페이스북 광고에서 CPL 3달러를 찍었다고 자랑하는 마케터가 있습니다. 축하할 일일까요? 미국 성과 마케팅 현장에서 오래 일해 본 사람이라면 고개부터 갸웃합니다. 오히려 그 숫자가 너무 낮으면 뭔가 잘못되고 있다는 신호일 가능성이 높거든요. 대부분의 마케터가 말하는 ‘CPL 최적화’는 사실상 평균 CPL 낮추기에 불과합니다. 그런데 진짜 리드젠 고수들이 가장 경계하는 숫자가 바로 지나치게 낮은 CPL입니다.
왜 그럴까요? 페이스북 광고에서 CPL은 단순한 비용이 아니라 시장이 보내는 가격 신호에 가깝기 때문입니다. 평균 CPL만 보고 광고 세트를 끄고, 예산을 옮기고, cost cap을 걸면 페이스북 알고리즘은 겉보기에는 싸지만 실제 매출로 이어지지 않는 리드를 슬그머니 배달하기 시작합니다. 이 글에서는 대부분의 대시보드가 애써 보여주지 않는 세 가지 CPL, 즉 한계 CPL, 증분 CPL, 품질 가중 CPL을 중심으로 이야기해 보겠습니다. 이 세 가지를 모르는 CPL 최적화는 거의 예외 없이 계정을 정체시키거나 아예 망가뜨립니다.
1. 평균 CPL이 속이는 순간: 한계 CPL을 봐야 하는 이유
많은 마케터가 이런 실수를 합니다.
“일일 예산을 늘렸더니 평균 CPL이 아직 목표 이하니까 괜찮네.”
정말 그럴까요? 페이스북 광고의 리드 확보 비용은 선형으로 움직이지 않습니다. 예산을 늘릴수록 도달 포화, 광고 노출 빈도 증가, 경매 경쟁 심화가 일어나면서 추가 리드 1개의 비용은 평균보다 훨씬 빠르게 올라갑니다. 이걸 무시하면 겉보기 성과는 좋아도 실제 수익은 악화되는 역설적인 상황이 벌어집니다.
예를 들어 보겠습니다.
| 일일 예산 | 총 리드 수 | 평균 CPL | 추가 예산 100달러당 리드 | 한계 CPL |
|---|---|---|---|---|
| 100달러 | 20개 | 5.0달러 | - | - |
| 200달러 | 35개 | 5.71달러 | 15개 | 6.67달러 |
| 300달러 | 45개 | 6.67달러 | 10개 | 10.0달러 |
여기서 리드당 기여이익이 8달러라고 가정해 봅시다. 평균 CPL만 보면 300달러 시점에도 평균 CPL이 6.67달러니까 아직 수익처럼 보입니다. 하지만 마지막 100달러로 얻은 리드 10개의 실제 원가는 개당 10달러입니다. 즉, 마지막 100달러는 오히려 손해를 보고 있는 거죠.
이것이 평균 CPL의 함정입니다. 페이스북은 예산을 더 투입하면 더 비싼 인벤토리, 더 낮은 구매 의도를 가진 노출, 더 높은 빈도를 섞어서 리드를 채웁니다. 평균은 그 손실을 교묘하게 감춰 버립니다.
한계 CPL을 실제로 계산하는 방법
한계 CPL을 운영에 적용하려면 다음과 같은 순서로 실험해 보세요.
- 광고 세트 하나를 골라 예산을 20~30% 올립니다. 비교를 위해 다른 변수는 건드리지 않습니다.
- 2~3일 동안 데이터를 지켜봅니다. 학습 단계가 끝난 뒤의 수치를 사용해야 신뢰할 수 있습니다.
- 추가 리드 수와 추가 지출만으로 나눕니다. 한계 CPL = (증가 후 지출 − 증가 전 지출) ÷ (증가 후 리드 − 증가 전 리드) 입니다.
- 한계 CPL이 목표 리드당 기여이익을 넘으면 예산을 더 늘리지 않습니다.
미국 성과 마케팅 팀에서는 대량 예산을 집행할 때 이 한계 CPL을 예산 배분의 최종 결정 기준으로 사용합니다. 평균 CPL은 보고용일 뿐이고, 실제 의사결정은 한계 CPL이 좌우합니다.
