AI 리타겟팅 전략을 정밀하게 쌓을수록 신규 유입이 막히는 이유

AI 리타겟팅 전략을 고도화할수록 광고 성과가 오히려 정체되는 현상을 경험한 마케터가 늘고 있다. 정밀도를 높였는데 왜 전체 퍼널이 좁아지는가. 이 글은 그 구조적 원인을 짚고, 실무에서 즉시 적용 가능한 재설계 방향을 제시한다.

문제는 정밀도가 아니라 '폐쇄 루프'다

AI 기반 리타겟팅은 과거 행동 데이터를 학습해 전환 가능성이 높은 사용자에게 반복 노출을 집중한다. 알고리즘이 최적화될수록 타겟 범위는 점점 좁아지고, 광고 예산은 이미 브랜드를 인지한 소수에게 집중된다.

이 구조의 핵심 문제는 학습 데이터가 기존 방문자에서만 생성된다는 점이다. 신규 사용자는 행동 이력이 없으므로 AI 모델의 고신뢰 타겟군에 포함되지 않는다. 시간이 지날수록 모델은 '이미 알고 있는 사람'만 더 잘 찾게 된다. 광고가 정밀해지는 게 아니라, 광고가 닫히는 것이다.

이 현상을 업계에서는 '오디언스 포화(Audience Saturation)'라 부른다. 리타겟팅 풀이 소진되면 동일 사용자에게 광고 빈도가 누적되고, CPM은 오르며, 신규 유입 채널은 예산 배분에서 밀려난다.

왜 정밀화가 신규 유입을 차단하는가

알고리즘의 확증 편향

AI 광고 모델은 전환 이력이 있는 사용자와 유사한 패턴을 가진 사람을 찾는다. 유사 타겟(Lookalike)도 결국 기존 전환 데이터를 기반으로 생성된다. 초기에는 범위가 넓지만, 최적화가 반복될수록 모델은 '가장 안전한 패턴'에만 수렴한다.

예를 들어 B2B SaaS 기업이 리타겟팅을 6개월 이상 운영한다고 가정하면, 초기 대비 신규 방문자 비율이 40%에서 15% 이하로 하락하는 시나리오가 충분히 가능하다. 광고비는 유지되지만 퍼널 상단이 말라간다.

예산 구조의 불균형

리타겟팅 캠페인은 전환율이 높게 보고된다. 이미 관심을 가진 사람에게 노출되기 때문이다. 이 수치는 경영진에게 긍정적으로 보이고, 자연스럽게 인지 확장 예산을 리타겟팅으로 이동시키는 의사결정을 유도한다. 결과적으로 신규 유입을 위한 상단 퍼널 예산이 지속적으로 축소된다.

콘텐츠 피로와 신호 왜곡

동일 사용자에게 반복 노출이 누적되면 클릭률은 하락하고, AI 모델은 이를 '해당 타겟의 관심 감소'로 해석한다. 실제로는 광고 피로가 원인이지만, 모델은 타겟 범위를 더 좁히거나 입찰가를 조정하는 방향으로 반응한다. 신호가 왜곡된 채 최적화가 진행되는 구조다.

리타겟팅-신규유입 균형 프레임워크

이 문제를 해결하기 위한 접근은 단순히 예산을 재배분하는 것이 아니다. 퍼널 단계별로 AI 모델이 학습할 데이터 소스를 분리해야 한다.

1단계: 퍼널 분리 설계

리타겟팅 캠페인과 신규 유입 캠페인을 동일 픽셀 데이터로 운영하지 않는다. 신규 유입 전용 캠페인은 리타겟팅 오디언스를 명시적으로 제외하고, 별도의 전환 목표(예: 첫 방문, 콘텐츠 소비 깊이)를 설정한다.

2단계: 신규 유입 신호 다각화

검색 광고, 콘텐츠 마케팅, SNS 오가닉 등 리타겟팅 외 채널에서 발생하는 신규 사용자 행동 데이터를 AI 모델에 별도로 공급한다. 이 데이터는 기존 전환 패턴과 다른 '미지의 관심 신호'를 포함하므로, 모델의 탐색 범위를 넓히는 역할을 한다.

