카카오 데이터와 AI로 완성하는 광고 최적화

인지·관심·고려·전환 단계의 성과와 KakaoTalk·Daum·Gift·commerce에서 얻은 행태 지표를 join해 각 단계 사용자가 어떤 특징을 갖는지 표현한다. 지표가 많을수록 사람이 해석하기 어려워지므로 AI가 중요한 pattern을 요약한다. 원천 수치를 답하는 도구가 아니라 광고주의 목표와 브랜드 맥락에서 의미를 설명하는 agent를 지향한다.

마케터·대행사 인터뷰에서 digital marketing, performance, data analysis 역할과 의사결정 순서를 추출했다. 먼저 web·설정·상품 검색으로 광고 목표를 profiling하고, 성과와 funnel을 분석한 뒤 실제 campaign action을 제안한다. 내부 ML과 상품 tool을 연결해 '예산을 늘리라'가 아니라 비율·target·소재까지 구체적인 조치로 바꾸려 한다.

대용량 광고 데이터와 긴 LLM 대기를 고려해 Python·FastAPI 비동기 server를 선택했다. Java 안정성도 검토했지만 팀 역량, 제한 인력, 당시 AI library 지원을 종합해 현실적인 구현 속도를 우선했다. Provider·tool·engine, pipeline, service, router 네 layer로 문제를 작은 단위로 나눠 특정 agent framework에 종속되지 않고 분석가와 backend 개발자의 역할도 분리했다.

현재 제안은 여전히 추상적인 부분이 있어 creative 생성과 광고 실행 tool을 더 연결해 실제 적용 가능한 action으로 발전시킨다. Display 광고를 넘어 commerce seller에게 상품 정보로 소재를 만들고 적합한 campaign까지 추천하는 식으로 platform 간 경계를 넓힌다. 각 광고 여정을 AI 기능으로 만들고 agent tool로 조합해 더 구체적인 자동 최적화를 제공할 계획이다.