광고에서 AI는 이제 선택이 아닌 필수가 되었습니다. 그렇다면 우리는 어디서, 어떻게 시작해야 할까요? 불과 얼마 전까지만 해도 AI는 새로운 기술로 여겨졌습니다. 하지만 지금은 높은 성과를 내는 광고의 중심에 AI가 자리하고 있습니다. 소비자들은 이미 AI를 빠르게 받아들이고 있으며 마케터들 역시 그 흐름을 따라가고 있습니다.

맥킨지의 글로벌 AI 현황 보고서에 따르면 전 세계 기업의 78%가 이미 한 개 이상의 비즈니스 부서에서 AI를 활용하고 있으며 71%는 정기적으로 생성형 AI를 사용하고 있습니다. 특히 마케팅과 영업 부문에서의 AI 활용률이 가장 높게 나타났습니다.

소비자 측면에서도 최근 연구 결과에 따르면 71%가 “구매 여정에 생성형 AI가 통합되기를 바란다”고 답했습니다. 이는 AI가 더 이상 광고에서 옵션이 아닌, 기본 운영의 핵심 요소가 되었음을 보여줍니다.

이번 크리테오 블로그에서는 AI의 주요 개념을 쉽게 이해할 수 있도록 정리하고, 생성형 AI(Generative AI)와 예측형 AI(Predictive AI)의 차이를 비교합니다. 또한 퍼널 전반에서 AI를 효과적으로 활용할 수 있는 실질적인 방법과 로드맵을 함께 확인해볼 수 있습니다.

이제 하나씩 살펴보겠습니다.

광고에서 AI란? 역할과 활용 방법

광고에서 AI는 머신 인텔리전스를 활용해 광고의 전체 라이프사이클에서 사람이 더 나은 결정을 내릴 수 있도록 돕는 기술을 의미합니다. 이는 오디언스 타겟팅과 입찰 전략은 물론, 광고 소재 제작, 성과 측정, 그리고 캠페인 최적화까지 폭넓게 적용됩니다.

광고에서 AI의 핵심 목표는 반복적인 작업을 자동화하고 인간이 놓치기 쉬운 인사이트를 발견하는 데 있습니다.

먼저, AI 관련 주요 용어를 간단히 살펴보겠습니다. (보다 자세한 정의와 비교가 궁금하다면 [영문 원문]에서 확인할 수 있습니다.)

• 인공 지능(Artificial intelligence, AI) : 일반적으로 인간의 지능이 필요한 다양한 작업을 수행할 수 있는 시스템을 통틀어 일컫는 말로, 학습, 패턴 인식, 의사결정, 콘텐츠 생성 등도 이에 포함됩니다.
• 머신 러닝(Machine learning) : AI의 하위 개념으로, 데이터를 분석해 패턴을 학습하고 이를 기반으로 예측을 수행하는 기술입니다. 즉, 예시 데이터를 제공하면 AI가 스스로 규칙과 패턴을 찾아내는 방식입니다.
• 딥 러닝(Deep Learning) : 머신러닝의 하위 분야로, 여러 층의 신경망을 활용해 복잡한 패턴을 학습하는 기술입니다. 특히 이미지, 오디오, 언어 처리와 같은 영역에서 강점을 보입니다.

그렇다면 AI는 광고의 시스템 구성 안에서 어떤 역할을 할까요?

AI는 데이터를 기반으로 한 의사결정과 콘텐츠 생성의 추가 레이어라고 볼 수 있습니다. 다양한 데이터가 모델에 입력되고 이 모델이 도출한 인사이트는 프로그램매틱, 리테일 미디어 네트워크, 소셜, 검색, 영상, CTV 등 다양한 채널과 마케터의 분석으로 이어집니다.

퍼포먼스 마케팅에서 AI가 실제 워크플로우 속에서 어떻게 활용되는지 더 알고 싶다면, 마케팅 AI 툴로 광고 성과를 높이는 방법: 퍼포먼스 마케터를 위한 실전 가이드를 확인해 보세요.

광고 마케팅에서 생성형 AI와 예측형 AI 차이점

최근 챗지피티 (ChatGPT) 등 다양한 AI 툴을 사용해보셨다면, 바로 생성형 AI에 익숙하실 겁니다. 이런 생성형 AI 툴 이외에도 특정 목표 달성을 위해 설계된 머신러닝 모델도 존재합니다. 그 중 하나가 바로 크리테오 솔루션을 구동하는 예측형 AI입니다.

