미국에서 Shopify 스토어를 운영하는 분들이라면 이런 경험 한 번쯤 있을 겁니다. 구글 쇼핑 광고(Product Listing Ads, PLA)의 클릭 비용은 계속 오르는데 전환율은 떨어지고, 경쟁사는 어느새 같은 제품을 더 싸게 파는 것처럼 노출됩니다. 대시보드에서 입찰가와 예산을 만지작거려 보지만 근본적인 변화는 없습니다. 그러다 문득 이런 생각이 들죠. “뭔가 다른 방식으로 접근해야 하는 건 아닐까?”
실제로 많은 Shopify 머천트가 저지르는 실수가 바로 여기에 있습니다. 눈에 보이는 입찰가와 예산에 집중한 나머지, 정작 구글 쇼핑 광고의 성패를 좌우하는 상품 데이터 피드는 처음 설정한 그대로 방치해 버린다는 점입니다. 2025년의 PLA는 더 이상 키워드로 경쟁하는 텍스트 광고가 아닙니다. 상품 피드의 정보가 곧 광고 소재이자 타겟팅 신호가 되는, 머신러닝 기반의 상품 검색 시스템에 가깝습니다. 이 관점을 놓치면 아무리 캠페인 구조를 바꿔도 성과는 제자리걸음입니다.
PLA의 본질이 바뀌었다: 키워드에서 데이터로
예전의 검색 광고는 키워드를 고르고, 검색어에 맞는 광고 문구를 쓰고, 랜딩 페이지를 정하는 식이었습니다. 그런데 PLA에는 광고 문구가 따로 없습니다. 구글은 Shopify에서 보내주는 상품 타이틀, 설명, 이미지, 가격, 재고, 카테고리, GTIN 같은 구조화된 데이터를 종합적으로 분석해서 검색 질의에 가장 잘 맞는 상품을 자동으로 노출합니다. 말하자면 광고주가 카피를 쓰는 대신 데이터를 설계해야 하는 구조인 셈이죠.
여기에 미국 소비자들의 검색 행동 변화가 더해집니다. 몇 년 전만 해도 “running shoes”처럼 단순한 검색어가 많았다면, 지금은 “best running shoes for flat feet under $100”, “vegan leather crossbody bag for work”, “small apartment sofa with storage” 같은 상황 기반 검색이 빠르게 늘고 있습니다. 구글은 이 복잡한 의도를 해석하기 위해 제품 피드에 담긴 세세한 속성들을 활용합니다. 다시 말해, 피드 안에 어떤 정보를 어떤 형식으로 담느냐가 노출 가능성과 클릭률을 좌우하게 됐다는 뜻입니다.
Shopify 머천트들이 가장 크게 오해하는 부분이 여기 있습니다. 피드를 “한 번 설정하면 끝나는 기술적인 배관” 정도로 여기는 태도 말입니다. 하지만 실제로 피드는 살아 있는 마케팅 자산입니다. 이 관점의 전환이 없으면 입찰가를 올리고 내리는 일은 그저 밑 빠진 독에 물 붓기일 뿐입니다.
Shopify 백엔드에 숨어 있는 돈, 광고 신호로 바꾸는 법
미국에서 Shopify를 운영하는 DTC 브랜드 대부분은 Google Merchant Center와 Shopify 공식 연동 앱을 사용합니다. 이 연동은 편리하지만, 기본 설정만으로는 Shopify 안에 쌓인 핵심 데이터를 광고에 반영하지 못합니다. 매출, 주문 수, 재고 수량, 제품 원가, 반품률, 고객 생애가치(LTV) 같은 정보는 Shopify 대시보드 안에만 머물러 있을 뿐, 구글 광고의 타겟팅이나 입찰에는 거의 활용되지 않습니다.
여기서 시도해 볼 만한 전략이 있습니다. 바로 Shopify 백엔드 데이터를 Google Merchant Center의 커스텀 라벨(custom label)로 매핑하는 것입니다. 커스텀 라벨은 최대 5개까지 설정할 수 있고, 캠페인에서 제품을 분류하거나 제외하거나 보고서를 나누는 데 사용할 수 있습니다. 대부분의 가이드는 이 라벨을 시즌, 베스트셀러, 신상품 같은 마케팅 기준으로 나누라고 권하지만, 실제로 성과를 바꾸는 기준은 수익성과 운영 데이터입니다.
