brunch

You can make anything
by writing

C.S.Lewis

by 김건우 Oct 07. 2022

구글 실적 최대화 광고, 머신러닝 광고의 희망

머신러닝 광고는 데이터를 기반으로 자동으로 광고의 효율을 최적화 시켜주는 광고입니다. 그러나 대부분의 머신러닝 광고들이 구체적으로 데이터를 활용해서 어떤 식으로 광고를 최적화 시키는지 공개하지 않고, 기존 광고들과 다르게 수동으로 광고 조정이 쉽지가 않다 보니, 아무래도 마케터는 광고를 세팅하고 나서 최적화 될 때까지 기다려야 하는 경우가 많았습니다. 어찌 보면 마케터를 매우 편하게 해주는 광고이기는 하지만, 반대로 생각하면 마케터가 실력을 키우기가 어려운 광고입니다.


저 같은 경우는 솔직히 처음에는 머신러닝 광고를 그다지 신뢰하지 않고 효율에 대해서 의심을 하는 경우가 많았습니다. 그러나 많은 온라인 광고들이 머신러닝 광고로 바뀌다 보니, 어쩔 수 없이 이 광고들을 많이 진행을 하고 경험하게 되었습니다. 오랜 기간 여러 머신러닝 광고들을 경험해 보니 이 광고들은 마케터가 수동으로 여러 가지 영역을 자주 변화를 주면서 광고의 효율을 개선하는데 참여하기가 쉽지가 않고, 광고비를 급격하게 늘리거나 줄이는 걸 자주 하기도 어렵고, 그리고 결정적으로 똑같은 광고비나 똑같은 광고 소재로도 광고 효율의 변화가 너무 심하다는 걸 알고나서, 무조건 머신러닝을 믿기보다는 끊임없이 실제 효율의 변화를 점검해야 하는 광고라고 생각하였습니다.


" 머신러닝의 안정화되는 최소 기간을 무조건 기다려야 한다! 잦은 수정을 하면 안 된다! 광고 세트의 수를 제한해야 한다! 광고 예산을 자주 바꾸면 안 된다! " 등 머신러닝 광고들이 추천하는 방법들이 많습니다. 그렇지만 이걸 전부 다 그대로 지킨다고 해서 광고의 효율이 무조건 나오는 건 아니다 보니 마케터는 정말 힘들 수밖에 없습니다. 또 최근 들어서 개인정보 강화 정책으로 인해서 고객들의 데이터를 활용하기가 어려워지면서 대부분의 머신러닝 광고들이 효율이 급격히 떨어지는 경우들이 생기게 되었습니다. 여러 가지 외부 환경의 변화로 인하여 머신러닝 광고들의 큰 위기인 상황인 건 확실합니다. 그런데 이런 시기에 구글에서 머신러닝 광고의 희망을 보여준 것 같습니다. 그 광고는 "구글 실적 최대화 광고" 입니다.



구글의 경우 정말 다양한 광고를 보유하고 있습니다. 검색 광고, 디스플레이 광고, 동영상 광고가 가장 대표적이고 그 외 쇼핑 광고, 앱 설치 광고, 디스커버리 광고 등 온라인으로 할 수 있는 거의 모든 광고를 가지고 있습니다. 당연히 구글도 머신러닝 광고를 빠르게 시작하였고 "구글 스마트 디스플레이 광고"로 머신러닝 광고를 진행할 수 있었습니다. 그러나 최근 구글은 아예 스마트 디스플레이 광고를 종료시키고, 이 광고 대신 실적 최대화 광고로 바꿔버리는 큰 변화를 준 상황입니다.


일단 이 광고는 구글의 모든 서비스에 한 번에 자동으로 노출되는 게 큰 장점입니다. 기존에는 유튜브, 디스플레이, 검색, 디스커버리 등 구글의 각 서비스에 광고를 하기 위해서 각각의 광고를 운영했어야 하는데 이걸 하나의 광고로 전부 노출할 수가 있다는 점은 일단 매우 매력적입니다.

구글 실적 최대화 광고, 켐페인 하나로 구글의 모든 서비스에 도달한다고 안내


저 같은 경우도 일단 구글에서 새로 생긴 광고이므로 처음 생겼을 때부터 관심을 가지고, 작은 광고비로 여러 번 테스트를 진행하였습니다. 이 광고의 특징이라면 여러 가지 광고 소재를 한 번에 넣어야 하는 점인 것 같습니다. 텍스트, 이미지, 동영상 광고 소재를 동시에 넣어야 합니다. 결국 이 광고는 종합형 광고라고 봐야 할 것 같습니다. 검색 광고(SA), 디스플레이 광고(DA), 동영상 광고(VA)를 하나로 합친 느낌입니다.

