광고에서 시각적 주의(Visual Attention)의 의미 

우리가 매일 마주하는 수천 개의 광고 속에서 특정 이미지나 영상에 시선이 꽂히는 과정은 결코 우연이 아닙니다. 인간의 뇌는 생존과 효율을 위해 시각 정보를 처리할 때 우선순위를 정하는데, 이를 '시각적 주의(Visual Attention)'라고 합니다. 사실 이 시각적 주의는 광고에서 첫번째로 중요하고 핵심적인 요소입니다. 광고에 주의를 돌리지 않으면 기억하지 못함은 물론이고 인직조차 못할 것이기 때문입니다. 우리가 많은 돈을 들여 제작한 광고가 소비자의 주의/주목조차 끌지 못하고 '노출'만 되어 메아리처럼 사라진다면 그만큼 슬픈 일도 없을 겁니다.

가장 큰 문제는 마케터가 의도한 ‘핵심 메시지’와 소비자의 뇌가 반응하는 ‘시각적 자극’이 일치하지 않을 때 발생합니다. 톱모델을 썼는데 모델의 얼굴만 기억나고 브랜드는 잊혀지는 현상, 화려한 배경에 묻혀 제품이 보이지 않는 현상 등은 모두 시각적 설계의 실패에서 기인합니다. 이를 방지하기 위해 필요한 것이 바로 시선의 흐름을 수학적으로 예측하여 광고 실패 확률을 줄이려는 과학적 접근입니다.

딥러닝 엔진이 학습한 ‘수만 건의 시선 궤적’ 

드래프타입 스튜디오가 활용하는 AI 시선 예측 솔루션을 예로 들자면, 핵심은 딥러닝 엔진에 있습니다. 이 엔진은 단순히 이미지를 분석하는 수준을 넘어, 실제로 광고를 시청한 수만 명의 인간이 보여준 ‘시선 반응과 궤적’을 통계적으로 학습했습니다.

(드래프타입 스튜디오, AI 시선 궤적 추적 솔루션)

인간은 본능적/심리학적으로 강한 대비(Contrast), 얼굴(Face), 그리고 움직임의 방향성 등 다양한 포인트에서 먼저 반응합니다. AI는 이러한 인간의 생물학적 메커니즘을 데이터화하여, 새로운 이미지나 영상이 주어졌을 때 시선이 처음 머무는 지점(Fixation)과 그 이후 이동하는 경로(Saccade)를 히트맵과 궤적으로 그려냅니다. "잘 보일 것 같다"는 추측을 "이 좌표에 시선이 도달할 확률이 몇 %이다"라는 데이터로 치환하는 과정, 이것이 시선 추적의 첫 번째 원리입니다.

통계적 유의성 

기술의 신뢰도는 숫자로 증명되어야 하죠. 드래프타입 스튜디오에서 자체 개발한 엔진을 포함하여, 보통 많이 사용되는 예측 엔진들은 시선 예측 분야의 글로벌 표준인 MIT 벤치마크 기준 0.88 이상의 상관계수(Correlation)를 기록하고 있습니다. 상관계수가 0.88이라는 것은 실제 인간의 시선 반응과 AI의 예측 결과가 88% 이상 일치한다는 뜻입니다. 

이는 통계적으로 매우 유의미한 수치이며, 광고가 송출되기 전 단계에서 실패 확률을 최대한 낮출 수 있는 강력한 근거가 됩니다. 단순히 "AI로 분석했다"고 외치는 것이 아니라, 광고의 성공을 위해 실제 인간의 시각 반응을 정밀하게 모사하기 위한 고도의 통계 알고리즘을 적용하고 있는 것입니다.

물론 이러한 과학적 솔루션은 광고를 100% 성공시킬 수 있는 마법 같은 도구는 아닙니다. 예언자처럼 100%의 정확도로 예측할 수도 없습니다. 하지만 기존처럼 감으로 예쁘게 만든 광고가 잘되길 간절히 기도하는 방식보다 실패 확률을 현저하게 줄일 수 있는 합리적인 광고 제작 방식입니다.

주목도 최적화와 몰입 저해 요소 도출 

시선 추적 기술을 실제 광고 기획에 적용할 때는 단순히 '어딜 보느냐'를 확인하는 것을 넘어 '어떻게 보게 할 것인가'를 설계합니다.

• 객체별 주목도 측정: 모델, 제품, 로고, 텍스트 등 각 요소가 의도한 만큼의 주의를 끌고 있는지 확인합니다. (솔루션 내 수치화)

• 몰입 저해 요소 진단: 타겟의 시선을 분산시키거나 메시지 인지를 방해하는 불필요한 객체를 찾아냅니다.

• 최적의 레이아웃 도출: 예상 시선 흐름(Gaze Flow)을 분석하여, 소비자가 가장 자연스럽고 빠르게 핵심 정보를 습득할 수 있는 최적의 시선 상의 배치를 도출합니다.

위와 같이 스토리보드 단계에서 AI 시선 추적을 돌려봤는데 시선이 엉뚱한 오브제에 머문다면, 우리는 즉시 레이아웃을 수정해야 합니다. 맨 좌측에 위치한 여성이 주인공이지만 엉뚱한 엑스트라들에게 주목이 집중되거나, 맨 우측에서 달려오는 여성에게 시선이 분산되는 등의 요소들을 예로 들 수 있겠습니다.

이 장면의 실패 확률을 줄이려면 어떻게 해야 할까요? 레이아웃 상에서 주인공 여성의 위치를 중앙으로 옮기고, 맨 우측 여성을 삭제한다면 더 효율적인 시선 흐름과 주목도를 확보할 수 있는 장면이 될 것입니다.

예술이 아니라 설계에 가까워야 

영화는 아주 한정된 시간 안에 전달하고자 하는 메시지를 담아야 하는 예술적 콘텐츠입니다. 그 예술에 영역에 있는 영화 조차도 모든 장면이 스토리텔링과 서사 전개 등에 도움이 되는 장면만을 표현합니다. 필요 없는 장면이 끼어 있다면 우리는 그 영화를 '개연성이 없다'고 표현하죠. 이상하게도 예술적 콘텐츠와 거리가 먼 '광고'는 필요 없는 장면이나 오브제가 존재하는 경우가 정말 많습니다.

(모텔 예약으로만 인지됐던 '여기어때'를 여행 카테고리로 확장한 광고(출처: 여기어때))

광고의 본질은 '아름다움'이 아니라 '효과'입니다. 그리고 그 효과는 철저하게 계산된 시각적 설계에서 나올 수 있다고 생각합니다. 광고 영상 속의 모든 픽셀과 모든 프레임은 소비자의 시선을 유도하고 설득하기 위한 장치가 되어야 합니다. 광고는 예쁘고 예술적이기 위해 존재하는 것이 아니라, 기업의 비즈니스 성장 문제를 해결하기 위해 존재하기 때문입니다.

데이터와 기술을 배제한 채 크리에이티브를 논하는 시대는 지났습니다. 데이터 기반으로 브랜드 콘텐츠를 기획하고 효과성을 측정한다는 것은 불가능의 영역에 있었지만, 생성형 AI 시대에는 그러한 통념이 적용되지 않습니다. 오늘 소개한 솔루션이나 방법론 같이 얼마든지 효과적으로, 데이터 기반으로 광고를 기획하고 제작할 수 있는 방법은 분명히 존재합니다.