GSC·애드센스 데이터로 광고 트래픽 룰 자동 추출한 경험

GSC(Google Search Console)와 AdSense 데이터를 활용해 traffic-watcher 스크립트에 자동 회피/권장 룰 추출 기능을 넣었다. 사실 이 작업은 꽤 전형적인 "수동 운영 → 자동화"의 스토리지만, 그 과정에서 느꼈던 것들을 정리해본다.

왜 데이터 기반 룰이 필요했는가

트래픽 정책을 잡을 때 가장 흔한 실수는 직관이나 제한된 정보로 규칙을 만드는 거다. 우리도 초반엔 대충 "이 키워드는 피하자", "저 소스는 좋으니 권장하자" 같은 식으로 수동으로 리스트를 관리했었다. 근데 트래픽 패턴은 계절, 광고 성과, 검색 추세에 따라 자주 바뀐다. 그래서 매번 누군가는 대시보드를 들어가서 "어? 이 채널이 갑자기 안 좋네?", "어, 이건 요즘 뜨는군?" 하면서 수동으로 규칙을 조정해야 했다.

수동 관리의 문제는 두 가지였다. 첫째, 반응이 느리다. 트래픽 패턴이 바뀌어도 누군가 눈치채고 액션을 취할 때까지 시간이 걸린다. 둘째, 일관성이 떨어진다. 사람마다 판단 기준이 다르거나 바뀌면 같은 상황에서 다른 결정을 하게 된다. 그러면 나중에 "어? 왜 이건 이렇게 했는데 저건 저렇게 했지?" 하는 질문이 나온다.

데이터로부터 자동 추출하기

GSC와 AdSense 데이터는 이미 있었다. GSC는 검색 쿼리, CTR, 평균 순위 같은 정보를 주고, AdSense는 수익성(RPM, CPC 등) 신호를 준다. 이 두 소스를 합치면 "이 키워드는 클릭은 많은데 수익은 별로다", "이건 검색 순위는 낮은데 전환률이 높다" 같은 복합적인 판단이 가능해진다.

자동 추출 로직의 기본 개념:

예를 들어 이런 식의 휴리스틱:

# GSC 데이터로 기회도 평가
if impressions > threshold and avg_position < 5:
    score += "high_potential"  # 상위 랭킹, 인상많음 = 권장

# AdSense 데이터로 수익성 평가
if rpm > benchmark and ctr > avg_ctr:
    score += "profitable"  # 수익률 좋음

# 반대로 피할 패턴
if clicks_low and revenue_low:
    flag_for_avoidance()  # 클릭도 적고 돈도 안 됨 = 회피

물론 실제로는 이것보다 더 정교하다. 시간 추이(트렌드인지 일시적 변동인지), 시즌성, 타겟 오디언스별 차이 같은 걸 다 고려해야 한다. 하지만 핵심은 "사람이 매번 판단하지 말고, 데이터를 기반으로 자동 신호를 뽑자"는 거다.

팀 입장에서의 영향

이런 자동화가 들어가면 운영이 훨씬 가벼워진다. 특히 트래픽/SEO 팀 입장에서는:
- 정기적으로 수동으로 규칙을 리뷰하고 조정할 필요가 줄어든다
- 규칙 변경의 근거가 명확하다 ("이 키워드는 AdSense RPM이 떨어졌으니 권장 해제" vs "그냥 좋아 보이지 않으니 회피")
- 새로운 팀원도 왜 이 규칙이 있는지 데이터로 확인할 수 있다

다만 중요한 건 자동화를 맹신하면 안 된다는 거다. 예를 들어 "이 키워드는 수익이 좋으니 무조건 권장"은 위험할 수 있다. 왜냐하면 그 수익이 일시적 광고주 입찰 급증 때문일 수도, 아니면 그 키워드 유입이 브랜드 이미지에 맞지 않을 수도 있기 때문이다. 그래서 자동 추출한 규칙도 주기적으로 사람이 샘플링해서 "이게 맞나?" 확인하는 QA 프로세스는 필요하다.

이런 류 자동화 할 때 배운 것들

1. 데이터 신선도가 중요하다
   GSC는 보통 2-3일 딜레이가 있다. 그러니 "오늘 데이터로 오늘 규칙 적용"보다는 "최근 N주 데이터로 안정적인 트렌드 감지"가 맞다.

2. 임계값 설정이 예술이다
   "RPM이 이 정도 이상이면 권장"이라고 정할 때, 너무 낮게 잡으면 쓰레기 규칙이 만들어지고, 너무 높게 잡으면 기회를 놓친다. 처음엔 데이터의 백분위수(예: 상위 30%)로 임계값을 정하고, 실제 결과를 보면서 조정하는 방식이 낫다.

3. 회피와 권장은 비대칭이다
   회피는 "이건 안 하는 게 낫다"라는 신호인데, 권장은 "이건 해봐야 한다"는 신호다. 실패 비용이 다르면 기준도 달라야 한다.

결국 이 작업의 본질은 "데이터를 믿되, 완전히 자동화하지는 말자"는 거다. 스크립트는 신호만 잘 뽑으면 되고, 최종 의사결정은 여전히 팀의 영역이다.

🛒 이 글과 어울리는 추천 상품

• 모니터 쿠팡에서 보기 →
• 기계식키보드 쿠팡에서 보기 →
• 외장SSD 쿠팡에서 보기 →

*위 링크는 쿠팡파트너스 활동의 일환이며, 일정액의 수수료를 제공받을 수 있습니다.