Lookalike Audience 만들기 2026: 쿠키 종말 시대의 오디언스 전략

Lookalike Audience 만들기란, 이미 확보한 우수 고객 명단(시드 오디언스)의 행동·속성 패턴을 광고 플랫폼의 머신러닝이 학습해, 그와 가장 닮은 신규 잠재 고객 집단을 자동으로 찾아내도록 설계하는 작업을 말합니다. 2026년 현재 유사 타겟(Lookalike) 구성은 단순히 “버튼 한 번 누르는 작업”이 아니라, 어떤 데이터를 시드로 넣느냐에 따라 광고 효율이 수십 퍼센트씩 갈리는 전략적 의사결정이 되었습니다. 이 글은 미국 시장에 진출하는 한국 이커머스 운영자를 위해, 이른바 “쿠키 종말 시대”라 불리는 2025~2026년의 실제 변화와, 그 안에서 성과를 내는 Lookalike Audience 만들기 방법을 데이터 기반으로 정리했습니다.

1. Lookalike Audience란 무엇인가

Lookalike Audience 만들기의 출발점을 이해하려면, 이 기능이 무엇을 학습하는지부터 알아야 합니다. 광고 플랫폼은 우리가 제공한 “이미 좋은 고객”의 공통 신호(구매 빈도, 객단가, 관심사, 행동 시퀀스 등)를 수천 개의 변수로 분해한 뒤, 전체 사용자 풀에서 그 패턴과 통계적으로 가장 가까운 사람들을 묶어냅니다.

시드 오디언스(Seed Audience)란

시드 오디언스는 Lookalike의 원본이 되는 “씨앗” 명단입니다. 구매 고객 리스트, 이메일 구독자, 픽셀이 기록한 고가치 행동(장바구니 담기, 결제 시작) 사용자 등이 시드가 될 수 있습니다. 핵심 원칙은 단순합니다. 시드의 질이 곧 결과의 질입니다. 닮을 대상이 평범하면, 닮은 신규 고객도 평범해집니다.

유사도 1%~10%의 의미

Meta 기준 Lookalike는 1%에서 10%까지 유사도를 설정할 수 있습니다. 1%는 시드와 가장 닮은 상위 1% 인구로, 정밀도가 높지만 규모가 작습니다. 10%로 넓힐수록 도달은 커지지만 시드와의 유사도는 옅어집니다. 일반적으로 프로스펙팅 초기에는 1~3%로 시작해 성과를 보며 단계적으로 확장하는 방식이 안정적입니다.

Lookalike와 Custom Audience의 차이

두 개념은 자주 혼동됩니다. Custom Audience(맞춤 타겟)는 이미 우리를 아는 사람들, 즉 고객 리스트·사이트 방문자·앱 사용자 같은 “기존 관계”를 재타겟팅하는 도구입니다. 반면 Lookalike는 그 기존 관계를 시드로 삼아 “아직 우리를 모르는, 그러나 닮은” 신규 고객을 찾는 프로스펙팅 도구입니다. 실무에서는 Custom Audience로 시드를 정의하고, 그 시드로 Lookalike를 만들어 확장하는 2단 구조가 기본입니다.

왜 한국 브랜드에게 특히 중요한가

미국 시장에 처음 진입하는 한국 브랜드는 현지 고객 데이터가 거의 없는 “콜드 스타트” 상태로 출발합니다. 관심사·인구통계만으로 타겟을 좁히면 비효율적인 트래픽에 예산을 태우기 쉽습니다. 유사 타겟 전략은 적은 양이라도 확보된 우수 고객을 지렛대 삼아, 플랫폼의 머신러닝이 유사 신규 고객을 찾도록 위임하는 방법입니다. 데이터가 적을수록 오히려 “좋은 시드 한 줌”의 가치가 커집니다. K뷰티·K푸드처럼 초기 리뷰와 재구매가 성패를 가르는 카테고리에서는, 초기 우수 고객을 시드로 빠르게 전환하는 속도가 곧 시장 안착 속도가 됩니다.

2. “쿠키 종말”은 정말 왔는가 — 2025~2026 팩트체크

이 글의 제목이 가리키는 “쿠키 종말 시대”는 마케팅 업계가 수년간 외쳐온 표현입니다. 그러나 2025~2026년의 실제 상황은 많은 사람이 알고 있는 것과 다릅니다. 정확한 사실 위에서 전략을 세워야 하므로, 먼저 팩트를 정리하겠습니다.