예를 들어 다음과 같은 식으로 라벨을 설계해 볼 수 있습니다.
- custom_label_0: 마진 등급 (high / medium / low)
- custom_label_1: 재고 회전 속도 (fast_mover / normal / slow_mover)
- custom_label_2: 반품 위험도 (low / medium / high)
- custom_label_3: 가격대 (under_25 / 25_50 / 50_100 / over_100)
- custom_label_4: 신규 고객 유치 가능성 (high / medium / low)
이렇게 구성하면 Performance Max 캠페인에서 같은 제품이라도 마진 등급에 따라 서로 다른 ROAS 목표를 적용하거나, 반품 위험이 높은 제품은 별도 캠페인으로 격리할 수 있습니다. 검색어 보고서에서 어떤 마진 등급의 제품이 실제 수익에 기여하는지 분리해서 볼 수 있다는 것도 큰 장점입니다.
실제 사례를 하나 들면 이해가 빠릅니다. 한 미국 뷰티 DTC 브랜드는 전체 제품을 하나의 Performance Max 캠페인에 넣고 ROAS 3.0을 목표로 운영하고 있었습니다. 그런데 Shopify 주문 데이터를 분석해 보니 일부 제품은 ROAS 5.0을 기록해도 실제 공헌이익이 마이너스였고, 반대로 ROAS 2.2 수준이지만 마진이 높아 실제로는 훨씬 수익성이 좋은 제품이 있었습니다. 이 브랜드는 커스텀 라벨을 이용해 고마진·저반품 제품만 별도 캠페인으로 분리하고, 저마진 제품은 노출을 줄이는 방식으로 전환한 뒤 전체 광고 수익률이 약 40% 개선됐습니다.
실행 방법은 생각보다 간단합니다. Shopify 주문 데이터를 CSV로 내보내 Google Sheets에서 제품별 원가, 배송비, 반품률을 계산한 뒤, 이 값을 피드의 커스텀 라벨에 추가하면 됩니다. Shopify 앱이나 supplementary feed를 이용하면 자동화도 가능합니다. 핵심은 광고 플랫폼에 더 많은 정보를 주는 것이 아니라, 수익성이라는 비즈니스 신호를 주는 것입니다.
product_type을 내부 분류로 쓰고 있다면 지금 당장 바꾸세요
구글 쇼핑 광고에서 제품 타이틀과 설명이 중요한 것은 이미 잘 알려져 있습니다. 하지만 잘 다뤄지지 않는 것이 하나 있습니다. 바로 Shopify의 product_type 필드입니다. 대부분의 Shopify 머천트는 상품을 등록할 때 product_type을 내부 분류 기준으로 채워 넣습니다. 가구 스토어라면 “Sofa”, “Table”, “Chair” 같은 단순한 값을 사용하는 식이죠.
그런데 미국 검색 시장에서 구매 의도는 이렇게 단순한 카테고리명으로 표현되지 않습니다. 소비자는 “mid-century modern sofa”라고 검색하는 대신 “sofa for small apartment under $1000 with storage”라고 검색합니다. 구글은 이 검색어를 해석하기 위해 제품의 타이틀뿐 아니라 product_type, product_category, 설명, 속성 등을 종합적으로 분석합니다. 그런데 product_type이 지나치게 단순하면 구글이 이 상품을 특정 의도와 연결할 수 있는 근거가 부족해집니다.
따라서 product_type을 내부 재고 분류가 아니라 구매 의도 기반의 검색 분류 체계로 재설계해야 합니다. 예를 들어 같은 소파라도 다음과 같이 구분할 수 있습니다.
- apartment-size-sofa-under-1000
- sofa-with-storage-for-small-space
- pet-friendly-fabric-sofa
- quick-ship-sofa-3-days-delivery
이렇게 하면 구글이 특정 검색 질의에 대해 이 상품이 더 적합하다고 판단할 가능성이 높아집니다. 특히 Performance Max와 AI 기반 추천 환경에서는 명시적인 키워드 매칭보다 의미적 연관성이 중요하기 때문에 product_type의 영향력이 점점 커지고 있습니다.
