AI 에이전트가 광고 계정을 읽는 순서

AI에게 먼저 물어볼 질문은 '왜 떨어졌어?'가 아니다

월요일 아침, 지난주 ROAS가 흔들린 캠페인을 두고 회의가 잡힙니다. 가장 먼저 손이 가는 곳은 결과 지표입니다. ROAS, CPA, 전환 수를 다시 열어보고, 차트가 꺾인 지점을 찾고, 어디부터 손대야 할지 추측을 시작합니다. AI 에이전트에게도 같은 방식으로 묻기 쉽습니다. "지난주 ROAS 왜 떨어졌어?"라고요. 답은 빠르게 돌아오지만, 그 답이 맞는지 확인하기 위해 결국 사람이 같은 데이터를 다시 열어보게 됩니다.

결과 지표는 이미 일어난 일의 요약입니다. 실제 원인은 목표 정의, 캠페인 구조, 예산 흐름, 전환 추적, 소재 반응이 서로 얽힌 뒤에야 모습을 드러냅니다. 에이전트에게도 같은 순서가 필요합니다. '왜 떨어졌어'보다 '어떤 순서로 확인했고, 어떤 원인을 배제했는지 보여줘'라고 물을 때, 답변은 느려 보여도 다음 의사결정으로 이어집니다.

순서가 있어야 같은 계정을 다음 주에 다시 봐도 판단이 재현됩니다. 사람이 승인해야 할 변경과, 에이전트가 반복 점검해도 되는 확인이 자연스럽게 나뉘고, 팀 안에서 "이 캠페인은 왜 그렇게 판단했어?"라는 질문에도 같은 근거로 답할 수 있습니다.

광고 계정을 읽는 5단계 순서

광고 계정을 읽을 때 기본 순서는 다음과 같습니다. 위 단계가 흔들리면 아래 단계의 해석이 무의미해진다는 원칙을 따릅니다.

1. 목표와 전환 정의를 먼저 확인합니다. 같은 CPA 1만 원이라도 구매, 리드, 장바구니, 회원가입 중 무엇을 최적화하는지에 따라 해석이 완전히 달라집니다. 이 단계를 건너뛰면 "성과가 좋아졌다"는 답변이 실제로는 더 가벼운 전환으로 옮겨간 결과일 수 있습니다.
2. 캠페인 구조를 봅니다. 목표가 서로 다른 캠페인이 한 묶음에 섞여 있는지, 예산을 나눌 기준이 명확한지, 학습이 가능한 단위로 광고그룹이 구성되어 있는지 확인합니다. 구조가 깨져 있으면 어떤 소재를 바꿔도 결과는 비슷합니다.
3. 예산과 입찰 흐름을 확인합니다. 성과 하락이 시장 수요 문제인지, 일 예산 부족으로 노출이 끊긴 시간대 문제인지, 갑작스러운 증액으로 학습이 흔들린 결과인지 구분합니다. 이 셋은 대응이 완전히 다릅니다.
4. 전환 품질과 추적 상태를 검증합니다. 전환 수가 늘어도 평균 결제 금액이 떨어졌거나 추적 이벤트가 바뀌었다면, 그 위에서 계산한 CPA와 ROAS는 같은 캠페인을 다른 잣대로 보고 있는 셈입니다.
5. 소재, 검색어, 랜딩 신호를 마지막에 봅니다. 앞 네 단계가 안정적일 때만 CTR 하락이 "소재 피로도"라는 결론으로 이어집니다. 같은 CTR 하락도 구조나 예산이 흔들린 상황에서는 다른 원인을 가립니다.

이 순서는 처음에는 느려 보이지만 실제 운영에서는 오히려 빠릅니다. 전환 정의가 바뀐 줄 모르고 소재부터 갈아엎거나, 예산 구조가 깨진 캠페인에서 검색어만 정리하면, 1주 뒤 같은 자리에 같은 문제가 다시 올라옵니다.

단계별로 에이전트가 확인해야 할 데이터

각 단계에서 에이전트는 무엇을 보고, 어디서 자주 오판하는지 정리하면 다음과 같습니다.

이 구조로 계정을 읽으면, 사용자는 최종 답변만 보는 것이 아니라 어떤 데이터를 근거로 어떤 원인을 배제했는지 함께 받습니다. "이 캠페인은 구조 단계에서 통과, 예산 단계에서 학습 불안정 가능성으로 표시"처럼 단계별 통과 여부가 답변 안에 남기 때문에, 다음 주에 같은 계정을 다시 볼 때 어디부터 봐야 할지 바로 이어갈 수 있습니다.

