「광주 30대 고객이 최근 한 달에 몇 명 샀나」 AI가 바로 셀 수 있을까?
광고 대상 수를 말로 묻는 AI가 등장했다
광주에 사는 30대 고객 가운데 최근 한 달 안에 구매한 사람이 몇 명인지 AI에게 물어보는 방식이 가능해지고 있다. 어도비 연구진의 대화형 AI는 600개 질문을 시험해 실제 조회 결과와 90% 일치했다. 다만 조건이 3개가 되면 정답률은 88%로 내려가므로, 숫자만 보지 말고 어떤 조건으로 셌는지 함께 확인해야 한다.
AI에게 광고 대상 수를 말로 물을 수 있는 시대가 오고 있지만, 조건을 겹칠수록 숫자를 확인하는 일이 더 중요하다.
지금 광고 대상 수는 어떻게 확인할까?
광고를 만들 때는 먼저 조건에 맞는 고객이 몇 명인지 확인한다. 지역, 나이, 관심사, 최근 구매 같은 조건을 겹치면 광고 대상이 달라진다.
어도비 연구진은 기업용 고객 데이터 플랫폼에서 광고 대상 수를 세는 기존 방식으로 미리 만든 고객 묶음, 표본 추출, 예측 모델을 설명한다. 기존 방식은 새 조건을 넣어 바로 계산하기 어렵고, 결과를 받기까지 몇 분에서 몇 시간이 걸릴 수 있다.
이번 대화형 AI는 이 과정을 말로 묻고 바로 계산하는 방식이다.
| 방식 | 실시간 | 정확한 수 | 필요한 계산량 |
|---|---|---|---|
| 미리 만든 고객 묶음 | 안 됨 | 됨 | 많음 |
| 표본 추출 | 안 됨 | 안 됨 | 중간 |
| 예측 모델 | 안 됨 | 안 됨 | 많음 |
| 이번 대화형 AI | 됨 | 됨 | 중간 |
AI에게 어떻게 물으면 숫자가 나올까?
예를 들어 「지난 30일 안에 캘리포니아에서 구매한 사람이 몇 명인가」라고 묻는다. AI는 먼저 질문에 필요한 데이터 항목을 찾는다.
항목은 인구 정보, 행동, 거래로 나눠 찾는다. 각 묶음에서 후보를 5개씩 고른다. 날짜처럼 비슷한 항목이 많은 경우 한 종류의 항목만 몰리는 것을 막기 위한 방법이다.
그다음 과거에 검증된 질문과 데이터 조회문 예시를 찾아 참고한다. 새 조회문을 만든 뒤에는 없는 항목을 사용했는지, 자료 형식이 맞는지, 개인 식별 정보에 손대는지를 검사한다.
검사를 통과하지 못한 조회문은 실행하지 않고 다시 작성한다. 결과를 보여줄 때는 숫자뿐 아니라 어떤 항목과 조건으로 계산했는지도 설명한다.
실제로 얼마나 정확할까?
연구진은 질문 600개를 시험했다. 질문에는 대상 수 세기, 순위, 비율을 묻는 내용이 들어갔다.
실제 데이터베이스에 조회문을 실행해 정답과 비교한 결과는 90%였다. 다른 AI가 질문의 뜻이 같은지를 판단한 결과는 95%였지만, 실제 숫자를 확인하려면 90%를 보는 것이 더 직접적인 기준이다.
| 측정 항목 | 점수 |
|---|---|
| 필요한 항목이 후보 5개 안에 든 비율 | 94% |
| 필요한 항목이 모두 후보에 든 질문 비율 | 93% |
| 조회 결과가 정답과 같은 비율 | 90% |
| AI 채점으로 뜻이 같다고 본 비율 | 95% |
조건을 많이 넣으면 틀릴까?
여기서 사장님이 가장 주의할 부분이 나온다. 조건이 하나일 때 실행 결과 일치율은 100%였지만, 두 개에서는 94%, 세 개에서는 88%였다.
