AI 광고 사례로 본 ChatGPT 광고, 클릭 후 대화가 목적지가 되는 이유

무슨 일이 일어나고 있나

OpenAI가 ChatGPT 광고에서 새 형식을 실험 중이에요. 원문에 따르면 워크플로우는 세 단계예요. 먼저 ChatGPT가 광고주 웹사이트를 크롤링해 비즈니스 프로필을 자동 생성하고, 광고주는 여기에 Custom GPT 기술로 상품 추천·리드 생성·예약을 처리하는 에이전트를 구성해요. 마지막으로 캠페인을 웹사이트 URL이 아니라 그 에이전트와의 대화로 직접 연결합니다. 원문 표현 그대로 '웹사이트가 아니라 대화 자체가 고객 여정의 목적지가 되는' 구조예요.

같은 방향의 신호가 여럿 겹칩니다. Salesforce는 Agentforce Coworker를 정식 출시했는데, 검색 도구가 아니라 회사 데이터(영업 기회·계약·지원 이력·파이프라인)를 즉시 이해하고 제안서 작성·이메일 발송·케이스 에스컬레이션까지 실행하는 자율형 에이전트예요. Slack, Teams, ChatGPT, Claude 어디서나 같은 맥락으로 작동하고, 회사의 기존 권한 정책과 거버넌스를 그대로 따른다는 점을 내세워요. 여기에 Liquid AI의 LFM2.5-2.6B는 2.6B 파라미터로 Apple M5 Max에서 초당 220토큰, AMD Ryzen CPU에서 113토큰을 내면서 스마트폰·일반 PC에서도 에이전트를 구동할 길을 열었어요.

세 사건을 관통하는 건 '대화가 실행 지점이 된다'는 변화예요. 검색·클릭·랜딩 대신 대화 한 번으로 추천에서 전환까지 끝나는 구조로 광고와 CRM, 추론 인프라가 동시에 이동하고 있어요.

왜 중요한가

수십 년간 디지털 광고는 같은 패턴이었어요. 광고가 클릭을 만들고, 클릭이 웹페이지를 열고, 그 위에서 우리가 퍼널과 A/B 테스트를 돌렸죠. ChatGPT 광고는 이 전제를 바꿉니다. 사용자가 전통적 웹사이트에 닿기도 전에 질문 응답·상품 추천·예약·리드 검증이 대화 안에서 끝날 수 있어요.

메커니즘을 한 단계 파고들면 이래요. 기존 측정은 클릭→페이지 로드→이벤트 발생이라는 '페이지 위 행동'을 전제로 짜여 있어요. GA4의 세션·이탈률·CVR·스크롤 뎁스는 전부 웹페이지라는 무대가 있어야 잡히는 지표예요. 그런데 전환이 ChatGPT 대화창 안에서 일어나면 그 무대 자체가 사라져요. 즉 '측정이 부정확해지는' 게 아니라 '측정할 페이지가 없어지는' 거라, 그동안 랜딩페이지 CVR·이탈률에 걸어둔 KPI가 통째로 관측 대상 밖으로 빠집니다.

실행형 에이전트의 부상과도 맞물려요. Agentforce처럼 에이전트가 제안서를 쓰고 이메일을 보내는 순간, 마케팅은 '콘텐츠를 만들어 클릭을 유도하는 일'에서 '에이전트의 대화 경험과 행동 범위를 설계하는 일'로 무게 중심이 옮겨갑니다. LFM2.5-2.6B가 CPU에서 초당 100토큰 이상을 낸다는 건, 이 에이전트를 API로 외부에 보내지 않고 로컬에서 돌릴 선택지까지 생겼다는 뜻이고요.

