AI 광고 사례 3건으로 본 트래픽 10% 감소와 어트리뷰션 재설계법

무슨 일이 일어나고 있나

Brainlabs가 자사 Google Analytics 데이터로 고객사 54곳을 2025년 1월부터 올해 4월까지 14개월 추적했습니다. 구성은 미국 24곳, 영국 24곳, 기타 시장 6곳이고 이 중 29곳은 직원 1000명 이상 대형 광고주예요. 변곡점은 지난해 9월, 미국 검색 결과 페이지의 30% 이상에 Overviews가 뜨기 시작한 시점이었습니다. Brainlabs SEO 시니어 매니저 Sam Paez가 직접 이 시점을 inflection point라고 지목했어요. 임계치를 넘은 뒤 54곳 중 46곳의 트래픽이 빠졌고, 월 오가닉 세션은 약 2000만에서 1500만 미만으로 내려앉았습니다. 합산 기준으로는 1억 4010만에서 1억 2540만, 10.5% 감소입니다.

감소폭 편차가 큽니다. Ahrefs 집계로는 일부 사이트의 웹 트래픽이 최대 58%까지 빠졌어요. Digiday는 Kendra Scott 같은 D2C 의존도가 높은 브랜드, 그리고 자동차나 백색가전처럼 검토 기간이 긴 상품을 파는 기업이 새로운 검색 행동의 날카로운 쪽 끝에 서 있다고 짚습니다. 업종별로는 피트니스, 핀테크, 보험, CPG의 감소폭이 컸고 리테일, 뷰티, 엔터테인먼트는 감소폭이 작으면서 AI 유입 상승폭이 오히려 컸습니다.

반대편 숫자가 더 중요합니다. AI 리퍼럴은 월평균 약 20만 건으로 163% 증가했고, 이 유입에서 발생한 핵심 이벤트(구매, 뉴스레터 가입, 페이지 하단까지 스크롤 등)는 335% 늘었어요. Paez는 Overviews가 압도적으로 교육, 정보 탐색성 키워드에서 트리거되고 있지만 거래성, 상업성 검색으로 흘러내리기 시작했다고 말합니다. 이 문장이 향후 6개월의 리스크 시나리오입니다.

두 번째 사건은 매체 구매 쪽입니다. 독립 에이전시 Butler/Till이 지난해 말 PubMatic Agentic OS로 주류 기업 Geloso Beverage Group의 CTV 캠페인을 전 과정 자율로 돌렸습니다. 전통적 DSP 워크플로도, 수동 최적화도 없었어요. Butler/Till이 선호하는 생성형 AI 환경인 Claude 안에서 자연어 브리프를 제출하면 PubMatic 에이전트가 이를 해석해 미디어 전략을 만들고, 캠페인 세팅을 개시하고, 페이싱과 타겟팅과 성과를 계속 최적화하는 구조입니다. 발표된 결과는 공급망 및 기술 비용 약 80% 절감, 같은 예산으로 임프레션 40% 증가, 비디오 완주율 98%, 낭비율 1% 미만입니다.

세 번째는 표준입니다. IAB가 AI 에이전트에 노출되거나 영향받은 광고의 기여도를 측정하는 프레임워크를 11월 12일 공개할 예정이에요. IAB AI 부문 vp Caroline Giegerich는 전통적 신호가 최소화된 상황에서 AI의 전환 기여를 측정하고 크레딧을 배분하는 공통 프레임을 만드는 것이 목표라고 밝혔고, AI 영향을 사용자에게 무언가를 노출하는 층(인지 또는 의도 레이어)과 사용자의 결정을 돕는 층으로 나눌 가능성이 크다고 설명했습니다. 워킹그룹은 테크 기업, 퍼블리셔, 에이전시, 측정 벤더, 브랜드로 구성되는데 참여사 이름은 공개되지 않았습니다.

배경에는 OpenAI의 속도가 있어요. 미국에서 광고를 도입한 지 6개월 만에 ChatGPT Ads를 유럽 31개 시장으로 확장하면서 구매 도구, CPC 과금, 경력 광고 임원 영입, 에이전시 및 애드테크 파트너십까지 갖췄습니다.

