AI 덕분에 마케터가 필요 없다고 얘기하는 당신께

AI 광고 최적화가 잘될수록 고객에 대한 이해도 더 잘하고 있다고 말할 수 있을까요?성과 데이터에 담긴 한계와 소재 다양성의 의미를 살펴보고, 새로운 고객과 구매 이유를 발견하기 위한 광고 기획 방향을 짚어봅니다.
루터스컴퍼니's avatar
Nov 01, 2026
AI 덕분에 마케터가 필요 없다고 얘기하는 당신께

다른 소재보다 구매 전환율이 높고, 같은 예산으로 더 많은 매출을 내는 소재를 찾았습니다. 운영자는 해당 소재에 예산을 늘리고, 비슷한 메시지로 후속 소재를 제작합니다. AI를 활용하면 카피와 이미지를 여러 버전으로 만드는 일도 어렵지 않죠.

위닝 크리에이티브에 자원을 집중하는 것은 합리적인 판단입니다. 그런데 이 과정이 반복되다 보면 한 번쯤 생각해볼 질문이 있습니다. 우리는 고객이 원하는 것을 점점 잘 알아가고 있는 걸까요? 혹은 우리가 배포한 몇 가지 메세지 중에서 가장 반응이 좋았던 것을 계속 정교하게 만들고 있는 걸까요?

두 가지는 비슷해 보이지만, 다음 액션을 판단할 때 꽤 중요한 요소로 작용합니다.


1. 위닝 크리에이티브 한계

가상의 무선청소기 브랜드를 예로 들어보겠습니다.

이 브랜드는 반려동물을 키우는 고객에게 제품을 판매하고자 합니다. 소파와 카펫에 붙은 털을 제거하는 모습을 보여주고, 털이 엉키지 않는 브러시를 강조합니다. 광고로 제품을 인지한 고객이 유입 후 제품을 구매하고, 그중 일부는 반려동물 털 청소가 편해졌다는 후기를 남깁니다.

이 데이터를 보면 마케터는 반려동물 가구를 핵심 고객으로 판단하게 됩니다. 고양이와 강아지가 등장하는 소재를 늘리고, 털을 청소하는 장면을 더 효과적으로 보여주려 하겠죠. AI에도 지금까지 성과가 좋았던 광고 데이터와 고객 VoC를 입력시키고, 이를 바탕으로 새로운 소재를 만들어달라고 요청할 것입니다.

너무나도 자연스러운 행동이지만, 이 데이터가 AI에게 알려주는 스펙트럼에 대해 생각해볼 여지는 있는데요.

확인된 것은 ‘반려동물 털 청소를 강조한 소재에 반응해 구매한 사람이 있다’는 사실입니다. 다만, 이 제품을 필요로 하는 가장 큰 고객 집단이 <반려동물 가구>인지, 다른 구매 이유보다 <털 청소>가 더 강력한지는 별도로 확인해야 하죠.

아이가 식사할 때마다 바닥에 떨어지는 부스러기를 치우는 부모도 이 제품을 필요로 할 수 있습니다. 큰 청소기를 꺼내기 번거로워 청소를 미루는 사람에게는 가볍게 집어 드는 편의성이 더 중요할 수 있고요.

그런데 이런 상황을 광고나 상세페이지에서 충분히 노출하지 않았다면, 기존 성과 데이터만으로 그 가능성을 판단하기는 어렵습니다.


2. 위닝 크리에이티브는 의도된 학습입니다

반려동물 소재의 성과가 좋아 예산을 늘리면, 해당 소재를 통한 노출과 구매 데이터도 더 많이 쌓입니다. 후기에는 털 청소 이야기가 늘어나고, 다음 기획에서도 그 후기를 참고하게 되겠죠.

그래서 성과가 좋은 소재를 분석한 결과가 다시 ‘반려동물 털 청소를 강조하자’로 이어지는 것은 이상한 일이 아닙니다. 데이터에서 가장 뚜렷하게 보이는 구매 이유가 그것이니까요.

