기존 리타기팅의 한계, 반복 노출로 인한 광고 피로도 증가AI 기반 정교한 타기팅으로 구매 가능성 높은 고객 공략
  • 경기 침체와 소비 심리 위축 속에서 이커머스 기업들은 단순한 광고 노출을 넘어 정교한 타기팅 전략을 고민하고 있다. 특히 인공지능(AI) 기반 리타기팅이 기존의 한계를 극복할 대안으로 주목받고 있다. AI를 활용한 맞춤형 광고는 고객의 행동 데이터를 실시간 분석해 최적의 시점에 노출되며, 구매 가능성이 높은 고객을 정밀하게 타기팅함으로써 전환율을 극대화하고 있다. 
  • ▲ ⓒ한국은행
    ▲ ⓒ한국은행
    28일 브랜드브리프 취재 결과, 경기 침체와 물가 상승이 지속되면서 소비자들의 구매 패턴이 변화하고 있다. 한국은행이 발표한 '2025년 2월 소비자동향조사'에 따르면 소비자심리지수(CCSI)가 올해 2월에 95.2를 기록하며 세 달 연속 기준선인 100을 넘지 못했다. 소비자들은 경제 불확실성이 커지면서 불필요한 지출을 줄이고, 구매 결정을 더욱 신중하게 내리고 있다.

    이러한 변화는 이커머스 시장에도 직접적인 영향을 미치고 있다. 과거에는 할인 행사나 광고만으로도 소비자의 즉흥적인 구매를 유도할 수 있었지만, 이제는 가격 비교와 리뷰 확인 등 충분한 검토 과정을 거친 후에야 결제가 이뤄지는 경우가 많아졌다. 소비자들의 구매 결정 과정이 길어지면서, 단순한 트래픽 확보만으로는 매출을 증대시키기 어려운 상황이 된 것. 

    이에 따라 이커머스 기업들은 고객의 관심을 지속적으로 유지하고, 구매로 연결하는 전략을 고민해야 하는 현실에 직면했다. 신규 고객 유입은 여전히 중요한 요소지만 광고 비용이 상승하고 전환율이 낮아지면서 단순히 신규 고객을 확보하는 것만으로는 기대한 ROI(투자 대비 수익률)를 달성하기 어려워졌다. 이 때문에 한 번 방문한 고객을 효과적으로 다시 유입시키고 구매로 전환하는 전략, 즉 리타기팅(Retargeting)의 중요성이 더욱 커지고 있다. 

    리타기팅은 사이트를 방문했지만 구매로 이어지지 않은 고객을 다시 유입시켜 전환율을 높이는 마케팅 전략이다. 단순히 광고를 다시 노출하는 것이 아니라, 고객의 실제 관심도를 반영한 맞춤형 접근이 핵심이다. 고객이 브랜드 채널에서 어떤 행동을 했는지 분석한 후, 그들이 관심을 가졌던 제품이나 서비스와 관련된 광고를 다시 보여줌으로써 보다 개인화된 마케팅이 가능하다. 

    그러나 기존의 리타기팅 방식에는 한계가 존재한다. 동일한 광고를 반복적으로 노출하는 방식이 일반적이며, 이는 소비자들에게 피로감을 주고 광고 차단이나 무시로 이어지기 쉽다. 또한 단순히 방문 이력을 기준으로 광고를 노출하다 보니 고객의 실제 구매 의사를 정확히 반영하지 못해 전환율이 낮아지는 문제도 생길 수 있다. 
  • ▲ ⓒ애피어
    ▲ ⓒ애피어
    이를 해결하기 위해 주목받고 있는 것이 AI 기술의 접목이다. 리타기팅이 단순한 광고 노출을 넘어 고객 맞춤형 경험을 제공하는 방향으로 발전하면서, 기업들은 보다 정교한 전략을 위해 AI를 적극 활용하고 있다. AI 기반 광고 및 마케팅 솔루션을 제공하는 애피어(Appier)는 AI 기술을 활용해 기존 방식과 차별화된 리타기팅 접근 방식을 제공하고 있다. 

    AI로 고객의 데이터를 실시간으로 분석해 개인별 맞춤형 추천을 제공하며, 행동 패턴을 바탕으로 광고의 내용과 타이밍을 최적화해 재방문율과 구매 전환율을 높일 수 있다. 애피어의 제품 추천 AI는 대규모 언어모델(LLM)을 기반으로 더 깊은 맥락적 인사이트와 고객의 의도를 파악하고, 실시간으로 개인화된 제품 추천을 제공한다. 행동 요인을 분석해 사용자에게 가장 관련성이 높은 상품을 보여줌으로써 구매 빈도, 리텐션, 고객 생애 가치(LTV)를 함께 끌어올릴 수 있다.

