AI 트래픽에 흔들리는 리타겟팅 광고, 효율 되살리는 4가지 방법

리타겟팅 세트의 전환율이 이유 없이 떨어졌다면, 소재를 갈아엎기 전에 모수 구성부터 보는 게 순서입니다. 장바구니 이탈이나 상품 조회로 만든 리타겟 오디언스에 사람이 아닌 방문이 섞이면, 모수는 커 보이는데 전환은 따라오지 않거든요. 노출은 그대로 나가니까 결국 ROAS만 빠지는 형태로 드러납니다.

이런 일이 최근 들어 잦아진 배경이 있습니다. 자동화 트래픽이 전체 웹의 53%까지 올라왔고, 클라우드플레어 레이더 집계로는 6월 첫째 주 HTML 트래픽의 57.4%가 봇이었죠. 사이트에 들어온 방문을 사람으로 놓고 픽셀을 찍어 모수를 만들던 방식이 흔들릴 수밖에 없는 환경입니다.

물론 우리 사이트의 리타겟 풀에 실제로 얼마나 섞였는지는 업종과 트래픽 구성에 따라 다릅니다. 그래서 AI 트래픽이 리타겟팅 성과를 어디서 갉아먹는지, 확인하고 되돌리는 방법에는 무엇이 있는지 네 가지로 정리했습니다.

AI 트래픽이 리타겟팅 광고 효율을 떨어뜨리는 3가지 지점

리타겟팅은 우리 사이트나 앱에 왔던 사람을 다시 부르는 광고입니다. 누가 왔었는지는 방문할 때 찍히는 픽셀로 기록하는데요. 픽셀은 브라우저가 코드를 실행했다는 사실만 알 뿐, 그 브라우저를 사람이 잡고 있었는지까지는 구분하지 못합니다. 문제는 여기서 시작됩니다.

1. 사람처럼 집계되는 에이전트 방문

예전 봇은 페이지 소스만 긁어가는 크롤러여서 광고 픽셀까지 건드리는 일이 드물었습니다. 요즘 늘고 있는 쪽은 성격이 다릅니다. 퍼플렉시티 코멧이나 오픈AI 아틀라스처럼 사람 대신 웹을 돌아다니는 에이전틱 브라우저인데, 이미 에이전트 트래픽의 4분의 3 가까이를 차지할 만큼 비중이 커졌죠.

이들이 까다로운 이유는 크로미움을 그대로 쓰는 진짜 브라우저라는 점에 있습니다. 자바스크립트를 실행하니까 광고 픽셀도 사람이 방문했을 때와 똑같이 찍히거든요. 상품 페이지를 열고 장바구니에 담는 동작까지 대신 해주면 그 방문은 그대로 리타겟 풀에 들어갑니다. 게다가 AI 에이전트의 80% 정도가 자기 정체를 제대로 밝히지 않아서, 접속 정보만 보고 걸러내기도 어려운 편이고요.

2. 환불로 되돌릴 수 없는 학습 신호

그렇다고 광고비가 통째로 새는 건 아닙니다. 구글은 무효 트래픽으로 걸러낸 클릭에는 과금하지 않는다고 밝히고 있고, 실제로 상당수는 걸러지거든요. 직접 새는 돈만 놓고 보면 생각보다 크지 않을 수 있습니다.

진짜 손해는 다른 데 있습니다. 클릭이 일어난 그 순간, 해당 이벤트는 이미 입찰 최적화 모델과 오디언스 목록을 지나간 뒤예요. 무효 클릭 필터링은 과금을 지워줄 뿐 이미 그 사건을 지켜본 시스템에서까지 지워주지는 않는다는 지적이 나오는 이유죠.

결국 돈은 돌려받아도 학습은 되돌아오지 않는 셈입니다. 폼을 채우고 나가는 에이전트라면 전환한 고객과 구분이 더 어려워서, 오디언스에 그대로 남기 쉽고요.

3. 리포트에서 확인되지 않는 오염

세 번째가 가장 곤란합니다. 오염이 의심돼도 확인할 방법이 마땅치 않거든요. 에이전틱 브라우저는 사람 대신 움직일 때 사용자 PC의 크롬과 똑같은 브라우저 정보를 보내서, 분석 도구 화면에서는 평범한 크롬 방문 한 건으로 보입니다.

그래서 접속 IP나 브라우저 정보로 거르는 기존 방식으로는 잡히지 않고, 체류 패턴이나 마우스 움직임 같은 행동을 따로 뜯어봐야 구분이 됩니다. 대시보드만 봐서는 모수가 깨끗한지 아닌지 판단할 근거가 없다는 게 이 문제의 실질적인 어려움입니다.

