안녕하세요. AMPM 글로벌 마케터 한슬기입니다.
광고를 시작하기 전 가장 많이 듣는 말 중 하나가 있습니다.



실제로 마케팅에서는 페르소나를 만드는 것이 중요합니다. 성별, 연령, 직업, 소득 수준, 관심사, 소비 패턴 등을 정리하면 브랜드가 누구에게 어떤 메시지를 전달해야 하는지 명확해집니다.

하지만 여기에는 하나의 함정이 있습니다.

1. 디테일할수록 좁아지는 모수와 머신러닝의 한계

예를 들어 '40대 서울 거주 남성, 자산 규모가 높고 골프에 관심이 있으며 부동산 투자 경험이 있는 사람'을 타겟으로 설정했다고 가정해 보겠습니다.



사람이 보기에는 굉장히 정교한 타겟입니다. 광고비도 엉뚱한 사람에게 쓰지 않을 것처럼 보입니다. 하지만 실제 광고 시스템의 관점에서는 이야기가 다릅니다.

조건을 하나씩 추가할수록 광고가 노출될 수 있는 모수가 줄어듭니다. 모수가 지나치게 작아지면 광고 시스템이 충분한 데이터를 확보하기 어려워지고, 입찰 경쟁에서도 불리해질 수 있습니다.

특히 메타나 구글처럼 머신러닝을 활용해 전환 가능성이 높은 사용자를 찾아가는 플랫폼에서는 사람이 예상한 타겟보다 알고리즘이 데이터를 통해 찾아낸 타겟이 더 넓을 수 있습니다.

2. 타겟을 '정의'하는 것과 '가두는' 것의 차이

여기서 중요한 것은 '타겟을 정의하는 것'과 '타겟을 가두는 것'은 다르다는 점입니다.

예를 들어 여성용 화장품을 판매한다고 해서 반드시 '25~34세 여성, 뷰티 관심사, 특정 화장품 브랜드 관심자'만 구매하는 것은 아닙니다.



광고주가 생각하지 못한 고객이 실제 매출을 만들어내는 경우도 얼마든지 있습니다.

특히 자동 최적화가 강해진 현재의 광고 환경에서는 '누가 우리 고객일 것인가'를 지나치게 세밀하게 결정하기보다 '어떤 결과를 만들어야 하는가'를 명확하게 설정하는 것이 더 중요해지고 있습니다.

물론 무조건 타겟을 넓히라는 의미는 아닙니다. 지역이나 법적 규제처럼 반드시 제한해야 하는 조건은 명확하게 설정해야 합니다. 하지만 단순히 "이런 사람이 우리 고객일 것 같다"는 추측만으로 관심사와 행동 조건을 계속 추가하는 것은 신중해야 합니다.

3. 페르소나는 '정답지'가 아니라 '가설'이어야 합니다

타겟팅을 좁히면 광고주 입장에서는 통제력이 높아진 것처럼 느껴집니다. 하지만 실제로는 알고리즘이 탐색할 수 있는 공간을 줄이는 결과가 될 수 있습니다.

더 큰 문제는 잘못된 페르소나를 너무 확신하는 경우입니다.

광고주는 "우리 제품은 30대 여성이 가장 많이 살 것"이라고 생각했는데 실제 데이터에서는 40대 남성의 구매율이 가장 높을 수도 있습니다. 이때 정교한 페르소나는 데이터를 설명하는 도구가 아니라 데이터를 가리는 장벽이 됩니다.

따라서 페르소나는 정답지가 아니라 가설에 가까워야 합니다.



클릭률이 높은 연령대와 구매율이 높은 연령대가 같은지, 관심사별로 전환율에 차이가 있는지, 예상하지 못했던 고객층에서 매출이 발생하고 있는지 지속적으로 확인해야 합니다.