AI 광고의 성패는 기술이 아니라 소비자 데이터에 달려 있다
AI 광고 성과를 높이려면 생성 기술보다 소비자 반응 데이터를 학습·활용하는 전략이 필요합니다.
목차 보기 5개
학술 출처 · APA 7
출처 인용
(2026). Picture perfect: Engaging customers with visual generative AI. Journal of Marketing, 90(4), 74–96. https://doi.org/10.1177/00222429251356993
- 인용 논문 저자
Executive Summary
- AI 광고의 경쟁력은 ‘생성 능력’이 아닌 ‘소비자 반응 학습 능력’
- 반응 높은 광고를 학습한 AI 광고가 실제 폴스타 광고보다 높은 광고 클릭률 기록
- 반응 높은 광고를 학습시키되, 차별화가 중요한 광고에는 인간의 창의성 결합 필요
연구 배경
생성형 AI의 발전은 광고 제작 방식에도 큰 변화를 가져오고 있습니다. Midjourney, Stable Diffusion과 같은 생성형 AI는 간단한 텍스트 입력만으로도 높은 품질의 이미지를 빠르게 만들어낼 수 있습니다. 기존에는 광고 하나를 제작하기 위해 콘셉트 기획부터 촬영, CGI, 디자인, 이미지 보정까지 상당한 시간과 비용이 필요했지만, 생성형 AI를 활용한다면 이러한 제작 과정의 효율성을 크게 높일 수 있습니다.
그러나 ‘보기 좋은 이미지’를 만드는 것과 ‘마케팅 성과를 만드는 광고’를 만드는 것은 다른 문제입니다. 기존 생성형 AI는 방대한 이미지와 텍스트를 학습했지만, 소비자의 주의를 끌고(Attention), 관심을 높이고(Interest), 구매 욕구를 자극하며(Desire), 실제 행동을 유도하는(Activation) 것과 같은 구체적인 마케팅 목표를 달성하도록 만들어진 것은 아니기 때문입니다. 또한 효과적인 광고의 모습은 제품과 시장, 타깃 소비자에 따라 달라질 수 있습니다. 예를 들어 스포츠용품은 역동적인 모습을 보여주는 이미지가 효과적일 수 있지만, 패션은 제품의 품질을 보여주는 클로즈업이, 자동차는 매력적인 주행 경험을 보여주는 이미지가 더 효과적일 수 있습니다.
Heitmann, Jansen, Reisenbichler, & Schweidel(2026)은 이러한 문제에 주목하여 기존 광고의 사전 테스트(Pretesting)에 사용하던 소비자 평가인 마인드셋 지표(Mindset Metrics)를 생성형 AI의 학습 데이터로 활용하는 새로운 광고 제작 방식을 제안했습니다. 쉽게 말해, 소비자에게 좋은 평가를 받은 광고의 시각적 특징을 AI가 학습하도록 하여, 단순히 이미지를 잘 만드는 AI가 아니라 ‘소비자에게 효과적인 광고’를 만드는 AI로 발전시킬 수 있는지를 살펴본 것입니다. 연구진은 이렇게 제작된 AI 광고가 ① 소비자의 주의와 관심, 욕구 및 행동 의도를 높이는지, ② 기업이 원하는 브랜드 개성과 이미지를 효과적으로 전달하는지, ③ 실제 클릭률(CTR)과 같은 행동 성과까지 높이는지를 검증했습니다. 또한 소비자 특성에 맞춘 광고를 제작할 수 있는지 살펴보고, 브랜드 친숙도, 제품 유형, 제품의 차별화 정도에 따라 AI 광고의 효과가 어떻게 달라지는지도 함께 확인했습니다.
[본 연구가 제안한 생성형 AI 광고의 제작 프로세스]
핵심 질문
기존 생성형 AI는 방대한 이미지와 텍스트를 학습해 자연스럽고 매력적인 이미지를 만들 수 있습니다. 하지만 연구진은 ‘보기 좋은 이미지’와 ‘마케팅 성과를 만드는 광고’는 다르다고 보았습니다. 광고는 시각적으로 매력적인 것을 넘어 소비자의 주의를 끌고, 관심과 구매 욕구를 높이며, 행동을 유도하는 동시에 기업이 원하는 브랜드 이미지까지 전달해야 하기 때문입니다.
