메타나 구글애즈의 광고 성과를 AI로 분석하는 일이 점점 수월해지고 있습니다. 광고 계정의 데이터를 연결해 두면 날짜별 성과를 정리하고, 소재별 결과를 비교하고, 보고서 초안까지 만들 수 있습니다. 광고 관리자에서 데이터를 내려받고 엑셀로 정리하던 일을 상당 부분 줄일 수 있는 것이죠.
그런데 이렇게 받은 분석을 곧바로 광고 운영에 적용해도 될까요? 숫자와 표는 정확한데, 제안한 내용을 실행하려고 보면 어딘가 맞지 않는 경우가 있습니다. 광고 데이터를 잘 가져오는 것과 그 데이터를 바탕으로 운영 방향을 판단하는 것 사이에는 아직 간격이 있기 때문입니다.
이 글에서는 메타의 소재별 예산 배분과 구글애즈의 전환 해석 사례를 통해, AI가 광고 분석을 어디까지 도와줄 수 있고 어떤 부분은 담당자가 점검해야 하는지 이야기해 보고자 합니다.
AI에게 광고 분석을 어디까지 맡길 수 있을까요?
메타와 구글애즈는 API를 통해 광고 데이터와 기능을 제공합니다. 필요한 권한으로 API를 사용할 수 있는 AI 도구를 연결하면, 사람이 매번 보고서를 내려받지 않아도 원하는 데이터를 조회하고 정리할 수 있습니다.
예를 들어 다음과 같은 작업을 맡길 수 있습니다.
- 캠페인별 광고비, 노출, 클릭, 전환을 가져와 일별, 월별 추이를 비교합니다.
- 소재별 성과를 묶어 비용이 집중된 광고나 전환 단가가 달라진 광고를 찾아냅니다.
- 이미지, 영상, 텍스트 소재를 실제로 확인할 수 있는 환경이라면, 표현 방식과 메시지를 살펴보고 성과 데이터와 함께 정리합니다.
‘이 캠페인의 월별 우수 소재와 근거 데이터를 정리해 줘’ 같은 요청도 가능한 것입니다. 물론 숫자를 조회하는 것과 실제 이미지와 영상을 열어보는 것은 다른 작업이므로, 사용하는 도구가 소재 원본까지 확인할 수 있어야 합니다. 소재 이름만 읽고 영상 내용까지 분석했다고 볼 수는 없습니다.
자료를 모으는 수고가 줄어드는 것만으로도 활용 가치는 큽니다. 담당자가 처음부터 모든 행을 들여다보는 대신, AI가 정리한 변화와 비교표를 바탕으로 확인할 지점을 좁힐 수 있기 때문입니다.
그런데 이때 ‘우수 소재’를 무엇으로 판단했는지 살펴볼 필요가 있습니다. 클릭률이 높은 소재인지, 전환 단가가 낮은 소재인지, 충분한 전환을 만들어낸 소재인지에 따라 결과가 달라집니다. AI가 숫자를 정확하게 가져왔다고 해도, 우리가 내려야 할 운영 판단까지 이해했다고 볼 수는 없습니다.
메타에서 클릭률이 낮은 소재의 예산을 줄이라고 한다면
메타 광고 성과를 분석해 달라고 했을 때, 클릭률이 낮은데 비용을 많이 쓰고 있는 소재의 예산을 줄이라는 제안을 받을 수 있습니다. 표만 보면 타당해 보입니다. 반응이 적은 광고에 많은 돈을 쓰고 있으니 비용을 줄이자는 이야기니까요.
그런데 실제 운영 상황에서는 두 가지를 먼저 확인해야 합니다.
- 제안한 단위로 예산을 조정할 수 있는가? 메타의 일반적인 광고 운영에서는 캠페인 또는 광고 세트에 예산을 설정합니다. 같은 광고 세트 안에서 A 소재에는 3만 원, B 소재에는 1만 원을 쓰도록 소재별 예산을 직접 나누는 방식은 아닙니다. 어떤 광고에 얼마나 집행할지는 설정한 목표와 조건 안에서 메타의 전달 시스템이 결정합니다.
- 클릭률이 이 광고의 최종 목표인가? 구매를 늘리려는 광고라면 클릭률 외에도 구매 전환과 전환 가치 등을 함께 봐야 합니다. 클릭률이 상대적으로 낮다는 이유만으로, 그 소재가 구매 성과에도 덜 기여한다고 판단할 수는 없습니다.
그래서 ‘이 소재의 예산을 20% 줄이자’는 문장이 실제로 무엇을 하자는 제안인지부터 모호해집니다. 해당 광고를 중단하자는 것인지, 광고 세트를 분리해 테스트하자는 것인지, 상위 캠페인의 예산을 조정하자는 것인지에 따라 실행과 영향이 모두 달라집니다. 숫자의 비교는 맞아도 실행할 수 있는 개선안으로는 부족한 것입니다.
예산을 조정할 단위를 바로잡았더라도, 그 비용을 줄여야 한다는 판단이 타당한지는 별도로 확인해야 합니다. 이때 소재별 집행 규모를 빼놓으면 비교가 어긋날 수 있습니다. 같은 전환을 기준으로 아래 두 소재를 비교한다고 가정해 보겠습니다.
| 비교 항목 | 소재 A | 소재 B |
|---|---|---|
| 사용한 광고비 | 9,000원 | 900,000원 |
| 발생한 전환 | 1건 | 99건 |
| 전환당 비용 | 9,000원 | 약 9,091원 |
전환당 비용만 정렬하면 A가 앞섭니다. 하지만 단가 차이는 약 1%이고, 한쪽은 전환이 1건, 다른 쪽은 99건 발생했습니다. A의 단가가 조금 낮다는 이유만으로 B의 비용을 줄이고 A를 확대하자는 결론까지 낼 수 있을까요?
A가 같은 예산을 사용했을 때도 그 단가를 유지할지는 아직 모릅니다. 반면 B는 훨씬 큰 집행 규모에서 비슷한 단가로 전환을 만들어낸 상태입니다. 이 차이를 빼고 ‘A가 더 우수하다’고만 정리하면, 실제 전환의 상당 부분을 담당하는 소재를 축소하는 판단으로 이어질 수 있습니다.
그렇다고 비용이 많이 배분된 B가 무조건 더 좋은 소재라는 뜻도 아닙니다. 메타의 배분 결과 역시 점검 대상입니다. 다만 현재의 비용 분포에는 전달 시스템의 판단이 반영되어 있으므로, 서로 같은 조건에서 똑같이 노출한 실험 결과처럼 읽어서는 안 됩니다. 소재끼리 같은 조건에서 비교하고 싶다면 메타 광고 관리자의 크리에이티브 테스트 기능을 활용할 수 있습니다. 예산의 일부를 테스트용으로 떼어 테스트 광고들에 비슷한 금액을 배분하는 방식으로, 테스트가 끝나면 다시 전달 시스템이 배분을 결정합니다.
담당자가 알고 싶은 것은 단가 순위뿐 아니라, 지금의 전환 규모를 유지하거나 늘리기 위해 무엇을 바꾸어야 하는지입니다. AI가 이 질문을 놓치면 계산을 잘하고도 운영에 맞지 않는 답을 줄 수 있습니다.
구글애즈에서는 전환의 이름을 보고 의미를 짐작하기도 합니다
AI가 놓치는 맥락은 예산 운영 방식에만 있지 않습니다. 전환 수가 실제로 어떤 행동을 세고 있는지도 잘못 읽을 수 있습니다. 두 문제 모두 메타와 구글애즈에서 생길 수 있는 일인데요, 이번에는 구글애즈의 전환 설정을 예로 살펴보겠습니다.
구글애즈의 전환 액션과 전환 카테고리는 구분해서 봐야 합니다.
- 전환 액션: 구매 완료, 상담 신청 등 개별적으로 측정하는 행동입니다. 계정에서 붙인 이름과 실제로 집계하는 조건을 함께 확인해야 합니다.
- 전환 카테고리: 전환 액션의 성격을 분류하는 항목입니다. 구매, 결제 시작, 가입 등의 분류가 있으며, 구글애즈의 표준 전환 목표를 구성하는 데도 쓰입니다.
문제는 분류명이 실제 측정 행동을 언제나 정확하게 설명해 주는 것은 아니라는 점입니다. 예를 들어 실제 구매 완료를 세는 purchase 전환 액션이 있는데, AI가 상위 분류명의 인상만 보고 페이지 조회나 초기 탐색 행동으로 해석하는 경우입니다. 구매가 발생한 데이터를 놓고 ‘앞단 반응만 있고 최종 전환이 부족하다’는 결론을 내리는 것입니다.
