광고 캠페인의 이해
국내 점유율 1위 - 네이버
배너광고,리치미디어,동영상,검색형 광고
카카오
동영상 광고 ,디스플레이 광고 ,카카오 비즈보드 ,채널 메시지,상품 카달로그
메타는 광고 검토 빡셈
실습타임
화장품
전환
메타+틱톡+네이버
메타-이미지&영상
틱톡-영상
네이버-쇼핑
메타: 확정적 효과, 치료 표현 금지
틱톡:의학,건강 과장 표현금지
네이버: 최상급 표현 제한
메타
구분KPI
| 유입 | CTR |
| 전환 | 구매 전환율(CVR) |
| 효율 | CPA |
| 보조 | 장바구니 담기 |
제형 사용감,흡수력,텍스처 강조
기능 주장 대신 간접 표현
이미지-> 브랜드 ㅁ드
영상-> 사용 맥락 제시
틱톡
구분KPI
| 노출 | 영상 조회수 |
| 관심 | 시청 유지율 |
| 행동 | CTR |
| 전환 | CVR |
ugc 스타일 영상
공감중심
네이버
구분KPI
| 유입 | 클릭수 |
| 전환 | 구매 전환율 |
| 효율 | ROAS |
| 보조 | 리뷰 수 |
정보 비교 중심 구조
신뢰형 메시지
광고의 목표와 타겟에 따라 성과는 달라진다
인지- 틱톡 ,유튜브
관심-메타,카카오
전환-구글,네이버
브랜드 인지도- 틱톡,인스타,유튜브,
관심및 참여- 메타 에즈,구글 디스플레이, 네이버 GFA
전환/구매-구글 서치 ,네이버 검색 ,메타 구매전환 캠페인 및 리타겟팅
리드 확보 ,링크드인 ,카카오 비즈 보드,메타 리드
그로스 해킹- 데이터로 실험하며 성장을 반복하는 과정
LMF (언어,시장,핏)-타겟 고객에게 가장 공감되는 언어를 찾는 과정
최소 비용 퍼널- 작게 실험하고 효율적인 구조로 확장
실습타임
광고 예산100만원으로 LMF 기반 멀티 채널 캠페인 설계하기
언어
| Meta | 150,000원 | 메시지 A/B 테스트 |
| TikTok | 150,000원 | 공감 언어 반응 탐색 |
시장
| Meta | 200,000원 | 전환 유도 |
| Naver Shopping | 200,000원 | 구매 의도 시장 검증 |
핏
| Meta | 150,000원 | 리타겟팅 |
| Naver Shopping | 150,000원 | 핵심 키워드 집중 |
AARRR= 지표에 관한 이야기 =그로스 해킹의 근간이 되는 프레임워크
고객유치->활성화->리텐션->수익화->추천
각 단계별로 풀어야하는 과제를 확인 ->각 단계의 핵심이 되는 주요 지표를 선정하고 해당 지표의 현재 수준을 측정 -> 측정된 지표가 가지는 의미를 이해한다 -> 개선해야하는 목표수준을 정하고 실험을 통해 단계적으로 개선한다
LTV= 고객 1명에 기대 수익
CAC= 고객 1명을 유치하기 위한 비용
CAC+a < LTR
ctr은높은데 가입률(활성화)가 낮다면? -> 랜딩페이지 최적화 진행 필요(A/B테스트 진행)
LTV가 CAC를 넘지 못하는 경우 -> 광고비를 새로운 고객 유치에 쓰는것보다 기존고객 유지 및 재방문 , 리타게팅에 집중하는 방법
인지도,트래픽,참여,잠재고객 -> 브랜드 캠페인
브랜드 -> 장기적이고 감성적 목표에 기반한 활동 ( 인지도,선호도, 이미지 구축 등)
퍼포먼스-> 단기적이고 수치적 목표에 기반한 활동 ( 가입,매출/구매전환,클릭의 즉각적인 유도 등)
실습타임
AARRR 단계퍼널 목적광고 목표핵심 KPI측정 지표측정 구조 (툴/데이터)
| Acquisition | 신규 유입 확보 | 브랜드/상품 인지 노출 | Reach / CPM | 노출수, 도달수, 빈도 | 광고 플랫폼 리포트 (Meta, DSP) |
| 관심 유저 유입 | CTR | 클릭수, 클릭률 | 광고 로그 + GA4 | ||