구글 실적 최대화 광고 애셋 그룹 만들기 - 텍스트, 이미지, 동영상을 전부 한번에 넣을 수 있다.

이미 기존에 구글은 여러 광고에서 반응형 광고 소재를 만들도록 유도하여 최적의 광고 소재를 자동으로 찾아주고 있었는데, 이번에는 아예 구글의 여러 온라인 광고의 소재를 전부 합쳐서 이걸 조합해서 자동으로 최적의 광고 소재를 찾아주고 있습니다.   

특히나 가장 놀라운 점은 텍스트와 이미지만 넣었을 때, 그걸 자동으로 조합하여 동영상 광고 소재를 만들어 주는데, 예상보다 꽤 놀라운 수준의 광고 영상이 자동으로 여러 개 제작이 되었습니다. 동영상 광고의 큰 단점이 광고 영상을 만들기가 어려워서 소재를 자주 교체하기가 어렵다는 점이고, 아직 광고 영상이 없어서 동영상 광고를 못하는 마케터나 회사들이 꽤 많다는 점을 감안하면, 자동으로 광고 영상을 만들어 주는 점은 이 광고의 장점이 될 것 같습니다. 물론 아직은 자동 광고 영상이 직접 큰 비용을 들여 만든 영상 대비 부족한 점이 많지만, 완성도 높은 광고 영상 1개만 계속 노출하는 것과 자동으로 제작된 광고 영상 수십 개를 노출하는 것 중, 실제 효율이 어느 쪽이 더 좋을지가 매우 궁금해지는 상황이 된 것 같습니다.  

그리고 노출이 매우 좋다는 걸 확인할 수 있었습니다. 이건 대부분의 신규 광고들의 특징이지만 이번 실적 최대화 광고는 구글이 정말 의도적으로 이 광고를 빠르게 키우는 게 목적이라는 걸 느낄 수 있을 정도로 노출이 다른 광고들에 비해 매우 좋다는 걸 확인할 수 있었습니다.


마지막으로 제일 중요한 효율의 경우도 충분히 다른 경쟁 광고와 비교하여 절대로 뒤지지 않을 것 것 같습니다. 이 실적 최대화 광고의 효율을 어느 경쟁 광고와 비교하는 게 적절한지가 꽤 고민이었습니다. 검색, 디스플레이, 동영상 전부를 포함한 광고이다 보니 기존 기준으로는 이 광고를 직접 비교하기가 매우 어려웠습니다. 경쟁 광고를 네이버 검색광고, 카카오톡 광고, 메타 광고, 틱톡 광고 중에서 어느 광고와 CPC, 노출, 전환 등을 비교해야 할지가 많이 애매한 상황입니다. 그러나 아직까지는 그 어떤 광고와 비교해도 효율만큼은 높은 수준인 것 같습니다. 다만 언제나 신규 광고들은 초반에는 효율이 잘 나오다가 시간이 지나서 그 광고를 하는 광고주나 회사가 늘어나면서 효율이 크게 변화하기 때문에, 이 광고의 진정한 효율을 확인하기 위해서는 아직 더 많은 시간이 지나봐야 할 것 같습니다.



개인정보 불법 수집으로 한국에서도 구글, 메타에 약 1,000억의 과징금이 부과되었다


머신러닝 광고 중에서 가장 성공한 대표적인 광고 중에 하나는 메타(페이스북) 광고였습니다. 메타 광고는 광고가 노출될 때마다 게재 시스템은 자동으로 타게팅에 적합한 대상을 찾았고, 광고를 노출하기에 적절한 시간대, 노출 위치를 더욱 상세히 자동으로 파악하면서 엄청난 광고 효율이 나오는 광고로 성장하였습니다. 그러나 온라인 광고 시장에서 개인정보 강화 정책으로 인해 가장 큰 타격을 입은 광고가 되어버렸습니다. 메타는 최근 1년 사이에 주가가 61% 하락하였고, 처음으로 3분기 연속 이익 감소를 기록했다고 합니다. 심지어 최근 창사 이래 처음으로 대규모로 인원을 줄이는 감원을 결정했다고 합니다. 원인의 전부는 아니지만 머신러닝 광고의 효율 하락으로 인한 광고 매출 하락이 주요 원인인 건 확실합니다.

