광고의 블랙박스화와 마케팅 업무의 변화

구글과 메타의 2025년 4분기 실적이 나왔다.

구글 검색 매출은 630억달러로 전년동기 대비 17% 성장했고, 메타 광고 매출은 581억달러로 전년 동기대비 25% 성장했다. 알파벳은 최초로 연매출 4,000억 달러를 돌파했다. 메타 분기 매출도 599억 달러로 역대 최고를 기록했다. 둘 다 시장 예상을 넘는 수치다. 광고 매출이 이렇게 성장하는 것도 놀랍지만, 이 숫자가 가리키는 방향도 생각해보면 좋다.

두 회사가 2026년에 쓰겠다고 발표한 설비투자 금액을 합치면 약 3,000억 달러, 원화로는 400조 원이 넘는다(우리나라 정부의 1년 예산 730조원). 이 설비투자 내역의 대부분은 AI 인프라고 그 AI 인프라의 상당 부분이 광고 시스템을 돌리는 데 쓰인다.

구글과 메타의 설비투자 추이 2022-2026E

메타와 구글의 설비투자 계획 규모는 AI와 함께 급증하였다. 구글의 2025년 설비투자는 약 750억 달러였는데, 2026년 가이던스 상단은 1,850억 달러다. 두 배가 넘는다. 메타는 2025년에 722억 달러를 썼고, 2026년에는 1,150억에서 1,350억 달러를 쓰겠다고 했다. 이 회사들이 이렇게 돈을 쏟아붓는 건, 이 투자가 회수되고 있기 때문이다. 구체적으로, 광고에서. 메타의 Susan Li CFO는 어닝콜에서 이렇게 말했다.

> "Despite the meaningful step up in infrastructure investment, in 2026 we expect to deliver operating income that is above 2025 operating income."
>
> "2026년에는 인프라 투자를 대폭 확대하는데도, 영업이익은 2025년을 상회할 것으로 전망한다."

400조를 쓰고도 이익이 늘어난다는 확신은 무엇일까?

2015년의 페이스북 광고

10년 전의 디지털 광고를 떠올려 보자. 페이스북 광고 관리자에서 캠페인을 만들 때, 마케팅 담당자가 직접 결정해야 할 게 많았다. 타겟 연령대를 설정하고, 관심사를 골라 넣고, 지역을 지정하고, 게재 위치를 선택하고, 입찰가를 조정했다. A/B 테스트를 설계하고, 소재를 여러 버전 만들어서 어떤 조합이 잘 되는지 직접 확인했다. 그 과정을 잘 다루는 게 '광고 운영 실력'이었다. 국내에서도 "페이스북 운영 월 500만원", "네이버 키워드에서 효과를 보려면 월 1,000만원은 필요하다" 같은 말들이 규격화되어 돌던 시기다.

이 시기에는 데이터도 풍부했다. 페이스북 픽셀은 사용자가 어느 사이트에서 뭘 했는지 거의 모든 걸 추적할 수 있었다. 제3자 쿠키가 살아 있었다. 광고주는 사용자 한 명의 여정을 시작부터 끝까지 따라갈 수 있었고, 그 데이터를 바탕으로 정밀한 리타게팅 캠페인을 돌렸다. 광고주에게 통제권이 있었고, 그 통제권을 잘 행사하는 능력이 경쟁력이었다.

그 시스템이 무너진 계기가 2021년 애플의 ATT(App Tracking Transparency)다.

iOS 14.5부터 앱이 사용자를 추적하려면 명시적 동의를 받아야 했다. 대부분의 사용자는 거절했다. 하루아침에 메타가 보유했던 추적 데이터의 상당 부분이 사라졌다. 메타는 2022년 실적 발표에서 ATT로 인해 100억 달러의 매출 타격을 입었다고 밝혔고, 주가는 반 토막이 났다.

