AI 광고, 브랜드 전략까지 반영한다 … 챗GPT 넘어 ‘브랜드 어조’ 학습한 국산 모델 공개

광고 문구는 지금도 ChatGPT가 만들어 준다. 하지만 어떤 표현이 우리 브랜드에 맞고, 어떤 문장이 고객 반응을 끌어낼지는 여전히 마케터 몫이다.

덱스터크레마는 브랜드 어조와 소비자 반응 데이터를 학습한 광고 특화 인공지능 모델을 개발했다. 손동진 덱스터크레마 대표는 관련 내용을 담은 논문을 『상품학연구』 제43권 제2호(2025년 4월)에 발표했으며, 5월 24일 한국상품학회 춘계학술대회에서도 해당 내용을 발표했다.

논문에서는 AI가 브랜드 어조에 맞춘 광고 문구를 생성하고, 수천 개의 키워드를 자동 분류하며, 문구별 성과 예측까지 가능하도록 설계한 ‘애드플로러(Adplorer)’의 개발 사례를 소개했다. 논문에서는 A솔루션으로 표기됐다.

예를 들어 반려동물 신발을 판매하는 기업의 경우, AI는 “산책 후 발 씻기 귀찮다면?”, “염화칼슘 걱정 없는 눈길 산책” 같은 문구를 자동 추천한다. 고객 유형별로 어떤 문장이 효과적인지도 분석해 제안할 수 있다.

기존처럼 마케터가 직접 문구를 작성하고 A/B 테스트를 반복하는 방식과 비교하면, 전략 설계 외의 반복 작업은 대부분 AI가 수행할 수 있는 구조다.

논문은 기존 GPT-4 기반 프롬프트 엔지니어링 방식의 한계를 짚는다.

수천 개 키워드를 고객의 구매 여정(CDJ)에 맞춰 분류하는 과정에서 토큰 비용이 급증했고, 처리 속도는 느려졌으며, 환각(hallucination) 현상으로 문구 신뢰도도 낮아졌다.

실제 실험에서는 키워드 분류 정확도가 약 80% 수준에 머물렀고, 한 캠페인당 평균 2천 원 이상 처리 비용이 발생했다.

논문은 이를 “속도, 비용, 신뢰도 모든 면에서 개선이 필요했던 구조”로 평가했다.

해결책으로 연구진은 GPT 계열 모델 대신 오픈소스 기반 Llama-3를 도입해 광고 데이터에 특화된 소형 언어모델을 개발하고 있다.

논문은 이 과정을 “광고 마케팅에 실질적으로 최적화된 거대언어모델 구축”이라고 설명했다.

모델 개발에는 한국과학기술정보연구원(KISTI)의 과학기술 특화 모델 ‘KONI’가 벤치마킹됐으며, 검색결과 기반 생성(RAG) 기술을 통해 정확도를 높이고, 로컬 모델 구조를 적용해 운영 효율성을 확보했다.

이번 연구에서 개발된 광고 특화 모델은 피상적인 문구 생성 기능을 넘어, 브랜드 어조를 유지하고 소비자 감성·검색 트렌드까지 반영하는 방향으로 진화했다.

고급 브랜드에는 프리미엄 어조, 젊은 소비자층 대상 브랜드에는 감성적 표현을 유지하도록 모델을 학습시킬 수 있다.

자사 커뮤니케이션 가이드와 광고 데이터를 기반으로 브랜드 일관성을 유지하면서, 실시간 소비자 반응에 따라 대응 문구도 자동 생성할 수 있다.

논문은 향후 이 모델이 멀티모달 AI와 결합할 경우, 텍스트 기반을 넘어 이미지, 배너, 영상까지 자동으로 생성할 수 있을 것으로 전망했다.

영상 생성 모델인 Runway나 Sora 등과 연동하면, AI가 전체 광고 캠페인 콘텐츠를 구성하는 미래도 가능하다고 밝혔다.

논문은 “범용 모델도 일정 성과는 가능하지만, 업에 맞춘 튜닝 없이 실질적인 마케팅 성과를 기대하긴 어렵다”며, “AI는 단순한 도구가 아니라, 브랜드 전략의 일부로 통합돼야 한다”고 강조했다.