문제는 그 결과를 받아들이는 방식입니다. 여러 차례의 분석에서 같은 결론이 나왔다고 해서, 다양한 가능성을 충분히 검토했다고 볼 수는 없죠. 위닝 크리에이티브를 중심으로 학습이 이어졌기 때문에 결론도 비슷해지는 것입니다.

그 사이 다른 고객 세그먼트를 위한 아이디어는 우선순위에서 밀릴 수 있습니다. 이미 성과가 확인된 소재를 개선하는 편이 당장 광고비를 집행하기에도, 다음 주 매출 보고를 하기에도 수월하기 때문입니다.

저는 AI를 활용한 광고 운영에서 마케터가 잘 컨트롤 해야 하는 부분이 이 지점이라고 생각합니다. 분석과 제작이 빨라질수록 잘되는 방향을 확장하는 속도도 빨라지니, 그만큼 아직 터치 하지 못한 인접 시장에 대한 공략 기회는 의식적으로 만들어야 하겠죠.

물론 AI가 새로운 고객 세그먼트를 발견할 수 없다는 뜻은 아닙니다. 어떤 자료 입력하고, 무엇을 분석하도록 요청하느냐에 따라 기존에 몰랐던 가능성도 제안할 수 있습니다.

다만 기존 광고 성과를 개선하는 일에 집중하도록 지시한 상황에서, 완전히 다른 고객 세그먼트에 대한 공략 가능성을 검토하는 일은 AI가 쉽게 할 수 있는 일은 아니죠.


3. 소재 대량 생산 ≠ 다양한 크리에이티브

뉴욕에 본사를 둔 글로벌 온라인 광고 및 애드테크 기업 Nexxen의 CMO 벤 카플란은 자신이 기고한 글에서 광고 업계가 AI의 가치를 속도와 비용 절감으로만 설명하는 경향을 지적했습니다. 캠페인을 효율적으로 운영하는 것에을 넘어, 기존에 접근하지 못했던 고객과 기회를 찾는 데도 AI를 활용해야 한다는 이야기인데요.

가령, 앞서 무선청소기 브랜드가 AI로 광고 이미지 30개를 만들었다고 해보겠습니다. 어떤 소재에는 고양이가, 다른 소재에는 강아지가 등장합니다. 소파의 색과 집의 분위기가 달라지고, 카피도 다양하게 바꿀 수 있겠죠.

제작한 소재는 30개지만, 모두 반려동물 털 청소라는 하나의 구매 이유를 소구하고 있을 수 있습니다. 표현은 다양해졌지만, 고객에 대한 가설은 다양해진 것이 아닌 셈이죠.

물론 같은 소구점을 여러 방식으로 표현하는 일은 마케팅 성과 향상에 필수적인 일입니다. 고객이 이해하기 쉬운 장면과 문장을 찾아가는 과정이니까요. 다만 이를 통해 답할 수 있는 질문은 ‘털 청소라는 장점을 어떻게 보여줄 때 반응이 좋은가’ 하나로 수렴한다는 것이 문제인데요.

그래서 저는 ‘이 제품을 또 누가, 어떤 상황에서 필요로 할까’에 답하려면 기획의 출발점을 넓혀야 한다고 생각합니다. 아이가 밥을 먹은 뒤 식탁 아래를 정리하는 장면, 외출 직전 현관에 떨어진 먼지를 빠르게 치우는 장면처럼 제품을 꺼내는 이유 자체를 달리 생각해보는 것입니다.


4. 새로운 가설은 KPI를 다르게 가져가야

새로운 고객 세그먼트를 위한 테스트 광고를 만들었다고 해서 바로 가능성을 확인할 수 있는 것은 아닙니다. 결과가 좋든 나쁘든, 무엇을 확인한 테스트인지 해석이 필요하죠.

예를 들어 아이가 있는 가정을 염두에 두고 ‘식사 후 부스러기 청소’ 소재를 만들었는데 성과가 좋지 않았다고 해보겠습니다.

