구글 Performance Max(PMax)의 진실: 정말 성과에 도움이 될까? (10개의 연구 및 데이터 분석)

구글의 실적 최대화(Performance Max, 이하 PMax) 캠페인은 도입 이후 디지털 마케팅 업계에 큰 파장을 일으켰습니다. 구글의 모든 인벤토리(검색, 유튜브, 디스플레이, 디스커버, 지메일 등)를 하나의 캠페인으로 통합하고 AI가 알아서 최적화해 준다는 점은 매력적입니다.

하지만 마케터들 사이에서는 끊임없는 의문이 제기됩니다. "PMax가 정말로 성과를 높여주는가? 아니면 그저 구글의 광고 수익을 극대화하기 위한 '블랙박스'일 뿐인가?"

이 글에서는 최근 발표된 머신러닝 학술 논문부터 수만 개의 캠페인을 분석한 대규모 산업 보고서까지 총 10개의 주요 연구 및 분석 자료를 바탕으로 PMax의 명암을 낱낱이 파헤쳐 봅니다.

---

1. PMax는 정말 성과 향상에 도움이 되는가? (얼마나 도움이 되는가?)

결론부터 말씀드리면, 조건이 갖춰졌을 때 PMax는 압도적인 퍼포먼스를 냅니다. AI 알고리즘의 최적화 능력은 인간의 수동 관리를 뛰어넘는 경우가 많습니다.

알고리즘의 진화와 타겟팅 정교화

최근 학계에서는 PMax의 알고리즘적 한계를 보완하고 효율을 극대화하는 연구가 활발합니다.

• Target ROAS 예측의 자동화: *AIP Conference Proceedings (2025)*에 발표된 연구에 따르면, 랜덤 포레스트(Random Forest) 알고리즘을 활용한 'OPMAX Learning Agent'는 과거 데이터를 기반으로 최적의 Target ROAS를 정확하게 예측하여 PMax의 초기 학습 기간을 단축하고 효율을 높입니다.
• 상품 단위의 최적화: MDPI (2025) 연구에서는 이상 탐지(Anomaly Detection) 알고리즘을 활용해 PMax 캠페인 내에서 실적이 저조한 개별 상품을 자동으로 감지하고 재할당하는 시스템을 구축하여 전환율을 극대화할 수 있음을 증명했습니다.
• 입찰 전략의 효율성: Austrian Journal of Technical and Natural Sciences의 연구는 tCPA(타겟 전환당비용) 및 tROAS 전략이 과거 매뉴얼 입찰 대비 기계학습 모델 내에서 통계적으로 유의미한 효율 증대를 가져왔음을 입증했습니다.

대규모 데이터가 증명하는 스케일업(Scale-up) 효과

산업계의 대규모 데이터도 이를 뒷받침합니다.

• Optmyzr의 24,700개 캠페인 분석 (2024): 기존 검색 광고(Search)나 쇼핑 광고만 운영하던 계정에 PMax를 병행했을 때, 도달 범위가 크게 확장되며 전체 전환 볼륨이 상승하는 효과를 확인했습니다.
• Lebesgue 벤치마크 리포트: e커머스 업계에서 PMax는 충분한 전환 데이터가 주어졌을 때 전통적인 디스플레이 리타겟팅이나 일반 쇼핑 캠페인보다 평균적으로 높은 ROAS와 전환율(CR)을 기록하는 것으로 나타났습니다.

---

2. PMax가 도움이 안 되는 경우는 어떤 경우인가? (실패와 함정)

하지만 PMax가 무조건적인 성공을 보장하는 "마법의 지팡이"는 아닙니다. 오히려 구조적 특성 때문에 마케터를 속이는 '가짜 성과'를 만들어내기도 합니다.

가장 큰 함정: 자사명 검색(Branded Search) 카니발라이제이션

PMax 실패 사례에서 가장 빈번하게 지적되는 문제입니다. (MarketingLeague, The Search Monitor 분석) PMax 알고리즘은 단기적인 전환율을 극대화하도록 설계되어 있습니다. 이 때문에 사용자가 이미 구매 의도를 가지고 검색하는 '우리 브랜드명(자사명)' 검색 트래픽을 가로채어 전환을 발생시킵니다. 기존 검색 캠페인에서 저렴하게 발생할 수 있었던 전환을 PMax가 비싸게 가져가면서, PMax 캠페인의 ROAS는 엄청나게 높아 보이지만 실제 기업의 전체 매출은 늘어나지 않는 '성과 부풀리기' 현상이 발생합니다.

증분(Incrementality)의 부재

Haus.io와 Fairing.co 같은 마케팅 분석 기관들은 PMax의 플랫폼 보고서가 종종 실적을 과대포장한다고 경고합니다. 진짜 PMax가 매출을 늘렸는지 확인하려면 특정 지역에서만 PMax를 끄거나 켜는 지리적 리프트(Geo-Lift) 테스트를 진행해야 합니다. 테스트 결과, PMax가 보고하는 전환의 상당수가 PMax가 없었어도 오가닉 검색이나 기존 검색 광고를 통해 발생했을 전환(Cannibalization)인 경우가 많았습니다.

