머신러닝 기술은 효과적인 광고를 위해 한 명의 아인슈타인이 아닌 수많은 인턴을 고용하는 것

머신러닝 기술은 곧 나를 위해 고용된 수많은 인턴이라고 생각해보세요. 이들은 아인슈타인처럼 완벽한 정답을 제시하지는 못합니다. 인턴에게 적절한 임무를 부여하고 이들이 내놓은 결과물을 보다 효용성 있게 재창조할 수 있는 사람이 필요합니다. 이러한 제작자의 역할이 없다면 수많은 인턴이 혼란에 빠질 것입니다.

창조력과 기술의 대결 구도에 대한 열띤 논쟁은 접어두고, 광고 제작자로서 어떻게 해야 이 수많은 인턴을 잘 안내할 수 있을지에 대한 방법을 모색해야 할 것입니다. 머신러닝 기술을 제대로 활용하면 보다 우수하고 관련성 높은 효과적인 광고를 만들 수 있습니다.

게임에서 이기는 법칙을 가르쳐 광고 세계에서 승리하기

인턴이 브레이크아웃이라는 게임을 하고 있다고 가정해봅시다. 이 게임은 플레이어가 패들을 조작하여 계속 튀어 오르는 공을 화면 상단에 쌓인 벽돌 층을 향해 맞추어 벽돌을 부수는 단순한 컴퓨터 게임입니다.

광고 게임에서 승자가 될 수 있도록 머신러닝 활용하기

인턴은 먼저 게임에서 '이기는 것'이 무엇인지 배워야 합니다. 브레이크아웃 게임에서는 가장 높은 점수를 따는 사람이 승자가 된다는 것을 먼저 가르칩니다.

그 다음 단계는 게임에서 이기는 방법에 대해 배워야 합니다. 게임을 계속 진행하면서 인턴은 공이 벽돌 층 위 공간으로 탈출할 때까지 계속해서 벽돌 층의 한 기둥을 공격하는 것이 가장 효과적인 전략임을 깨닫게 됩니다. 이제 인턴은 게임을 진행하는 일련의 법칙을 배우게 됩니다.

마지막으로 게임에서 이기려면 게임을 승리로 이끌 수 있는 충분한 데이터가 필요합니다. 10분이 주어지면 인턴은 아마도 게임에서 곧 지겠지만, 6시간이 주어지면 최고 점수를 갱신하며 게임에서 이기게 됩니다.

광고의 세계에서 방향을 잡지 못한 채 혼란에 빠진 머신러닝 기술

이렇게 게임에 대한 규칙을 완전히 터득한 인턴이 광고를 만드는 방법도 직접 터득하고 만들 수는 없을까요?

브레이크아웃 게임과 달리 광고의 세계에서는 어떤 광고가 승리를 얻게 되는지 일정한 방법으로 측정할 수 없습니다. 흔히 말하는 광고의 세계에서 '승리'하는 광고에 대한 견해는 늘 분분합니다. 그러니 승리하는 법칙을 끌어내기란 쉽지 않습니다. 성공하는 광고의 조건으로 훌륭한 스토리텔링을 꼽는 이도 있고, 시청자의 사고와 인지력을 꼽는 사람도 있습니다. 따라서 성공하는 광고를 만들기 위한 법칙을 일정한 방식으로 측정하거나 명확하게 분석하기란 쉽지 않습니다. 이러한 상황은 인턴을 혼란스럽게 합니다.

게다가 광고와 문화는 긴밀하게 얽혀있기 때문에 끊임없이 변화하는 문화 트렌드에 따라 광고의 법칙도 계속해서 바뀌게 됩니다. 따라서 주목받는 인기 광고를 만들려면 소비자의 문화 코드를 시의적절하게 포착할 수 있어야 합니다.

