AI 광고 제작, 자동 생성만 믿으면 안 되는 이유: 성과는 어디서 갈릴까
AI 광고 제작에서 이미지를 여러 장 빠르게 만드는 것과 광고 성과가 좋아지는 것은 같은 문제가 아닙니다. 생성형 AI는 소재 후보와 변형을 빠르게 만드는 데 유용하지만, 누구에게 어떤 메시지를 보여줄지, 무엇을 성과로 판단할지, 제품의 차별점을 어떻게 표현할지는 여전히 사람이 결정해야 할 부분이 남습니다. 실제 광고 연구에서도 이 차이가 나타납니다. 소비자 평가가 좋았던 광고를 학습한 AI가 만든 자동차 광고는 Meta 실험에서 기존 Polestar 광고보다 높은 클릭률을 기록했습니다. 하지만 이 실험의 광고 목표는 구매가 아니라 트래픽 이었고, 연구진도 CTR만으로 전체 광고 성과를 판단해서는 안 된다고 설명합니다. 따라서 AI 광고를 도입할 때 먼저 정할 것은 “어떤 생성기가 가장 예쁜 이미지를 만드는가?”가 아닙니다. 타깃과 목표를 정하고 → AI로 소재 후보를 만들고 → 사람이 검수하고 → 실제 광고 성과를 테스트한 뒤 → 다음 제작 방향을 수정하는 구조 가 먼저 필요합니다. 한 가지는 미리 구분해야 합니다. 이 글에서 주로 살펴보는 Journal of Marketing 연구는 Stable Diffusion 2.1을 특정 광고 데이터로 fine-tuning한 실험입니다. 따라서 연구 결과를 2026년 현재의 모든 상용 이미지 생성 AI나 모든 업종에 그대로 적용할 수 있다는 뜻은 아닙니다. 이 연구가 보여주는 핵심은 AI 광고가 무조건 우수하다는 것이 아니라, 광고 목표에 맞는 데이터와 평가 기준이 결과를 크게 좌우할 수 있다는 점 입니다. AI로 광고 이미지를 많이 만들면 성과도 같이 좋아질까? 많이 만들 수 있다는 것과 좋은 광고를 찾는 것은 별개의 문제입니다. 생성형 AI는 추가 제작 부담을 낮추면서 많은 소재 후보를 만들 수 있습니다. 연구진도 AI를 활용하면 광고를 비교적 낮은 추가 비용으로 확장할 가능성이 있다고 설명합니다. 하지만 후보 수가 늘어난다고 높은 CTR이나 구매 전환이 자동으로 따라오는 것은 아닙니다. Journal...