왜 중요한가

세 사건은 하나의 축을 공유합니다. 링크 클릭이라는 관측 지점이 사라지는 중이라는 것.

메커니즘을 한 단계 더 들어가 보죠. UTM 파라미터는 사용자가 URL을 통해 이동한다는 사실 위에 얹힌 태그입니다. 태그는 이동이 발생해야 전달돼요. 그런데 AI Overviews는 답을 페이지 안에서 끝내고, 에이전트는 상품 페이지를 읽고 비교해서 사용자 대신 구매까지 합니다. 이 경로에서는 URL 이동이 아예 없거나, 있어도 에이전트의 요청이라 사람 세션과 구분되지 않아요. 그래서 Brainlabs의 10.5% 감소는 수요가 10.5% 줄었다는 뜻이 아니라 계측기가 닿는 구간이 그만큼 좁아졌다는 뜻에 더 가깝습니다.

전환율 1.5배 차이가 이 해석의 증거입니다. 사이트에 남는 트래픽의 성격이 바뀌었어요. 정보 탐색과 비교 검토가 플랫폼 안에서 소비되니, 사이트로 넘어오는 건 이미 결정 직전 상태의 사용자뿐입니다. 정보성 질의 비중이 높은 보험, 핀테크, 피트니스에서 감소폭이 큰 것이 같은 메커니즘의 다른 얼굴이고, 리테일과 뷰티가 덜 빠진 건 브랜드 검색과 실물 확인 목적의 방문이 여전히 남기 때문으로 읽힙니다. 다시 말해 트래픽 감소폭은 업종의 실력이 아니라 그 업종 검색 질의 중 정보성 비중의 함수입니다.

구매 쪽에서는 실행 로그의 통제권이 이동합니다. Butler/Till 사례처럼 자연어 브리프 한 장이 전략 수립부터 페이싱 최적화까지 커버하면, 어떤 인벤토리에 왜 그 시점에 얼마를 태웠는지의 판단 근거가 에이전트 내부로 들어가요. 플랫폼 자동화 도구도 방향이 같습니다. 네이버는 애드부스트와 애드부스트 맥스로 쇼핑, 디지털 옥외광고, AI 브리핑 광고까지 넓혔고 다음 달 플레이스 광고로 지역 매장 광고주를 공략할 계획입니다. 올해 2분기 광고 매출은 전년 동기 대비 7.5% 증가한 1조4472억원이었고, 그 증가분에서 AI 기여도가 60% 이상이라고 회사는 설명했어요. 메타는 어드밴티지+로 타깃과 예산, 광고 위치를 AI가 자동 결정하고 생성형 AI로 문구와 이미지까지 만드는데, 이 솔루션을 쓴 광고주의 광고비 대비 매출이 기존 캠페인보다 평균 22% 높았다고 밝혔습니다. 더 비즈니스 리서치 컴퍼니 추정으로 세계 AI 광고 시장은 2025년 111억7000만달러(약 15조4000억원)에서 연평균 26.7% 성장해 2030년 363억4000만달러(약 50조2000억원)가 됩니다.

정리하면 노출 단계의 관측권은 AI 플랫폼으로, 실행 단계의 관측권은 자동화 도구로 넘어가는 중입니다. 광고주가 직접 볼 수 있는 구간이 양쪽에서 동시에 좁아지고 있어요.

이해관계, 역학

숫자를 발표한 주체를 먼저 보는 게 순서입니다.

PubMatic은 SSP, 즉 매도 측 플랫폼입니다. 이 회사가 자연어 브리프 하나로 캠페인이 돌아간다는 사례를 서둘러 내놓는 이유는 단순히 제품 홍보가 아니에요. 지금까지 예산 결정 지점은 DSP였습니다. 바이어가 DSP에 앉아 인벤토리를 고르고 입찰 로직을 짰죠. 그런데 에이전트가 브리프를 받아 전략과 세팅과 최적화까지 처리하는 레이어가 SSP 쪽에 먼저 깔리면, DSP는 실행 배관으로 밀려나고 예산 배분 판단이 SSP 에이전트 안에서 일어납니다. 80%라는 숫자에서 절감된 것이 무엇인지 보면 더 선명해요. 원문 표현은 공급망 및 기술 비용(supply-chain and tech costs)입니다. 그 비용의 상당 부분이 중간 단계 수수료라면, 이 발표는 곧 중간 단계를 걷어내자는 제안입니다. 누가 중간 단계인지는 발표 주체가 아니고요.