그런데 메타는 무너지지 않았다. 오히려 ATT 이후 광고 사업이 전보다 강해졌다. 2025년 연간 광고 매출은 1,962억 달러. 2021년의 1,149억 달러에서 70% 이상 성장했다. 연간으로 보면 매년 11%씩 성장한 것이다. 세계 경제는 3-4% 성장하는데 메타의 광고사업은 이보다 훨씬 크게 성장해왔다.

메타 연간 광고 매출 추이 2020-2025

확률론적 전환

ATT 이후 메타가 한 일을 한 문장으로 요약하면, 결정론적 모델에서 확률론적 모델로 전환한 것이다. 예전에는 "이 사람이 A 사이트에서 운동화를 봤으니까, 이 사람에게 운동화 광고를 보여주자"는 식이었다. 직접 추적, 직접 타겟팅. ATT 이후에는 이게 불가능해졌다. 대신 메타는 수십억 명의 앱 사용 패턴, 콘텐츠 소비 행동, 인구통계적 유사성 같은 자사 데이터를 기반으로 "이 사람은 운동화를 살 확률이 높다"는 추론을 하기 시작했다.

투자에 비유하면, 개별 종목을 직접 골라서 사는 액티브 투자에서, 알고리즘이 수천 개의 변수를 분석해서 수익을 내는 팩터를 찾아내고 포트폴리오를 구성하는 퀀트 투자로 바뀐 셈이다. 액티브 투자에서 대부분의 투자자는 돈을 벌기 힘들고, 액티브 투자의 수익 원천을 퀀트 팩터로 설명할 수 있는 것과 비슷한 일이 광고 타게팅에서도 일어났다.

AI는 이 추론을 돌리는 엔진을 점점, 그리고 엄청나게 강하게 만들었다. 메타가 2024년 말에 출시한 Andromeda라는 딥러닝 엔진은, 광고 노출이 발생할 때마다 수백만 개의 광고 후보를 밀리초 단위로 분석해서 가장 적합한 광고를 고른다.

이번 4분기 실적발표에서는 더 큰 변화가 있었다. Facebook 피드, 비디오, 스토리에 각각 달려 있던 광고 랭킹 모델을 하나로 통합한 것이다. GEM이라고 부르는 이 통합 모델을 훈련시키는 GPU를 전 분기 대비 두 배로 늘렸다. 모델이 하나가 되면 사용자 한 명에 대해 더 많은 데이터를 동시에 볼 수 있다. 피드에서의 행동과 스토리에서의 행동과 릴스에서의 행동을 따로 보는 게 아니라 한꺼번에 본다. 결과는 광고 품질 12% 개선이다.

여기에 시퀀스 러닝까지 추가됐다. 사용자의 과거 상호작용을 시간 순서대로 학습하는 방식인데, 이것만으로 Facebook에서 광고 클릭이 3.5%, Instagram에서 전환이 1% 이상 증가했다. 메타 규모에서 1%는 연간 20억 달러다.

Advantage+과 광고 세팅의 (무)의미

2015 vs 2025 광고 운영 모델 비교

이 변화가 가장 직접적으로 드러나는 게 메타의 Advantage+ 캠페인이다. 2022년에 출시된 Advantage+ Shopping Campaign은 전통적인 광고 캠페인과 근본적으로 다르다. 타겟 설정이 없다. 지역, 연령, 관심사 같은 세부 세팅을 광고주가 직접 하는 대신, AI가 알아서 찾는다. 광고주는 예산, 목표, 소재만 제공하면 된다.

처음에 많은 마케터가 회의적이었던 것 같다. "타겟팅도 안 하는데 어떻게 성과가 나오나?"는 질문이 생기는 것이다. 당시에도 메타에서는 AI에 대해 언급을 많이 했지만, 당시 AI나 기계번역 등을 생각해보면 의구심이 드는 것이 당연했다. 시간을 돌려 2025년, 메타의 발표에 따르면 Advantage+를 사용한 광고주의 ROAS가 수동 관리 캠페인 대비 평균 22% 높다. 일반적인 ROAS가 4 정도라면 Advantage+는 4.5 정도다.