문화 트렌드를 잘 읽고 기회를 잘 포착하면 특별하고 강력한 광고를 만들어낼 수 있습니다. 문화 흐름보다 너무 앞서가면 애매하고 모호한 광고가 되기 쉽습니다. 마치 귀에는 잘 꽂히지만 잘 알려지지 않은 노래를 광고에 삽입하는 것과 같은 맥락입니다. 문화 흐름보다 너무 뒤처질 경우 금세 진부한 광고로 전락하기 쉽습니다. 마치 노래가 큰 인기를 끈 1년 후에 광고에 삽입하는 것과 같습니다. 오늘의 트렌드가 내일이면 진부해지는 시대에 살면서, 인턴은 마치 폭풍 속에서 흔들리는 타겟을 향해 조준하듯 가장 완벽한 타이밍을 찾아내려고 노력합니다.

잠재고객이 보내오는 신호: 머신러닝 기술을 활용할 수 있는 기회

다행히도 이렇게 급변하는 세상 속에서 잠재고객은 다양한 신호를 보내옵니다. 데이터가 더 많이 축적될수록 데이터의 가치는 보다 명확해집니다. 이는 인턴이나 브랜드 스토리텔러인 우리에게 무척 반가운 소식입니다.

이렇게 수집한 다양한 신호를 인턴에게 건네주고 특정 패턴을 찾아보라고 하면 어떨까요? 특정 패턴에서 읽어낼 수 있는 가치는 무엇이며, 이를 기반으로 제작된 광고의 가치는 과연 얼마나 될지 상상해 보세요.

이것이 바로 우리 팀이 줄곧 가져왔던 물음에 대한 답변입니다. 최근 CoverGirl을 위해 제작한 6초 범퍼 광고 실험을 통해 맞춤화된 광고가 모든 소비자를 대상으로 만들어진 일률적인 광고보다 훨씬 효과가 높다는 것을 알게 되었습니다. 이 분석으로 또 다른 질문에 봉착하게 됩니다. 과연 얼마나 많은 광고를 만들어야 할 것인가? 또한 얼마나 많은 실험을 반복해야 가치 있는 결과를 도출할 수 있겠냐는 물음입니다.

이제 인턴이 이러한 궁금증을 해결하기 위해 나설 차례입니다. 인턴이 열심히 데이터를 분석하고, 최적의 신호 유형을 찾아내어 유용한 통계나 아이디어를 제공하면, 우리가 다양한 잠재고객 층을 타겟팅할 수 있는 효과적인 광고 문구를 작성할 수 있습니다. 이에 앞서 실험을 수행하고 질문을 던져 인턴이 임무를 제대로 수행할 수 있는 방향을 제시하는 것이 우리의 역할입니다.

복잡성이라는 도전과제 포용하기: 머신러닝 기술과 광고 제작자의 협력

저처럼 호기심 많은 광고 제작자라면 다양한 실험과 테스트를 통해 최적의 기회를 포착하는 것이 얼마나 중요한지 잘 알 것입니다. 최적의 잠재고객을 겨냥한 맞춤 광고를 적절한 빈도와 시퀀스로 구성하여 최대의 광고 투자수익을 올릴 수 있는 바로 그 완벽한 기회 말입니다.

이를 실현하려면 수많은 인턴과 함께 작업해야 하는 복잡성을 흔쾌히 받아들일 수 있는 자세가 필요합니다. 머신에게 어떤 데이터를 읽고 도출한 결과를 통해 무엇을 해야 하는지를 가르치는 것이 우리의 역할입니다. 문화 트렌드 파악에 쏟는 노력에 비해 데이터를 익히려는 노력이 턱없이 부족하거나, 새로운 과제에 도전하지 않고 내가 가진 지식에만 안주하면 더 좋은 광고를 만들 수 없습니다.

수억 명의 인턴이 몰려오고 있습니다. 이를 대비해 데이터를 통해 다양한 실험을 할 수 있는 준비를 시작할 때가 되었습니다. 이들은 창조적인 에너지를 필요한 곳에 온전히 쏟을 수 있도록 힘들고 지루한 일을 대신 처리해주고, 가장 효과적인 업무에 집중할 수 있도록 도와줍니다.따라서 보다 창조적인 영역에 열중하고 그 가치를 찾을 수 있게 됩니다. 결국 머신러닝을 통해 우리는 보다 효율적이고 효과적으로 일할 수 있게 됩니다.

Google's 크리에이티브 웹사이트(create.withgoogle.com)에서 광고 소재 아이디어, 도구, 권장사항 등을 살펴보세요.