“이번 달 광고비 500만 원 썼는데, ROAS가 왜 이 모양이지?”
엑셀을 열어보면 캠페인이 수십 개, 소재가 수백 개. 어디서 돈이 새는지 사람 눈으로는 도저히 안 보여요. 저도 매달 광고 리포트를 받아들고 숫자만 훑다가 결국 “전체적으로 좀 줄여보자”는 애매한 결론을 내리곤 했거든요.
그러다 지난달, 메타·쿠팡·네이버 광고 데이터를 통째로 ChatGPT에 넘겨봤어요. 각 플랫폼에서 CSV를 내보내고, 날짜·캠페인명·지출·전환·매출 다섯 개 컬럼만 남긴 뒤 하나의 시트에 합쳤어요. CSV가 크면 월별로 나눠서 올리면 돼요. 프롬프트 세 번 돌리니까 눈에 들어온 건 ROAS 숫자가 아니라 돈이 새는 구멍 세 곳이었어요.
첫 번째 구멍: 전환 없는 캠페인에 예산이 몰려 있었다
AI한테 “캠페인별 지출 대비 전환 수를 정리하고, 전환 0인 캠페인을 표시해줘”라고 시켰어요. 결과를 보니 전체 예산의 22%가 한 달간 전환 0인 캠페인 4개에 들어가고 있더라고요.
사람이 리포트를 볼 때는 ROAS가 낮은 캠페인은 눈에 들어오는데, 전환이 아예 없는 캠페인은 의외로 놓치기 쉬워요. 숫자가 0이면 눈이 그냥 지나가거든요. AI는 그런 편향이 없으니까 바로 잡아냅니다.
두 번째 구멍: 같은 타겟에 세 플랫폼에서 광고비를 태우고 있었다
플랫폼별 데이터를 합쳐서 “동일 상품의 타겟 설정(연령대·관심사)을 플랫폼별로 비교해줘”라고 하니까, 같은 상품을 메타·네이버·쿠팡에서 거의 동일한 오디언스 설정으로 돌리고 있는 게 보였어요. 세 군데서 같은 사람들한테 돈을 쓰고 있었던 거예요.
이건 각 플랫폼 대시보드만 따로 보면 절대 안 보이는 구멍이에요. 데이터를 한 곳에 모아서 AI한테 던져야 비로소 드러나는 패턴이죠. 판매 데이터로 재고 예측하는 글에서도 다뤘지만, 어떤 상품을 어디서 밀어야 하는지 알면 플랫폼별 예산 배분이 훨씬 명확해져요.
세 번째 구멍: 소재 피로도를 감으로 판단하고 있었다
“소재별 CTR 추이를 주차별로 보여줘”라고 하니까, 처음 2주간 CTR 3%대였던 소재가 4주차에 0.8%까지 떨어진 게 한눈에 보였어요. 근데 그 소재에 여전히 예산이 배정되어 있었거든요. 성과가 좋았던 ‘기억’으로 예산을 유지하고 있었던 거예요.
AI한테 “CTR이 2주 연속 하락한 소재 목록 뽑아줘”라고 하면 소재 교체 타이밍을 감이 아니라 데이터로 잡을 수 있어요.
실전 프롬프트 — 바로 써보세요
광고 데이터 CSV를 내보낸 뒤 ChatGPT나 Claude에 올리고, 이렇게 물어보세요.
구멍 찾기: “캠페인별 지출·노출·클릭·전환·매출을 정리하고, ROAS 하위 20%를 표시해. 전환 0인 캠페인은 별도로 뽑아줘.”
예산 재배분: “ROAS 상위 30% 캠페인에 하위 20% 예산을 옮기면 전체 ROAS가 단순 계산으로 어떻게 바뀌는지 보여줘.” (실제로는 변수가 더 많지만, 방향 잡기엔 충분해요.)
소재 피로도: “소재별 CTR을 주차별로 비교해. 2주 연속 CTR이 떨어진 소재를 표시해줘.”
검색어 데이터를 AI로 분석하는 방법을 함께 쓰면 어떤 키워드에 광고비를 태워야 하는지까지 한 번에 잡을 수 있어요.
결과: 같은 예산, ROAS 1.4배
이 세 구멍을 막고 나니까, 광고비는 그대로인데 전체 ROAS가 대략 1.4배로 올랐어요. 전환 0 캠페인 예산을 잘 되는 곳으로 옮기고, 플랫폼별 타겟 중복을 정리하고, 피로도 높은 소재를 교체한 결과예요.
포인트는 하나예요. 각 플랫폼의 대시보드만 따로 보지 말고, 데이터를 한 곳에 모아서 AI한테 던지는 것. CS 문의 분석에서도 같은 원리였지만, AI의 진짜 강점은 사람이 놓치는 패턴을 편향 없이 잡아내는 데 있으니까요.
핵심 개념
ROAS(Return On Ad Spend)란 광고비 대비 매출 비율을 뜻하는 지표로, 광고 투자 효율성을 판단하는 핵심 기준이다. ROAS가 1 미만이면 광고비보다 매출이 적다는 의미이므로, 해당 캠페인은 즉시 점검이 필요하다.
소재 피로도(Creative Fatigue)란 동일한 광고 소재가 반복 노출되면서 클릭률(CTR)이 점진적으로 하락하는 현상을 말한다. 일반적으로 2~4주 후 발생하며, AI를 활용하면 CTR 하락 추이를 자동으로 감지하여 소재 교체 시점을 데이터 기반으로 판단할 수 있다.
자주 묻는 질문
Q. 광고 데이터를 AI에 넣으려면 어떤 형식이 필요한가요?
각 플랫폼(메타, 네이버, 쿠팡 등)에서 CSV로 내보낸 뒤, 날짜·캠페인명·지출·전환·매출 다섯 개 컬럼만 남겨서 하나의 시트로 합치면 됩니다. 플랫폼별 데이터를 통합해야 타겟 중복이나 예산 쏠림 같은 교차 분석이 가능해집니다.
Q. AI 광고 분석은 전문 툴 없이도 가능한가요?
네, ChatGPT나 Claude 같은 범용 AI에 CSV를 올려서 분석할 수 있습니다. 전환 0인 캠페인 식별, 플랫폼 간 타겟 중복 감지, 소재 피로도 추적 등 핵심 분석은 프롬프트 3~4개면 충분합니다. 별도의 유료 광고 분석 툴이 없어도 시작할 수 있습니다.
Q. AI 분석으로 ROAS가 실제로 얼마나 개선되나요?
결과는 기존 광고 운영 상태에 따라 다르지만, 전환 없는 캠페인 정리, 타겟 중복 해소, 소재 피로도 관리 세 가지만 적용해도 같은 예산으로 ROAS 1.2~1.5배 개선을 기대할 수 있습니다. 핵심은 데이터를 한 곳에 모아 AI에 던지는 것입니다.
Photo by Justin Morgan on Unsplash