3단계: 예산 비율 고정 규칙

리타겟팅과 신규 유입 캠페인의 예산 비율을 분기마다 검토하고, 리타겟팅 비율이 전체 디지털 광고 예산의 60%를 초과하지 않도록 상한선을 설정한다. 이 수치는 업종마다 다를 수 있지만, 기준점 없이 운영하면 자연스럽게 리타겟팅으로 쏠린다.

업종별 적용 사례

의료 서비스 클리닉 (가정)

특정 시술 페이지를 방문한 사용자를 대상으로 리타겟팅을 집중 운영한다고 가정하면, 3개월 후 신규 예약 비율이 전체의 20% 미만으로 떨어지는 상황이 발생할 수 있다. 이 경우 건강 정보 콘텐츠를 소비한 비방문자 오디언스를 별도 캠페인으로 구성하고, 해당 캠페인에 전체 예산의 35%를 배정하는 구조 변경이 유효하다. 신규 상담 문의가 회복되는 시나리오를 기대할 수 있다.

기업 교육 플랫폼 (가정)

B2B 교육 서비스에서 무료 체험 신청자 대상 리타겟팅만 운영한다고 가정하면, 유료 전환율은 높아 보이지만 전체 파이프라인이 확장되지 않는다. 업종별 직무 콘텐츠를 소비하는 신규 방문자를 별도 오디언스로 설정하고, 이들에게 리타겟팅이 아닌 인지 목적 캠페인을 운영하면 6개월 후 신규 리드 풀이 확장되는 결과를 가정할 수 있다.

부동산 중개 플랫폼 (가정)

매물 상세 페이지 방문자만 리타겟팅하는 구조에서는 이미 경쟁사 플랫폼도 동일 사용자를 타겟하므로 입찰 경쟁이 심화된다. 지역 생활 정보 콘텐츠나 이사 관련 키워드 검색자를 상단 퍼널로 유입시키는 캠페인을 병행하면, 리타겟팅 CPM을 낮추는 동시에 신규 잠재 고객층을 확보하는 구조를 만들 수 있다.

AI 리타겟팅 전략을 재설계하기 전에 확인할 것

리타겟팅 정밀화는 그 자체로 문제가 아니다. 문제는 퍼널 전체를 리타겟팅 논리로 운영할 때 발생한다. AI 모델은 주어진 데이터 안에서만 최적화된다. 신규 유입 데이터를 공급하지 않으면, 모델은 점점 더 좁은 세계를 더 정밀하게 볼 뿐이다.

다음 글에서는 퍼널 상단 AI 캠페인을 설계할 때 사용하는 신호 선택 기준과 오디언스 세분화 방법론을 구체적으로 다룬다.

FAQ

Q. AI 리타겟팅 전략을 오래 운영할수록 신규 고객이 줄어드는 이유는 무엇인가요?

AI 리타겟팅 모델은 기존 방문자와 전환자 데이터를 기반으로 학습하기 때문에, 최적화가 진행될수록 이미 브랜드를 인지한 사용자에게만 집중됩니다. 신규 사용자는 행동 이력이 없어 모델의 고신뢰 타겟군에서 자동으로 제외되는 구조입니다.

Q. 리타겟팅 전환율이 높은데도 전체 매출이 정체되는 이유는 무엇인가요?

리타겟팅 전환율은 이미 관심이 있는 사람에게만 노출되기 때문에 수치가 높게 보입니다. 그러나 퍼널 상단에 신규 유입이 없으면 리타겟팅 대상 자체가 줄어들고, 시간이 지날수록 전체 퍼널 규모가 축소됩니다. 전환율과 전체 매출은 다른 지표입니다.

Q. AI 리타겟팅과 신규 유입 캠페인을 동시에 운영할 때 예산 비율은 어떻게 설정해야 하나요?

업종과 브랜드 인지도 수준에 따라 다르지만, 리타겟팅 예산이 전체 디지털 광고 예산의 60%를 초과하면 신규 유입 채널이 구조적으로 위축됩니다. 분기마다 비율을 검토하고, 신규 방문자 비율 추이를 함께 모니터링하는 것이 기준점 설정에 유효합니다.