구글의 번복: 2025년 4월

구글은 원래 2025년 안에 크롬에서 서드파티 쿠키를 전면 폐지할 계획이었습니다. 그러나 2025년 4월, 구글은 이 계획을 철회하고 크롬의 기존 쿠키 설정을 그대로 유지하기로 발표했습니다. 즉 2026년 현재, 크롬에서 서드파티 쿠키는 기본값으로 여전히 작동합니다.

Privacy Sandbox API 종료: 2025년 10월

더 결정적인 변화는 그 다음에 일어났습니다. 2025년 10월 17일, 구글은 Privacy Sandbox의 핵심 API들(Topics, Attribution Reporting, Protected Audience)을 크롬과 안드로이드 양쪽에서 공식 종료했습니다. 쿠키를 대체하겠다던 “단일 크롬 주도 대안”은 사실상 막을 내린 셈입니다. 규제 당국의 경쟁 우려, 업계 테스트의 엇갈린 결과, 낮은 채택률이 복합적으로 작용했습니다.

그래도 시그널 손실은 구조적 현실

2026년 기준, 디지털 광고에서 시그널 손실은 예외가 아니라 기본 조건입니다. 업계 분석(DigitalApplied, 2026)에 따르면 조직들은 평균 30~40%의 시그널 손실을 겪고 있으며, 서버사이드 추적과 퍼스트파티 데이터 전략으로 전환한 곳들이 그 손실의 60~75%를 복구하고 있습니다. 또한 광고 의사결정자의 95%가 시그널 손실과 프라이버시 규제가 계속될 것으로 내다봅니다. 다시 말해, “쿠키 종말”이라는 표현이 과장이었다 해도, 서드파티 쿠키에 의존하지 말라는 전략적 결론은 오히려 더 강해졌습니다.

3. 2026년 Lookalike Audience가 달라진 점

이런 환경에서 유사 타겟의 작동 방식과 권장 전략도 함께 바뀌었습니다. 2026년의 변화는 크게 세 가지입니다.

픽셀 기반 → 퍼스트파티 하이브리드

과거 Lookalike는 픽셀이 수집한 브라우저 행동 데이터에 크게 의존했습니다. 2026년에는 핵심 축이 옮겨갔습니다. 알고리즘은 여전히 강력하지만 더 제약된 환경에서, 퍼스트파티 데이터와 맥락 신호를 무겁게 가중하는 하이브리드 방식으로 전환되었습니다. 정리하면, 잘 정제된 퍼스트파티 데이터의 품질이 관심사 스택이나 수동으로 쌓은 Lookalike보다 우위에 섭니다.

Meta Advantage+ Audience의 부상

2026년 Meta는 Advantage+ Audience를 기본값으로 권장합니다. Advantage+는 정적인 시드 리스트보다 훨씬 풍부한 신호 위에서 “유사 모델링”을 내부적으로 자동 수행합니다. 성과 데이터도 이를 뒷받침합니다. Advantage+ Sales 캠페인은 수동 설정 대비 평균 22%의 ROAS 향상을 보였고, 강력한 퍼스트파티 데이터(견고한 픽셀 이력, 잘 구성된 CAPI, 충분한 전환량)를 가진 계정일수록 향상 폭이 더 컸습니다.

구글 쪽 변화: Customer Match와 Performance Max

Meta만의 이야기가 아닙니다. 구글 역시 서드파티 쿠키 의존을 줄이는 흐름 속에서 Customer Match(고객 일치 타겟)와 Performance Max(PMax)의 비중을 키웠습니다. 광고주가 업로드한 퍼스트파티 고객 데이터를 시드로, 구글의 AI가 검색·디스플레이·유튜브·쇼핑 지면을 가로질러 유사 고객을 찾는 구조입니다. 즉 “퍼스트파티 시드 + 플랫폼 AI 확장”이라는 공식은 Meta와 구글에서 동일하게 작동하며, 한국 브랜드는 양쪽에 같은 고LTV 시드를 일관되게 공급하는 것이 효율적입니다.

Advantage+ Shopping의 성과 신호

오디언스뿐 아니라 쇼핑 캠페인에서도 자동화의 이점이 확인됩니다. 업계 데이터에 따르면 Advantage+ Shopping은 일정 조건(30개 이상 SKU, 15개 이상 크리에이티브, 양질의 전환 데이터)을 충족하는 브랜드에서 수동 캠페인 대비 평균 17% 낮은 CPA를 기록했습니다. 실제 사례로, 2025년 패션 리테일 브랜드 FULLBEAUTY Brands는 Advantage+ Shopping의 AI 생성 크리에이티브를 도입해 ROAS 45% 상승, 전환율 22% 증가, 클릭률 36% 향상을 보고했습니다.

