[DBR]소비자 선호 광고 학습한 AI, 기발함은 부족했다

고품질 데이터 학습하면 성과-제작효율 오르지만 독특함엔 인간 개입 필요 게티이미지뱅크 수분 만에 고품질 이미지를 뽑아내는 생성형 AI는 이제 광고 제작에서 빼놓을 수 없는 도구가 됐다. 하지만 이미지 생성형 AI는 마케팅 목표에 맞춰 설계된 도구가 아니다. 단순히 프롬프트를 잘 쓴다고 해서 소비자의 구매 욕구를 높이는 결과물이 쉽게 나오는 것도 아니다. 독일 함부르크대, 오스트리아 빈경제경영대, 미국 에머리대 연구진은 이미지 생성형 AI로 만든 광고의 효과와 성과를 끌어올릴 방법을 연구했다. 이들은 오픈소스 이미지 생성 모델인 스테이블 디퓨전 2.1을 광고 목표에 맞게 미세 조정하는 실험을 했다. 핵심은 소비자 반응 데이터였다. 먼저 21만1429개의 실제 온라인 광고를 수집하고 자동차가 포함된 광고 543개를 추렸다. 이를 잠재적인 자동차 구매자들에게 보여준 후 AIDA 지표를 평가하게 했다. AIDA는 주의(attention), 흥미(interest), 욕구(desire), 활성화(activation)의 약자다. 눈에 띄는가, 흥미로운가, 제품이 마음에 드는가, 구매를 고려하게 만드는가를 묻는 지표다. 연구진은 여기서 높은 점수를 받은 광고 30개의 시각적 패턴을 AI에 학습시켰다. 당시 새롭게 출시한 차량 폴스타 3의 이미지도 학습시켜 AI 광고 50개를 만들고, 다른 온라인 자동차 광고, 실제 폴스타 광고와 비교했다. 연구 결과 기존 온라인 자동차 광고의 평균 AIDA 점수는 7점 만점에 3.79점, 실제 폴스타 광고는 3.80점이었다. AI가 만든 광고의 평균은 4.55점이었다. 50개 AI 광고 중 47개가 기존 광고 평균보다 높은 점수를 받았다. 실제 광고 플랫폼 실험에서도 비슷한 결과가 나왔다. 메타(Meta)의 광고 플랫폼에서 AI 생성 광고와 실제 폴스타 광고를 A/B 테스트한 결과 AI 광고의 클릭률이 2.04%로 기존 폴스타 광고(1.37%)보다 높았다. 단순히 프롬프트를 잘 쓰는 것만으로는 효과적인 광고를 만들 수 없었다. 연구진은 범용 AI 모델에 지시하는 방식, 무작위 광고를 학습시키는 방식, 성과가 좋은 광고와 나쁜 광고를 함께 학습시키는 방식을 각각 비교했다. 가장 성과가 좋았던 것은 소비자 평가가 높은 광고만 골라 미세 조정한 모델이었다. 프롬프트가 아니라 소비자 반응 데이터를 목표에 맞게 학습시키는 게 중요했다는 의미다. 다만 한계도 있었다. 2인승 도심형 소형차인 스마트 포투...