| Activation | 첫 경험 유도 | 상품 상세 진입 | PDP 진입률 | View Content 수 | GA4 이벤트 (view_item) |
| 탐색 행동 유도 | 체류 시간 | 페이지 체류, 스크롤 | GA4 / 히트맵 | ||
| Retention | 재방문 유도 | 재유입 확보 | 재방문율 | Returning User 비율 | GA4 User Cohort |
| 브랜드 기억 유지 | Frequency | 평균 노출 빈도 | 광고 플랫폼 | ||
| Revenue | 구매 전환 | 구매 발생 | CVR | 구매수 / 전환율 | GA4 + 픽셀 |
| 매출 극대화 | ROAS | 매출, AOV | 광고 플랫폼 + 서버사이드 | ||
| Referral | 확산 & 추천 | 자발적 공유 | Share Rate | 공유 클릭 수 | SNS/UTM |
| 리뷰 생성 | 리뷰 전환율 | 리뷰 작성 수 | 쇼핑몰 DB |
머신러닝 -학습을기반으로 주어진 모델 및 시스템을 지속적으로 개선시켜 나가는것
퍼포먼스 증진을 위한 5가지 핵심요소 - 최적화, 타게팅,노출위치, 예산 ,크리에이티브
머신러닝 빨리 끝내려면? - 제한 사항 덜어내기, 잦은 수정 피하기 ,광고 세트 통합
실습 타임
1) 주제 선정
주제:
AI가 광고 집행(operating), 성과분석(measurement), 정책·규제(compliance)까지 ‘광고의 운영체제’를 바꾸고 있다.
선정 이유(문제의식):
- 광고 효율의 핵심이 **‘사람이 쪼개는 타겟팅/세팅’ → ‘모델이 예측하고 자동 최적화’**로 이동
- 동시에 개인정보·투명성 규제가 강화되며, 성과 측정은 개인 단위 추적 → 집계/확률/모델링 기반 측정으로 재설계 중
- 이 변화는 “툴이 좋아졌다”가 아니라 광고 밸류체인(광고주–DSP–SSP–매체–규제) 전체의 룰 변화에 가까움
2) 리서치 조사 (근거 소스 기준)
리서치 범위는 “플랫폼 공식 발표/규제기관/표준단체 + 신뢰 가능한 보도 + 실제 운영 사례”로 잡았어.
- 집행(운영) 쪽 사례/근거
- Google: Performance Max는 AI가 입찰·예산·오디언스·크리에이티브·어트리뷰션 등에 관여한다고 공식 소개
- Google: Search 캠페인용 AI Max 도입 발표에서 “일반적으로 14% 더 많은 전환/전환가치(유사 CPA/ROAS)”를 언급
- Meta: Advantage+는 AI·자동화를 통해 캠페인 성과 개선을 돕는 제품군으로 공식 안내
- 운영 사례(크리에이티브 자동화): The Times가 Meta Advantage(ASC 기반) + 템플릿 자동화로 성과 개선을 만든 케이스 소개
- 정책·생태계 변화(프라이버시/투명성)
- IAB Tech Lab: Privacy Sandbox 관련 분석(‘fit gap analysis’ 등) 및 업계 평가 프레임 제공
- Google Privacy Sandbox: IAB 분석에 대한 Google의 공식 반박/해명 포스트
- EU DSA(디지털서비스법): 광고 투명성 및 제한(민감정보 기반 타게팅 제한·아동 타겟 광고 금지 등) 요약
- 실제 집행(규제) 사례: TikTok 광고 투명성 관련 DSA 위반 ‘예비 판단’ 보도
- 실제 제재 사례: X(구 트위터) DSA 위반 관련 EU 벌금 보도
3) 분석 및 정리 (서술형)
A. AI는 광고 집행을 “세팅 노동”에서 “모델 운영”으로 바꾼다
과거 퍼포먼스 광고의 경쟁력은
- 타겟 세분화(관심사/리타겟/룩얼) 정교화
- 수동 입찰/예산 조정
- 캠페인 구조 설계(AB 테스트, ad set 구조, 지면 분리)
같은 사람의 운영 스킬에 많이 의존했어.
