즉, 어떤 소재를 통해 소비자들에게 어필하는지가 광고의 성과를 좌우하게 되었습니다.

1. 알고리즘의 변화

불과 2~3년 전까지만 해도, 타겟 세분화가 성과를 가르는 핵심이었습니다.

연령, 관심사, 지역 등을 조합해 ‘정교한 타겟’을 만드는 것이 전략이었죠.

하지만 지금은 다릅니다.

메타의 Advantage+ 캠페인, 구글의 P-MAX 캠페인 모두 AI 머신러닝을 통해 '타겟을 알아서 찾아준다'는 구조를 기반으로 합니다.

이 말은 곧, 마케터의 역할이 타겟 세팅에서 소재 설계로 이동했다는 뜻입니다.

같은 캠페인 구조라도 썸네일 하나, 문구 한 줄, 영상 길이 3초가 성과를 가르는 요소가 될 수 있습니다.


2. 좋은 소재란 단순 CTR이 아닌 학습 환경을 만들어주는 소재

많은 사람들이 클릭률이 높으면 좋은 광고라는 생각을 가지고 있습니다.

하지만 머신러닝 기반 매체에서는 클릭보다 중요한 게 전환 학습 신호입니다.

뛰어난 소재는 '사용자 중심의 시점'으로 브랜드를 알리고, 전환 이후의 행동 데이터 역시도 꾸준히 쌓을 수 있게 만들어야 합니다.

예를 들어, 뷰티 업종이라면 제품 설명보다 사용자의 Before-After / B2B 업종이라면 서비스 소개보다 문제 → 해결 구조의 케이스 영상이 훨씬 효율적입니다.

3. 소재 테스트는 양보다 구조

여기가 마케터의 역할이 가장 중요해지는 시점인 것 같습니다.

소재 테스트는 많이 만드는 게 중요한 게 아니라, 데이터가 쌓이는 구조를 설계하는 게 중요하기 때문입니다.

'후킹성 테스트 > 썸네일, 첫 3초 문구, 포맷 비교 (CTR)'

'메시지 테스트 > 가치 제안·고객 반응·카피 문체 실험 (전환)'

'포맷 확장 > 효율 소재를 기반으로 릴스, 스토리, 쇼츠 등의 영역으로 확장'

이 과정을 반복하면, 결국 브랜드만의 효율 패턴이 만들어집니다.

AI가 아무리 발전해도, 그 ‘패턴’을 찾아내 브랜드를 키우는 건 담당 마케터의 역량이 크다고 생각합니다.


4. 마무리

요즘 광고는 세팅이 부가 되고, 소재가 효율을 결정하는 게임입니다.

그렇다면 마케터의 역할은 명확합니다.

타겟팅을 포함해 그에 맞는 컨텐츠를 고민하고, 알고리즘의 학습 환경을 만들어주는 것.

혹시 우리 브랜드가 어떻게 광고를 이어가야 할지 고민하고 계신다면, 언제든지 아래 번호로 연락 주세요.

그럼 오늘도 긴 글 읽어주셔서 감사합니다.