 아니었으며 제외한 기록은 없었습니다. 모두 노출 1,000회를 넘었으므로 미리 계획한 이 필터는 표본을 바꾸지 않았습니다.[2][3]

공개된 건수로 광고마다 두 비율을 계산하고 각 설정 안에서 지표별로 비율 24개를 따로 정렬한 다음 6번째와 18번째를 골랐습니다. 각 설정은 지표마다 비율 하나와 차이 하나를 요약에 제공했습니다. SQLite와 정확한 분수를 쓴 두 번째 계산도 같은 파일에서 추출한 숫자로 각 그룹의 사분위수를 재현했습니다. 재현 패키지에는 출처 링크, 해시, 코드, 집계 결과가 포함됩니다.[3]

사후 민감도 확인에서는 최근접 순위 대신 선형 보간 사분위수를 사용했습니다. 이 방식에서는 메시지 비율 16개 중 11개가 2배 이상이었고 중앙값은 2.09배, 차이의 중앙값은 노출 1,000회당 대화 0.56건이었습니다. 같은 기록에 적용한 다른 계산이지 독립적인 재현은 아닙니다. 여기의 주장은 유의성 검정이나 변동 원인의 파악에 의존하지 않습니다.[3]

논문은 더 어린 대상 연령대를 18~24세로 설명하지만 공개 파일의 한 레이블은 18~25세라고 표시합니다. 하위 그룹을 비교하지 않았으며 어느 레이블 하나를 골라 불일치를 해소하지도 않습니다. 다운로드 패키지에는 그룹화와 측정 확인이 포함되어 원본 광고 영상을 다시 배포하지 않고도 분석을 살펴볼 수 있습니다.[1][2][3]

다운로드에는 집계 결과, 출처 링크, 해시, 코드가 포함됩니다. ZIP에는 개별 광고 기록이나 영상이 포함되지 않습니다.

출처 및 참고

  1. Arango-Espinal, Rodríguez Orejuela, López-Herrera, Human Spokesperson Versus Artificial Intelligence Avatar and Authorship Disclosure in Digital Advertising, 2026. 캠페인 설계, 지표, 기여 설정과 내보낸 시점.
  2. López-Herrera, 저자의 데이터와 재현 자료, Zenodo, 2026. 데이터 세트는 CC BY 4.0으로 표시되어 있습니다.
  3. Influence IQ 분석 패키지: 출처 링크, 해시, 계산 코드와 그룹별 집계 결과.

모든 언어 버전은 같은 콜롬비아 캠페인과 2026년 5~6월의 수집 기간을 설명합니다. 번역해도 다른 시장에 대한 근거가 되지는 않습니다.

관련 자료