배송 정보도 놓치기 쉽습니다. 미국 소비자에게 배송 속도는 전환율에 결정적입니다. Shopify의 배송 설정에 따라 보통 3~5일이 걸리는 제품과 당일 또는 익일 배송이 가능한 제품을 같은 캠페인에 두면, 구글은 이 차이를 피드에서 명시적으로 알지 못하는 한 전환 가능성을 과대평가하거나 과소평가할 수 있습니다. Shopify의 주문 처리 시간, 로컬 배송 가능 여부, 재고 위치 같은 운영 정보를 피드에 반영하면 배송 속도가 빠른 제품에 광고 예산이 집중되도록 유도할 수 있습니다.
Performance Max 시대, 캠페인 구조를 다시 생각하라
Shopify 머천트가 Google 광고를 운영할 때 흔히 겪는 문제가 있습니다. Google & YouTube 채널을 통해 피드를 연결하면 모든 제품이 하나의 피드로 묶여 캠페인 내부에서 제품을 세밀하게 제어하기 어렵다는 점입니다. 특히 Performance Max로 전환한 뒤에는 키워드나 제품 그룹 수준의 통제권이 더 줄어들기 때문에, Shopify 머천트는 “구글이 알아서 해준다”는 착각에 빠지기 쉽습니다.
하지만 Performance Max에서도 피드 분리는 여전히 강력한 제어 수단입니다. 캠페인을 제품 카테고리나 컬렉션 기준이 아니라 수익성 버킷 기준으로 나누는 것이 핵심입니다. 예를 들어 다음과 같은 구조를 생각해 볼 수 있습니다.
- 캠페인 A: 고마진·빠른 재고 회전 제품 - 높은 ROAS 목표, 높은 예산
- 캠페인 B: 신상품·트렌드 제품 - 노출 확대 중심, 낮은 ROAS 목표
- 캠페인 C: 저마진·반품 위험 제품 - 리마케팅이나 Discovery 캠페인에만 제한적으로 노출
- 캠페인 D: 재고 소진 임박 제품 - 가격 할인 신호와 함께 별도 프로모션 캠페인으로 운영
이렇게 하려면 Shopify 컬렉션을 활용해 피드를 분리하거나, Merchant Center에서 supplemental feed와 규칙을 사용하면 됩니다. 중요한 것은 모든 제품을 하나의 Performance Max 캠페인에 밀어 넣는 것이 아니라, 비즈니스 목표가 다른 제품들을 서로 다른 캠페인에 격리하는 것입니다.
미국 시장에서는 신규 고객 확보와 재구매 고객 관리가 PLA 성과에 큰 영향을 미칩니다. Shopify의 고객 데이터를 Google Ads Customer Match에 업로드하고, 신규 고객 획득 목표(New Customer Acquisition Goal)를 설정하면 기존 고객에게는 낮은 입찰가를 적용하고 신규 고객에게는 더 공격적으로 노출할 수 있습니다. 많은 미국 DTC 브랜드가 신규 고객 확보 비용을 낮추기 위해 이 기능을 사용하지만, Shopify의 고객 세그먼트와 연결해 LTV가 높은 고객과 유사한 잠재 고객을 별도로 타겟팅하는 브랜드는 많지 않습니다. 바로 여기에 차별화의 여지가 있습니다.
ROAS가 아니라 실제 수익을 봐야 PLA가 산다
미국 Shopify 머천트들이 가장 자주 빠지는 함정은 ROAS를 수익성 지표로 착각하는 것입니다. ROAS 3.0이면 좋은 성과처럼 보이지만, 상품 원가와 반품률, 배송비, 결제 수수료를 고려하면 실제로는 적자인 경우가 매우 흔합니다.
예를 들어 평균 주문액이 60달러이고, 상품 원가가 25달러, 배송비가 8달러, 결제 수수료와 포장비가 4달러, 반품률이 20%라고 가정해 보겠습니다. 반품으로 인한 손실을 주문당 약 12달러로 계산하면, 실제 공헌이익은 60 - 25 - 8 - 4 - 12 = 11달러 수준입니다. 광고비로 20달러를 지출했다면 ROAS는 3.0(60/20)이지만, 실제 광고 수익률은 0.55(11/20)에 불과합니다. 이 경우 광고를 확대할수록 손실이 커집니다.