그런데 지금은 플랫폼이 공식적으로 **AI가 핵심 운영 영역(입찰·예산·오디언스·크리에이티브·어트리뷰션)**에 관여한다고 명시하고 있어. 예를 들어 Google Performance Max는 AI가 여러 채널을 가로질러 성과 목표에 맞게 자동 최적화하는 캠페인으로 소개돼.
또 Search 영역에서도 ‘AI Max’처럼 키워드·매칭/확장·최적화를 더 자동화하는 방향이 강화되고 있고, Google은 활성화 시 평균적으로 전환/전환가치가 증가할 수 있다고 말해.
이 흐름은 “자동화 기능 하나 추가”가 아니라, 광고주가 조작할 수 있는 레버가 줄고, 모델이 가진 탐색·학습 능력이 성과를 좌우하는 구조로 바뀌고 있다는 뜻이야.
Meta도 Advantage+ 제품군에서 캠페인 운영을 AI·자동화로 최적화한다는 점을 전면에 둬.
실무적으로는 “광고 담당자가 타겟을 쪼개는 시간”이 줄고, 대신 1) 학습에 필요한 이벤트 품질, 2) 소재 공급량/다양성, 3) 비즈니스 목표(최적화 이벤트/가치) 정의가 더 중요해졌어.
핵심 변화:
- 전술 중심(세팅) → 데이터/목표 정의 중심(모델 학습 설계)
B. AI는 성과 분석을 “개인 추적 기반”에서 “집계·모델링 기반”으로 재설계하게 만든다
AI 자동화가 강해질수록 성과 분석도 같이 변해.
- 어트리뷰션의 ‘정답’이 흔들림
쿠키·식별자 제약이 커질수록 “누가 클릭했고 구매했다” 같은 개인 단위 경로가 끊기거나 불완전해져. 그러면 마지막 클릭/플랫폼 어트리뷰션만으로는 왜 성과가 났는지 설명이 약해져. - 그래서 분석은 확률/집계 기반으로 이동
- 플랫폼 내부 모델 기반 성과(블랙박스)
- 집계 리포팅/프라이버시 보호 측정
- 인크리멘털리티 테스트(홀드아웃)
- MMM(마케팅 믹스 모델링) 같은 상위 모델링
즉, 성과분석은 “개인 로그를 정교하게 연결하는 기술”이 아니라
**“제약된 관측치에서 인과/증분을 얼마나 잘 추정하느냐”**가 중심이 돼.
이 방향성은 Privacy Sandbox 같은 생태계 변화와도 맞물려 있어. 업계 표준/단체(IAB Tech Lab)가 Privacy Sandbox가 기존 광고 활용 케이스를 얼마나 지원하는지 분석하고, Google이 이를 반박·설명하는 과정 자체가 “측정/타게팅이 개인 추적에서 멀어지고 있다”는 신호야.
C. AI는 정책/규제 변화를 “타게팅 제한”뿐 아니라 “광고 투명성·책임”으로 확장시킨다
AI가 광고 효율을 끌어올리는 동시에, 사회적으로는 **“광고가 어떻게 노출되고, 왜 이 사람에게 보였는지, 누가 돈을 냈는지”**가 더 중요해졌어. 특히 생성형 AI 확산으로 허위·스캠·조작 광고 위험이 커지면서 규제의 초점이 “개인정보 보호”를 넘어 투명성/안전/책임으로 커졌어.
EU DSA는 광고 투명성을 요구하고, 민감정보 기반 타게팅 제한과 아동 대상 타게팅 광고 금지 등을 명확히 다루고 있어.
그리고 이것이 실제 집행으로 이어지고 있다는 사례가 나왔지:
- EU가 TikTok의 광고 투명성(광고 저장소/정보 제공 등) 관련 위반을 예비 판단했다는 보도
- EU가 X에 DSA 위반으로 벌금을 부과했다는 보도(광고 투명성 및 기타 의무 포함)
즉, 정책 변화는 “타게팅 못 하게 함”만이 아니라
‘광고가 사회 시스템에 미치는 영향’에 대한 책임을 플랫폼에 묻는 방향으로 커지고 있어.