Lookalike vs Advantage+: 언제 무엇을

그렇다고 전통적 Lookalike가 사라진 것은 아닙니다. 2026년 Meta의 권고 흐름은 “기본은 Advantage+, 단 통제가 필요하면 Lookalike”로 요약됩니다. 강력한 퍼스트파티 데이터를 보유하고 확장 과정을 직접 통제하고 싶을 때는 유사 타겟이 여전히 더 나은 결과를 줄 수 있습니다. 아래 표로 비교합니다.

4. 고성과 Lookalike Audience 만들기 실전 5단계

이제 실전입니다. 한국 브랜드가 미국 캠페인에서 바로 적용할 수 있는 Lookalike Audience 만들기 5단계를 정리합니다.

1단계: 퍼스트파티 데이터 정리

출발점은 데이터 위생입니다. 구매자, 구독자, 최근 참여자, 고LTV 세그먼트가 있는 곳이라면 그 데이터를 시드의 시작점으로 Meta에 제공하십시오. 이메일·전화번호 등 식별자가 깨끗하게 정규화되어 있을수록 매칭률이 올라가고, 매칭률이 곧 시드 품질로 직결됩니다.

2단계: 고LTV 시드 세그먼트 만들기

가장 큰 레버리지가 여기에 있습니다. 전체 고객을 통째로 넣지 말고, 12개월 LTV 기준 상위 10% 고객을 별도 세그먼트로 분리해 프로스펙팅 캠페인의 Lookalike 시드로 사용하십시오. 전체 고객 리스트에서 세분화된 고LTV Lookalike로 전환한 브랜드들은 ROAS가 20~40% 개선된 사례를 보고합니다. “닮을 대상”을 우수 고객으로 좁히는 것만으로 성과가 달라집니다.

3단계: CAPI·서버사이드 추적 연결

시드의 질을 유지하려면 추적 인프라가 전제되어야 합니다. 서버사이드 추적은 전환 이벤트를 웹 서버에서 포착해 API로 광고 플랫폼에 직접 전송함으로써, 브라우저 한계로 인한 픽셀 정확도 저하를 우회합니다. 픽셀만 쓰는 설정은 이벤트의 약 30~40%를 잃지만, CAPI를 더하면 유실률이 약 5%까지 떨어집니다. 시드에 들어갈 “구매 신호”가 정확해야 Lookalike도 정확해집니다.

4단계: 유사도 비율 설정

프로스펙팅 초기에는 1~3% 유사도로 좁게 시작해 시드와의 닮음을 우선합니다. CPA가 목표 범위 안에서 안정되면 5%, 그 다음 10%로 단계적으로 확장하며 도달을 키웁니다. 처음부터 10%로 넓게 펼치면 시드의 신호가 희석되어 학습이 더뎌집니다.

5단계: 측정과 최적화

마지막은 검증입니다. 높은 ROAS 숫자 자체를 맹신하지 말고, 증분(incremental) 관점에서 신규 고객 유입과 실제 매출 기여를 함께 보십시오. 시드를 분기마다 갱신(최근 구매자·이탈 고객 정리)하면 모델이 최신 고객상을 학습합니다. Lookalike Audience 만들기는 한 번 만들고 끝내는 작업이 아니라, 시드를 살아 있게 유지하는 반복 과정입니다.

5. 한국 브랜드가 자주 하는 5가지 실수

실수 1: 전체 고객을 통째로 시드에 넣기

가장 흔한 실수입니다. “데이터가 많을수록 좋다”는 직관과 달리, 우수 고객과 일회성 할인 고객이 섞이면 모델이 닮아야 할 대상을 흐립니다. 고LTV 세그먼트로 좁히는 것이 정답입니다.

실수 2: 추적 인프라 없이 시드만 키우기

CAPI·서버사이드 없이 픽셀만으로 시드를 모으면, 시드 자체에 30~40%의 구멍이 뚫린 채로 학습이 시작됩니다. 인프라가 먼저, 시드가 그 다음입니다.

실수 3: 1%에서 바로 10%로 점프

도달이 급하다고 처음부터 10%로 펼치면 시드 신호가 희석됩니다. 1~3%에서 검증 후 확장하는 순서를 지키십시오.

실수 4: 시드를 갱신하지 않고 방치

6개월 전 구매자로 고정된 시드는 점점 낡습니다. 분기별로 최근 구매자를 반영하고 이탈 고객을 정리해야 모델이 살아 있습니다.

