불과 얼마 전까지만 해도 인공지능(AI)은 공상 과학 소설 속에서나 등장하는 미래 기술로 여겨졌습니다.
하지만 2025년 현재, 미국 마케터의 90%가 이미 생성형 AI 툴을 업무에 활용하고 있으며, 그중 19%는 매일 사용하고 있습니다. 챗지피티(ChatGPT)를 자주 쓰는 입장에선 놀라운 수치는 아닐지 몰라도, 이 시장에 쏟아지는 투자 규모를 보면 얘기가 달라집니다.
eMarketer에 따르면, AI 기반 검색 광고 지출은 올해 약 10억 달러(한화 약 1조 4,000억 원)를 넘어섰으며, 2029년에는 무려 260억 달러에 이를 것으로 전망됩니다.
이는 곧 AI가 디지털 광고의 모든 영역 — 정교한 타겟팅부터 스크롤을 멈추게 하는 크리에이티브까지 — 를 움직이는 시대가 도래하고 있음을 의미합니다. 이제 AI는 ‘있으면 좋은 기술’이 아니라, ‘경쟁력을 만드는 기술’이 되었습니다.
AI의 핵심 기술: 머신러닝과 딥러닝 이해하기
AI가 거의 모든 산업에 영향을 미치고 있다는 것은 잘 알려진 사실이지만, 그 기반이 되는 기술을 정말로 이해하고 있는 사람은 얼마나 될까요?
생성형 AI의 시대를 연 두 가지 핵심 기술이 있습니다. 바로 머신 러닝(Machine Learning)과 딥 러닝(Deep Learning)인데요. 이 두 단어들은 아마 한두 번쯤 들어보셨을텐데요. 하지만 실제로 어떤 원리로 작동하는지 궁금하셨다면, 아래에서 간단한 설명을 통해 확인해보세요.
- 머신 러닝은 고객 속성, 클릭 수, 가격처럼 정리된 과거 데이터를 학습해 결과를 예측하거나 패턴을 찾아내는 기술입니다. 이로 인해 많은 의사결정이 자동화될 수 있습니다.
- 딥 러닝은 머신러닝보다 한 단계 더 나아간 기술로 이미지, 오디오, 텍스트처럼 복잡하고 형태가 일정하지 않은 데이터를 다루며, 여러 층의 신경망을 쌓아 마치 인간처럼 ‘이해하고 판단하는 능력’을 기계에 부여합니다.
이제 이러한 기술들이 디지털 광고 안에서 어떻게 활용되고 있는지 자세히 살펴보겠습니다.
디지털 광고에서의 머신 러닝
머신 러닝은 과거 캠페인 데이터를 학습해, 어떤 광고가 가장 좋은 성과를 낼지 예측하는 기술입니다. 이제 마케터가 일일이 규칙을 코딩하거나 추측으로 판단할 필요는 없습니다.
노출 수, 클릭 수, 전환 수 등을 학습한 머신 러닝 모델은 (거의) 실시간으로 데이터를 업데이트하며, 새로 들어오는 정보를 바탕으로 입찰, 예산, 타겟 오디언스를 자동으로 조정합니다.
그렇다면 머신 러닝은 지금의 마케터에게 어떤 도움을 줄까요?
- 예측 입찰(Predictive Bidding): 사용자의 구매 가능성을 노출 단위로 계산하고, CPM을 최적화합니다.
- 오디언스 클러스터링(Audience Clustering): 고객이 탐색, 구매, 또는 이탈할 때 실시간으로 세그먼트를 재구성합니다.
- 예산 재배치(Budget Reallocation): ROAS를 예측하고, 광고 효과가 떨어지기 전에 예산을 효율적으로 재분배합니다.
- 잠재 고객 점수화(Propensity Scoring): 생애 가치(LTV)가 높은 고객을 찾아내어 충성도 강화 및 업셀 가능성을 높입니다.
마케팅 분야에서 머신 러닝의 핵심은 확장 가능한 자동화입니다. 이를 위해서는 깔끔하고 구조화된 데이터가 필요하며, 이미지나 동영상처럼 비정형 데이터는 머신 러닝만으로 처리하기 어렵습니다.
다행히, 이 부분은 딥 러닝과 같은 다른 기술이 해결책을 제공합니다.
디지털 광고에서의 딥 러닝
딥 러닝은 여러 층의 신경망을 쌓아 이미지, 텍스트, 사용자 행동과 같은 복잡한 신호를 분석합니다. 이를 통해 보다 정교한 예측과 풍부한 개인화(맞춤화)가 가능해집니다.
다계층 아키텍처(multi‑layer architecture) 덕분에 픽셀, 광고 문구, 사용자 행동까지 다양한 요소를 한 번에 처리할 수 있으며, 기존 머신 러닝으로는 포착하기 어려운 미세한 관계까지 파악할 수 있습니다.
그렇다면 오늘날 마케터들은 딥 러닝을 어떻게 활용할까요?
- 시각적 인식(Visual Recognition): 모든 SKU 이미지에 태그를 지정하고, 실시간 쇼핑 행동과 연결해 관련성이 높은 상품을 추천합니다.
