Wook's AI and Marketing

구글은 말합니다. "AI에 맡기세요. 더 많은 전환을, 더 효율적으로 가져다 드립니다."

Performance Max(PMax). AI Max. 자동 입찰. 광범위 검색(Broad Match). 구글이 최근 몇 년간 밀어붙인 자동화 제품들의 공통 메시지는 동일합니다. "인간보다 AI가 더 잘합니다."

그런데 정말 그럴까요?

이 글은 저명한 학술 논문, 실제 기업 사례, 그리고 업계 전문가들의 분석을 기반으로, AI 마케팅 자동화의 구조적 문제점을 깊이 파헤칩니다. 결론을 먼저 말하자면, AI는 당신의 마케팅 성과를 높이는 것이 아니라 이미 구매할 고객에게 불필요한 광고비를 쓰면서, 그것을 '성과'로 포장하는 데 최적화되어 있을 수 있습니다.

1. Performance Max의 구조적 문제: "블랙박스가 당신의 돈을 쓰는 법"

🎯 문제 1: 브랜드 키워드 잠식 — 업계 데이터가 말하는 불편한 진실

PMax는 검색, 쇼핑, 유튜브, 디스플레이, 디스커버, 지메일, 맵스 — 구글의 모든 인벤토리에 걸쳐 자동으로 광고를 배포합니다. PMax의 AI는 '전환을 극대화(Maximize Conversions)'하도록 설계되어 있고, 가장 쉽게 전환을 만드는 방법은 이미 구매하려고 검색한 사람에게 광고를 보여주는 것입니다.

이것이 바로 브랜드 키워드 잠식(Brand Cannibalization)입니다. 그리고 이 문제의 규모는 추측이 아니라 데이터로 확인된 사실입니다.

📊 Optmyzr 연구 (2024): "90% 이상의 계정에서 잠식 발생"

구글 광고 최적화 플랫폼 Optmyzr는 수천 개의 Google Ads 계정을 분석한 결과, 전체 계정의 90% 이상에서 PMax와 기존 검색 캠페인 간 키워드 중복(Search Term Overlap)이 발생하고 있음을 확인했습니다. 이는 예외적 상황이 아니라 구조적 기본값(Default)입니다.

출처: Optmyzr, "Performance Max vs. Search: The Overlap Problem" (2024)

📊 Adalysis 연구 (2024): "PMax vs Search, 누가 더 잘하는가?"

구글 광고 분석 도구 Adalysis는 PMax와 Search 캠페인이 동일한 검색어에서 경쟁하는 상황을 대규모로 분석했습니다. 결과는 충격적입니다.

비교 항목	Search 캠페인 우위 비율	PMax 우위 비율
전환율(CVR)	84%	16%
전환 가치	84%	16%
클릭률(CTR)	65%	35%
노출수(Impressions)	39%	61%

이 데이터가 보여주는 구조를 분석하면:

PMax가 노출을 더 많이 가져갑니다(61%) — AI가 예산을 적극적으로 소진하기 때문
그러나 전환율은 Search 캠페인이 84%의 경우에서 우월합니다 — 정확한 키워드 매칭이 더 효과적
결론: PMax는 Search가 이미 더 잘하고 있는 트래픽을 빼앗아, 더 낮은 효율로 처리하고, 대시보드에는 "제가 이 전환을 만들었습니다"라고 보고합니다

출처: Adalysis, "Search vs PMax Performance Comparison" (2024)

📊 Adalysis 추가 발견: "67%의 PMax 캠페인이 Search와 중복"

같은 연구에서 Adalysis는 분석 대상 PMax 캠페인의 약 67%가 기존 Search 캠페인의 키워드와 검색어 수준에서 중복을 보이고 있음을 확인했습니다. 이 중복이 발생하면:

PMax가 보고하는 ROAS는 실제보다 부풀려집니다 (이미 올 사람을 잡은 것이므로)
총 매출에는 기여가 없거나 미미합니다 (전체 계정 매출이 동일한데 PMax만 좋아 보임)
브랜드 검색 캠페인의 전환이 감소합니다 (PMax에 빼앗기므로)
광고비는 증가하지만, 실제 신규 고객 획득은 제자리입니다

Loading diagram...

🎯 문제 2: 유튜브·디스플레이의 저품질 인벤토리 — MFA 사이트의 함정

PMax가 영상과 배너 광고를 배포할 때, 어디에 노출되는지 광고주가 완전히 통제할 수 없습니다. 이 '블랙박스' 구조에서 가장 심각한 문제는 MFA(Made for Advertising) 사이트입니다.