2. 페이스북이 실제로 만든 리드인가? 증분 CPL의 충격
페이스북 광고 대시보드가 보여주는 CPL에는 광고가 없었어도 어차피 전환됐을 리드가 포함되어 있습니다. 이미 브랜드를 알고 있던 사람, 이메일 뉴스레터를 통해 어차피 방문했을 사람, 리타게팅 오디언스에 속한 기존 고객 같은 사람들 말이죠. 미국에서는 이를 증분성(Incrementality)이라고 부르며, 실제 성과 측정의 핵심 기준으로 삼고 있습니다.
페이스북이 보고하는 전환 수에서 베이스라인 전환 수를 뺀 값이 진짜 증분 전환입니다. 이 차이를 무시하면 광고가 실제로 만들어 낸 성과를 크게 오판하게 됩니다.
보고 CPL은 20달러인데, 실제로는 31달러였던 사례
한 미국 B2B SaaS 기업을 가정해 보겠습니다.
- 페이스북 캠페인 지출: 4,000달러
- 대시보드상 리드 수: 200개
- 보고 CPL: 20달러
그런데 2주간의 지역 홀드아웃 테스트를 돌려 봤더니, 페이스북 광고를 끈 지역에서도 유기 검색과 이메일 마케팅을 통해 70개가 어차피 들어왔습니다. 즉 페이스북이 실제로 추가로 만든 리드는 130개에 불과했던 거죠.
- 증분 CPL = 4,000달러 ÷ 130개 = 30.77달러
- 보고 CPL 20달러보다 약 54% 높은 수치입니다.
리타게팅 캠페인은 이 문제가 특히 심합니다. 기존 방문자나 장바구니 이탈자만 타게팅하면 CPL이 2달러 수준으로 아주 낮게 나올 수 있습니다. 하지만 그 리드의 상당수는 어차피 다른 채널을 통해 전환됐을 가능성이 높습니다. 낮은 CPL이 전부 증분 수익으로 이어지지 않는다는 뜻입니다.
증분 CPL을 측정하는 실전 방법
- 지역 홀드아웃 테스트: 특정 지역에서는 페이스북 광고를 끄고, 유사한 다른 지역에서는 그대로 집행합니다. 두 지역의 전환 차이를 비교하면 광고의 순수 효과가 드러납니다.
- 전환 리프트 테스트: 페이스북 자체 실험 도구나 서드파티 도구로 광고 노출 그룹과 비노출 그룹을 무작위 배정해 측정합니다.
- PSA 테스트: 실제 브랜드 광고 대신 공익 광고를 노출해 브랜드 광고가 유발한 증분 전환을 분리하는 방법입니다. 다소 복잡하지만 미국에서는 정교한 팀이 자주 사용합니다.
예산이 작더라도 최소한 프로스펙팅 캠페인과 리타게팅 캠페인을 분리해서 증분 CPL을 따로 보는 것이 필요합니다. 리타게팅의 낮은 CPL만 보고 전체 예산을 리타게팅에 쏟는 것은 가장 흔하고도 위험한 실수입니다.
3. 품질 가중 CPL: 리드의 ‘단가’가 아니라 ‘가치’를 봐야 한다
CPL은 리드가 생겼다는 사실만 알려줄 뿐, 그 리드가 실제 고객이 될 가능성은 알려주지 않습니다. 미국 성과 마케팅에서는 리드를 SQL(Sales Qualified Lead), MQL(Marketing Qualified Lead), 기회 단계로 나누고, 각 단계 전환율을 CPL에 반영해 품질 가중 CPL을 계산합니다.
평균 CPL은 좋아 보이는데 정작 수익은 나지 않는 상황을 자주 봅니다. 두 개의 페이스북 캠페인이 있다고 해 보죠.
| 캠페인 | 평균 CPL | 리드 → SQL 전환율 | SQL당 원가 |
|---|---|---|---|
| A | 5달러 | 5% | 100달러 |
| B | 12달러 | 25% | 48달러 |
A 캠페인은 평균 CPL이 절반 이하로 훨씬 싸 보입니다. 하지만 SQL 전환율이 5%에 불과해 실제 유효 리드 1개를 만드는 데 100달러가 듭니다. 반면 B 캠페인은 평균 CPL이 12달러로 비싸 보이지만, 자격 조건을 갖춘 리드가 많이 들어와서 SQL당 원가는 48달러에 불과합니다. 어떤 캠페인이 진짜 우수한 걸까요? 답은 명백합니다.