연구진은 이러한 광고 성과를 측정하는 대표적인 마인드셋 지표(Mindset Metrics)인 AIDA(Attention–Interest–Desire–Activation)에 주목했습니다. 소비자에게 높은 AIDA 평가를 받은 광고의 시각적 특성을 생성형 AI에 학습시키면, AI가 효과적인 광고의 ‘시각적 언어(Visual Language)’를 익혀 마케팅 목표에 맞는 광고를 만들 수 있다고 본 것입니다.
이를 확인하기 위해 연구진은 AI가 만든 광고가 전통적인 방식으로 제작한 광고보다 ① 소비자 반응(AIDA)을 높이는지, ② 강인함이나 고급스러움과 같이 기업이 원하는 브랜드 개성을 제대로 표현하는지, ③ 이러한 효과가 실제 클릭률(CTR)과 같은 행동으로까지 이어지는지를 검증했습니다.
모든 소비자에게 광고가 동일하게 효과적인 것은 아닙니다. 소비자는 자신이 중요하게 생각하거나 선호하는 이미지와 잘 맞는 브랜드에 더 긍정적으로 반응합니다. 따라서 광고에서는 어떤 소비자에게 어떤 브랜드 이미지를 보여줄 것인지가 중요합니다. 하지만 기존 방식으로 소비자 세그먼트마다 서로 다른 광고를 제작하려면 상당한 시간과 비용이 필요합니다.
연구진은 생성형 AI가 이러한 한계를 줄일 수 있다고 보았습니다. 소비자의 브랜드 개성 선호 정보를 활용하면, 예를 들어 강인함을 선호하는 소비자에게는 강인한 이미지를, 고급스러움을 선호하는 소비자에게는 고급스러운 이미지를 강조한 광고를 생성할 수 있기 때문입니다. 연구진은 이를 통해 생성형 AI가 소비자 세그먼트별로 브랜드 이미지를 달리한 맞춤형 광고를 효과적으로 제작할 수 있는지를 검증했습니다.
연구진은 생성형 AI 광고가 모든 브랜드와 제품에서 똑같이 효과적인 것은 아닐 수 있다고 보았습니다. 이에 브랜드 친숙도, 제품 유형, 제품의 차별화 수준에 따라 AI 광고의 효과가 달라지는지를 살펴보았습니다.
먼저 브랜드 친숙도(Brand Familiarity)입니다. 잘 알려진 브랜드는 소비자가 이미 브랜드에 대한 지식과 이미지를 가지고 있기 때문에, 광고에 대한 긍정적인 반응이 AI 광고 자체의 효과인지 기존 브랜드의 영향인지 구분하기 어렵습니다. 연구진은 이를 확인하기 위해 소비자에게 잘 알려지지 않은 브랜드에서도 AI 광고가 효과적인지를 검증했습니다.
둘째는 제품 유형(Product Category)입니다. 자동차와 같은 내구재는 광고에서 제품이 표현되는 방식이 비교적 일정한 반면, 일용재(Fast-Moving Consumer Goods)와 같은 비내구재는 훨씬 다양한 상황과 방식으로 표현될 수 있습니다. 연구진은 제품의 표현 방식이 다양해져도 AI가 효과적인 광고의 시각적 특성을 학습할 수 있는지를 살펴보았습니다.
마지막은 제품 차별화 수준(Product Differentiation)입니다. AI는 기존의 성공적인 광고에서 공통적으로 나타나는 시각적 특성을 학습하는 데 강점이 있지만, 독특한 혜택을 가진 제품은 일반적인 광고와 다른 창의적이고 차별화된 표현이 중요할 수 있습니다. 따라서 연구진은 대중적인 제품에서 효과적인 AI 광고 제작 방식이 차별화된 제품에서도 동일하게 효과적인지를 검증했습니다.
[연구 모형]
연구 핵심 결과
연구진은 마인드셋 지표를 학습한 생성형 AI가 실제로 효과적인 광고를 만들 수 있는지 확인하기 위해 총 7개의 실험을 진행했습니다. 주요 실험에서는 전기차 브랜드인 폴스타(Polestar)와 경쟁 브랜드의 광고를 활용하여 AI를 학습시키고 그 성과를 검증했습니다.