그리고 한국에서도 메타(308억), 구글(692억)에 개인정보 불법 수집을 하였다고 약 1000억의 과징금의 부과하였습니다. 고객의 데이터를 활용하는 머신러닝 광고들은 점점 효율을 내기가 매우 어려워지고 있습니다. 수많은 마케터들과 광고주들이 효율이 떨어지는 머신러닝 광고를 점점 떠나가고 있고, 이건 즉시 그 광고들의 매출 하락으로 이어지게 됩니다.


그런데 이런 시기에 구글이 머신러닝 광고를 다시금 키우고 있습니다. 구글은 검색 광고가 굳건히 버티고 있어서 메타의 하락과 반대로 도리어 전체 광고 매출이 늘어난 상황인데, 여기서 실적 최대화 머신러닝 광고로 광고 매출을 늘리고 경쟁 광고들을 확실하게 이기려고 하는 것 같습니다. 과연 구글이 고객의 개인 정보를 활용하기 힘든 이런 상황 속에서 머신러닝 광고의 효율을 어떻게 끌어올리고, 어느 정도의 광고 매출을 낼지가 전체 온라인 광고 시장에 매우 큰 영향을 줄 것 같습니다.


구글 실적 최대화 광고가 효율이 나오는 원인이 머신러닝의 고도화 덕분인지, 구글이 자사 서비스에 엄청난 노출을 해줘서 나오는 건지, 광고 소재의 다양한 자동 조합이 효과를 보는 건지, 고객의 개인정보를 활용하는 게 아니라 다른 방식으로 정밀화된 타겟팅 방법을 찾아낸 건지 솔직히 아직은 잘 모르겠습니다. 그러나 최근 대부분의 머신러닝 광고들이 효율이 떨어지는 가운데 이 광고가 새로운 희망이 될 수도 있을 것 같습니다.




머신러닝 광고가 나온 지도 벌써 꽤 오랜 시간이 지났습니다. 장기간에 걸쳐 머신러닝들은 고도화되었고 엄청난 성장을 하였습니다. 빠른 시일 내에 온라인 마케터를 대체할 수 있을 거라는 예상도 많았습니다. 다행히 시간이 지남에 따라 머신러닝 광고들이 마케터를 사라지게 하는 게 아니라, 마케터의 효율을 키워주는 역할을 하게 되는 걸 알게 되었고, 그러면서 양쪽이 서로 큰 성장을 할 수 있었던 것 같습니다.

그러나 머신러닝에서 가장 중요한 고객의 정확한 데이터들을 기존처럼 쉽게 활용하지 못하게 되면서, 이 광고들이 생긴 이래 가장 큰 위기가 생긴 것 같습니다. 하지만 이 위기도 결국 시간이 지나면 해결 방법이 나올 것 같습니다. 개인정보를 불법으로 활용하는 게 아니라 기술적으로 다른 방법을 어떻게든 찾을 것 같습니다. 그리고 시간이 지남에 따라 머신러닝 광고들은 더 고도화되고 성장할 것 같습니다.

이런 상황에서 결국 마케터가 알아야 하는 부분은 머신러닝의 복잡한 수학적 모델이나 알고리즘이 아닌 것 같습니다. 머신러닝 광고를 어떻게 활용해야 더 좋은 효율이 나올지를 고민하고, 광고의 구체적인 목표를 설정하고, 광고 예산의 기준을 세우고 그리고 가장 중요한 "여러 머신러닝 광고 중 어떤 광고가 현재 가장 효율이 좋은지 분석하고 최종 선택"  하는 것처럼 오직 마케터만이 할 수 있는 역할을 더 강화시키면 될 것 같습니다.

앞으로 머신러닝 관련 기술이 더 고도화되고 모든 광고가 점점 자동화가 될 것 같지만, 그럼에도 불구하고 마케터의 역할은 절대로 사라지지 않을 것 같습니다. 결국 "모든 온라인 광고의 처음과 끝에는 마케터가 필요" 하고 이 사실은 아무리 시간이 지나도 쉽게 변하지 않을 것 같습니다.

 







  

이전 04화 타게팅의 시대에서 논타게팅의 시대에 적응하는 방법
brunch book
$magazine.title

현재 글은 이 브런치북에
소속되어 있습니다.

작품 선택

키워드 선택 0 / 3 0

댓글여부

afliean
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari