생성형 AI가 만든 광고, 기존 광고보다 더 효과적…클릭률 46% 더 높아

연간 3,000억 달러 규모 온라인 광고 시장, AI가 뒤흔든다

독일 함부르크대학교와 에모리대학교 연구진이 발표한 연구에 따르면, 생성형 AI를 활용해 제작한 광고가 기존의 전통적인 방식으로 제작된 광고보다 더 높은 효과를 보이는 것으로 나타났다. 온라인 광고는 전체 광고 지출의 60% 이상을 차지하며, 전 세계적으로 매년 3,000억 달러 이상이 시각적 온라인 광고에 투자되고 있다. 광고 대행사(3,800억 달러)와 시장조사 기업(800억 달러) 등 여러 산업이 광고 제작과 테스트에 관여하고 있는 상황에서, 오픈AI의 DALL-E, 미드저니(Midjourney), 스테이블 디퓨전(Stable Diffusion) 등 생성형 AI의 등장은 광고 산업의 혁신적 변화를 예고하고 있다. (☞ 논문 바로가기)

AI 생성 광고, 기존 광고 대비 20% 높은 소비자 반응

연구진은 211,429개의 온라인 광고를 수집하고 그중 543개의 자동차 광고를 분석했다. 폴스타(Polestar) 브랜드의 자동차 광고를 대상으로 실험을 진행한 결과, AI가 생성한 광고의 평균 성과는 7점 만점에 4.55점을 기록했는데, 이는 기존 방식으로 제작된 광고의 평균 점수인 3.79점보다 20% 높은 수치다. 특히 50개의 AI 생성 광고 중 47개가 기존 광고의 평균 성과를 웃돌았으며, 최고점을 받은 AI 생성 광고는 6.00점을 기록해 기존 광고의 최고 점수인 5.57점을 뛰어넘었다.

'고급스러움'과 '견고함' 동시에 잡은 AI 광고

연구진은 AI가 '고급스러움'과 '견고함'이라는 두 가지 상반된 브랜드 이미지도 효과적으로 전달할 수 있음을 입증했다. AI가 생성한 '고급스러운' 이미지의 광고는 7점 만점에 5.44점을, '견고한' 이미지의 광고는 4.91점을 기록했다. 이는 기존 광고의 평균 점수인 4.01점과 3.71점을 크게 상회하는 결과다. 특히 두 가지 브랜드 이미지를 동시에 표현한 광고도 견고함 4.40점, 고급스러움 4.47점으로 평균 이상의 성과를 보였다.

실제 광고 클릭률 46% 향상 기록

타불라(Taboola) 플랫폼에서 진행된 실험에서 35,228회의 노출과 428회의 클릭이 발생했다. 연구진은 세계 최대 광고 네트워크 중 하나인 타불라의 A/B 테스트 기능을 활용해 9개의 AI 생성 광고와 1개의 기존 폴스타 광고를 비교했다. 모든 광고에는 동일한 캡션("Uncover the ideal vehicle for your journey")을 사용했으며, 클릭한 사용자는 연구를 위해 특별히 제작된 자동차 비교 웹사이트로 이동하도록 설계됐다.

AI 생성 광고는 평균 1.21%의 클릭률을 기록했는데, 이는 기존 폴스타 광고의 클릭률과 동일한 수준이다. 개별 AI 생성 광고들의 클릭률은 0.93%에서 1.44% 사이에서 형성됐다. 더욱 주목할 만한 점은 이 성과가 동일 시장과 연도에 게재된 153개의 자동차 업계 경쟁사 광고들의 평균 클릭률 0.83%를 크게 상회했다는 것이다. 9개의 AI 생성 광고 중 8개가 업계 평균보다 높은 클릭률을 기록했으며, 이는 AI 생성 광고가 실제 마케팅 현장에서도 효과적으로 작동할 수 있음을 입증하는 결과다.

선크림 광고로 입증된 소비재 분야 활용 가능성

연구진은 자동차 외에도 선크림 브랜드 본디 샌즈(Bondi Sands)를 대상으로 실험을 진행했다. AI 생성 광고는 평균 4.66점으로, 경쟁사 광고(3.63점)와 본디 샌즈 기존 광고(4.26점)보다 높은 성과를 보였다. 이는 AI 생성 광고가 내구재뿐만 아니라 소비재 광고에서도 효과적임을 입증한다.

AI 광고 제작의 4단계 자동화 프로세스 공개

연구진은 효과적인 AI 광고 제작을 위한 4단계 워크플로우를 제시했다.

첫째, 시장의 우수 광고 사례를 수집하고 텍스트 인식 기술(Keras-OCR)과 이미지 복원 기술(CV2 inpainting)을 활용해 텍스트를 제거한다. 이는 AI가 텍스트로 인한 오류를 생성하는 것을 방지하기 위해서다.

둘째, 온라인 설문을 통해 광고 효과를 측정하는데, 연구진은 각 광고당 최소 5개 이상의 평가를 수집했다. 브랜드 이미지 구축을 위해서는 플리커(Flickr) 등 소셜 미디어 플랫폼에서 추가 이미지를 수집할 수 있다.

셋째, 오픈소스 생성형 AI 모델인 스테이블 디퓨전(Stable Diffusion)을 활용해 높은 평가를 받은 광고를 학습 데이터로 활용한다. 연구진은 20-30개의 우수 광고만으로도 효과적인 학습이 가능하다는 것을 발견했다.

넷째, 훈련된 모델을 통해 새로운 광고를 생성하는데, 이 과정에서 다양한 프롬프트(prompt) 조합을 통해 원하는 브랜드 이미지와 마케팅 목표를 달성할 수 있다.

특히 주목할 만한 점은 이 전체 과정이 대부분 자동화가 가능하며, 전문가의 개입 없이도 진행될 수 있다는 것이다. 광고 수집과 소비자 평가 수집은 자동화된 시스템을 통해 가능하며, 초기 설정 비용 이후에는 추가 광고 제작에 드는 비용이 매우 낮다. 이는 기존의 광고 제작 방식이 가진 높은 비용과 전문가 의존도의 한계를 극복할 수 있는 혁신적인 대안이 될 수 있음을 시사한다.

AI 광고 제작의 효율성 검증을 위한 대안적 방법론 비교

연구진은 AI 광고 제작의 최적 방법을 찾기 위해 여러 접근법을 비교 실험했다. 무작위로 선택된 광고로 AI를 학습시킨 경우 평균 3.80점, 소비자 피드백 없이 기본 AI 모델만 사용한 경우 4.06점의 성과를 보였다. 반면 우수 광고와 저성과 광고를 모두 학습한 모델은 4.22점을 기록했다. 그러나 이 모든 방법은 연구진이 제안한 우수 광고 중심의 학습 방식(4.63점)에 미치지 못했다. 이는 소비자 피드백을 바탕으로 한 선별적 학습의 중요성을 입증하는 결과다.

AI 광고의 한계: 차별화된 제품에는 제한적 효과

연구진은 스마트(Smart) 자동차 브랜드를 대상으로 한 실험에서 AI 광고의 한계도 발견했다. 독특한 제품 특성을 가진 스마트 포투(Fortwo) 모델의 경우, AI 생성 광고(3.62점)가 기존 광고(3.81점)보다 낮은 성과를 보였다. 이는 AI 생성 광고가 차별화된 제품 특성을 효과적으로 전달하는 데 제한이 있을 수 있음을 시사한다.

향후 과제와 연구의 한계