동시에 근거는 얇습니다. 단일 캠페인, 단일 브랜드, 파트너사 발표예요. 완주율 98%와 낭비율 1% 미만도 어떤 인벤토리 풀과 비교했는지, 기존 캠페인 대비 크리에이티브와 타겟 조건이 동일했는지가 공개되지 않았습니다. 이 조건들이 빠지면 성능 근거라기보다 마케팅 자료에 가깝습니다.

에이전시 쪽 유인도 있습니다. Butler/Till 전략책임자 Scott Ensign은 이 실험을 사람 대체가 아니라 프로그래매틱의 잘못된 인센티브를 교정하는 시도로 프레이밍해요. 그는 프로그래매틱 품질 문제를 80년대 마약과의 전쟁에 비유하며, 지난해 The Current에 쓴 칼럼에서 Adalytics 보고서가 밝힌 프로그래매틱 공급망 내 아동 성착취물 수익화 사례를 인용했습니다. 공급 제한만으로는 한계가 있고 수요의 근본 원인을 함께 심문해야 한다는 주장입니다. 논지 자체는 타당하지만, 자동화 도입을 마진 방어가 아니라 윤리 개선의 서사로 배치하는 구도라는 점은 읽어둘 필요가 있어요. 실제 효과는 이중적입니다. 자연어 브리프만으로 전략부터 페이싱까지 처리된다는 건 미디어 바잉의 진입장벽이 낮아진다는 뜻이고, 에이전시 내부에서는 주니어 바이어의 반복 업무가 가장 먼저 대체된다는 뜻이기도 합니다. Ensign 본인은 human in the loop라는 표현을 싫어한다며, 사람 바이어가 캠페인을 운영하되 에이전틱 기술로 크게 보강되는 형태가 될 거라고 말합니다.

네이버의 AI 기여도 60%, 메타의 ROAS 22% 상승도 모두 자체 발표치입니다. 여기서 구조적 함정은 비교 기준선이에요. 자동화 이전 캠페인 세팅이 부실했을수록 개선폭은 커집니다. 플랫폼 입장에서 이 수치는 성능 증명이 아니라 도입 유인이고, 도입이 늘수록 플랫폼이 얻는 건 광고비만이 아닙니다. 퍼포먼스 맥스나 어드밴티지+처럼 타겟팅과 입찰 로직을 통째로 넘기는 순간, 어떤 세그먼트가 어떤 크리에이티브에 반응했는지가 플랫폼 안에만 남아요. 광고주는 성과를 사되 오디언스 인사이트는 잃고, 그만큼 다음 해 협상에서 대체 채널을 제시할 근거가 줄어듭니다. 여기서 물어야 할 질문은 어떤 도구가 좋으냐가 아니라, 내 브랜드 데이터가 그 블랙박스 안에서 어떻게 학습되고 경쟁사 캠페인과 입찰 구조를 공유하지는 않는가입니다.

표준 논의는 가장 미묘합니다. OpenAds 공동창업자 Michael Bishop은 OpenAI 같은 테크 기업이 신호 자체를 통제하면 Facebook이 측정 벤더와 통합을 맺던 시절의 블랙박스 구조가 그대로 유지될 수 있다고 지적합니다. 여기서 핵심은 표준을 만드는 일과 그 표준을 돌릴 원천 데이터를 쥐는 일이 완전히 별개라는 점이에요. 지금 구도는 노출과 영향 데이터를 독점한 플랫폼이 표준화 테이블에도 앉아 있는 형태입니다. Digiday가 짚듯 업계 최대 기업들이 자신에게 유리한 방향으로 바늘을 움직이려 할 것이라는 데는 의심의 여지가 없어요. 검색 광고 시절 Google이 클릭 데이터를 쥐고 측정 생태계 전체를 좌우했던 패턴이 반복될 조짐이고, 여기에 W3C의 Attribution API 논쟁 - 브라우저 중심 귀속이 특정 기업에 권한을 집중시킬 수 있다는 우려 - 가 겹치면 권한 집중이 이중으로 일어납니다. Giegerich 스스로도 IAB가 에이전트의 인간 트래픽 우회라는 개념 주변에서 벌어지는 활동의 소용돌이를 따라잡으려 애쓰는 중이라고 말합니다. 규제자가 아니라 추격자의 위치라는 자기 인식입니다.

실무에 주는 함의

표준이 나오기 전에 깔아둘 것들이 있습니다. IAB 초안이 11월 12일 공개돼도 그건 권고안이고, 플랫폼이 신호를 얼마나 개방하느냐에 실효가 갈립니다. 내일부터 바꿀 수 있는 순서로 정리했어요.

1. GA4 수동 채널 정의에 AI 리퍼럴 그룹을 추가하세요. chatgpt.com, gemini.google.com, perplexity.ai 등 소스 도메인을 조건으로 채널을 새로 만들고, 이 채널의 세션과 핵심 이벤트를 별도 리포트로 고정합니다. Brainlabs 사례에서 오가닉 세션은 10.5% 줄었는데 AI 유입 핵심 이벤트는 335% 늘었어요. 두 흐름을 한 칸에 합쳐 보면 반대 부호끼리 상쇄돼 아무 일도 없는 것처럼 보입니다.
2. 채널별 목표 전환율을 분리하세요. AI 유입 전환율이 오가닉 검색의 1.5배라면, 두 채널에 같은 전환율 목표를 걸어둔 대시보드는 오가닉을 과소평가하고 AI를 과대평가합니다. 세션 수 대신 세션당 가치와 이벤트 완료율로 지표를 갈아끼우는 편이 낫습니다.
3. 이벤트 설계에 에이전트 구분용 커스텀 파라미터를 넣어보세요. 사용자 에이전트 문자열, 진입 경로, 세션 내 행동 패턴으로 봇 세션 후보를 태깅해두면 IAB 프레임워크가 노출 층과 결정 지원 층 중 어느 정의를 채택하든 소급 분석이 가능합니다. 지금 안 심으면 11월 이후에 과거 데이터를 다시 만들 방법이 없어요.
4. 자동화 도구는 홀드아웃과 함께 붙이세요. 애드부스트, 퍼포먼스 맥스, 어드밴티지+를 도입할 때 전체 예산을 넘기지 말고 일부 캠페인을 숙련 운영자의 수동 운영으로 남깁니다. 메타가 말한 22%가 내 계정에서 재현되는지는 이 기준선 없이는 영원히 확인할 수 없습니다.
5. AI 플랫폼 및 애드테크 계약서에 데이터 접근 조항을 미리 넣으세요. 노출 로그, 인용 여부, 에이전트 세션 식별자를 어떤 형식과 주기로 받을 수 있는지 문서화합니다. OpenAI가 6개월 만에 31개 유럽 시장으로 확장한 속도를 보면, 표준 확정 후에 요구할 때쯤에는 협상 테이블 자체가 달라져 있을 겁니다.
6. 콘텐츠 구조화(GEO)를 SEO 예산 항목 안으로 옮기고 별도 KPI를 붙이세요. AI Overviews나 LLM 답변에 인용되는 성과는 세션 지표로 잡히지 않으니, 인용 노출 자체를 카운트하는 항목을 만들어야 예산 방어가 됩니다.
7. 인벤토리 리포트를 성과 리포트와 같은 주기로 여세요. 임프레션 증가분이 어떤 콘텐츠 인접 환경에서 나왔는지는 효율 지표에 안 찍힙니다. 뒤에 나올 브랜드 감정 리스크가 여기서 생깁니다.

리스크, 반대 관점

표본을 과대해석하면 안 됩니다. Brainlabs 데이터는 한 에이전시의 고객 54곳, 14개월이에요. 원문도 one agency, one client roster라고 스스로 한정합니다. 정보성 질의가 많은 보험이나 피트니스에서 감소폭이 크게 나온 건 예견된 결과고, 산업 전체로 일반화하기엔 이릅니다. Ahrefs가 잡은 최대 58% 감소도 일부 사이트 사례라 내 사이트의 예상치가 되지 못해요.