MFA 사이트란?

MFA 사이트는 광고 수익만을 목적으로 만들어진 저품질 웹사이트입니다. 자동 생성된 저품질 콘텐츠로 페이지를 채우고, 한 페이지에 수십 개의 광고를 배치하여 광고 노출 수익을 극대화합니다. 이런 사이트에 노출된 광고는:

실제 사용자의 관심을 끌지 못합니다 (봇 트래픽 비율이 높음)
브랜드 이미지를 훼손합니다 (광고가 스팸 사이트에 노출됨)
CPM 기준으로는 '저렴'해 보이지만, 전환 기여는 거의 0입니다

업계 데이터(SpiderAF, 2024)에 따르면, 적극적인 관리 없이 방치된 PMax 캠페인의 디스플레이 예산 중 상당 부분이 MFA 사이트에 유출될 수 있습니다. 구글은 2025년에 게재 위치 보고서(Placement Report)와 계정 수준 게재 위치 제외(Account-Level Exclusion) 기능을 강화했지만, 캠페인 수준의 제외는 여전히 불가능하며, 기본 설정은 여전히 "모든 곳에 노출"입니다.

PMax 디스플레이/유튜브 문제 체크리스트

문제 유형	증상	진단 방법
MFA 사이트 노출	높은 노출수, 0 전환, 높은 이탈률	게재 위치 보고서에서 미확인 도메인 확인
유튜브 무관련 채널	키즈 채널, 음악 MV 등에 노출	유튜브 게재 위치 보고서 확인
리타게팅 과잉	이미 구매한 고객에게 동일 광고 반복	GA4에서 전환 경로 분석
봇 트래픽	비정상적으로 높은 CTR + 0 전환	클릭 사기 탐지 도구 활용

🎯 문제 3: 구조적 이해충돌 (The Principal-Agent Problem)

여기서 간과하기 쉬운 근본적인 문제가 있습니다.

구글은 광고 플랫폼이자 동시에 광고 자동화 도구의 제공자입니다. 구글은 광고주의 예산을 최적화해 줘야 하는 '에이전트'이면서, 동시에 광고주가 더 많은 돈을 쓸수록 매출이 올라가는 '판매자'입니다.

이것은 경제학에서 본인-대리인 문제(Principal-Agent Problem)로 알려진 전형적인 이해충돌 구조입니다.

심판이 동시에 한쪽 팀의 감독인 경기에서, 판정의 공정성을 어떻게 보장하겠습니까?

Loading diagram...

PMax의 AI가 "예산을 최대한 효율적으로 사용했다"고 보고할 때, 그 효율성의 정의는 광고주의 실제 매출 증가가 아니라 구글 플랫폼 내에서의 전환 수 극대화에 맞춰져 있을 수 있습니다.

🎯 문제 4: AI Max for Search — 새로운 자동화, 동일한 함정

2025~2026년에 걸쳐 구글이 출시한 AI Max for Search는 기존 검색 캠페인에 AI 자동화를 더한 제품입니다. 핵심 기능은 자동 키워드 확장(Automatic Keyword Expansion)으로, 광고주가 설정한 키워드를 넘어 AI가 "관련이 있다고 판단하는" 검색어로 자동 확장합니다.

이 기능의 위험성:

의도하지 않은 검색어 확장: "프리미엄 가죽 소파"를 타겟팅했는데, AI가 "저렴한 소파 추천"까지 확장
PMax와 동일한 브랜드 잠식 구조: 브랜드 키워드로의 자동 확장 가능성
Broad Match와의 중첩: 기존 구문 검색(Phrase Match)·정확 검색(Exact Match) 전략을 무력화

구글은 AI Max를 PMax, Demand Gen과 묶어 "파워 팩(Power Pack)"이라는 이름으로 포지셔닝하고 있지만(WordStream, 2026), 업계 전문가들은 이를 "통제권 포기의 3종 세트"라고 경고합니다.

2. AI 자동화가 만드는 5가지 바이어스

PMax의 구조적 문제에서 반복적으로 등장하는 패턴을 정리하면, AI 마케팅 자동화가 만드는 5가지 구조적 편향이 있습니다.

편향 1: 쉬운 전환 편향 (Easy Win Bias)

AI는 전환 확률이 가장 높은 사용자를 우선 타겟팅합니다. 이는 이미 구매 의사가 있는 충성 고객에게 예산이 집중된다는 뜻입니다. 알고리즘 입장에서는 '효율적'이지만, 비즈니스 관점에서는 '광고가 없어도 구매했을 사람에게 돈을 쓰는 것'입니다.