B2C도 마찬가지입니다. 페이스북 리드 광고에서 CPL이 2달러로 아주 낮은 캠페인이 있다고 해 보죠. 그런데 이 리드의 실제 구매 전환율이 0.5%라면 고객 1명 확보 비용은 400달러입니다. 반대로 CPL이 8달러인 캠페인은 구매 전환율이 5%여서 고객 확보 비용이 160달러라면, 후자가 훨씬 나은 캠페인입니다.
페이스북 알고리즘이 저품질 리드를 배달하는 이유
페이스북은 광고주가 설정한 전환 이벤트에 맞춰 최적화합니다. 리드를 전환 이벤트로 설정하면, 페이스북은 폼을 제출할 가능성이 가장 높은 사람들을 찾습니다. 그 사람이 실제로 구매할 의향이 있는지는 알고리즘의 일차적 관심사가 아닙니다. 따라서 단순히 CPL을 낮추려고 하면, 알고리즘은 폼 작성 문턱이 낮고, 충동적으로 반응하고, 구매 의도가 낮은 오디언스에 광고를 더 많이 노출하게 됩니다. 결과적으로 대시보드의 CPL은 내려가지만 영업팀의 불만은 올라가죠.
품질 가중 CPL을 운영에 반영하는 방법
- 전환 이벤트를 세분화합니다. 단순 ‘리드’가 아니라 ‘SQL’, ‘상담 예약’, ‘체험 신청’처럼 실제 구매에 가까운 이벤트를 설정해야 합니다.
- 오프라인 전환을 페이스북으로 보냅니다. CRM에서 최종 계약이나 구매가 일어나면 Conversions API를 통해 페이스북에 그 신호를 전달합니다. 그래야 알고리즘이 고품질 리드를 내는 최적화를 학습할 수 있습니다.
- 리드 폼에 자격 조건 질문을 추가합니다. 예산, 구매 시기, 회사 규모, 필요 기능 등을 물어보면 CPL은 올라가지만 SQL 전환율은 더 크게 올라갑니다.
- 고품질 리드 오디언스로 루컬라이크를 만듭니다. 전체 리드가 아니라 SQL 단계까지 통과한 사람들을 시드로 삼아야 품질이 유지됩니다.
- CPL이 아니라 SQL당 원가, 고객당 확보 원가를 목표 지표로 설정합니다. 그래야 숫자가 아니라 수익을 최적화하게 됩니다.
4. CPL 대시보드를 다시 설계하라
지금까지 설명한 세 가지 CPL을 실제 운영에 적용하려면, 대시보드의 지표 구성을 바꿔야 합니다. 평균 CPL 하나만 보는 화면으로는 절대 제대로 된 최적화를 할 수 없습니다. 미국 성과 마케팅 팀이 실제로 보는 CPL 대시보드는 대략 이런 구성입니다.
- 평균 CPL: 전체 흐름 파악용 참고 지표
- 한계 CPL: 예산 증액 여부 결정
- 증분 CPL: 보고 CPL의 신뢰도 검증
- 품질 가중 CPL / SQL당 원가: 실제 수익성 판단
- CPM, 빈도, CTR: 한계 CPL 상승의 원인 진단
- 리드 → SQL 전환율: 품질 변화 감지
실전 적용 5단계
- 하나의 북극성 지표를 정합니다. CPL이 아니라 ‘자격을 갖춘 기회당 원가’ 또는 ‘고객 확보 원가’여야 합니다.
- 오프라인 전환 추적을 구축합니다. Conversions API로 CRM의 최종 결과를 페이스북에 연결합니다. 이것이 없으면 품질 가중 CPL을 계산할 수 없습니다.
- 한계 CPL 실험을 돌립니다. 광고 세트 하나를 골라 예산을 20~30% 올리고, 다른 세트는 그대로 둡니다. 3일 뒤 추가 리드와 추가 지출을 비교합니다.
- 분기마다 증분성 테스트를 진행합니다. 최소한 지역 홀드아웃이나 전환 리프트 테스트로 페이스북이 실제로 만든 리드가 얼마인지 확인합니다.