사람이 설정하는 타겟팅은 가설에 기반한다. "우리 제품은 25-35세 여성이 주로 산다"는 판단은 과거 데이터와 직관의 조합이다. 이 가설이 맞을 수도 있지만, 놓치는 고객이 반드시 있다. AI는 가설 없이 데이터에서 패턴을 찾는다. 25-35세 여성이 주 고객이라는 걸 AI도 발견하겠지만, 동시에 "48세 남성 중 최근 3일 이내에 특정 유형의 콘텐츠를 소비한 사람"이 예상 외로 높은 전환율을 보인다는 것도 발견한다. 이건 사람이 가설로 세울 수 있는 범위를 넘어선다.

2025년에 메타는 Advantage+를 쇼핑 캠페인에서 리드 제네레이션, 앱 설치까지 확장해서, 사실상 모든 캠페인 유형에서 기본값이 됐다. 구글도 같은 방향이다. Performance Max는 검색, 디스플레이, 유튜브, 지메일, 맵스를 하나의 캠페인으로 통합하고, 2025년에 추가된 AI Max는 여기서 한 발 더 나가서 광고 소재를 AI가 '생성'한다. Sundar Pichai는 어닝콜에서 이렇게 말했다.

> "We were able to lower Gemini serving unit costs by 78% over 2025."
>
> "2025년 한 해 동안 제미나이의 단가를 78% 낮추는 데 성공했다."

광고를 직접 언급한 것은 아니지만, 같은 돈으로 더 많은 연산을 돌릴 수 있다는 뜻이다. 광고 하나에 더 정교한 판단을 붙일 수 있고, 소재도 더 많이 만들 수 있다. 실제로 4분기 한 분기에만 광고주들이 거의 7,000만 개의 크리에이티브 소재를 이 도구로 만들었다. AI가 만들고, AI가 테스트하고, AI가 성과 좋은 걸 골라서 더 많이 노출한다.

블랙박스가 모두에게 이득인 이유

Ben Thompson이 Stratechery에서 이 현상을 분석하면서 '블랙박스'라는 표현을 썼다. 플랫폼이 광고주의 목표를 달성해주는데, 어떤 광고가 효과가 있었고 어떤 광고가 없었는지를 광고주는 점점 알 수 없게 된다는 것이다.

Advantage+나 Performance Max를 쓰면 광고주는 결과만 본다. 이번 달에 1,000만 원을 썼고 4,000만 원의 매출이 발생했다. ROAS 4.0. 좋다. 그런데 그 4,000만 원이 어떤 소재에서 왔는지, 어떤 사람에게 노출됐는지에 대한 세부 데이터는 과거보다 훨씬 제한적이다.

Thompson의 분석에서 흥미로운 건 이 다음이다. 블랙박스가 모두에게 이득이라는 것.

플랫폼이 10개의 광고를 노출했는데 그중 3개가 전환을 만들었다고 하자. 광고주가 이걸 알면 나머지 7개에 쓴 비용을 줄이려 할 것이다. 하지만 블랙박스 안에서는 집계 결과만 보인다. 플랫폼은 나머지 7개의 노출에서 마진을 유지한다. 그런데 — 이게 핵심인데 — 블랙박스 안에서 AI가 찾아내는 고객은 광고주가 수동으로 세팅해서는 도달하지 못했을 고객이다. 전체 파이가 커진다. 플랫폼이 더 벌고, 광고주도 더 번다.

이렇게 한쪽에는 정보가 부족한 것을 정보 비대칭이라고 하는데, 보통 정보 비대칭은 한쪽이 손해를 본다. 여기서는 광고주도 플랫폼도 둘 다 이득을 보는 희한한 시스템이다.

캐나다 패션 브랜드 Aritzia는 구글의 AI Max를 써서 기존 타겟팅으로는 도달 못 했던 고가치 고객을 발굴했고, 4분기 전환 가치가 80% 증가했다. 로레알은 2025년에 23개국에서 800개의 AI Max 캠페인을 운영했고 NYX 매출이 23% 늘었다. 결과를 부정하기 어렵다.

