챗GPT를 광고 전략가로 바꾸는 4가지 데이터 연동 전략
AI에 실제 데이터를 먹이면 생기는 마법: 방글라데시 광고 지출 90% 절감 사례 검색 마케팅 전문 매체 Search Engine Land에 공개된 보고서에 따르면, 생성형 AI는 창의적인 콘텐츠 생성에 뛰어나지만, 실제 데이터 없이는 단순한 추측에 그치는 경우가 많다. "입찰가를 조정하세요", "크리에이티브를 테스트하세요"와 같은 일반적인 조언은 도움이 되지만, 구체성이 떨어진다. 하지만 생성형 AI에 실제 광고 데이터를 연결하면 상황이 달라진다. 예를 들어, AI가 당신의 캠페인 데이터를 분석하여 "방글라데시에서 전환율이 거의 없는데 지출이 늘고 있으니 해당 지역을 제외하세요"와 같이 구체적인 조언을 제공할 수 있다. 생성형 AI(Generative AI)는 이제 단순한 아이디어 생성기를 넘어 전략적 파트너로 진화하고 있다. 특히 구글의 스마트 입찰(Smart Bidding)이 일상화된 디지털 마케팅 환경에서, AI에 품질 높은 데이터를 제공하는 것은 더 이상 선택이 아닌 필수가 되었다. 실제 성과 데이터와 연결된 대규모 언어 모델(LLM)은 단순한 입찰 최적화를 넘어 PPC 계정 관리의 전 영역에서 새로운 가능성을 열어주고 있다. 계절성(Seasonality)을 예로 들어보자. 블랙 프라이데이 특수는 누구나 예상하지만, 실제 데이터는 이야기가 다를 수 있다. 마이크로소프트의 '미국 소매 휴일 프리뷰(U.S. Retail Holiday Preview) - 2024년 6월' 보고서에 따르면, 4분기 쇼핑은 예상보다 훨씬 일찍, 때로는 9월부터 시작된다. 생성형 AI가 이러한 과거 데이터를 분석하면 조기 구매 패턴을 발견하고, 실제 고객 행동에 맞게 예산, 입찰, 크리에이티브를 조정하는 전략적 제안을 할 수 있다. 클릭 한 번으로 자동 분석: 구글 애즈 스크립트로 주간 캠페인 리포트 자동화하기 구글 애즈 스크립트(Google Ads scripts)는 자동화의 강력한 도구지만, 개발자가 코드에 포함한 시나리오만 처리할 수 있다는 한계가 있다. 예를 들어, 계정 성과를 설명하는 스크립트는 모든 중요 KPI 변화의 조합을 고려해야 하므로, 개발자는 수백 가지 시나리오를 미리 예상해야 한다. 이런 상황에서 LLM을 활용하면 더 유연하고 섬세한 접근이 가능하다. 광고 데이터를 GPT에 공급하면, 결정론적 코드보다 훨씬 나은 성과 분석과 서술을 구성할 수 있다. 저자는 주간 스크립트를 설정하여 모든 캠페인의 노출, 전환, ROAS, CPA 등 주요 지표를 자동으로 추출한다. 이렇게 구조화된 데이터는 맞춤 프롬프트를 통해 GPT로 직접 전송되어 단순 요약을 넘어 문제 플래깅, 트렌드 강조, 전략적 다음 단계 제안 등을 수행한다. 스크립트 사용의 장점은 무료로 설치할 수 있고, 코드를 확인하여 로직을 수정할 수 있다는 점이다. 또는 LLM에게 코드 맞춤화를 요청할 수도 있다. 지역 타깃 시장에 맞는 광고 제안이 필요한가? 스크립트 프롬프트를 맞춤화하여 LLM에게 타깃 지역과 새 광고 및 키워드에 사용할 언어를 알려준다. 더 나은 크리에이티브가 필요한가? 캠페인 수준이 아닌 광고 수준의 성과 데이터를 공급한다. AI가 데이터를 직접 요청한다: 앤트로픽의 MCP로 실시간 캠페인 최적화 구조화된 데이터 내보내기를 넘어가고 싶다면, 앤트로픽(Anthropic)의 모델 컨텍스트 프로토콜(Model Context Protocol, MCP)이 AI 네이티브 미래의 모습을 보여준다. MCP는 지능형 미들웨어 레이어로 생각할 수 있다. 이는 생성형 AI 모델이 정적 보고서를 기다리지 않고 실시간으로 필요한 데이터를 요청할 수 있게 한다. MCP는 "AI 어시스턴트를 다양한 데이터 소스 및 도구와 연결하여 모델이 정적 훈련 데이터를 넘어 실시간 정보를 검색하고 활용할 수 있도록" 설계되었다. 