- 한계 CPL이 목표 리드당 기여이익을 넘으면 광고 세트를 중단하거나 예산을 되돌립니다. 평균 CPL이 아니라 한계 CPL을 기준으로 삼아야 합니다.
5. CPL을 낮추려다 성과를 망치는 흔한 함정
미국에서도 여전히 많은 마케터가 저지르는 실수들이 있습니다. CPL이 낮아지는 순간 성과가 좋아졌다고 착각하게 만드는 것들이죠.
1) 리타게팅에만 예산을 쏟는다
리타게팅은 CPL이 낮고 전환율이 높아 보이지만, 증분 CPL 관점에서는 거의 의미가 없을 수 있습니다. 이미 브랜드를 알고 있던 사람을 다시 데려오는 것은 ‘새로운 수요 창출’이 아닙니다. 리타게팅의 낮은 CPL은 전체 유입 성과를 부풀리고, 진짜 성장 동력인 프로스펙팅 캠페인을 위축시킵니다.
2) cost cap을 너무 낮게 설정한다
cost cap을 평균 CPL보다 훨씬 낮게 걸면 페이스북은 노출을 거의 진행하지 못하거나, 가장 싼 인벤토리만 골라 집행합니다. 결과적으로 리드 수가 급감하거나 품질이 떨어집니다. cost cap은 최대 지불 의사 가격이 아니라, 알고리즘의 탐색 범위를 제한하는 도구라는 점을 기억해야 합니다.
3) 광고 세트를 과도하게 쪼갠다
오디언스를 세분화해서 타게팅하는 것이 정밀해 보이지만, 광고 세트가 많아지면 각 세트가 받는 데이터가 줄어듭니다. 페이스북 알고리즘은 학습할 데이터가 적을수록 최적화 효율이 떨어집니다. 미국에서는 이미 수년 전부터 광고 세트 통합과 브로드 타게팅이 표준으로 자리 잡았습니다. 겉보기 CPL이 조금 높아지더라도, 데이터가 충분히 쌓인 광고 세트가 장기적으로 더 나은 품질 가중 CPL을 만듭니다.
4) 리드 폼을 지나치게 단순하게 만든다
이름과 이메일만 받는 폼은 CPL이 낮게 나옵니다. 하지만 그 리드는 영업팀에서 시간만 낭비하게 될 가능성이 큽니다. 적절한 자격 조건 질문을 추가하면 CPL은 올라가지만, SQL당 원가는 오히려 크게 내려갑니다. 이것이 진짜 최적화입니다.
5) 전환 이벤트를 낮은 단계로 설정한다
‘랜딩 페이지 조회’나 ‘콘텐츠 다운로드’를 전환으로 잡으면 CPL이 환상적으로 낮게 보일 수 있습니다. 하지만 그 리드는 실제 구매 의도가 거의 없는 경우가 많습니다. 전환 이벤트는 최대한 실제 수익에 가까운 단계로 설정해야 합니다.
결론: CPL은 낮추는 것이 아니라 정확하게 읽는 것이다
미국 성과 마케팅의 관점에서 CPL 최적화는 ‘리드를 가장 싸게 사는 문제’가 아니라 ‘수익으로 이어지는 리드를 가장 효율적으로 사는 문제’입니다. 평균 CPL만 낮추려는 시도는 페이스북 알고리즘으로 하여금 싸지만 쓸모없는 리드를 배달하게 만듭니다.
이제부터는 대시보드에 세 가지 질문을 붙여 두시길 권합니다.
- 예산을 더 늘렸을 때 한계 CPL은 수익성을 유지하는가?
- 이 리드는 페이스북 광고가 없었어도 들어왔을 리드인가?
- 이 리드의 평균 CPL이 아니라 SQL당 원가는 얼마인가?
이 세 가지에 답할 수 없다면, 당신이 보고 있는 CPL은 숫자일 뿐 성과가 아닙니다. CPL이 비정상적으로 낮게 나올 때 축하하기 전에, “지금 내가 사고 있는 리드의 품질은 어떤가?”라고 되물어야 합니다. 진짜 고성과 마케터는 가장 싼 리드를 찾는 사람이 아니라, 가장 수익성 높은 리드를 가장 정확한 가격으로 해석하는 사람입니다.