연구 결과, AIDA와 같은 마인드셋 지표를 기반으로 파인튜닝한 생성형 AI는 기존 광고보다 높은 소비자 반응을 이끌어냈습니다. AIDA 평가가 높은 기존 광고를 학습한 AI가 제작한 광고는 실제 폴스타 광고와 경쟁사 광고보다 높은 AIDA 평가를 받았습니다.
[소비자 반응 차이]
AI는 기업이 원하는 브랜드 개성도 효과적으로 표현했습니다. 강인함(Ruggedness)을 학습한 AI 광고는 실제 폴스타 광고와 일반 AIDA 기반 AI 광고보다 더 강인하게 평가되었고, 고급스러움(Luxury)을 학습한 광고 역시 실제 폴스타 광고와 경쟁사 광고보다 더 고급스럽게 평가되었습니다. 이러한 효과는 실제 행동에서도 확인되었습니다. Meta와 Taboola에서 AI 광고는 실제 폴스타 광고보다 높은 클릭률(CTR)을 기록했습니다.
[브랜드 개성 평가 차이]
[행동 지표 차이]
이러한 결과는 AI 광고의 성과를 높이려면 ‘얼마나 보기 좋은 이미지를 만드는가’보다 ‘어떤 소비자 반응을 학습시키는가’가 중요하다는 점을 보여줍니다. 기존에는 AIDA와 같은 마인드셋 지표가 완성된 광고의 효과를 평가하는 데 주로 활용되었다면, 이제는 소비자에게 효과적인 광고의 ‘시각적 언어’를 AI에 학습시키는 데이터로도 활용할 수 있습니다. 즉, 소비자 조사가 광고를 평가하는 수단을 넘어 AI가 더 효과적인 광고를 만들도록 훈련하는 수단이 될 수 있다는 것입니다.
연구 결과, 브랜드 개성을 학습한 생성형 AI를 소비자 세그먼트별 맞춤형 광고에 활용할 수 있음이 확인되었습니다. 강인함(Ruggedness)을 학습한 AI 광고는 실제 폴스타 광고와 일반 AIDA 기반 AI 광고보다 더 강인하게 평가되었으며, 고급스러움(Luxury)을 학습한 AI 광고 역시 실제 폴스타 광고와 경쟁 브랜드 광고보다 더 고급스럽게 평가되었습니다.
특히 강인함을 중요하게 생각하는 소비자일수록 강인한 이미지를 강조한 AI 광고에 더 긍정적인 반응을 보였습니다. 반면 강인함을 선호하지 않는 소비자에게는 이러한 광고의 효과가 상대적으로 낮아졌습니다. 즉, 같은 제품이라도 소비자가 선호하는 브랜드 이미지에 맞춰 광고를 다르게 제작할 때 더 효과적일 수 있다는 것입니다.
이는 생성형 AI가 광고 타기팅을 ‘누구에게 광고를 보여줄 것인가’에서 ‘누구에게 어떤 광고를 만들어 보여줄 것인가’로 확장할 수 있음을 보여줍니다. 기존에는 소비자 세그먼트마다 별도의 광고를 제작하려면 추가적인 시간과 비용이 필요했지만, 생성형 AI를 활용하면 소비자의 선호에 맞춰 서로 다른 브랜드 이미지를 강조한 광고를 보다 빠르고 효율적으로 제작할 수 있습니다.
[소비자의 브랜드 개성 선호 차이에 따른 AI 광고의 효과 차이]
연구 결과, 생성형 AI 광고의 효과는 특정 브랜드나 제품에만 한정되지 않았지만, 제품의 차별화 수준에 따라서는 뚜렷한 차이가 나타났습니다. 브랜드 친숙도나 제품 유형이 달라져도 AI 광고의 효과는 대체로 유지된 반면, 제품만의 독특한 가치를 강조해야 할 때는 AI의 한계가 나타났습니다.
상대적으로 대중적인 폴스타의 경우 AIDA를 학습한 AI 광고가 실제 폴스타 광고보다 높은 소비자 반응을 얻었습니다. 반면 작은 차체와 도심 주차 편의성이라는 독특한 강점을 가진 스마트 포투(Smart Fortwo)에서는 AI 광고가 실제 광고보다 오히려 낮은 평가를 받는 경향을 보였습니다. 이는 AI가 기존의 성공적인 광고에서 공통적인 패턴을 학습해 ‘평균적으로 효과적인 광고’를 만드는 데는 강하지만, 제품만의 독특한 가치를 창의적으로 표현하는 데는 한계가 있을 수 있음을 보여줍니다.