    특히 AI는 고객의 사이트 및 앱 방문 이력 등 다양한 요소를 종합적으로 분석한다. 이를 기반으로 고객이 가장 관심을 가질 가능성이 높은 광고를 최적의 시점에 노출함으로써 효과적으로 구매를 유도한다. 또한 AI 리타기팅은 광고 타깃을 더욱 정교하게 세분화할 수도 있다. 단순히 사이트 방문 이력을 기준으로 광고를 노출하는 것이 아니라, 환불 가능성이 높은 고객은 디타기팅(광고 성과 데이터를 기반으로 AI가 자동으로 전환 가능성이 낮은 사용자를 분석해서 타깃에서 제외하는 방식)하고 구매 가능성이 높은 고객에게 집중적으로 광고를 노출하는 전략으로 광고 효율을 극대화할 수 있다. 

    클라이언트로부터 환불 관련 데이터를 받아 해당 유저들의 과거 행동 데이터를 분석해 앞으로 환불 가능성이 높은 유저들을 예측할 수 있다. 예를 들어 장바구니에 상품을 여러 번 담고도 실제 구매로 이어지지 않거나, 할인 쿠폰을 반복적으로 수령한 뒤 구매 없이 이탈하는 고객은 환불 가능성이 높은 고객으로 분류될 수 있다. 반면 상품 상세페이지에 오랜 시간 머무르거나 결제 페이지까지 진입한 이력이 있는 고객, 과거에 유사한 상품을 구매한 경험이 있는 고객은 구매 가능성이 높은 고객으로 판단된다.

    이 밖에도 애피어의 AI기술이 다양한 행동 및 거래 데이터를 종합적으로 학습해 고객의 패턴을 분석하고, 각 고객이 구매 전환 가능성이 높은지 또는 환불 위험이 높은지를 정교하게 예측해 효과적인 타기팅 전략을 가능하게 한다는 설명이다.

    국내 이커머스 기업 중 한 곳은 애피어의 AI 리타기팅을 도입해 광고 효율성을 극대화했다. 구체적으로 목표 ROAS(광고 비용 대비 수익률) 2500%를 안정적으로 달성했으며, MMP(모바일 측정 파트너) 리포트와 내부 세션 기준의 리포트 간 오차율도 60%에서 10% 미만으로 줄이는 성과를 거뒀다.

    MMP 리포트와 내부 세션 기준 리포트 간의 오차율은 대부분의 이커머스 기업들이 겪고 있는 챌린지 중 하나다. 오차가 발생하는 주된 이유는 측정 기준과 방식의 차이 때문이다. MMP는 광고 클릭부터 앱 설치, 실행까지의 외부 전환 데이터를 기준으로 삼는 반면, 내부 지표는 실제 로그인, 장바구니 담기, 구매 같은 실질적인 사용자 행동을 기준으로 집계한다. 이 밖에도 사용자 식별 방식(MMP는 디바이스 기반, 내부는 계정 기반), 데이터 수집 시점, 어트리뷰션 방식 차이 등도 오차를 만드는 요인이다. 

    오차율이 줄어들면 보다 정확한 광고 성과 분석이 가능해지고, 어떤 캠페인이 실제로 효과가 있었는지를 명확하게 구분할 수 있게 된다. 이로 인해 고성과 캠페인에 과감한 예산 투입을 하거나, 효율이 낮은 캠페인은 신속히 조정, 중단하는 등 전략적 의사결정이 가능하다. 

    애피어 관계자는 "고물가 시대 속 소비 심리 위축으로 신규 고객 유입이 어려워지면서, 기존 고객의 이탈 방지를 위해 자사 채널로 재유입시키고 구매 전환율을 극대화하는 전략이 더욱 중요해지고 있다"며 "기존의 리타기팅 방식만으로는 광고 효율성을 보장하기 어려운 만큼, AI 기반의 정교한 타기팅이 필수적인 요소로 자리 잡고 있다. 이커머스 시장의 경쟁이 더욱 치열해지는 가운데 AI 리타기팅을 활용한 최적화된 광고 전략이 매출 증대와 지속 가능한 성장을 위한 핵심 도구가 될 전망"이라고 말했다.