측정 체계 개편 비용이 얻는 정보보다 클 수도 있습니다. 월평균 20만 건이라는 AI 리퍼럴은 Brainlabs 고객 전체 합계 기준이고, 같은 기간 오가닉은 월 1500만 세션대였습니다. 비율로 보면 1-2% 수준이에요. 개별 브랜드에서 이 비중이 1% 미만인데 대시보드와 태깅 체계를 전면 개편하면 자원 낭비입니다. 규모부터 측정하고 임계치를 정해 넘을 때 투자하는 순서가 안전합니다.

자동화 쪽 리스크는 뒤에서 옵니다. 갤럽이 월튼가족재단, GSV벤처스와 14-29세 1572명을 조사한 결과, 주 1회 이상 생성형 AI를 쓰는 미국 Z세대의 기대감은 36%에서 22%로 14%포인트 떨어졌고 화가 난다는 응답은 22%에서 31%로 올랐습니다. 매일 쓰는 이용자에서는 기대감이 1년 사이 18%포인트 내려갔어요. 가장 많이 쓰는 집단에서 긍정 정서가 가장 많이 빠진 겁니다. IAB와 소나타인사이츠 조사에서 Z세대(16-27세)의 AI 광고 부정 응답은 39%로 밀레니얼(28-43세) 20%의 두 배였고, 더블베리파이 2026 글로벌 인사이트 보고서에서는 EMEA 소비자 42%가 저품질 AI 콘텐츠 옆 브랜드에 부정적 감정을 느낀다고 답했습니다(긍정은 24%, 영국은 부정 48%). TRG데이터센터스 분석으로 AI 슬롭 언급량은 1년 새 9배 넘게 늘어 240만 건이 됐고 그중 82%가 부정 정서였어요. 임프레션 40% 증가가 어떤 인벤토리에서 나왔는지 확인하지 않으면 효율 개선이 브랜드 감정 손실로 상계됩니다. 이건 콘텐츠 전략이 아니라 브랜드 안전 항목으로 다뤄야 하는 사안입니다.

반대 시나리오도 열어둬야 합니다. Paez의 관찰대로 Overviews가 거래성 검색으로 계속 번질 수도 있지만, 정보성 구간에서 멈출 가능성도 남아 있어요. 후자라면 지금의 10.5% 감소는 구조 전환이라기보다 애초에 전환 기여가 낮았던 정보 탐색 트래픽이 정리된 결과에 가깝습니다. 이 경우 대응은 측정 분리 정도로 충분하고 SEO 전면 재설계는 과잉 투자가 됩니다. 플랫폼 자동화의 성과 격차 역시 상당 부분이 세팅 숙련도 차이일 가능성이 남아요. 숙련 운영자가 손으로 잘 짠 캠페인 대비 개선폭은 22%보다 훨씬 작을 수 있습니다.

인프라 낙관은 시차를 감안하세요. OpenAI는 자체 첫 추론 전용 칩 Jalapeño의 첫 실측 결과를 공개했고, GPT-OSS 120B를 쓰는 공개 벤치마크 InferenceX에서 킬로와트당 최대 처리량과 토큰 지연시간이 비교 대상 상용 시스템들을 앞섰다고 밝혔습니다. DeepSeek R1과 Kimi K2에서도 강한 성능을 보였다고 해요. 모델, 서빙 소프트웨어, 칩, 메모리, 네트워크를 함께 설계해 처리량과 지연시간, 에너지 효율, 비용을 하나의 시스템으로 개선하겠다는 전략이고, Microsoft와 NVIDIA를 기반으로 AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy, SoftBank까지 포트폴리오를 유지하며 워크로드별로 최적 시스템을 고른다고 설명했습니다. 이 발표는 하드웨어 뉴스이자 NVIDIA 의존도를 낮추면서 협상력을 키우는 이중 포석으로 읽는 편이 맞아요. 실무 관점에서는 추론 단가가 내려가면 실시간 개인화 같은 대량 추론 활용의 비용 장벽이 낮아지지만, 칩이 바뀐다고 API 단가가 당장 떨어지진 않습니다. 비용 구조 변화는 1-2년 시차를 두고 체감될 가능성이 높고, 그 절감분이 성과로 이어지려면 데이터 파이프라인과 프롬프트 설계가 먼저 받쳐줘야 합니다.