사람이 승인해야 하는 일과 에이전트에게 맡겨도 되는 일

AI 광고 운영에서 사고가 나는 지점은 대부분 분석이 아니라 실행입니다. 분석이 틀리면 다시 분석하면 되지만, 예산이나 입찰 전략, 전환 이벤트가 바뀌면 그날부터 계정 전체 학습이 영향을 받습니다. 그래서 진단 순서를 정하는 만큼이나 "누가 무엇을 결정할 수 있는가"의 경계가 중요해집니다.

• 에이전트에게 맡기기 좋은 일: 반복 리포트 요약, 전일·전주 대비 이상 징후 탐지, 캠페인별 원인 후보 정리, 사람이 확인해야 할 항목 체크리스트 초안 작성
• 사람이 승인해야 할 일: 예산 증액과 감액, 캠페인 중단, 전환 목표 변경, 입찰 전략 변경, 광고주에게 전달되는 최종 리포트 문장 확정
• 함께 처리해야 할 일: 에이전트가 변경 후보와 근거, 예상 영향 범위를 함께 제시하고, 운영자가 리스크를 확인한 뒤 실행 여부를 결정하는 반자동 워크플로

왜 지금 이 순서가 더 중요해졌나

광고 플랫폼은 이미 AI 중심으로 빠르게 이동하고 있습니다. Google은 기존 Search 캠페인을 AI Max 기반으로 전환하는 일정을 공식화했고, Meta는 광고주가 목표만 공유하면 캠페인 운영을 돕는 AI business assistant 방향을 밝혔습니다. 플랫폼이 더 많은 판단을 자동으로 내릴수록, 운영자가 확인해야 할 것은 "AI가 무엇을 바꿨는가"보다 "AI가 어떤 전제를 기준으로 판단했는가"로 옮겨갑니다.

이때 광고 운영자의 역할은 모든 버튼을 직접 누르는 사람에서, 계정의 목표와 검증 기준을 설계하는 사람에 가까워집니다. 같은 "성과 개선"이라도 누구는 매출 ROAS를, 누구는 신규 고객 비중을, 누구는 LTV 기준의 캠페인 효율을 기준으로 보는데, 이 전제가 다르면 같은 AI 답변도 다른 결정으로 이어집니다.

에이전트가 계정을 읽는 순서를 팀이 합의해 두면, 이 전제가 매번 다시 설명되지 않고도 일관되게 적용됩니다. 결과적으로 리포트와 실행 품질이 안정되고, 신규 담당자가 들어와도 같은 기준 위에서 판단을 이어받을 수 있습니다.

이 흐름을 대화형 점검으로 바꾸면

이 구조를 제품 안에서 구현할 때 목표는 광고 데이터를 한 화면에 더 빽빽하게 쌓는 것이 아닙니다. 운영자가 자연어로 질문하면 에이전트가 연결된 광고 데이터를 정해진 순서로 읽고, 원인 후보를 좁히며, 다음 행동을 제안하게 만드는 것입니다.

예를 들어 운영자가 "지난주 ROAS가 흔들린 캠페인 알려줘"라고 물으면, 에이전트는 답을 바로 단정하는 대신 다음 흐름으로 움직입니다.

1. 대상 계정, 기간, 최적화 목표가 무엇인지 먼저 확인합니다. 필요한 정보가 부족하면 사용자에게 한 번 더 묻습니다.
2. 캠페인 구조와 최근 예산·입찰 변경 이력을 요약합니다.
3. 성과 변화가 큰 구간을 찾아 가능한 원인을 분류하고, 각 원인에 대한 근거 데이터를 함께 표시합니다.
4. 전환 품질이나 추적 이슈처럼 먼저 배제해야 할 리스크를 별도 항목으로 분리합니다.
5. 실행이 필요한 항목은 자동 실행하지 않고, 사람의 승인 또는 추가 확인이 필요한 형태로 따로 묶어 보여줍니다.

이 흐름은 대시보드를 대체하기 위한 것이 아닙니다. 운영자가 매번 같은 차트를 직접 열어 같은 순서로 비교하던 시간을 줄이고, 대신 "무엇을 결정할지"에 더 많은 시간을 쓰게 만드는 것이 목적입니다.

바로 적용할 체크리스트

글을 닫기 전에, 다음 점검에 그대로 가져갈 수 있는 항목을 정리합니다.

• AI에게 계정 분석을 요청하기 전에 캠페인의 최종 목표와 전환 이벤트를 한 줄로 적어 둔다.
• 성과 질문에는 기간, 비교 기준, 매체, 캠페인 범위를 함께 넣어 같은 답변을 다시 받을 수 있게 만든다.
• 답변에는 원인 후보뿐 아니라 배제한 원인과 그 근거를 함께 요구한다.
• 예산, 입찰, 전환 목표 변경은 자동 실행하지 않고 사람의 승인 단계를 거치게 둔다.
• 반복 리포트는 같은 순서로 읽히게 구성해, 전주·전월 비교가 한눈에 가능하도록 형식을 고정한다.