이 두 기술 모두 광고에 중요한 역할을 하며 함께 활용할 때 더욱 강력한 효과를 발휘할 수 있습니다. 각각의 특징과 광고 활용법을 간략히 비교한 표로 확인해보세요.

AI가 광고에서 작동하는 방식

챗GPT(ChatGPT), 클로드(Claude), 제미나이(Gemini) 같은 AI 툴이 익숙한 분들도 이 AI 기술이 광고 마케팅 안에서는 어떻게 쓰이는지는 조금 낯설게 느껴질 수 있습니다. 사실 대부분의 AI 시스템은 비슷한 과정을 거치며 작동합니다.

데이터 신호 → 기능 엔지니어링 → 모델 학습 → 시장 내 의사 결정 → 성과 측정 → 피드백 루프

조금 더 구체적으로 살펴보면 AI는 광고의 뒤편에서 다음과 같은 단계를 거치며 캠페인을 최적화합니다.

• 데이터 수집 : 먼저 AI는 다양한 데이터 신호(Data Signals)를 수집합니다. 여기에는 웹사이트나 앱에서의 사용자 행동, 제품 카탈로그의 속성, 재고 및 가격 정보, 콘텐츠와 노출 환경(컨텍스트), 그리고 익명화된 광고 상호작용 데이터가 포함됩니다. 이때 사용자의 동의와 개인정보 보호를 전제로, AI가 학습에 활용할 수 있는 고품질의 데이터 신호를 확보하는 것이 핵심입니다.
• 모델 학습 : 이렇게 수집된 데이터는 AI 모델의 학습에 사용됩니다. 모델은 구매 의도, 광고 소재 반응, 이탈 가능성, 예측된 가치 등 성과에 직접적인 영향을 주는 패턴을 스스로 학습합니다. 예를 들어, 딥러닝(Deep Learning)은 이미지나 언어처럼 복잡한 데이터를 처리하는 데 유용하고, 그래디언트 부스팅 트리(Gradient Boosted Tree)나 로지스틱 회귀(Logistic Regression)는 구조화된 퍼포먼스 데이터를 분석하는 데 강점을 보입니다.
• 자동화 및 최적화 : 학습된 AI 모델은 이제 실전에서 의사결정을 지원합니다. 비딩(입찰) 자동화, 타겟 오디언스 선정, 다이내믹 광고 소재 선택, 예산 배분 등이 여기에 포함됩니다. 시스템은 거의 실시간으로 테스트하고 학습하며 재조정(re-allocation)하기 때문에 매 광고 노출마다 더 나은 결과를 낼 수 있도록 지속적으로 개선됩니다.

광고 마케팅에서 AI 실제 활용 사례

지금까지 AI가 광고에서 어떻게 작동하는지 살펴보았다면, 이번에는 AI를 실제 광고에 활용해야 하는 이유를 구체적인 사례와 함께 확인해보겠습니다.

겉보기에는 단순해 보이지만 그 안에는 생각보다 많은 뉘앙스와 기술적 디테일이 숨어 있습니다.

오디언스 타겟팅 및 세분화 (올바른 고객 파악)

예측형 AI 모델은 구매 전환 가능성, 의도 신호, 제품 선호도를 분석해 오디언스를 세분화합니다. 이를 통해 유통사와 브랜드는 퍼스트파티 데이터(자체 보유 데이터)를 활용하여, 충성도 높은 고객층에게 효과적으로 도달할 수 있습니다.

실제 사례: 세포라(Sephora)는 크리테오 오디언스 매치(Criteo Audience Match)와 다이나믹 리타겟팅(Dynamic Retargeting)을 함께 활용해 단골 고객의 관심을 유도했고, 전체 구매 여정에서 725%의 ROI를 달성했습니다.

DCO(Dynamic Creative Optimization) (적절한 순간에 최적의 광고 소재 표시)

DCO는 예측 기반의 의사결정과 모듈형(동적으로 생성되는) 생성되는 광고 소재를 결합한 기술입니다. 이 시스템은 고객과 상황에 맞춰 헤드라인, 이미지, 상품, 가격을 선택합니다. 크리테오의 DCO 기술은 브랜드의 톤앤매너를 유지하면서도 수십억 개의 구매 신호에서 얻은 인사이트를 기반으로 광고를 정교하게 맞춤화합니다.

