메타는 Advantage+와 같은 AI 기반 자동 최적화 기능을 통해 

광고 예산 배분, 게재 위치, 오디언스 탐색 등 광고 운영의 다양한 요소를 최적화하고 있습니다.

머신러닝을 기반으로 광고 성과 데이터를 학습하고 구매나 문의 가능성이 높은 잠재고객을 탐색함으로써 

광고 예산과 노출 기회를 효율적으로 활용할 수 있도록 돕습니다.

어떤 고객의 문제를 소재로 다룰 것인지, 어떤 관점에서 제품을 설명할 것인지에 따라 소비자의 반응과 광고 성과가 달라질 수 있기 때문입니다.

그렇다면 AI 기반 광고 환경에서 마케터는 어떤 방식으로 소재를 기획해야 할까요?

기존 메타 광고에서는 타겟을 먼저 정의하고, 해당 타겟에게 보여줄 광고를 제작하는 방식이 널리 활용되었습니다.

예를 들어 동일한 제품을 판매하더라도 20대, 30대, 40대를 각각 다른 광고 세트로 나누고 연령대별로 예산과 소재를 운영하는 방식입니다.

연령이나 성별과 같은 인구통계학적 데이터는 여전히 타겟 설정과 광고 성과 분석에 유용합니다. 

다만 이러한 기준만으로 소비자의 다양한 구매 동기와 행동 특성을 충분히 구분하기는 어렵습니다.

같은 연령대 안에서도 소비자의 고민과 구매 이유는 다를 수 있으며, 

반대로 연령대가 달라도 비슷한 라이프스타일과 구매 목적을 공유할 수 있습니다.

따라서 연령과 성별, 관심사만으로 타겟을 세분화하기보다 

소비자가 겪는 문제, 제품을 사용하는 상황, 구매를 결정하는 이유까지 함께 고려할 필요가 있습니다.

AI 기반 광고 환경에서 소재는 소비자를 설득하는 표현물인 동시에, 

알고리즘에게 잠재 고객의 특성을 알려주는 학습 재료가 됩니다.

예를 들어 수분 스킨케어 화장품을 홍보한다고 가정해 보겠습니다. 

동일한 제품이라도 다음과 같이 서로 다른 고객의 고민과 사용 상황을 중심으로 소재를 기획할 수 있습니다.

같은 제품을 소개하더라도 첫 장면에서 어떤 문제를 보여주는지, 어떤 사용 순간을 제안하는지, 어떤 제품의 장점을 강조하는지에 따라 

소비자의 반응은 달라질 수 있습니다.

여기서 중요한 것은 소비자가 특정 상황이나 필요를 마주했을 때 해당 제품 카테고리를 떠올리게 만드는 구매 상황의 단서입니다.

예를 들어 아침 화장이 들뜨는 장면은 메이크업 밀착력에 고민이 있는 소비자의 관심을 끌 수 있고, 

여러 제품을 바르는 것이 번거로운 상황은 간편한 스킨케어를 원하는 소비자에게 공감을 얻을 수 있습니다.

이처럼 서로 다른 구매 상황의 단서를 담은 소재를 운영하면 다양한 소비자의 반응을 확인할 수 있습니다. 

메타의 알고리즘은 고객의 광고 반응과 전환 신호 등 여러 데이터를 바탕으로 잠재고객을 탐색하고 광고 노출을 최적화할 수 있습니다.

즉, 마케터가 모든 타겟을 사전에 세분화하는 데 그치지 않고, 

다양한 고객의 고민을 소재로 구현한 뒤 실제 반응과 전환 데이터를 통해 적합한 오디언스를 찾아가는 방식입니다.

다만 소재에 대한 반응이 좋다고 해서 반드시 구매 성과까지 좋은 것은 아닙니다. 

따라서 소재별 클릭률뿐만 아니라 실제 전환율과 구매당 비용(CPA) 등을 함께 확인해야 합니다.

광고 소재를 제작할 때 동일한 이미지에서 카피만 바꾸거나, 같은 영상을 서로 다른 길이로 편집하고, 

배경색을 변경하는 방식으로 소재의 개수를 늘리기도 합니다.

이러한 변형도 광고 표현 방식에 따른 성과 차이를 확인하는 데 필요합니다. 

하지만 소재들의 핵심 메시지와 구매 동기가 동일하다면 새로운 고객의 고민이나 구매 상황을 탐색하는 데에는 한계가 있습니다.

따라서 소재 기획에서는 단순히 개수를 늘리는 것보다 고객의 문제, 욕구, 사용 맥락, 제품 인지 수준 등을 기준으로 앵글을 다양화하는 것이 중요합니다.

여기서 앵글이란 동일한 제품을 어떤 관점과 메시지로 소개할 것인지를 의미합니다.

예를 들어 하나의 스킨케어 제품도 다음과 같이 다양한 앵글로 기획할 수 있습니다.

이처럼 제품의 기능부터 사용 순간, 구매 장벽, 콘텐츠의 전달 방식까지 다양하게 설계하면 하나의 제품에서도 여러 고객 가설을 검증할 수 있습니다.

메타 Advantage+를 비롯한 AI 기반 광고 자동화가 확대되면서 광고 운영 방식도 변화하고 있습니다.

연령과 성별을 중심으로 타겟을 세분화하는 방식에서 나아가, 

고객의 다양한 고민과 구매 상황을 소재에 담고 실제 반응과 전환 데이터를 통해 잠재고객을 탐색하는 접근이 중요해지고 있습니다.

AI가 광고 운영의 여러 요소를 최적화하더라도 

어떤 고객의 문제를 다룰지, 어떤 구매 이유를 강조할지, 어떤 메시지를 전달할지는 여전히 마케터의 기획 영역입니다.