블랙박스를 이기려다 실패한 경험

나는 작년에 신생 스타트업의 마케팅을 컨설팅했다. 경쟁이 매우 치열한 영역이었다. 나는 함께 매체, 예산배분, 콘텐츠, 운영 방식 등 광고 운영의 방향과 틀을 잡아줬고, 그 틀 안에서 사업을 시작했다. 문제는 그 다음이었다.

실무 담당자는 유능하고 열심인 사람이었다. 그리고 그게 문제였다. 매일 상황에 따라 캠페인을 만지는 것이었다. 입찰가를 수동으로 조정하고 예산을 올렸다 내렸다 했다. 광고 스케줄을 바꿨다. 소재도 자주 교체했다.

Advantage+든 Performance Max든, AI 기반 광고 시스템은 학습 기간이 필요하다. 데이터가 쌓여야 패턴을 찾는다. 며칠은 지켜봐야 알고리즘이 최적의 타겟과 노출 조합을 찾아간다. 그런데 하루이틀 만에 입찰가를 바꾸고, 예산을 조정하고, 소재를 교체하면 학습이 리셋된다. 알고리즘 입장에서는 매번 처음부터 다시 시작하는 것과 같다.

결과는 악순환이었다. AI가 학습할 시간이 없으니 효율이 안 나온다. 효율이 안 나오니 수익이 줄어든다. 수익이 줄어드니 광고에 대한 믿음이 없어지고 광고비를 줄인다. 데이터가 적게 쌓이고, AI 학습은 더 느려진다.

우리는 매주 한 번 만났고, 나는 미팅에서 "세팅을 건드리지 마라, 최소 2주는 지켜봐라"고 했다. 경영진은 미팅 때는 이것에 동의했지만 광고 설정 변경은 계속 일어났다. 담당자는 경영진과 매일 얼굴을 보고 얘기하는 상황이다 보니 경영진도 무언가를 바꾸는 일을 허락하게 된다. 컨설턴트의 주 1회 조언과 경영진의 매일의 압박 사이에서, 매일의 압박이 이긴다. 이건 당연한 일이다. 매출은 광고로만 일어나는 사업구조였는데 매출이 너무 적어서 이 회사는 고생했다. 물론 광고만의 문제는 아니겠지만, 블랙박스화된 광고 시스템을 사람이 이길 수 있다는 생각이 없었다면 결과가 달랐을지도 모른다.

이 경험이 떠오르는 이유는, 이게 기술의 문제가 아니라 조직의 문제이기 때문이다. 블랙박스를 이해하지 못하는 건 담당자 개인의 역량 문제가 아니다. 광고를 '관리'해야 한다는 오래된 관성이 있다. 2015년에는 맞는 관성이었다. 세팅을 잘 만지는 게 실력이었으니까. 2025년에는 그 실력이 오히려 역효과를 낸다. 열심히 하는 것 자체가 나쁜 게 아니라, 열심히 하는 방향이 달라져야 한다.

그러면 AI에 맡기면 끝인가

"AI에 맡기면 끝"이라는 얘기처럼 들릴 수 있다. 캠페인 실행 측면에서는 사실 그에 가깝다. 입찰가 조정, 타겟 세분화, 소재 조합 최적화 — 400조 원짜리 AI가 밀리초 단위로 한다.

하지만 AI가 잘 작동하려면 조건이 있다. 광고 플랫폼의 AI는 전환 데이터를 먹고 자란다. 누가 클릭했고, 사이트에서 뭘 했고, 구매했는지 안 했는지. 이 피드백 루프가 학습 재료다. 전환 추적이 제대로 안 되어 있으면 AI가 최적화할 데이터가 없다. 같은 Advantage+를 돌려도 회사마다 성과가 다른 이유 중 하나다. 메타의 Conversions API를 제대로 구현했는지, 전환 이벤트가 정확하게 정의되어 있는지, 전환 가치가 실제 비즈니스 가치를 반영하는지.