4) 인사이트 도출
인사이트 1) “AI가 잘 돌게 만드는 사람”이 이기는 구조
AI 자동 최적화가 강해질수록 실무자의 역할은
- 캠페인 구조 설계자 → 학습 시스템 디자이너로 이동해.
- 핵심 역량은 “세팅”이 아니라 이벤트/피드/소재/목표 정의 품질 관리야.
인사이트 2) 크리에이티브가 다시 ‘주요 레버’가 됨
타게팅 레버가 약해질수록, 모델이 성과를 뽑아내는 재료는 크리에이티브 다양성이야.
The Times 사례처럼 템플릿 기반으로 소재 생산을 자동화하고, 플랫폼 최적화에 ‘공급’을 늘리는 방식이 실질적인 경쟁력이 됨.
인사이트 3) 성과분석은 “어트리뷰션 숫자 싸움”에서 “증분/인과”로
플랫폼 모델이 강해질수록 “플랫폼 리포트가 말하는 성과”와 “실제 증분”은 다를 수 있어.
그래서 앞으로 고급 분석은 홀드아웃, MMM, 실험 설계 쪽으로 더 중요해질 가능성이 커.
인사이트 4) 정책은 ‘AI 광고’ 자체를 직접 규제하기보다, 투명성/책임을 강화한다
DSA처럼 “왜 이 광고를 보나 / 누가 광고주인가 / 민감정보/아동 타게팅 금지” 같은 형태로 규제 프레임이 잡히고, 실제로 플랫폼들이 조사·제재 대상이 되고 있어.
5) 결론 도약
AI는 광고를 더 효율적으로 만들고 있지만, 동시에 광고의 규칙을 바꾸고 있다.
- 집행: 사람의 운영 → 모델 학습 운영(자동화)
- 분석: 개인 추적 → 집계·모델링·증분 측정
- 정책: 프라이버시 + 광고 투명성/책임 강화(아동·민감정보 제한 포함)
그래서 앞으로의 광고 경쟁력은
“타겟을 얼마나 잘 쪼개느냐”가 아니라
**“AI가 학습할 수 있는 좋은 신호(이벤트/데이터)와 좋은 소재(크리에이티브)를 얼마나 안정적으로 공급하고, 증분을 검증하며, 규제를 준수하느냐”**로 이동한다.
트렌드 스터디
CJ제일제당 최근 3개월 콘텐츠 분석 정리
CJ제일제당의 최근 콘텐츠를 살펴보면,
트렌드 대응형 콘텐츠와 브랜드 확장형 콘텐츠를 명확히 구분해 운영하고 있다는 인상을 받았습니다.① 트렌드 × 핵심역량 기반 ‘실질 경험형 콘텐츠’
실질 경험형 콘텐츠는 공통적으로
CJ제일제당이 가진 제품력, 조리 편의성, 간편식 노하우라는 핵심 역량을 기반으로
최근 트렌드·밈·화제성 콘텐츠를 연결해
- 흑백요리사 콘텐츠 연계
- 흑백요리사 화제 요리 따라 하기
- 가격과 결과를 직관적으로 보여주는 밈 활용 콘텐츠
반면, 다큐멘터리 형식이나 메뉴 전략 콘텐츠는
각각의 타깃 고객에 맞는 언어와 톤을 활용해
• 제품을 전면에 드러내기보다
**‘K-푸드 시스템을 만드는 브랜드’, ‘한식의 조력자’**로 포지셔닝한 다큐멘터리형 콘텐츠
• 카페 이용자를 타깃으로
‘카페=커피 공간’이라는 인식을 깨는 메뉴 전략 제시
이를 통해 기존의 간편식·집밥 중심 이미지에서 벗어나
CJ제일제당은
트렌드·밈을 활용해 즉각적인 ‘먹는 경험’을 만드는 콘텐츠와
브랜드의 방향성을 설명하며 서브 타깃을 확장하는 콘텐츠를 병행하며,
단기 반응과 장기 브랜드 확장을 동시에 설계하는 브랜드로 보였습니다.
'본캠프' 카테고리의 다른 글
| 20260114 TIL (0) | 2026.01.14 |
|---|---|
| 20260112 TIL (0) | 2026.01.12 |
| 20260108 TIL (1) | 2026.01.08 |
| 20260107 til (0) | 2026.01.07 |
| 20260106 TIL (1) | 2026.01.06 |