한편 AI 광고의 효과는 잘 알려지지 않은 브랜드에서도 나타났으며, 자동차와 같은 내구재뿐 아니라 자외선 차단제와 같은 일용재에서도 확인되었습니다. 즉, 브랜드 인지도가 낮거나 제품 유형이 달라져도 소비자에게 효과적인 광고의 시각적 특성을 AI가 제대로 학습한다면 좋은 성과를 낼 수 있지만, 차별화가 중요한 제품에서는 인간의 창의적인 아이디어와 추가적인 AI 학습이 필요할 수 있습니다.
[제품 차별화 수준에 따른 AI 광고의 효과 차이]
실무자를 위한 Action Plan
생성형 AI를 단순히 이미지를 빠르게 만드는 도구가 아니라, 기업이 원하는 마케팅 성과를 만들어내는 광고 제작 도구로 활용하십시오. 본 연구에서는 일반적인 생성형 AI나 무작위 광고를 학습한 AI보다, 소비자의 AIDA 평가가 높은 광고를 학습한 AI가 더 좋은 성과를 보였습니다. 즉, AI 자체의 성능만큼 어떤 광고와 소비자 반응을 학습시키느냐가 중요합니다. 따라서 AI 광고를 도입할 때는 기존 광고에 대한 소비자의 주의, 관심, 욕구, 행동 의도 등을 측정하고, 성과가 높은 광고의 시각적 특성을 AI가 학습하도록 설계할 필요가 있습니다.
|
Action Item:
기존 광고와 경쟁사 광고의 AIDA, 브랜드 태도 등 핵심 마케팅 지표를 측정하고, 소비자 평가가 높은 광고를 선별하여 AI의 파인튜닝 데이터로 활용하십시오.
|
모든 소비자에게 같은 AI 광고를 보여주기보다, 소비자 특성과 선호에 따라 서로 다른 광고를 만들어 제공하십시오. 본 연구에서는 생성형 AI가 강인함이나 고급스러움과 같은 서로 다른 브랜드 개성을 표현할 수 있었으며, 소비자가 선호하는 브랜드 개성과 광고 이미지가 잘 맞을수록 더 긍정적인 반응이 나타났습니다. 따라서 기존의 광고 타기팅이 ‘누구에게 광고를 보여줄 것인가’에 집중했다면, 생성형 AI 시대에는 ‘각 소비자에게 어떤 광고를 만들어 보여줄 것인가’까지 함께 고려해야 합니다.
|
Action Item:
구매 이력, 관심 제품, 콘텐츠 이용 행동, 선호하는 브랜드 이미지 등의 고객 데이터를 활용해 세그먼트를 구분하고, 각 세그먼트가 선호하는 브랜드 이미지와 메시지를 반영한 AI 광고를 제작·배포하십시오.
|
결론: AI 광고의 경쟁력은 ‘생성 능력’이 아니라 ‘소비자 반응을 학습하는 능력’에 있다
생성형 AI를 광고에 활용하는 기업의 관리자는 AI를 단순한 제작 자동화 도구가 아닌 광고 성과를 높이는 전략적 수단으로 바라봐야 합니다. 소비자 반응을 학습한 AI 광고는 기존 광고보다 더 높은 소비자 평가와 클릭률을 유도하고, 소비자가 선호하는 브랜드 이미지를 반영한 맞춤형 광고도 제작할 수 있습니다. 다만 제품이 지닌 독특한 가치를 표현하기 위한 창의성이 중요한 경우에는 AI의 한계가 나타날 수 있습니다. 따라서 기업은 소비자 데이터를 기반으로 AI 광고의 성과를 높이되, 차별화가 필요한 영역에는 인간의 창의성을 결합해야 합니다.
“귀사는 AI 광고를 제작비와 시간 절감을 넘어 소비자 반응과 광고 성과를 높이기 위한 전략적 수단으로 활용하고 있습니까?”
비엑스컨설팅 드림