입력 데이터 및 애셋 부족

Optmyzr 및 Grazitti의 실패 사례 연구에 따르면, 고품질의 텍스트, 이미지, 동영상(Asset)을 제공하지 않거나, 오프라인 전환 데이터 등 양질의 1st-party Data(Audience Signals)를 주입하지 않은 채 PMax를 "설정해 두고 방치(Set-and-forget)"하면 알고리즘은 쓰레기 데이터에 기반하여 예산을 낭비하게 됩니다.

---

3. 언제 PMax를 사용하고, 언제 피해야 하는가?

데이터와 연구 결과를 종합해 볼 때, PMax의 도입 여부는 계정의 상황과 목표에 따라 철저히 달라져야 합니다.

✅ PMax를 적극 사용해야 하는 경우 (When to Use)

1. 명확한 전환 목표와 충분한 데이터 볼륨: 한 달에 최소 30회(권장 50회 이상) 이상의 뚜렷한 전환(구매, DB 수집 등) 데이터가 꾸준히 발생하는 경우. (WordStream 권장)
2. 검색을 넘어선 스케일업이 필요할 때: 검색 광고의 효율이 이미 한계에 도달하여, 유튜브, 디스커버, 디스플레이 등 구글의 전체 채널로 쉽게 도달 범위를 넓히고 싶을 때. (BigFlare 분석)
3. 고품질의 크리에이티브 리소스를 보유한 경우: 다양한 규격의 동영상과 이미지를 알고리즘에 충분히 제공할 수 있을 때.

❌ PMax를 피하거나 매우 주의해서 사용해야 하는 경우 (When NOT to Use)

1. 예산이 매우 제한적인 경우: PMax는 다양한 지면에 광고를 뿌리며 학습하는 데 비용을 소모합니다. 타이트한 예산으로 당장의 ROI를 뽑아야 한다면 기존의 타겟팅 검색 광고나 표준 쇼핑 광고가 훨씬 안전합니다. (Channable 리포트)
2. 세밀한 키워드 제어와 투명성이 필요한 경우: PMax는 어떤 검색어에서, 어떤 유튜브 영상에서 전환이 일어났는지 정확히 알려주지 않는 '블랙박스'입니다. 브랜드 안전성(Brand Safety)이 매우 중요하거나, 특정 키워드마다 입찰가를 다르게 조정해야 하는 비즈니스라면 적합하지 않습니다. (The Search Monitor)
3. 브랜드 보호가 최우선인 경우: 자사 브랜드 검색량을 보호하기 위해 PMax 설정 시 반드시 '브랜드 제외(Brand Exclusions)'를 적용해야 합니다. 이를 통제할 수 없다면 PMax 도입을 보류해야 합니다.

---

결론: PMax는 대체재가 아닌 '강력한 보완재'

PMax는 분명 강력한 최적화 알고리즘입니다. 하지만 기존의 모든 캠페인을 종료하고 PMax에만 전적으로 의존하는 것은 위험합니다.

현존하는 가장 똑똑한 마케팅 전략은 '하이브리드 접근법'입니다. 구매 의도가 명확한 키워드와 자사 브랜드 키워드는 기존의 검색 캠페인(Search Campaign)으로 강력하게 제어하고, 검색 광고가 닿지 않는 광범위한 잠재 고객을 찾아내고 추가적인(Incremental) 전환을 끌어오는 역할로 PMax를 병행하는 것입니다.

AI에게 운전대를 맡기되, 그 AI가 제대로 된 길(정확한 데이터와 명확한 제외 조건)로 가도록 내비게이션을 세팅하는 것은 여전히 마케터의 몫입니다.

---

📚 참고자료

1. OPMAX Learning Agent: Optimizing Performance Max Campaigns Using Random Forest Algorithm. Veselka Petrova-Dimitrova. AIP Conference Proceedings, 2025.
2. Machine Learning-Powered Agents: Optimized Product Management in Performance Max Campaigns. Veselka Petrova-Dimitrova. MDPI Engineering Proceedings, 2025.
3. Development of Performance Max after AI optimization: Evaluation of the effectiveness of tCPA and tROAS strategies. Austrian Journal of Technical and Natural Sciences.
4. The 2024 Performance Max Study: Analysis of 24,700+ campaigns. Optmyzr Industry Report, 2024.
5. Performance Max Benchmarks: CTR, CR, and ROAS across Industries. Lebesgue Analytics, 2024.
6. The Cannibalization Problem in PMax: Why PMax Takes Credit for Branded Search. MarketingLeague.ai Analysis.
7. Incrementality vs. Platform ROAS: Understanding the true lift of Google Ads. Fairing.co Incrementality Insights.
8. Geo-Lift Testing for Performance Max: Calculating the Incrementality Factor. Haus.io Data Science Report.
9. When to Use Performance Max: Scaling beyond Search and Shopping. WordStream / BigFlare Strategy Guides.
10. The Black Box Dilemma: When NOT to use PMax (Brand safety, granular control, and budget constraints). The Search Monitor / Channable Case Studies.