실제 사례: 쇼피파이(Shopify)가 크리테오의 다이나믹 광고 소재와 제품 추천을 활용해 캠페인 성과를 향상시켰는지 지금 확인해 보세요.

챗봇 광고 및 쌍방향 소통 경험

생성형 AI는 광고 안에서도 소비자가 질문하고, 상품을 비교하고, 개인화된 추천을 받을 수 있는 대화형 형태의 경험을 제공합니다. 크리테오 팀은 더 나아가 소비자가 좋아하거나 관심을 가질 만한 상품과 자연스럽게 상호작용할 수 있는 방식을 혁신하는 에이전틱(Agentic) 솔루션을 개발하고 있습니다.

이와 관련해 크리테오 최고제품책임자 토드 파슨스(Todd Parsons)가 전하는 미래의 에이전틱 AI 비전도 함께 확인해보세요.

광고 전략에 AI를 활용하는 방법

AI는 놀라운 속도로 발전하고 있습니다. 이 글을 읽는 시점에는 또 다른 모델, 새로운 기능, 혹은 새로운 도구가 등장해 관심을 끌고 있을지도 모릅니다. 그럼에도 불구하고 일상적인 캠페인 계획에 AI를 적용하고 최대한 활용하기 위해 기본적으로 고려해야 할 사항이 있습니다.

다음 4가지 방법을 통해 AI성공적으로 도입하는 방법을 확인해보세요.

• 1단계: 캠페인 목표를 정의합니다. 먼저 캠페인의 핵심 목표(KPI)를 명확하게 설정하세요. 매출 증대, 신규 고객 확보, 검증된 리드, 앱 LTV 등 목표가 구체적이어야 AI 모델이 무엇을 최적화할지 정확히 이해할 수 있습니다.
• 2단계: 적합한 AI 툴과 플랫폼을 선택합니다. AI 툴을 선택할 때는 예측 성능, 제어 가능성, 활용할 수 있는 데이터를 모두 고려해야 합니다. 강력한 예측 모델과 투명한 제어 기능을 제공하며, 고유 데이터를 활용할 수 있는 파트너를 선택하는 것이 좋습니다. 빠르게 시작하고 확장하려면 크리테오 GO!와 같은 자동화 광고 솔루션도 좋은 선택이 될 수 있습니다.
• 3단계: 소규모로 테스트하고 반복합니다. 명확하게 측정할 수 있는 파일럿 테스트를 진행하세요. 명확한 오디언스, 시험군과 대조군 비교, 증분성 분석 등을 활용하면 AI가 보다 정확히 학습할 수 있습니다. DCO의 경우 소수의 광고 소재나 모듈을 사용하면 시스템이 불필요한 정보 없이 학습할 수 있어 효과적입니다.
• 4단계: 마케팅 자동화를 보다 광범위하게 통합합니다. 간단한 데이터 루프를 구축하세요. 동의를 받은 퍼스트파티 오디언스와 전환 이벤트를 CDP 및 분석 데이터에서 AI 시스템으로 전달하여 매일 새로운 제품 피드를 업데이트하고, 변환 API를 연결해 웹과 앱 전반에서 신호가 일관되게 유지되도록 설정하세요. 목표 기반 세팅을 활용해 AI가 입찰, 타겟팅, 게재 위치를 자동으로 최적화하도록 하고 사용자는 ROAS, CPA, 노출 빈도 등 가이드라인을 설정하여 안전하게 운영할 수 있습니다.

AI로 시작하는 성공적인 광고 마케팅

광고에서 AI는 하나의 통합 시스템으로 작동할 때 가장 큰 효과를 발휘합니다. 예측형 AI는 적절한 순간과 오디언스를 선택하고, 생성형 AI는 메시지를 구성하며, 피드백 루프는 학습을 통해 결과를 지속적으로 개선합니다.

마케터가 실제로 AI를 활용해 광고 성과를 높이는 방법에 대해 더 알고 싶으시다면, 퍼포먼스 마케터를 위한 실전 가이드에서 체크리스트, AI 전략 등 다양한 인사이트를 확인해 보세요. 더불어 다음 캠페인에서 이러한 아이디어를 실제로 적용하는 방법이 궁금하시다면, 지금 크리테오 팀에 상담을 요청해 자세히 알아보세요.

크리테오 코리아 홈페이지에서 더 많은 글로벌 인사이트와 최신 마케팅 전략을 확인하실 수 있습니다.