- 대규모 언어 모델(LLM): 리뷰와 소셜 미디어 피드를 분석해 광고 문구를 실시간으로 최적화합니다.
- 다이나믹 광고 소재 최적화(Dynamic Creative Optimization, DCO): 문맥에 맞춰 프레임 단위로 광고 레이아웃을 재구성합니다.
- 유사한 잠재 고객 발굴(Lookalike Modeling): 벡터 공간 기반 분석으로, 기존의 단골 고객과 비슷한 신규 잠재 고객을 찾아냅니다.
- 디바이스 간 ID 연결(Cross-Device Identity Stitching): 공유되는 ID 없이도 휴대폰, TV, 데스크톱 등 다양한 환경에서 해시된 신호를 연결할 수 있습니다.
마케팅에서 딥 러닝은 비정형 데이터를 활용한 고도화된 개인화에 강점을 지니지만, 방대한 학습 데이터와 막대한 컴퓨팅 리소스가 필요하며, 의사 결정 과정이 다소 불투명할 수 있다는 점도 고려해야 합니다.
딥 러닝 VS 머신 러닝: 마케터의 관점에서 본 주요 차이점
예시를 살펴보기 전에, 기술적 세부 사항은 잠시 제쳐두고 실제 활용 관점에서 장단점을 비교해보겠습니다.
그럼 이 차이가 의미하는 바는 무엇일까요?
첫째, 마케팅에서 머신 러닝은 입찰, 예산 배분, 어트리뷰션 등 반복적이고 확장 가능한 작업을 자동화하는 데 강점이 있습니다.
그 다음, 딥 러닝은 고도로 세분화된 개인화나 실시간 광고 소재 최적화가 필요할 때 활용하면 효과적입니다. 물론, 두 기술을 모두 지원하는 플랫폼을 선택하면 상황에 맞춰 최적의 활용이 가능합니다.
디지털 광고에서의 AI 실제 활용 사례
앞서 이론적인 부분에 대해서 설명드렸는데요. 그렇다면 실제 캠페인에서는 AI가 얼마나 효과적일까요?
실제 KPI와 예산이 좌우되는 상황에서, 머신 러닝과 딥 러닝이 어떻게 활용되는지 두 가지 사례를 통해 살펴보겠습니다.
- 머신 러닝 활용 사례 : 영국의 취업 정보 플랫폼인 Reed.co.uk는 크리테오의 머신 러닝 기반 예측 입찰을 페이스북과 인스타그램 광고 인벤토리에 연결해 메타(Meta) 환경에서 리타겟팅이 상시 실행했습니다.이 모델은 각 세션의 전환 가능성을 점수화하고, 실시간으로 입찰과 광고 소재를 자동 최적화했습니다.그 결과 구직 신청을 9% 증가했고, 신청당 비용을 8%줄어드는 효과를 거두었습니다.
- 딥 러닝 활용 사례 : 이탈리아 최대의 부동산 포털인 Immobiliare.it는 크리테오의 딥 러닝 엔진과 대화형 검색 위젯 디스플레이를 결합했습니다.사용자는 광고 내에서 직접 속성을 필터링할 수 있었고, AI는 실시간으로 최적화된 추천을 제공했습니다. 결과적으로 전환율은 전환율은 246% 증가, 상호 작용당 비용은 28.5% 감소했습니다.
이 두 사례가 보여주듯, 머신 러닝은 효율성을 극대화하고 딥 러닝은 보다 정교한 개인화를 가능하게 합니다. 두 기술을 적절히 활용하면, 캠페인을 지속적으로 개선하고 더 높은 성과를 만들어낼 수 있습니다.
마케터를 위한 핵심 요약 정리
이번 크리테오 블로그 글에서 많은 AI의 기술적 내용을 다뤘지만, 기억해야 할 가장 중요한 차이점은 다음과 같습니다:
- 머신 러닝은 깔끔하게 정리된 데이터에서 강점을 발휘합니다. 입찰, 예산, 전환 로그, 상품 피드처럼 표 형식의 데이터를 분석해 패턴을 찾아냅니다. 숫자 데이터를 분석해 특정 광고 세트의 예산을 조정하거나, 리드별 점수를 매기는 등 자동화된 의사결정을 지원합니다.
- 딥 러닝은 이미지, 텍스트, 오디오 등 정형화되지 않은 데이터를 다루는 데 효과적입니다. 여러 층의 신경망을 활용해 사람이 놓치기 쉬운 맥락까지 파악하고, 광고 소재를 실시간으로 최적화할 수 있습니다.예를 들어, 광고 속 스니커를 고객의 과거 구매 상품과 비슷한 색상으로 바꾸거나, 광고 문구를 맞춤화해 더 큰 관심을 끌고, 페이지 로드 전에 이미지 크기를 화면에 맞게 자동 조정할 수도 있습니다.
두 기술 모두 마케팅에서 중요하지만, 언제, 어떻게 활용하느냐가 성패를 가릅니다. 다행히 크리테오는 이 모든 과정을 지원하여, 마케터가 성과에 집중할 수 있도록 도와드립니다.
지금 바로 크리테오 팀에 문의하고 커머스 AI 솔루션이 제공하는 실제 성과와 강점을 확인해보세요.