이 결과만으로 해당 고객에게 수요가 없다고 판단하기는 어렵습니다. 실제로 그 TPO에 놓인 사람에게 충분히 노출됐는지, 부스러기를 청소하는 장면에서 제품의 편의성이 잘 보였는지 체크해봐야 겠죠. 광고 소재는 ‘편리한 사용감’을 소구했는데, 상세페이지는 여전히 반려동물 털 제거 기능만 설명하고 있을 수도 있을 수 있습니다.

반대로 소재의 성과가 좋았다고 해서 새로운 고객을 확보했다고 단정할 수도 없습니다. 기존 고객이 새로운 표현에 반응했을 가능성도 있으니까요.

그래서 보통은 단기 광고 테스트로는 큰 인사이트를 만들기 어렵습니다. 성과 수치는 다음 판단을 위한 근거가 되지만, 그 숫자가 어떤 상황에서 만들어졌는지까지는 보여주지 않기 때문이죠.

따라서 새로운 가설을 시험할 때는 시작 전에 무엇을 알아보려는지 명확히 정의한 뒤에 시작하는 것이 중요합니다. 단순히 기존 소재보다 ROAS가 높을지 체크하려는 의도인지, 새로운 사용 상황이 구매 이유가 될 수 있는지 확인하는 것인지에 따라 필요한 소재와 상세페이지, 지표 KPI가 달라지기 때문입니다.

또한 매출을 담당하는 메인 캠페인과 테스트 캠페인을 분리해서 운영한다면, 각 캠페인별 KPI를 다르게 설정하는 것도 필요합니다. 테스트를 이유로 성과를 무한정 기다릴 수는 없지만, 당장의 효율만으로 모든 시도를 판단하면 검증할 기회 자체가 사라질 수 있으니까요.


5. 광고 소재 기획 시 꼭 확인할 것

광고를 운영하다 보면 성과가 좋은 소재에 집중하게 되는 것은 자연스러운 현상입니다. 굳이 새로운 방향을 시도하는 일은 비용도 들고, 결과를 장담하기도 어렵죠. 그런 판단이 반복되는 이유는 충분히 이해할 수 있습니다.

다만 그러한 이유로 인접 시장으로의 확장을 뒤로 미루는 것은 생각해볼 여지가 있습니다. 이미 검증된 광고를 개선하는 일과 함께, 아직 확인하지 못한 잠재 시장이 있다면 다음 기획에 충분히 반영해야 겠죠.

AI를 이 과정에서 활용할 수 있습니다. 기존 구매 후기에서 반복되는 장점을 정리하는 데 이어, 제품을 불편하게 느낀 이유나 경쟁 제품을 선택한 이유를 비교해볼 수 있겠죠. 지금까지 만든 소재들이 어떤 사용 상황에 집중되어 있는지 분류하고, 빠져 있는 상황을 검토하는 데 도움을 받을 수도 있습니다.

저는 AI를 잘 활용하는 마케터라면 성과가 좋은 광고를 분석하는 일과 함께, 아직 판단 근거가 없는 부분(가설)도 구분하여 잘 기획할 수 있어야 한다고 생각합니다. 고객이 원하지 않는다고 ‘증명된 결과’와, 우리가 제대로 ‘제안해본 적이 없는 것’은 다르기 때문입니다.

다음 소재를 기획할 때는 최근 성과가 좋았던 광고들을 펼쳐놓고 한 번 살펴보면 좋겠습니다. 이미지와 카피는 달라도, 모두 비슷한 사람에게 같은 구매 이유를 설명하고 있지는 않은지 말이죠.

그렇다면 이번 기획에는 그 제품을 필요로 할 다른 CEP를 하나 골라보는 것은 어떨까요? 지금의 데이터 pool 안에서 아직 공략하지 못한 고객과의 접점을 만들기 위해서요.


참고자료: Ben Kaplan, 「AI in Advertising Must Have a Growth Mindset」, Adweek.

Share article