AI 광고 소재 성과 예측, 집행 전 A/B 테스트 자동화법

광고 소재를 5개, 10개 만들어놓고도 뭘 먼저 태워야 할지 감이 안 잡힐 때가 있다. 예산은 한정돼 있고, 실제 플랫폼에 태워보기 전까지는 어떤 카피와 이미지 조합이 먹힐지 알 방법이 없어 보인다. 그런데 실제로 태우기 전에 AI로 소재를 서로 비교해서 우선순위를 매기고, A/B 테스트 순서와 예산 배분을 미리 정리하는 건 충분히 가능한 작업이다. 오늘은 이 작업을 챗GPT나 제미나이 같은 범용 AI로 직접 해보는 방법을 정리한다.

준비물

거창한 도구가 필요한 건 아니다. 아래 세 가지만 있으면 오늘 바로 시작할 수 있다.

여기서 말하는 ‘성과 예측’은 AI가 미래 클릭률(CTR, 광고를 본 사람 중 실제로 클릭한 비율)이나 전환율을 숫자로 정확히 맞춘다는 뜻이 아니다. AI는 소재들 사이의 상대적 강약, 즉 어떤 소재가 더 명확한 메시지를 담았는지, 어떤 조합이 타깃과 어긋나는지를 짚어주는 역할을 한다. 실제 숫자는 결국 플랫폼에 태워봐야 나온다.

따라 하기

1. 소재 후보를 텍스트로 정리한다. 이미지 소재라면 “배경, 인물, 카피 문구, CTA(행동 유도 버튼 문구)”를 한 줄씩 텍스트로 옮겨 적는다. AI는 이미지를 업로드해도 읽지만, 텍스트로 정리해두면 나중에 비교 결과를 다시 검토하기 쉽다. 이 단계를 마치면 소재 3~5개가 표 형태로 정리된 문서 하나가 생긴다.
2. 타깃과 목표를 한 문단으로 써서 AI에 함께 전달한다. “20대 여성, 스킨케어 첫 구매 유도, 인스타그램 피드 광고” 같은 조건을 붙인다. 조건 없이 소재만 던지면 AI는 일반론으로 답한다. 조건을 붙이면 그 타깃 기준으로 비교한 답이 나온다.
3. 아래 프롬프트로 순위와 근거를 요청한다. 결과로 소재별 강점·약점, 예상되는 반응 패턴, 우선 테스트 순서가 나온다.
4. AI가 지적한 약점 중 ‘메시지가 불명확하다’, ‘타깃과 톤이 안 맞는다’ 같은 구조적 문제만 수정한다. 색감이나 폰트 취향 같은 건 무시해도 된다. AI는 이런 디테일에서는 근거 없는 호불호를 말할 때가 많다.
5. 실제 A/B 테스트는 상위 2~3개만 먼저 태운다. AI가 1순위로 꼽은 것부터 소규모 예산으로 하루~이틀 태우고, 실제 클릭률과 전환 데이터를 받는다.
6. 실측 데이터를 다시 AI에 넣고 비교시킨다. “예측과 실제가 어디서 어긋났는지” 물으면, 다음 소재 제작 때 참고할 패턴을 정리해준다. 이 루프를 반복할수록 그 브랜드·타깃에 맞는 예측 정확도가 올라간다.

붙여 쓸 프롬프트

“아래는 [브랜드명/제품명] 광고 소재 [개수]개다. 타깃은 [연령대·성별·관심사]이고, 광고 목표는 [클릭 유도/구매 전환/앱 설치] 이다. 각 소재의 카피와 이미지 설명은 다음과 같다: [소재1: 카피/이미지 설명], [소재2: 카피/이미지 설명], [소재3: 카피/이미지 설명]. 이 타깃 기준으로 각 소재의 강점과 약점을 짚고, A/B 테스트에 먼저 태울 우선순위를 정해줘. 순위를 매길 때는 메시지 명확성, 타깃 적합성, CTA 강도 세 가지 기준으로 근거를 각각 설명해줘.”

흔한 실패와 대처

가장 흔한 실패는 AI가 내놓은 순위를 그대로 믿고 나머지 소재를 폐기하는 것이다. AI의 순위는 텍스트와 설명만으로 판단한 상대적 추정치이지, 실측 데이터가 아니다. 1순위가 아니었던 소재가 실제로는 더 잘 나오는 경우도 흔하니, 최소 2~3개는 병행해서 태워봐야 한다.

또 하나는 결과가 너무 뻔하게 나오는 경우다. “카피가 명확하고 타깃에 적합하다” 같은 두루뭉술한 답만 나온다면, 프롬프트에 타깃 정보가 너무 헐겁다는 신호다. 이럴 땐 실제 구매 데이터나 페르소나 설명을 더 구체적으로 붙여서 다시 물어봐야 한다. 예를 들어 “20대 여성”보다 “20대 후반, 첫 직장인, 가격대는 부담스럽지만 성분에 관심 있는 층”처럼 좁혀야 답이 날카로워진다.

이 방법이 안 맞는 경우도 있다. 브랜드 톤앤매너처럼 회사 내부에만 존재하는 암묵적 기준, 또는 법적 검수가 필요한 표현(의료·금융 광고의 과장 문구 등)은 AI가 판단할 수 없다. 이런 부분은 반드시 담당자나 법무팀이 직접 확인해야 한다.

자주 묻는 질문

AI가 예측한 순위와 실제 성과가 많이 다르면 어떻게 하나요?

프롬프트에 넣은 타깃 설명이 실제 타깃과 얼마나 일치했는지부터 점검한다. 대부분의 오차는 타깃 조건이 모호하거나, 과거 캠페인 데이터를 함께 넣지 않아서 생긴다. 실측 데이터가 쌓이면 그 데이터를 다시 프롬프트에 포함시켜 예측 기준을 보정하는 과정을 반복해야 정확도가 올라간다.

이미지 소재도 AI가 직접 분석할 수 있나요?

챗GPT나 제미나이 모두 이미지를 업로드하면 시각적 요소(색감, 인물 배치, 텍스트 가독성)에 대한 의견을 준다. 다만 이 의견은 참고용이다. 실제 클릭을 유도하는 힘은 플랫폼 알고리즘과 유저 반응에 좌우되므로, 이미지 자체의 미적 판단보다 메시지 전달력 위주로 활용하는 게 안전하다.

AI가 만든 비교 결과를 그대로 보고서에 넣어도 되나요?

그대로 넣기 전에 최소한 두 가지는 확인해야 한다. 하나는 AI가 언급한 근거가 실제 소재 내용과 맞는지(가끔 존재하지 않는 디테일을 지어내는 경우가 있다), 다른 하나는 순위 근거가 구체적인 문구를 인용하고 있는지다. 근거 없이 “더 매력적이다” 식으로만 쓰여 있다면 재요청하거나 사람이 직접 판단을 덧붙여야 한다.

마무리

AI로 하는 성과 예측은 감으로 소재를 고르던 걸 근거 있는 우선순위로 바꿔주는 도구다. 정확한 숫자를 맞히는 게 목적이 아니라, 한정된 예산으로 무엇을 먼저 테스트할지 결정하는 속도를 높이는 데 의미가 있다. 실측 데이터를 계속 피드백으로 넣는 습관만 들이면, 시간이 지날수록 그 브랜드에 맞는 예측 정확도도 함께 쌓인다.

함께 보면 좋은 글

AI 카피라이팅 클릭률 높이는 프롬프트 공식

메타 AI 광고 소재 자동생성, 페이스북·인스타 활용법

AI 에이전트로 광고 리포트 자동화, 마케터 업무 효율화법