광고 예산 배분기 - 다음 1달러를 어디에 써야 할지 결정합니다 — Claude Skill

광고 예산 배분기

여러 광고 채널의 성과 데이터를 받아 다음 1달러를 어디에 써야 할지 판단합니다. 이 스킬은 채널을 같은 기준으로 비교하고, 결과 대비 과지출/저지출 지점을 식별하며, 구체적인 예산 재배분 계획을 만듭니다.

핵심 원칙: 대부분의 스타트업은 예산을 너무 얇게 여러 채널에 뿌리거나(어느 채널도 학습할 만큼 충분히 받지 못함), 한 채널에 모두 쏟아붓습니다(다른 곳의 더 저렴한 기회를 놓침). 이 스킬은 올바른 분포를 찾습니다.

사용 시점

• "광고 예산을 어떻게 나눠야 하지?"
• "Google과 Meta 중 어디에 더 써야 할까?"
• "채널 간 광고 지출을 재배분해줘"
• "어디에서 수익이 가장 좋은가?"
• "월 $X 광고 예산이 있는데 어떻게 배분해야 하지?"

0단계: 접수

1. 월 총 광고 예산 — 현재 또는 계획
2. 현재 운영 중인 채널 — Google Ads, Meta Ads, LinkedIn Ads, Twitter/X Ads, TikTok Ads, 기타
3. 채널별 성과 데이터 — 활성 채널마다:
   • 월 지출
   • 노출
   • 클릭 / CTR
   • 전환(전환 유형: 데모, 체험, 구매)
   • CPA 또는 CAC
   • 귀속 매출(가능한 경우)
   • ROAS(가능한 경우)
4. 주요 전환 목표 — 데모 / 체험 / 구매 / MQL
5. 퍼널 데이터(가능한 경우):
   • 리드 → MQL 비율
   • MQL → SQL 비율
   • SQL → 성사율
   • 평균 거래 규모
6. 검토 중이지만 아직 시도하지 않은 채널 — 새 채널을 테스트하고 싶은가요?
7. 제약 조건 — 특정 채널의 최소 지출? 반드시 유지해야 하는 플랫폼?

1단계: 채널 정규화

동일 기준 비교

모든 채널을 같은 지표로 정규화합니다:

*CAC = 퍼널 데이터가 제공된 경우 전체 고객 획득 비용(CPA × 성사율 보정)

퍼널 보정 CAC(퍼널 데이터가 있는 경우)

채널 CAC = CPA ÷ (MQL 비율 × SQL 비율 × 성사율)

이는 단순히 전환되는 리드가 아니라 실제로 성사되는 리드를 만드는 채널을 드러냅니다.

2단계: 채널 효율 분석

2A: 효율 순위

효율 지수:

• > 1.0 = 저투자(지출 비중보다 많은 전환을 얻음)
• = 1.0 = 비례(공정한 비중)
• < 1.0 = 과투자(지출 비중보다 적은 전환을 얻음)

2B: 한계 수익 분석

각 채널에 추가 지출을 넣었을 때 비례 수익이 나올지 추정합니다:

2C: 퍼널 단계 커버리지

3단계: 재배분 추천

3A: 예산 이동 표

3B: 시나리오 모델링

시나리오 1: 보수적 이동(+/- 20%)

• 예상 전환: [N](현재 [N]) = [X%] 개선
• 예상 혼합 CPA: $[X](현재 $[X])
• 위험: 낮음

시나리오 2: 공격적 이동(+/- 40%)

• 예상 전환: [N] = [X%] 개선
• 예상 혼합 CPA: $[X]
• 위험: 중간 — 확장 채널 데이터가 적음

시나리오 3: 월 $[Y]로 예산 증액

• 권장 배분: [표]
• 예상 전환: [N]
• 테스트할 새 채널: [목록]

4단계: 출력 형식

# 광고 예산 배분 — [제품/클라이언트] — [날짜]

월 총 예산: $[X]
활성 채널: [목록]
분석 기간: [날짜 범위]

---

## 현재 상태

| 채널 | 지출 | 예산 비중 | 전환 | CPA | 효율 |
|------|------|-----------|------|-----|------|
| [채널] | $[X] | [X%] | [N] | $[X] | [과투자/저투자/적정] |

**혼합 CPA:** $[X]
**총 전환:** [N]

---

## 권장 재배분

| 채널 | 현재 | 권장 | 변화 | 이유 |
|------|------|------|------|------|
| [채널] | $[X] | $[Y] | [+/-$Z] | [1줄 근거] |

**예상 영향:**
- 전환: [N] → [N] (+[X%])
- 혼합 CPA: $[X] → $[Y] (-[X%])

---

## 퍼널 단계 커버리지

[식별된 공백이 포함된 커버리지 지도]

---

## 새 채널 추천

### [채널명]
- **테스트 이유:** [근거]
- **권장 테스트 예산:** [X주] 동안 월 $[X]
- **성공 기준:** CPA < $[X]
- **사용 중인 경쟁사:** [예/아니오 — 누구]

---

## 실행 계획

### 1주차: 빠른 이동
- [ ] [채널]을 $[X]에서 $[Y]로 줄임
- [ ] [채널]을 $[X]에서 $[Y]로 늘림
- [ ] [새 채널] 테스트 캠페인 설정

### 2-4주차: 모니터링
- [ ] 확장된 채널의 CPA 변화를 추적
- [ ] 수확 체감 신호 관찰
- [ ] 새 채널 성과 평가

### 2개월차: 재평가
- [ ] 새 데이터로 이 분석을 다시 실행
- [ ] 실제 결과에 따라 배분 조정

clients/<client-name>/ads/spend-allocation-[YYYY-MM-DD].md에 저장합니다.

비용

필요한 도구

• 외부 도구 필요 없음 — 순수 추론 스킬
• 사용자가 여러 채널의 성과 데이터를 제공합니다

트리거 문구

• "광고 예산을 어떻게 배분해야 하지?"
• "Google과 Meta 중 어디에 더 써야 할까?"
• "광고 지출을 재배분해줘"
• "ROAS가 가장 좋은 곳은 어디야?"
• "여러 채널 광고 예산을 최적화해줘"