편향 2: 기여도 과장 (Attribution Inflation)

PMax는 라스트클릭(Last Click) 또는 데이터 기반 기여(DDA) 모델로 전환을 보고합니다. 브랜드 검색이나 리타게팅을 통한 전환은 PMax가 없어도 일어났을 전환이지만, 대시보드에는 PMax의 성과로 기록됩니다.

편향 3: 예산 극대화 편향 (Budget Maximization Bias)

AI의 목표 함수는 "주어진 예산 내에서 전환을 극대화"입니다. 이는 구조적으로 예산을 최대한 많이 소진하도록 유도합니다. "이 예산은 쓸 필요 없습니다"라고 보고하는 AI는 존재하지 않습니다.

편향 4: 블랙박스 편향 (Opacity Bias)

PMax는 어떤 키워드에, 어떤 게재 위치에, 어떤 오디언스에게 얼마를 썼는지를 상세히 공개하지 않습니다. 이 불투명성은 광고주가 낭비를 감지하기 어렵게 만들며, 구글은 "AI를 믿으세요"라고 말합니다.

편향 5: 생존자 편향 (Survivorship Bias in Reporting)

PMax가 보고하는 ROAS는 PMax를 통해 발생한 전환만을 집계합니다. PMax 때문에 잠식된 브랜드 검색 캠페인의 전환 감소, 자연 검색의 전환 감소는 같은 대시보드에 나타나지 않습니다. 전체를 보면 성장이 없는데, 부분만 보면 성과가 좋아 보이는 전형적인 생존자 편향입니다.

3. 해결 방법: 증분성(Incrementality) 중심의 마케팅으로 전환

문제를 진단했으니, 해법을 이야기합시다.

✅ 전략 1: 브랜드 키워드를 PMax에서 제외하라

가장 즉각적이고 효과적인 조치입니다. 구글은 2023년부터 PMax에 브랜드 제외(Brand Exclusion) 기능을 제공하고 있습니다. 자사 브랜드명을 제외 리스트에 등록하면, PMax가 브랜드 검색어에 자동 입찰하는 것을 방지할 수 있습니다.

즉시 실행 체크리스트:

PMax 캠페인 설정 → 브랜드 제외 리스트에 자사 브랜드명 등록
별도의 브랜드 검색 캠페인을 정확 검색(Exact Match)으로 유지
PMax 에셋 그룹의 헤드라인·설명문에서 브랜드명 제거

✅ 전략 2: 증분성 테스트(Incrementality Test)를 수행하라

가장 근본적인 해법입니다. "이 광고가 없었어도 이 매출이 발생했을까?"라는 질문에 답하는 실험입니다.

방법:

일시 중지 테스트(Pause Test): PMax를 2~4주간 중단하고, 총 매출·트래픽·전환 수가 어떻게 변하는지 관찰합니다. PMax가 실제로 증분 기여를 하고 있다면 매출이 떨어져야 합니다. 떨어지지 않는다면 — 그 예산은 낭비였습니다.
지역 분할 테스트(Geo-Split Test): 특정 지역에서만 광고를 끄고, 대조군 지역과 비교합니다.
Ghost Ads / PSA 테스트: 실제 광고를 보여줄 위치에 공익광고(PSA)를 대신 보여주고, 그 사용자의 전환을 비교합니다.

✅ 전략 3: PMax를 '발견 레이어'로만 활용하라

PMax를 완전히 폐기하라는 것이 아닙니다. PMax는 브랜드 검색 대체가 아닌, 신규 고객 발견 도구로 포지셔닝해야 합니다.

하이브리드 전략:

캠페인 유형	역할	키워드 타입	통제 수준
브랜드 검색 (Standard Search)	브랜드 트래픽 보호	브랜드 정확 검색	🟢 높음
비브랜드 검색 (Standard Search)	핵심 상업 키워드 커버	비브랜드 정확/구문	🟢 높음
Performance Max	신규 고객 발견·확장	브랜드 제외	🟡 중간
Demand Gen	인지도·관심 확대	관심사 기반	🟡 중간

✅ 전략 4: 신규 vs 기존 고객 가치를 차등 설정하라

구글 광고에는 '고객 획득 목표(Customer Acquisition Goal)' 기능이 있습니다. 이를 활성화하면, PMax에 "신규 고객의 전환 가치를 기존 고객보다 더 높게 평가하라"는 신호를 줄 수 있습니다.