이해관계·역학

누가 이득을 보는지부터 뜯어볼게요. 가장 큰 수혜자는 OpenAI예요. 대화가 목적지가 되면 고객 여정의 마지막 구간, 즉 전환이 일어나는 지점을 OpenAI가 물리적으로 소유합니다. 여기서 숨은 유인이 드러나요. 기존 검색 광고는 클릭당 과금 후 트래픽을 광고주 사이트로 넘겨주고, 그 뒤 전환은 광고주가 측정했어요. 대화형 광고는 그 전환 순간과 대화 로그를 OpenAI 서버 안에 그대로 남겨요. 광고 플랫폼이 '노출 판매자'에서 '전환 데이터 보유자'로 신분이 바뀌는 거라, 지금 소수 광고주로 이 형식을 서두르는 진짜 유인이 여기 있어요. 대화 로그는 곧 어떤 문구가 리드를 만드는지에 대한 데이터인데, 이걸 광고주가 못 보면 다음 캠페인 설계 지식이 전부 OpenAI 쪽에 축적됩니다.

Salesforce의 셈법은 조금 달라요. Agentforce Coworker는 회사의 기존 권한 정책과 거버넌스를 따른다는 점을 신뢰의 근거로 내세우는데, 뒤집어 보면 자사 CRM 데이터에 묶여야 유능해지는 종속 구조예요. 데이터 품질과 권한 설계가 정돈된 Salesforce 고객일수록 에이전트가 잘 돌아가니, 결과적으로 CRM 이탈 비용을 키우는 락인 강화 장치이기도 해요. Liquid AI는 API 요금 대신 '온디바이스로 외부에 안 보낸다'는 프라이버시·비용 서사로 고비용 API 시장의 대안 포지션을 노리고요.

발표를 액면 그대로 받으면 안 되는 지점도 있어요. LFM2.5-2.6B가 '4배 큰 모델과 경쟁력 있다'는 건 도구 사용·지시 이행·다단계 작업 벤치마크 얘기지, 복잡한 마케팅 자동화 워크플로우에서 실제로 버틴다는 보장이 아니에요. Agentforce의 '몇 분 안에 처리'도 데모 시나리오의 서사라, 잘못된 데이터 접근이나 오발송의 책임 소재는 별도 문제로 남아요.

실무에 주는 함의

내일 점검할 것을 구체적으로 정리했어요.

• 계약 조건부터 확인하세요. ChatGPT 광고를 검토한다면 대화 로그와 전환 이벤트를 자체 데이터로 내려받아 BigQuery 같은 웨어하우스에 적재할 수 있는지 계약서에 명시하세요. 데이터를 못 내리면 어트리뷰션과 학습 재활용 둘 다 막힙니다.
• 측정 지표를 재정의하세요. 랜딩페이지 CVR·이탈률에 걸어둔 KPI를 '대화 진입 후 리드 자격화율·대화 완료율·유효 리드당 비용'으로 다시 설계하세요. last-click 대신 대화 단위 전환을 세는 기준을 먼저 만들어야 해요.
• 자동 생성 프로필을 검수하세요. 웹사이트 크롤링으로 만든 비즈니스 프로필이 부정확한 상품·가격을 뱉으면 브랜드 책임 문제가 됩니다. product feed의 SKU 단위 정확도와 최신성을 도입 전 감사하세요.
• 에이전트 행동 범위를 문서화하세요. Agentforce 같은 실행형을 붙인다면 에이전트가 손댈 필드·액션 목록과 사람이 최종 승인해야 할 지점을 먼저 정의하세요. 그러지 않으면 오류를 자동화하는 셈이에요.
• 온디바이스 옵션은 여러분 데이터로 검증하세요. LFM2.5-2.6B 같은 소형 모델은 긴 컨텍스트나 예외 케이스에서 무너지는 지점이 있으니, 벤치마크가 아니라 실제 대화 시나리오로 한계를 먼저 찾아두세요.

리스크·반대 관점

'대화가 랜딩을 대체한다'는 프레임은 아직 과장일 수 있어요. 지금은 OpenAI가 일부 광고주를 대상으로 돌리는 실험 단계지 표준이 아니에요. 광고가 ChatGPT 대화 흐름 안에서 어떻게·얼마나 눈에 띄게 노출될지도 검증되지 않았고요. 웹사이트를 완전히 걷어내면 SEO·GEO로 쌓은 자산과, 고객이 직접 여러 옵션을 비교·검증하는 신뢰 동선을 잃는다는 반대 논거도 큽니다.