실수 5: “쿠키 종말” 헤드라인에 휘둘려 과잉 반응

쿠키 폐지는 연기되었습니다. 공포 마케팅에 휘둘려 검증 안 된 솔루션에 예산을 쏟기보다, 퍼스트파티 데이터와 서버사이드 추적이라는 정공법에 투자하는 편이 장기적으로 안전합니다.

6. 퍼스트파티 데이터 인프라 구축

결국 2026년 유사 타겟 전략의 승부처는 “얼마나 좋은 퍼스트파티 데이터를 보유하고, 얼마나 정확하게 플랫폼에 전달하느냐”로 수렴합니다.

CDP의 보편화

고객 데이터 플랫폼(CDP) 도입은 빠르게 확산되었습니다. 전 세계 마케터의 72%가 CDP를 다른 도구와 함께 사용하고 있으며, 글로벌 CDP 시장은 2026년 약 103억 달러 규모로 성장할 것으로 전망됩니다. 다만 의도와 실행 사이에는 간극이 있어, 마케팅 팀의 52%는 여전히 자사 데이터 전략을 직접 소유하지 못하고 있습니다.

CAPI는 선택이 아닌 기본

Conversions API 사용률은 활성 Meta 광고주의 약 35~60% 수준으로 추정되어, 아직 성장 여지가 큽니다. 바꿔 말하면, CAPI를 제대로 구축하는 것만으로 경쟁사 상당수보다 정확한 시드를 확보할 수 있다는 뜻입니다.

퍼스트파티 데이터의 실질 효과

퍼스트파티 데이터를 활용하는 기업은 타 데이터원 대비 2.9배의 매출 리프트를 경험하며, 고객 획득 비용(CAC)을 최대 83%까지 개선하고 전환을 73% 끌어올린 것으로 보고됩니다. 한국 브랜드처럼 미국 시장에서 데이터를 새로 쌓아야 하는 입장에서는, 이 인프라가 곧 경쟁 우위의 토대가 됩니다. (캘리와이어의 디지털 마케팅 블로그에서 CAPI·서버사이드 추적 관련 글을 함께 참고하실 수 있습니다.)

7. 업종별 적용 시나리오 (한국 브랜드)

같은 Lookalike 전략도 카테고리에 따라 시드 정의와 확장 속도가 달라집니다. 캘리와이어가 자주 다루는 세 업종을 예로 들겠습니다.

K뷰티: 재구매·정기구독 시드

스킨케어는 재구매 주기가 뚜렷합니다. 따라서 “1회 구매자” 전체보다 “2회 이상 재구매자” 또는 “정기구독 전환자”를 시드로 삼으면, 닮아야 할 대상이 곧 충성 고객이 됩니다. 리뷰 작성 고객을 시드에 포함하면 UGC 친화적 신규 고객을 함께 끌어올 수 있습니다.

K푸드: 첫 구매 장벽이 높은 카테고리

식품은 맛·식문화 차이로 첫 구매 전환이 어렵습니다. 그만큼 “이미 한 번 구매하고 재구매한” 고객의 신호가 귀합니다. 초기 데이터가 적을 때는 1% 유사도로 좁게 시작해 정밀도를 확보하고, 재구매 데이터가 쌓이면 시드를 갱신하며 단계적으로 확장하는 편이 안전합니다.

패션·라이프스타일: 크리에이티브와 결합

패션은 시각적 설득이 핵심이라 Advantage+ Shopping의 크리에이티브 자동화와 궁합이 좋습니다. 고LTV 시드를 힌트로 제공하고, 다양한 크리에이티브를 충분히(15개 이상) 공급하면 시스템이 효율 좋은 수요 구간을 빠르게 찾아냅니다. 앞서 언급한 FULLBEAUTY 사례가 이 패턴에 해당합니다.

자주 묻는 질문 (FAQ)

Q1. 2026년에도 Lookalike Audience를 만들 가치가 있나요?

네. 다만 사용 맥락이 바뀌었습니다. Meta는 Advantage+를 기본값으로 권장하지만, 강한 퍼스트파티 데이터를 보유하고 확장을 직접 통제하고 싶다면 전통적 Lookalike가 여전히 더 나은 결과를 줄 수 있습니다. 둘은 대체재가 아니라 상황별 도구입니다.

Q2. 시드 오디언스는 최소 몇 명이 필요한가요?

Meta는 일반적으로 최소 100명 이상(국가별)을 요구하지만, 실무적으로는 수천 명 규모의 깨끗한 고LTV 시드가 안정적입니다. 규모보다 중요한 것은 시드의 “질”입니다.