「광주에 사는 30대 중 최근 한 달 안에 구매한 고객」처럼 조건을 세 개 겹치면 대략 8번 중 1번은 실제 결과와 다른 숫자가 나올 수 있다는 뜻이다. 이번 시험은 조건을 3개까지 다뤘기 때문에 4개 이상에서 얼마나 떨어지는지는 알 수 없다.
| 조건 수 | 항목 찾기(후보 5개) | 실행 결과 일치 | AI 채점 일치 |
|---|---|---|---|
| 1개 | 100% | 100% | 99% |
| 2개 | 98% | 94% | 97% |
| 3개 | 93% | 88% | 93% |
어떤 질문이 가장 흔들릴까?
단순히 고객 수를 세는 질문은 실행 결과 일치율이 95%였다. 반면 「구매가 가장 많은 도시 5곳」처럼 순위를 묻는 질문은 88%였다.
비율을 묻는 질문은 92%였다. 숫자를 하나 세는 것보다 여러 결과를 비교해 순위를 정하는 질문에서 정확도가 더 낮았다.
| 질문 종류 | 항목 찾기 | 실행 결과 일치 | AI 채점 일치 |
|---|---|---|---|
| 대상 수 세기 | 96% | 95% | 97% |
| 순위(상위 몇 개) | 95% | 88% | 90% |
| 비율 | 93% | 92% | 93% |
데이터 정리가 왜 중요할까?
연구진은 AI의 일부 기능을 빼고 다시 시험했다. 결과를 보면 AI에게 필요한 데이터 항목을 정확히 찾아주는 과정과 검증된 과거 예시가 중요했다.
검증된 과거 예시를 찾는 과정을 빼면 실행 결과 일치율이 68%로 떨어졌다. 질문에 맞는 항목을 찾는 과정을 빼면 57%까지 내려갔다.
즉, 사장님이 가진 고객 데이터에서 항목 이름이 제대로 정리돼 있어야 한다. 「구매일」, 「지역」, 「나이」처럼 AI가 질문과 연결할 수 있는 데이터가 준비돼 있어야 정확한 계산에 가까워진다.
| 구성 | 실행 결과 일치 | AI 채점 일치 |
|---|---|---|
| 전체 | 90% | 95% |
| 검증된 과거 예시 찾기 뺌 | 68% | 72% |
| 질문에 맞는 항목 찾기 뺌 | 57% | 63% |
| 과거 예시를 무작위로 넣음 | 72% | 75% |
몇 초 만에 대답할 수 있을까?
시험 환경에서는 요청이 늘어나도 대부분 15초 안에 결과가 나왔다. 분당 10건을 요청했을 때 중간값은 5.9초였고, 분당 30건에서는 8.3초였다.
분당 60건, 동시 사용자 10명으로 늘리자 105건 가운데 2건이 실패했다. 이 조건에서 중간값은 10초였다.
| 분당 요청 | 동시 사용자 | 요청 수 | 실패 | 중간값(초) | 평균(초) | 상위 5% 느린 경우(초) |
|---|---|---|---|---|---|---|
| 10 | 1 | 15 | 0 | 5.9 | 6.7 | 11.0 |
| 30 | 5 | 68 | 0 | 8.3 | 8.3 | 12.0 |
| 60 | 10 | 105 | 2 | 10.0 | 10.5 | 14.0 |
지금 광고 화면의 예상 인원과 뭐가 다를까?
지금 광고 플랫폼에서 보여주는 예상 인원은 정확한 고객 명부를 세어 보여주는 숫자와 다르다. 메타의 광고 대상 수는 범위와 어림값으로 제공된다.
2017년에는 페이스북 광고 관리자가 미국 18~24세 도달 가능 인원을 4,100만 명으로 표시했지만, 같은 나이대 인구조사 숫자는 3,100만 명이었다. 25~34세도 광고 관리자의 숫자는 6,000만 명, 인구조사 숫자는 4,500만 명이었다.
메타는 2021년 9월 30일부터 예상 대상 수를 정확한 숫자가 아니라 범위로 보여준다. 메타 도움말은 이 수치가 월간·일간 활성 이용자를 대신하는 값이 아니라고 설명한다.