자주 묻는 질문

ai 광고 사례에서 실제로 효과가 검증된 게 있나요

공개 수치는 대부분 플랫폼이나 벤더 자체 발표입니다. PubMatic과 Butler/Till의 Geloso Beverage Group CTV 캠페인은 비용 약 80% 절감, 임프레션 40% 증가, 완주율 98%, 낭비율 1% 미만을 냈지만 단일 브랜드 단일 캠페인이고 비교 기준선이 공개되지 않았어요. 메타의 어드밴티지+ ROAS 22% 상승, 네이버의 2분기 광고 매출 증가분 중 AI 기여 60% 이상도 자체 집계입니다. 제3자 데이터로 규모를 본 사례로는 Brainlabs의 54개 고객사 14개월 분석이 상대적으로 참고할 만하고, 그마저도 한 에이전시 고객군이라는 한계가 있습니다.

ai 기반 광고 전략을 짤 때 무엇부터 봐야 하나요

측정 분리가 먼저입니다. GA4 수동 채널 정의에 AI 플랫폼 리퍼럴을 떼어내고 세션과 핵심 이벤트를 각각 보세요. Brainlabs 데이터에서 오가닉 세션은 10.5% 줄었는데 AI 유입 핵심 이벤트는 335% 늘었으니, 합쳐 보면 두 흐름이 서로를 지웁니다. 그다음이 자동화 도구인데, 홀드아웃 캠페인을 남겨 기준선을 만든 뒤 예산을 옮기는 순서를 권합니다. 순서를 바꾸면 개선폭이 도구 덕인지 이전 세팅이 부실했던 탓인지 영원히 구분할 수 없어요.

ai 에이전트 활용 사례 중 광고 실무에 바로 쓸 만한 건 뭔가요

Butler/Till 방식처럼 자연어 브리프로 캠페인 세팅과 페이싱 최적화를 넘기는 구조가 가장 구체적입니다. 다만 설계 의도는 사람 대체가 아니라 보강이에요. Ensign은 사람 미디어 바이어가 캠페인을 운영하되 에이전틱 기술로 크게 보강되는 형태가 될 것이라고 말합니다. 반복 세팅과 페이싱 조정부터 붙이고, 인벤토리 품질 검수와 브랜드 안전 판단은 사람이 쥐고 있는 조합이 현실적입니다. 그가 지적한 프로그래매틱 공급망 품질 문제는 자동화로 자동 해결되지 않습니다.

IAB 프레임워크가 나오면 어트리뷰션 문제가 해결되나요

11월 12일 공개되는 건 초안이고 성격상 권고안입니다. Michael Bishop이 지적하듯 OpenAI 같은 플랫폼이 노출과 영향 신호를 쥐고 있으면, 표준이 있어도 검증이 플랫폼 제공 데이터에 의존하게 돼요. 프레임워크는 AI 영향을 노출 층과 결정 지원 층으로 나눌 가능성이 크지만, 그 칸을 채울 원천 데이터 접근권은 표준이 아니라 계약으로 확보해야 합니다. Giegerich가 워킹그룹 참여사를 공개하지 않았다는 점도, 초안이 얼마나 특정 진영에 유리하게 기울었는지 외부에서 검증하기 어렵게 만드는 요소입니다.

ai 광고 트렌드에서 놓치기 쉬운 함정은 무엇인가요

효율 지표만 보고 브랜드 감정 리스크를 빼먹는 경우입니다. 더블베리파이 조사에서 EMEA 소비자 42%가 저품질 AI 콘텐츠 옆 브랜드에 부정적으로 반응했고 영국은 48%였어요. Z세대의 AI 광고 부정 응답은 39%로 밀레니얼의 두 배입니다. 임프레션이 40% 늘었다면 그 증가분이 어떤 콘텐츠 인접 환경에서 나왔는지 인벤토리 리포트를 여는 게 순서예요. 아이하트미디어가 AI 없이 사람이 만든다는 슬로건을 내건 배경에도 자체 조사에서 청취자 90%가 사람이 만든 콘텐츠를 원한다고 답한 결과가 있었고, 이 90%에는 AI 도구를 직접 쓰는 응답자까지 포함돼 있습니다.