Q3. “쿠키 종말” 때문에 Lookalike가 작동하지 않게 되나요?

아닙니다. 서드파티 쿠키 전면 폐지는 2025년 4월 철회되었고, Lookalike는 본래 플랫폼 내부 데이터와 광고주가 제공한 퍼스트파티 시드에 기반합니다. 다만 시그널 손실에 대비해 CAPI·서버사이드 추적을 병행해야 시드 정확도가 유지됩니다.

Q4. 고LTV 시드는 어떻게 정의하나요?

가장 단순한 출발점은 12개월 누적 구매액 기준 상위 10% 고객입니다. 여기에 재구매 빈도, 반품률 등을 가중하면 더 정교해집니다. 전체 고객 리스트보다 이 세그먼트가 ROAS를 20~40% 끌어올린 사례가 있습니다.

Q5. Advantage+로 넘어가면 시드 데이터는 필요 없나요?

오히려 더 중요합니다. Advantage+는 시드를 “경계”가 아니라 “힌트”로 사용하지만, 그 힌트가 좋을수록 시스템 학습이 빨라집니다. 깨끗한 고객 리스트와 잘 구성된 CAPI가 Advantage+ 성과의 전제 조건입니다.

Q6. 한국 브랜드가 미국 진출 초기에 무엇부터 해야 하나요?

순서는 ① 퍼스트파티 데이터 수집·정규화, ② CAPI·서버사이드 추적 구축, ③ 고LTV 시드 정의, ④ Lookalike 또는 Advantage+ 캠페인 설계입니다. 데이터 인프라 없이 캠페인부터 시작하면 시드가 부실해져 효율이 떨어집니다.

9. 결론 및 다음 단계

2026년의 Lookalike Audience 만들기는 “쿠키가 죽느냐 사느냐”의 문제가 아닙니다. 쿠키 폐지는 연기됐지만 시그널 손실은 구조적 현실로 굳어졌고, 그 답은 한결같습니다. 좋은 퍼스트파티 데이터를 시드로, 정확한 서버사이드 추적을 인프라로. 전체 고객이 아니라 고LTV 고객을 닮게 하고, 1~3%에서 검증 후 확장하며, 시드를 분기마다 살아 있게 유지하는 브랜드가 미국 시장에서 앞서갑니다.

지금 바로 실행할 수 있는 다음 단계는 다음과 같습니다.

• CTA 1: 우리 브랜드의 퍼스트파티 데이터·추적 인프라가 Lookalike에 쓸 준비가 되었는지 캘리와이어 무료 진단으로 점검해 보세요.
• CTA 2: 고LTV 시드 세그먼트 정의가 막막하다면, 캘리와이어 컨설팅 문의로 우리 데이터 기반 세그먼트 설계를 요청하세요.
• CTA 3: Advantage+ 전환 시점이 고민이라면, 현재 캠페인 구조를 공유해 주시면 전환 로드맵을 함께 그려 드립니다.

캘리와이어는 어떻게 도와드리나요

캘리와이어(Calywire)는 미국 로스앤젤레스에 본사를 둔 디지털 마케팅 에이전시로, 한국 브랜드의 미국 시장 진출을 전문으로 합니다. Lookalike Audience 구성과 Advantage+ 전환에 있어, 우리는 단순히 캠페인을 세팅하는 데서 그치지 않습니다. 퍼스트파티 데이터 수집 구조 설계, CAPI·서버사이드 추적 구축, 고LTV 시드 세그먼트 정의, 유사도 단계적 확장 전략까지, 미국 시장에서 처음 데이터를 쌓아야 하는 한국 브랜드의 현실에 맞춰 전 과정을 함께 설계합니다. 쿠키 종말이라는 헤드라인에 휘둘리지 않고, 검증된 정공법으로 미국 고객을 확보하도록 돕습니다.

참고 자료

• Usercentrics — Google Privacy Sandbox officially shuts down: What it means and what’s next
• CookieYes — Google Cookie Deprecation U-Turn: What’s Next for Marketers?
• DigitalApplied — Server-Side Tracking 2026: Privacy-First Analytics
• Omnibound — First-Party Data Statistics (2026)
• Stackmatix — Facebook Lookalike Audiences in 2026: What Changed and What Works Now
• Marketing Agent — The Complete Roadmap to Using Meta Advantage+ in 2026
• Measured — Meta Advantage+: Why High ROAS is a Red Flag
• Admove — Meta CAPI: The Complete Guide to Meta Conversions API (2026)