"Advantage+가 최근 왜 이렇게 똑똑해졌지?"

Advantage+ Sales 써본 사람은 공감할 거다. 1~2년 전엔 "수동 구조 대비 애매하다"는 소리가 많았다. 지금은 CPA가 수동보다 더 낮게 나오는 계정이 흔해졌다.

기능을 건드린 게 아니다. 그 아래 깔린 AI 모델이 통째로 바뀌었다. 코드명 GEM — Generative Ads Recommendation Model.

GEM이 뭔가

Meta가 공개한 가장 큰 규모의 광고 추천 파운데이션 모델이다. 쉽게 비유하면:

• 예전: "캠페인 목표별로 작은 AI 여러 개" (전환 예측 모델, 클릭 예측 모델, 관심도 모델...)
• 지금: "대형 파운데이션 모델(GEM) 하나가 중앙 두뇌로 학습" + "하위 작은 모델들이 GEM에서 지식 전수받음"

LLM을 학습시킬 때와 같은 스케일(수천 대 GPU)에서 훈련된다. 광고 도메인의 "GPT" 격.

출처: Meta Engineering — Meta's Generative Ads Model (GEM)

실제로 얼마나 개선됐나

Meta가 공식 수치를 공개했다 (2025년 2분기 기준).

그리고 Q3에 아키텍처 개선으로 "데이터를 추가할 때마다 받는 성능 이득이 2배"가 됐다고 밝혔다. 즉 GEM은 지금도 성장 중이고, 내년엔 더 나아진다는 뜻.

광고주 입장에서 뭐가 바뀌나

GEM은 사용자가 직접 설정하거나 켜고 끄는 기능이 아니다. 모든 광고 상품 밑에 자동으로 깔린다. 즉 Advantage+ Sales, Advantage+ Catalog, 일반 Sales 캠페인 전부 GEM의 성능 향상을 자동으로 받는다.

광고주가 체감하는 변화:

1. 새 캠페인 학습 속도 빨라짐 — 예전엔 50회 전환 쌓아야 안정됐던 학습 단계가, 시드 데이터가 적어도 GEM의 사전 학습 덕에 더 빨리 수렴
2. 같은 예산으로 더 나은 전환 품질 — 단순 전환 수가 아니라 "의도 높은 사용자"를 더 잘 골라줌
3. Advantage+ 쪽이 수동 구조보다 확실히 유리 — GEM 혜택이 Advantage+에서 극대화됨 (수동 세팅도 받지만 덜)

이 구조의 핵심은 GEM이 한 번 학습한 지식이 전체 광고 모델 패밀리로 전파된다는 점. 캠페인 목표별 작은 모델이 각자 학습하던 방식과 달리, 이제는 중앙 모델이 개선되면 모든 하위 상품이 같이 좋아진다.

그래서 지금 뭘 해야 하나

사실 할 일은 별로 없다. GEM은 자동 적용이라 "기능 켜기" 같은 게 없다. 다만 이 흐름을 최대한 활용하려면:

• Advantage+ 캠페인 비중 늘리기 — GEM 혜택이 더 크다
• 이벤트 품질 관리 — GEM이 잘 학습하려면 깨끗한 시그널이 필요. Pixel·CAPI 세팅, 이벤트 중복 제거, value/currency 파라미터 — 여기서 놓으면 GEM이 제 성능 못 냄
• 소재 다양성 공급 — GEM은 후보가 많을수록 똑똑해짐. 광고 세트당 3~5 소재가 기본값
• 학습 단계에서 건드리지 않기 — GEM이 수렴 중인 과정을 리셋하면 혜택 못 받음

판단 기준: GEM 시대에 내 계정이 불리한가

다음 중 3개 이상이면 GEM 혜택을 지금 못 받고 있는 상태.

• Pixel만 쓰고 Conversions API 미도입
• 전환 이벤트의 value·currency 파라미터 누락
• 광고 세트당 소재 1~2개로 단일 승자 몰빵 중
• Advantage+ 비중이 전체의 30% 이하
• 표준 이벤트 없이 커스텀 전환만 사용

이거 3개 맞다 싶으면 우선순위 높은 것부터 손보면 된다.

약간의 회의론

Meta가 발표한 성능 숫자(+5%·+3%)는 자사 측정이라는 점은 기억해야 한다. 제3자 분석 툴(GA·Northbeam 등)에서 보는 숫자와 다를 수 있다. 그럼에도 방향은 분명하다. 광고 AI가 "개별 캠페인 최적화"에서 "중앙 두뇌의 연쇄 개선"으로 이동했다.

이 흐름에서 앞서는 건 데이터 공급과 소재 공급을 시스템화한 팀이다. AI 모델이 똑똑해질수록 이걸 먹여주는 인프라의 중요성이 올라간다.

지표 해석·Advantage+ 전환·자동화 확장의 실전 가이드는 메타 광고 4권에서 다룬다.