이번 대화형 AI는 성격이 다르다. 플랫폼 전체 이용자를 대상으로 광고 도달 규모를 어림하는 것이 아니라, 기업이 가진 자기 고객 명부에서 질문에 맞는 사람을 세는 방식이다.
| 구분 | 지금 광고 화면 | 이번 대화형 AI |
|---|---|---|
| 세는 대상 | 플랫폼 이용자 전체 | 기업이 가진 자기 고객 명부 |
| 숫자 형태 | 범위· | 정확한 수 |
| 확인된 오차 | 18~24세 4,100만 vs 인구조사 3,100만(2017) | 조건 3개에서 12% 틀림 |
| 묻는 방법 | 칸을 골라 조건 설정 | 말로 질문 |
동네 가게에서는 무엇을 준비해야 할까?
이 기술이 동네 가게의 예약·주문·회원 관리 프로그램으로 내려오면 고객 데이터를 말로 확인하는 방식이 가능해질 수 있다. 다만 이번 연구는 대기업용 고객 데이터 플랫폼을 대상으로 했고, 동네 가게에서 같은 정확도가 나온다고 확인된 것은 아니다.
현재 자료에서 분명하게 확인되는 것은 조건을 많이 겹칠수록 정확도가 떨어진다는 점이다. 따라서 처음부터 여러 조건을 한꺼번에 넣기보다 조건을 하나씩 확인하고, AI가 어떤 항목과 조건으로 계산했는지 설명까지 살펴보는 방식이 필요하다.
한국어 질문에서 같은 결과가 나오는지도 아직 확인되지 않았다. 이번 연구는 영어 질문만 다뤘고, AI사이트코리아가 이 기능을 직접 시험한 자료도 아니다.
이 연구만으로 알 수 없는 것은?
이번 연구진은 어도비 소속이고, 시험 데이터는 어도비 고객사 한 곳 계열의 실제 기업 데이터다. 600개 질문 가운데 실제 업무에서 나온 질문과 AI가 만든 질문이 각각 몇 개인지는 공개되지 않았다.
응답 시간도 실제 서비스가 아니라 시험 환경에서 측정했다. 기존 방식의 오차가 몇 퍼센트였는지 숫자로 비교하지 않았기 때문에, 이번 방식이 기존 방식보다 얼마나 정확해졌는지는 이 자료만으로 판단할 수 없다.
결국 사장님이 기억할 것은 「AI가 숫자를 바로 말해준다」는 사실만이 아니다. 어떤 고객을 어떤 조건으로 세었는지를 함께 확인해야 숫자를 광고 판단에 사용할 수 있다.
요점 ① 질문 600개에서 실제 데이터 조회 결과와 일치한 비율은 90%였다. ② 조건이 1개일 때 100%, 2개일 때 94%, 3개일 때 88%였다. ③ 질문에 맞는 항목 찾기를 빼면 정답률이 57%, 검증된 과거 예시를 빼면 68%로 떨어졌다. ④ 분당 60건, 동시 사용자 10명 조건에서는 105건 중 2건이 실패했고 중간 응답 시간은 10.0초였다.
같이 읽을 글
자료 출처
- REALMS: An AI-Assistant Conversational System for Real-Time Exact Audience Sizing over High-Dimensional Nested Profiles(Adobe Inc.·arXiv 2609.30547·2026.9, 질문 600개)
- Facebook's ad metrics vs census(Fortune·2017.9, 피보탈리서치 분석가 지적·미국 인구조사 비교)
- Facebook Updates Ad Reach Estimates, Moving Away from Specific Audience Projections(Social Media Today·2021.9.30 변경)
- About estimated audience size(Meta 비즈니스 도움말 센터)
- Digital 2023 Deep-Dive: Changes in Meta's ad reach numbers(데이터리포털·2023, 메타 광고 도구 수치)
- Introducing AI Assistant for Audiences for Marketers in Real-Time CDP(어도비 익스피리언스 리그 라이브·2024.11)
- 네이버 GFA(성과형 디스플레이) 광고 가이드(광고 대행사 AMPM 인사이트, 예상 도달 권고)
- 도달범위 예측 개요(구글 광고 API 공식 문서)
작성일
← 칼럼 목록