이를 오랫동안 사용해온 API의 맥락에서 살펴보자. API는 컴퓨터 시스템이 표준화된 방식으로 통신할 수 있게 한다. 그러나 API는 구조화되고 결정론적인 프로그래밍에 의존하며, 개발자가 어떤 API를 언제 호출할지 결정해야 한다. 생성형 AI의 진정한 힘은 유연성에 있다. AI가 상황에 맞게 스스로 적절한 API를 선택할 수 있다면 어떨까? 이것이 바로 새로운 MCP 모델이 가능하게 하는 것이다. 계정 최적화 조언을 요청하면, MCP는 먼저 높은 수준의 캠페인 성과 데이터를 검색한다. 성과가 좋지 않은 캠페인을 감지하면, 저조한 결과를 유발할 수 있는 헤드라인, 타겟팅, 설정 등의 특정 요소를 분석하기 위해 더 자세한 광고 보고서를 요청한다. 링크드인 데모에서 마이크 로즈(Mike Rhodes)는 이 개념을 실제로 보여주었다. 앤트로픽의 클로드(Claude)와 맞춤 구축된 구글 애즈 인스펙터를 사용하여, AI는 대화를 기반으로 실시간 성과 데이터를 요청했다. 단순히 보고서를 읽는 것이 아니라 대화를 기반으로 필요한 것을 요청한 것이다. 그 결과, 클로드는 성과가 낮은 캠페인을 식별하고, 예산 이동을 추천하며, 사전 데이터 입력 없이 최적화 제안을 제공하는 전략가처럼 행동했다. 버튼 하나로 ROAS 목표 달성: 오픈AI의 GPT 액션으로 예산 자동 조절 MCP가 모든 LLM이 사용할 수 있는 개방형 프로토콜인 반면, 오픈AI(OpenAI)는 GPT 액션(GPT Actions)이라는 자체 변형을 사용한다. 오픈AI가 선도적인 생성형 AI 제공업체이므로, 장기적으로 가장 좋은 솔루션이 아닐 수 있더라도 이들의 작동 방식을 이해하는 것이 중요하다. 오픈AI의 커스텀 GPT는 누구나 자신의 필요에 맞게 모델을 맞춤화할 수 있게 한다. 저자는 각 클라이언트마다 맞춤형 GPT를 만들어 해당 클라이언트의 고유한 요구와 선호도에 맞게 응답할 수 있도록 하는 것을 권장한다. 맞춤 지침과 지식에 추가된 정적 파일 외에도, 커스텀 GPT는 어시스턴트가 데이터 소스, CRM 또는 구글 애즈와 같은 API가 있는 모든 것과 직접 상호 작용할 수 있게 하는 액션을 지정할 수 있다. GPT 액션은 기본적으로 자연어 지침으로 래핑된 API 호출이다. 이를 통해 모델은 대화 중에 특정 작업을 트리거하거나 실시간 데이터를 검색할 수 있다. 이러한 액션은 지난 30일간의 캠페인 성과를 요청하거나, 목표 예산을 초과한 캠페인을 일시 중지하는 등의 데이터 요청 및 변경에 사용될 수 있다. 현재 대부분의 GPT는 데이터만 가져오지만, 곧 데이터를 사용하여 광고주가 목표를 달성하는 데 도움이 되는 통찰력과 행동을 생성할 것이다. 이런 상황을 상상해보자. GPT가 ROAS 목표를 달성하지 못하고 지출이 초과되는 캠페인을 발견한다. 그것을 플래그하고 서면 근거를 제공한다. 승인하면 예산을 줄이거나 캠페인을 일시 중지한다. 플랫폼에 로그인할 필요도, 지연도 없다. 이러한 기능은 이미 커스텀 GPT에서 사용 가능하며, 캠페인 성과 데이터, 분석 도구 및 보고 대시보드와 워크플로를 연결하는 데 적극적으로 사용되고 있다. 일부 고급 기능(예: 예약된 작업)은 아직 베타 버전이지만, 핵심 액션 기능은 완전히 사용 가능하며 오늘 바로 사용할 준비가 되어 있다. 질문만 하세요, 답은 AI가: '주간 ROAS가 하락한 캠페인은 무엇인가요? 저자는 프로그래머로 경력을 시작했기 때문에 위의 세 가지 옵션에 모두 흥미를 느끼지만, 모든 사람이 처음부터 자신만의 워크플로를 구축하고 싶어하는 것은 아니다. 솔직히 말해서, 그럴 필요도 없다. 대부분의 마케터들은 이미 알고 있는 플랫폼 내에서 작업하는 것을 선호한다. 챗봇에서 새로운 것을 시도하는 것은 좋지만, 일반적으로 광고주들이 원하는 규모와 효율성을 제공하지는 못한다. 대부분의 사람들은 이상적인 솔루션이 별도의 챗봇과 대시보드 사이를 오가는 우회로가 아닌 AI 강화 도구일 것이라고 생각한다. 이것이 AI가 구글 시트, 문서, 슬랙, 노션과 같은 도구 내부에 등장하는 이유다. 