실무자가 놓치기 쉬운 함정은 비용 착시예요. 온디바이스로 옮기면 API 요금은 줄지만 엣지 디바이스 관리·모델 업데이트 운영 부담으로 비용이 이동해요. 절감이 아니라 이전인 거죠. 대화형 광고도 마찬가지로, 랜딩페이지 최적화 공수가 사라지는 게 아니라 에이전트 설계·프롬프트 튜닝·대화 로그 분석 공수로 옮겨갑니다.

데이터 주도권을 지키지 못하면 가장 뼈아파요. 대화 로그 접근권을 계약으로 확보하지 못한 채 예산을 태우면, 캠페인이 끝나도 '왜 됐는지'를 재현할 수 없어요. AI CX 관점의 경고도 같은 맥락인데, 챗봇 해결률 같은 운영 지표만 보다가 정작 고객이 사람에게 닿는 경로를 막으면 만족도가 떨어져요. 잘 만든 AI는 통화를 없애는 게 아니라 쉬운 건 알아서 끝내고 복잡한 건 맥락까지 넘겨 사람에게 붙여주는 라우팅 문제라는 지적이 대화형 광고에도 그대로 적용돼요. 에이전트가 확신에 차서 틀린 상품을 추천하는 리스크와, 사람 연결 경로를 함께 설계해야 합니다.

자주 묻는 질문

ChatGPT 광고는 기존 검색 광고와 뭐가 다른가요

기존 광고는 클릭하면 웹사이트로 이동하지만, ChatGPT 광고는 클릭 시 그 회사 맞춤 AI 에이전트 대화창이 열려요. 상품 추천·질문 응답·리드 폼 제출·예약이 대화 안에서 바로 일어나서, 웹사이트 방문 없이 전환이 완료될 수 있어요. 목적지가 페이지에서 대화로 바뀐 게 핵심 차이예요.

AI 광고 사례로 지금 참고할 만한 게 있나요

OpenAI의 ChatGPT 대화형 광고 실험이 현재 가장 앞선 사례예요. 웹사이트를 크롤링해 비즈니스 프로필을 자동 생성하고, Custom GPT 기술로 에이전트가 상담·추천·리드 확보까지 처리해요. Salesforce Agentforce Coworker는 CRM 데이터로 제안서 작성·이메일 발송을 자동 실행하는 실행형 에이전트 사례로 함께 볼 만해요.

AI 기반 광고 전략은 어떻게 바꿔야 하나요

랜딩페이지 최적화 중심에서 에이전트 대화 경험 설계로 축을 옮기세요. 성과 지표를 대화 완료율·유효 리드당 비용 같은 대화 단위로 재정의하고, 무엇보다 대화 로그를 자체 데이터로 내려받아 웨어하우스에 적재할 수 있는지 계약으로 확보해야 어트리뷰션이 유지돼요.

대화형 광고를 도입하면 GA4 측정은 어떻게 되나요

전환이 대화 안에서 일어나면 GA4 기반 퍼널 분석과 last-click 어트리뷰션 상당수가 무력화돼요. GA4 지표는 웹페이지 위 행동을 전제로 하는데 그 페이지가 사라지기 때문이에요. 랜딩페이지 이탈률·스크롤 같은 지표가 관측 대상에서 빠지므로, 플랫폼이 제공하는 대화 전환 이벤트를 자체 데이터와 연결하는 별도 측정 체계를 미리 준비해야 해요.

온디바이스 AI 에이전트는 마케팅에 어떤 이점이 있나요

LFM2.5-2.6B 같은 2.6B 소형 모델은 Apple M5 Max에서 초당 220토큰, CPU에서도 100토큰 이상 추론이 가능해서, 민감한 고객 데이터를 API로 외부에 보내지 않고 로컬에서 처리할 수 있어요. 다만 API 요금 절감분이 디바이스 관리·모델 업데이트 운영 부담으로 옮겨가고, 긴 컨텍스트나 예외 케이스에서 무너질 수 있으니 자체 데이터로 먼저 검증하세요.