이 문제를 해결하려면 Google Ads에서 전환 가치를 총매출이 아닌 마진 기준으로 설정하거나, Shopify와 Google Ads 데이터를 외부 분석 도구로 통합해 주간 단위로 실제 수익성을 검토해야 합니다. 구글 Ads의 전환 가치 규칙을 사용하면 특정 제품의 가치를 조정할 수 있지만, 더 정확하게는 Shopify 앱 또는 서드파티 데이터 파이프라인을 이용해 원가와 반품률을 반영한 공헌이익을 광고 성과 지표로 삼는 것이 좋습니다.
이 접근법은 단순히 보고서를 바꾸는 것을 넘어, 어떤 제품에 광고비를 더 투자하고 어떤 제품을 제외할지에 대한 의사결정을 근본적으로 바꿉니다. ROAS가 높아 보여도 실제로는 수익을 갉아먹는 제품을 광고에서 제외하면 전체 수익이 오히려 증가하는 역설적인 결과가 나타날 수 있습니다.
30-60-90 실행 로드맵
이제 이 분석을 실제 Shopify 스토어에 적용하는 로드맵을 정리해 보겠습니다.
1~30일: 데이터 감사와 피드 클린업
- Shopify 제품 타이틀, 설명, product_type, GTIN, 이미지, 가격, 재고 상태를 전수 점검합니다.
- Google Merchant Center 진단 탭에서 거부된 제품, 누락된 속성, 품질 경고를 확인합니다.
- Shopify 주문 데이터를 추출해 제품별 원가, 반품률, 배송 소요 시간을 계산합니다.
- 이 데이터를 기반으로 커스텀 라벨 5개를 설계하고 supplemental feed로 연결합니다.
- product_type을 구매 의도 기반으로 재작성합니다. 내부 카테고리명보다 검색 관점의 표현을 우선합니다.
31~60일: 캠페인 재구성
- 기존 Performance Max 캠페인을 수익성 버킷 기준으로 2~4개로 분리합니다.
- 고마진·빠른 재고 회전 제품은 예산을 확대하고, 저마진·고반품 제품은 노출을 축소하거나 제외합니다.
- Shopify 고객 이메일 목록을 Google Ads Customer Match에 업로드하고 신규 고객 획득 목표를 설정합니다.
- 검색어 보고서에서 비효율적인 검색어를 제외 키워드로 추가하고, 전환 가치가 낮은 검색 의도를 확인합니다.
61~90일: 데이터 통합과 자동화
- Shopify와 Google Ads 데이터를 통합해 주간 수익성 대시보드를 구축합니다.
- 광고 수익 공식을 “(총매출 - 환불 - 원가 - 배송비 - 수수료) / 광고비”로 정의하고, 제품별·캠페인별로 추적합니다.
- 커스텀 라벨과 재고 상태를 연동해 재고가 소진되면 자동으로 해당 제품의 입찰을 낮추거나 캠페인에서 제외하는 규칙을 설정합니다.
- 제품 타이틀과 product_type 변경에 따른 CTR, 전환율, ROAS 변화를 A/B 테스트합니다.
PLA는 광고가 아니라 공급망 데이터의 최전선이다
미국 기반 디지털 마케팅 전문가로서 Shopify 머천트에게 강조하고 싶은 것은, PLA는 더 이상 단순한 광고 캠페인이 아니라 상품 공급망과 고객 데이터를 검색 엔진에 실시간으로 전송하는 데이터 계약이라는 점입니다. Shopify의 진짜 강점은 쇼핑몰 기능이 아니라 주문, 재고, 고객, 원가 데이터를 한곳에 모을 수 있다는 데 있습니다. 그런데 이 데이터를 광고 플랫폼에 전달하지 않으면, 구글은 오직 피드에 입력된 제한된 정보만으로 입찰과 노출을 결정합니다.
입찰가를 올리는 것은 누구나 할 수 있습니다. 하지만 Shopify 백엔드의 수익성 데이터를 커스텀 라벨과 product_type, 배송 정보로 변환해 구글의 머신러닝에 공급하는 것은 소수만이 실행하는 전략입니다. 미국 이커머스 경쟁이 심화될수록 이 차이는 더 벌어질 것입니다. PLA 성과가 정체되어 있다면, 이제 대시보드가 아니라 Shopify의 데이터 구조부터 점검해야 할 때입니다.