예를 들어, 기존 고객의 구매 전환 가치를 $50으로, 신규 고객의 전환 가치를 $100으로 설정하면, AI가 신규 고객 획득에 더 적극적으로 예산을 배분하게 됩니다.

✅ 전략 5: AI의 성과를 AI로 검증하지 마라

가장 중요한 원칙입니다. PMax의 성과를 PMax 대시보드로만 평가하면 안 됩니다.

독립적 검증 수단:

Google Analytics 4의 전체 채널 전환 추이
검색 콘솔(Search Console)의 자연 검색 클릭·노출 변화
CRM/DMP 데이터를 통한 신규 vs 기존 고객 비율 추적
오프라인 매출 데이터와의 교차 검증

4. 마케터가 반드시 기억해야 할 3가지

💡 교훈 1: AI는 당신의 목표가 아니라, 자신의 목표 함수를 최적화한다

PMax의 목표 함수는 "전환 극대화"입니다. 그것이 신규 고객인지, 어차피 올 충성 고객인지는 구분하지 않습니다. AI에 올바른 제약 조건(Guardrails)을 설정하는 것은 인간의 몫입니다.

💡 교훈 2: 화려한 ROAS 숫자를 의심하라

PMax가 보고하는 높은 ROAS는 브랜드 키워드 잠식의 결과일 수 있습니다. 진짜 질문은 "ROAS가 얼마인가?"가 아니라 "이 광고가 없었어도 이 매출이 발생했을까?(Incrementality)"입니다.

💡 교훈 3: 플랫폼의 권고와 광고주의 이익은 항상 일치하지 않는다

구글이 "더 많은 자동화를, 더 넓은 타겟팅을, 더 많은 예산을"이라고 권고할 때, 그것이 광고주의 이익을 위한 것인지, 구글의 매출을 위한 것인지를 냉정하게 판단해야 합니다. 이 판단이 바로 마케터의 존재 이유입니다.

결론: AI 시대의 마케터는 '감시관(Auditor)'이 되어야 한다

AI 마케팅 자동화는 강력한 도구입니다. 그러나 통제되지 않은 자동화는 낭비를 자동화할 뿐입니다.

Performance Max가 보여주는 화려한 대시보드 뒤에는, 이미 구매할 충성 고객에게 불필요하게 예산을 쓰고 그것을 '성과'로 포장하는 구조적 메커니즘이 작동하고 있습니다.

AI 시대의 마케터에게 필요한 역량은 더 이상 "AI를 잘 세팅하는 것"이 아닙니다. AI가 보고하는 숫자를 의심하고, 독립적으로 검증하며, 올바른 제약 조건을 설정하는 '감시관(Auditor)'의 역할입니다.

"AI는 당신에게 정답을 줄 수 없습니다. AI는 당신이 설정한 목표 함수의 최적해를 줄 뿐입니다. 목표 함수가 잘못되었다면, AI는 잘못된 답을 완벽하게 실행할 것입니다."

📚 참고자료

업계 연구 보고서

Optmyzr (2024). Performance Max vs. Search: The Overlap Problem — 수천 개 계정 분석 결과 90%+ 중복 확인. (Optmyzr Blog)
Adalysis (2024). Search vs PMax Performance Comparison — 67% 캠페인 중복, 84% 전환율 우위 데이터. (Adalysis Blog)
SpiderAF (2024). MFA Sites and Programmatic Ad Fraud — PMax 디스플레이 인벤토리 품질 분석. (SpiderAF)
Search Engine Land (2023–2025). Performance Max Brand Cannibalization 시리즈. (Search Engine Land)

학술 논문

Lewis, R. A., & Rao, J. M. (2015). The Unfavorable Economics of Measuring the Returns to Advertising. Quarterly Journal of Economics, 130(4), 1941–1973. (논문 보기)
Johnson, G. A., Lewis, R. A., & Nubbemeyer, E. I. (2017). Ghost Ads: Improving the Economics of Measuring Online Ad Effectiveness. Journal of Marketing Research, 54(6), 867–884.
Goldfarb, A., & Tucker, C. (2011). Online Display Advertising: Targeting and Obtrusiveness. Marketing Science, 30(3), 389–404.

도서 및 기사

Sinan Aral (2020). The Hype Machine: How Social Media Disrupts Our Elections, Our Economy, and Our Health. Crown Publishing.
WordStream (2026). Google's New Power Pack: PMax + Demand Gen + AI Max. (기사 보기)

AI가 당신의 마케팅 예산을 태우는 법 — Performance Max와 자동화의 숨겨진 함정