소재 올릴 때 1-1-1 테스트 먼저 하는 이유

신규 소재를 테스트할 때 한 세트에 여러 개를 몰아넣지 않고 캠페인 1개·세트 1개·소재 1개, 즉 1-1-1 구조로 먼저 돌리는 이유는 메타 머신러닝이 예산을 배분하는 방식 때문입니다. 한 세트 안에 소재가 여러 개 있으면 반응이 빠른 소재 하나로 예산이 몰리면서, 진짜 성과를 낼 수 있는 소재가 데이터를 쌓아보지도 못하고 묻힙니다.

1-1-1 테스트란 무엇인가

1-1-1은 새로운 소구나 콘텐츠가 실제 고객에게 먹히는지를 확인하는 첫 단계입니다. 캠페인 하나에 광고세트 하나, 그 세트에 소재 하나만 넣어 독립적으로 운영합니다. 이렇게 하면 소재 하나하나가 다른 소재의 영향을 받지 않고 온전히 자기 예산으로 반응을 만들어냅니다. 캠페인을 여러 개로 쪼개야만 1-1-1이 되는 것은 아닙니다. 캠페인 하나에 세트를 여러 개 두고 세트별 예산으로 각각 소재 하나씩 매칭해도 구조상 동일합니다.

왜 소재를 한 세트에 여러 개 넣으면 안 되나요

메타가 학습하는 데이터는 두 갈래입니다. 도달·클릭·영상 시청·체류 시간처럼 노출 직후 바로 쌓이는 콘텐츠 반응 데이터와, 구매·객단가·매출처럼 사람이 상세페이지를 보고 결제까지 마쳐야 쌓이는 상품 반응 데이터입니다. 문제는 광고 초반에 상품 반응 데이터가 충분히 쌓이기 전이라, 머신러닝이 빠르게 쌓이는 콘텐츠 반응 데이터를 기준으로 예산을 나눈다는 점입니다.

그 결과 한 세트에 소재를 여러 개 넣으면 클릭이나 조회는 빠르게 나오는 소재가 예산을 계속 가져가고, 실제로 돈을 버는 소재는 예산을 못 받아 데이터가 안 쌓이는 악순환에 빠집니다. 50대 이상 타겟처럼 반응 속도가 원래 느린 소재가 실제로는 객단가가 훨씬 높을 수 있는데, 이 소재가 예산을 받지 못하면 그 가능성 자체가 확인되지 않은 채 묻혀버립니다.

일예산이 적을 때도 1-1-1을 지켜야 하나요

일예산 3만~20만 원 구간처럼 예산이 제한적일 때는 오히려 1-1-1이 더 중요합니다. 이 구간에서는 소재 1~7개를 순차적으로 하나씩 테스트하면서 확실한 위너 하나를 찾는 데 집중해야 합니다. "예산이 적으니 여러 소재를 한 세트에 넣어 효율적으로 테스트하자"는 판단은 반대로 갑니다. 예산이 적은데 소재까지 여러 개면 반응 빠른 소재에 예산이 쏠려서 그 적은 예산마저 낭비됩니다. 위너를 찾은 뒤에는 그 위너에 예산을 몰아 전환을 만들고, 남는 여유분으로 다음 소재를 순차 테스트하는 흐름이 현실적입니다. 속도보다 정확도를 우선하는 구간입니다.

1-1-1을 통과한 소재는 그다음 뭘 해야 하나요

1-1-1에서 가능성이 확인된 소재는 ABO(광고세트 예산)로 넘어갑니다. 여기서는 반대로 같은 소구의 소재들을 한 세트에 모아 경쟁시킵니다. 1-1-1에서는 검증 안 된 소재끼리 섞는 게 위험했지만, ABO 단계에서는 이미 가능성이 확인된 소재들이라 머신러닝이 예산을 몰아주는 방향이 곧 진짜 위너를 가려주는 방향이 됩니다. 다만 타겟이나 소구가 다른 소재를 같은 세트에 섞으면 콘텐츠 경쟁력 비교가 아니라 타겟 차이 비교가 되어버리니, 반드시 같은 소구 안에서만 묶어야 합니다. CBO와 ABO의 구조적 차이를 먼저 이해하면 왜 1-1-1과 ABO에서 정반대 원칙을 쓰는지 납득이 쉽습니다.

1-1-1 테스트는 언제까지 유지해야 하나요

소구별로 확실한 위너 하나를 찾을 때까지입니다. 위너가 나오면 ABO로 넘어가 같은 소구 안에서 경쟁시킵니다.

일예산이 적을 때도 1-1-1을 지켜야 하나요

오히려 예산이 적을수록 더 중요합니다. 소재 여러 개를 한 세트에 넣으면 적은 예산마저 한쪽으로 쏠려 낭비됩니다.

1-1-1에서 반응이 느린 소재는 바로 꺼야 하나요

아닙니다. 타겟에 따라 반응 속도가 원래 느릴 수 있어 절대평가 기준(MAX CPA 배수)으로 한 번 더 확인한 뒤 판단합니다.

1-1-1 세팅에서 흔히 하는 실수는 무엇인가요

1. 예산이 적다는 이유로 소재 여러 개를 한 세트에 넣는 실수
2. 클릭이 빨리 나오는 소재를 곧바로 위너로 단정하는 실수 — 구매·객단가까지 확인하지 않은 상태
3. 50대 이상처럼 반응이 느린 타겟 소재를 초반 반응만 보고 조기에 끄는 실수
4. 세트 하나에 3개 이상 소재를 넣어 각 소재가 최소한의 데이터도 못 쌓는 실수
5. 1-1-1을 건너뛰고 바로 ABO나 CBO로 소재를 태우는 실수

2026-09-09 기준으로도 이 원칙은 메타 머신러닝의 예산 배분 로직이 유지되는 한 그대로 적용됩니다. 다만 캠페인 목표 명칭이나 세트 예산 설정 화면의 위치는 계속 바뀔 수 있으니 실제 세팅 전 광고관리자 화면을 한 번 더 확인하는 편이 안전합니다. 이런 구조를 스스로 판단하기 어렵다면 hanbizmk.com에서 계정 상황을 확인받아 보시고, 실제 집행 데이터를 기반으로 한 진단은 한비즈마케팅 CPA 안내에서 살펴보실 수 있습니다.