더 빠르고, 더 매끄럽고, 덜 방해적이다. PPC에서도 같은 변화가 일어나고 있다. 캠페인 데이터를 내보내 외부 AI 도구에 연결하는 대신, 일부 광고주들은 생성형 AI를 워크플로에 직접 가져오는 플랫폼으로 전환하고 있다. 저자가 가장 잘 알고 있는 도구에 대해 말하자면, 그의 회사는 AI와 계정 데이터 사이의 격차를 해소하도록 설계된 솔루션을 개발했다. 이 어시스턴트는 MCP와 유사하게 작동하여 즉석에서 관련 데이터를 가져와 광고주가 질문하는 모든 것을 돕는 데 사용한다. 이 도구는 구글 애즈 계정에 직접 연결되어 "주간 ROAS가 하락한 캠페인은 무엇인가요?", "지난 90일 동안 가장 성과가 좋은 헤드라인은 무엇인가요?", "이번 주에 예산을 어디로 재할당해야 할까요?"와 같은 자연어 질문을 할 수 있다. 이런 유형의 내장 AI는 다음 세대 PPC 도구를 더 똑똑할 뿐만 아니라 진정으로 확장 가능하게 만든다. 노벨상 수준의 AI가 예측하는 캠페인 성과: 다리오 아모데이의 미래 비전 이제 우리는 AI가 단순히 과거에 일어난 일을 기반으로 최적화하는 것이 아니라, 다음에 일어날 일을 형성하는 데 도움을 주는 시대로 진입하고 있다. 등장하고 있는 것은 단순한 자동화가 아니라 예측이다. 생성형 AI 도구는 성과 트렌드를 예측하고, 선제적으로 예산 우선순위를 변경하며, 자체 데이터의 예측 신호를 기반으로 크리에이티브를 형성할 수 있는 전략 엔진으로 진화하고 있다. 앤트로픽의 CEO 다리오 아모데이(Dario Amodei)가 "사랑의 기계들(Machines of Loving Grace)" 에세이에서 언급했듯이, 우리는 AI 시스템이 "생물학, 컴퓨터 과학, 수학, 공학을 포함한 대부분의 분야에서 노벨상 수상자와 일치하거나 그를 능가하는 지적 능력"을 갖는 세계로 향하고 있다. PPC 측면에서 이는 단순히 캠페인 성과를 분석하는 것이 아니라, 앞으로 일어날 가능성이 있는 일을 예측하고 지표가 타격을 받기 전에 다음에 할 일을 추천하는 도구를 의미한다. 아직 초기 단계지만, 기반은 이미 마련되어 있다. 이러한 시스템이 실제 성과 데이터와 연결되면, 반응형 어시스턴트에서 선제적인 전략가로 변모할 것이다. FAQ Q. 생성형 AI를 광고 데이터와 연결하면 어떤 실질적인 이점이 있나요? A: 생성형 AI를 광고 데이터와 연결하면 막연한 조언("입찰가를 조정하세요") 대신 데이터에 기반한 구체적인 전략("방글라데시에서 전환율이 낮으니 해당 지역을 제외하세요")을 얻을 수 있습니다. 또한 계절적 트렌드를 조기에 발견하여 예산을 효율적으로 배분하고, 고객의 실제 행동 패턴에 맞춰 캠페인을 최적화할 수 있어 마케팅 ROI가 향상됩니다. Q. 모델 컨텍스트 프로토콜(MCP)이란 무엇이며 PPC에 어떤 변화를 가져오나요? A: 모델 컨텍스트 프로토콜(MCP)은 AI가 필요한 데이터를 실시간으로 요청할 수 있게 해주는 지능형 미들웨어입니다. 기존 API와 달리 AI가 스스로 필요한 데이터를 결정하고 요청할 수 있어, PPC 관리에서 성과가 저조한 캠페인을 자동으로 감지하고 상세 데이터를 분석하여 구체적인 최적화 방안을 제시할 수 있습니다. 이는 마케터의 분석 시간을 줄이고 더 효과적인 의사결정을 가능하게 합니다. Q. 생성형 AI와 광고 데이터를 연결하는 방법 중 비프로그래머도 쉽게 시작할 수 있는 방법은 무엇인가요? A: 프로그래밍 경험이 없는 마케터도 내장 AI 기능이 있는 PPC 관리 도구를 사용하면 쉽게 시작할 수 있습니다. 이런 도구들은 구글 애즈 계정에 직접 연결되어 "주간 ROAS가 하락한 캠페인은 무엇인가요?"와 같은 자연어 질문을 할 수 있게 해줍니다. 또한 오픈AI의 커스텀 GPT도 기술적 지식 없이 맞춤형 AI 어시스턴트를 만들 수 있는 접근 가능한 방법입니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)