물론 이게 전부가 아니다. AI가 광고를 클릭한 사람을 사이트로 보낸다. 그 사람이 사이트에서 뭘 경험하느냐는 AI의 영역 밖이다. 구글의 AI Max에 '최종 URL 확장'이라는 기능이 있다. 광고주가 지정한 랜딩 페이지가 아니라 AI가 판단하기에 전환 가능성이 더 높은 페이지로 사용자를 보내는 기능이다. 뒤집어 말하면, 사이트에 좋은 페이지가 많으면 AI가 활용할 수 있는 옵션이 많아지고, 사이트가 부실하면 AI도 보낼 곳이 없다는 뜻이다.

과거의 마케팅 가치 형태
현재의 마케팅 가치 형태

마케팅 업무의 재정의

AI로 인해 광고가 블랙박스가 된 상황에서, 사람은 뭘 해야 하는가? 챗GPT의 등장 이후 마케팅만의 문제는 아니다. 하지만 AI가 가장 많이 활용되는 분야는 코딩과 광고이고, 광고는 현재 AI 투자가 수익을 내주는 사실상 유일한 분야다. 그래서 마케팅에서는 이 질문이 더 절실하다.

캠페인 운영이 플랫폼에 흡수되고 있으니, 남은 가치가 '전략'과 '인프라'로 이동한다고 볼 수 있을까? 하나씩 뜯어보면 그것도 단순하지 않다.

전략이라고 불렀던 것 — "어떤 고객에게 어떤 가치를 어떤 메시지로" — 이것의 상당 부분은 결국 데이터 문제다. 누가 살 사람인지는 이미 메타가 마케터보다 잘 안다. 그게 Advantage+의 전제다. 인프라라고 불렀던 것 — 전환 추적, CAPI 연동 — 이건 기술 세팅이지 판단이 아니다. 메타가 원클릭 CAPI를 만들면 그걸로 끝이다. 실제로 그 방향으로 가고 있다. 크리에이티브도 마찬가지다. AI가 한 분기에 7,000만 개 소재를 만들고, 플랫폼이 알아서 테스트해서 좋은 걸 골라준다. 사람의 역할은 생산에서 큐레이션으로 바뀌고 있는데, 큐레이션마저도 미래에는 어떻게 될지 모르겠다.

그러면 진짜 남는 것은 사업 자체다.

플랫폼 AI가 못 하는 건 "우리가 뭘 파는 회사인지", "왜 이 제품이 존재하는지", "경쟁사와 뭐가 다른지"를 결정하는 것이다. 메타가 아무리 똑똑해도 "이 브랜드가 시장에서 어떤 포지션을 잡아야 하는지"는 입력해줘야 한다. 가치 제안, 가격 전략, 제품 구조. 광고는 그걸 증폭하는 도구일 뿐이다.

광고주에게 남는 유일한 레버는 "더 좋은 고객경험을 만드는 것"이다. 전환율이 높은 사이트, 재구매가 일어나는 제품, 명확한 가치 제안. 플랫폼은 그걸 가장 효율적으로 찾아서 보여줄 뿐이다.

"마케팅을 잘 해야 한다"는 말이 10년 전에는 "캠페인을 잘 운영해야 한다"는 뜻이었다. 지금은 "사업을 잘 설계해야 한다"에 가깝다. 블랙박스 안쪽은 점점 더 플랫폼의 몫이 된다. 바깥에는 — 이 사업이 존재하는 이유, 이 제품이 해결하는 문제, 이 브랜드가 고객과 맺는 관계 — 여전히 사람의 판단이 필요한 것들이 남는다. 다만 그걸 '마케팅'이라고 부를 수 있을지는 점점 모호해지고 있다.

구글과 메타가 2026년에 쓰겠다는 3,000억 달러는, 블랙박스를 더 크고 더 정교하게 만들겠다는 선언이다. 그 안의 일은 계속 흡수될 것이다. 그 바깥의 일이 무엇인지는, 각자가 답해야 할 질문이다.