가져온 전환 수가 틀린 것은 아닙니다. 그 전환을 무엇으로 해석했는지가 틀린 것입니다. 이 상태에서 랜딩 페이지 개선이나 최종 전환 확보를 권하면, 출발점이 잘못된 분석 위에 개선안이 쌓이게 됩니다.
여기서 담당자가 확인해야 할 것은 카테고리와 액션의 대응 관계입니다. 해당 전환이 어떤 이벤트나 조건으로 집계되는지, 보고만 하는 행동(보조 전환 액션)인지 캠페인의 입찰 목표로 사용하는 행동(기본 전환 액션)인지도 함께 봐야 합니다. ‘purchase라고 적혀 있으니 구매겠지’라고 액션 이름만 믿는 것도 같은 문제를 남깁니다.
분류와 실제 측정 내용이 다르면 계정 설정을 잘못한 것인지, 운영 과정에서 별도의 의도가 있었는지도 확인할 필요가 있습니다. AI가 명칭의 뉘앙스만으로 그 이유를 알아낼 수는 없습니다. 계정의 설정과 이벤트 정의를 함께 읽어야 분석의 기준을 바로잡을 수 있습니다.
이것은 AI가 전환 개념을 설명할 수 있느냐와도 다른 문제입니다. 일반적인 정의를 알고 있어도 지금 분석하는 계정에서 그 개념이 어떻게 설정되어 있는지 확인하지 않으면, 실제 데이터의 의미를 잘못 해석할 수 있기 때문입니다.
Google Ads API 문서 | 전환 액션과 전환 목표의 관계
AI의 분석에서 담당자는 무엇을 확인해야 할까요?
두 사례에서 AI가 놓친 것은 복잡한 계산이 아닙니다. 하나는 실제로 예산을 조정할 수 있는 단위와 성과가 만들어진 조건이고, 다른 하나는 전환으로 집계된 행동의 의미입니다. 보고서에 숫자가 많이 담겨 있어도 이런 맥락이 빠지면 운영 판단은 어긋날 수 있습니다.
그래서 AI 분석을 검토할 때는 ‘어떤 소재가 1위인가’에 앞서 다음 내용을 확인해 보시기를 권합니다.
- 무엇을 성과로 보았는가? 클릭, 구매, 문의 중 이번 캠페인에서 늘리려는 행동이 무엇인지, AI가 같은 기준으로 평가했는지 확인합니다.
- 어떤 조건의 데이터를 비교했는가? 같은 기간과 전환 기준으로 비교했는지, 집행 규모와 전환 수 차이를 빼놓지는 않았는지 살펴봅니다.
- 제안한 일을 실제로 할 수 있는가? 소재별 예산을 직접 바꾸라는 것처럼 운영 구조와 맞지 않는 제안은 아닌지, 실행하면 어느 범위에 영향을 주는지 점검합니다.
이 기준은 AI에게 처음부터 전달할 수도 있습니다. 구매 캠페인이라는 목적, 판단할 전환의 정의, 예산을 관리하는 단위를 알려주고, 단가뿐 아니라 전환 규모까지 함께 비교하도록 요청하는 것입니다. 그러면 담당자는 데이터를 다시 모으는 일보다 AI가 놓친 조건과 판단 근거를 확인하는 데 시간을 쓸 수 있습니다.
2026년 10월 현재, 저는 이런 점이 광고 분석에서 담당자의 판단을 그대로 AI로 대체하기 어려운 이유라고 생각합니다. 모델과 도구가 고도화되면 지금의 오류는 줄어들 수 있을 것입니다. 다만 현재는 분석 목적과 계정의 설정을 알려주는 일부터, AI가 그 기준에 맞게 판단했는지 확인하는 일까지 담당자의 역할로 남아 있습니다.
데이터를 모으는 수고가 줄었다면 그만큼 무엇을 확인하고 어떤 결정을 내릴지 더 고민할 수 있습니다. AI로 광고 분석을 시작하시는 분들이, 데이터 조회의 편리함을 넘어 실제 운영에 쓸모 있는 방향으로 활용하는 데 이 글이 도움이 되기를 바랍니다.