봇을 전부 막는 방식이 답이 아닌 이유

여기까지 보면 자동화 트래픽을 죄다 차단하는 게 깔끔해 보입니다. 그런데 에이전트 트래픽 안에는 실제 매출로 이어지는 것도 섞여 있습니다. 세일즈포스는 2025년 연말 쇼핑 시즌에 AI와 에이전트가 관여한 매출을 2,620억 달러로 집계했는데, 사람이 에이전트에게 시켜서 사는 구매가 그만큼 자리를 잡았다는 이야기고요.

업계가 움직이는 방향도 차단보다 선별 쪽입니다. 7월에는 패스틀리가 익스피리언의 에이전트 검증 체계에 합류하면서, 요청이 서버에 닿기 전 단계에서 누구의 위임을 받은 에이전트인지 확인하고 정상이면 통과시키는 구조를 내놨죠. 봇이냐 사람이냐를 따지던 기준이 누구를 대신해 움직이는지를 확인하는 쪽으로 옮겨가는 중입니다.

리타겟팅 광고 효율을 되살리는 4가지 방법

그럼 광고주 입장에서 지금 손댈 수 있는 건 뭘까요? 손이 덜 가는 순서로 네 가지를 정리했습니다.

1. 사람으로 확인된 이벤트만 전송하기

서버사이드 태깅을 쓰고 있다면 전환 이벤트를 곧바로 광고 플랫폼에 넘기지 않고 한 번 검증한 뒤 보낼 수 있습니다. 이메일 형식이나 일회용 도메인 여부, 연락처 형태를 서버에서 확인하고 통과한 것만 전송하는 방식이죠. 리타겟 모수도 같은 원리로 분리해 두면 좋습니다. 사람으로 확인된 방문, 검증된 에이전트, 미검증으로 나눠 별도 세트로 돌려보면 어느 쪽에서 전환이 빠지는지 바로 드러나거든요.

한계도 분명합니다. 브라우저 정보만으로는 에이전트가 구분되지 않으니, 걸러내는 정확도 자체에 상한이 있거든요.

2. 전환 기준을 구매 쪽으로 옮기기

폼 제출이나 장바구니 담기를 전환으로 잡고 있다면, 결제 완료나 상담 진행처럼 더 뒤쪽 행동으로 기준을 옮기는 방법이 있습니다. 에이전트가 대신 채워줄 수 있는 구간을 지나서 잡으니까, 학습 신호에 섞이는 가짜가 확 줄어들죠.

대신 전환이 뒤로 갈수록 발생 건수는 줄어듭니다. 그만큼 최적화가 자리를 잡는 데 시간이 더 걸린다는 점은 감수해야 하고요.

3. 퍼스트파티 데이터로 모수 다시 짜기

방문 기록 대신 로그인 이력이나 구매 이력처럼 우리가 직접 확인한 데이터로 오디언스를 만드는 방법입니다. 회원가입이나 결제를 거친 사람만 들어오니까 모수의 순도는 확실히 높아지죠.

문제는 규모입니다. 이 방식으로 만든 모수는 이미 우리를 아는 고객으로 한정되기 때문에, 신규 고객을 넓히는 데는 쓰기 어렵습니다. 리타겟팅이 원래 안고 있던 한계가 그대로 남는 셈이죠.

4. 모수의 출처를 웹 밖으로 옮기기

앞의 세 가지는 웹 방문 기록으로 모수를 만든다는 전제를 그대로 두고 그 위에 검증을 덧대는 접근입니다. 전제 자체를 바꾸는 선택지도 있습니다. 애초에 사람이 직접 쓰는 기기에서 신호를 읽어 모수를 만들면, 봇이 섞여 들어올 통로가 생기지 않으니까요.

관심사 기반 앱 푸시 광고가 여기에 해당합니다. 스마트폰에 실제로 설치돼 쓰이는 앱을 신호로 삼는 방식인데, 페어리테크가 이 구조로 광고를 운영하고 있습니다.

페어리테크 관심사 기반 앱 푸시 광고

페어리테크는 스마트폰에 깔린 앱을 신호로 삼아 광고 대상을 고르는 앱 푸시 광고 매체입니다. 어떤 앱을 언제 깔았고 마지막으로 언제 열었는지, 지금 어느 앱에서 무엇을 하고 있는지까지 폰 안의 온디바이스 AI가 읽어 대상을 좁히죠.

다른 앱의 푸시 지면에 광고를 싣는 구조

지면 구조부터 짚으면 이해가 빠릅니다. 페어리테크는 자기 앱으로 알림을 보내는 회사가 아니라, SDK를 도입한 여러 제휴 앱의 푸시 알림 자리를 광고 지면으로 열어 둔 매체거든요. 메타에 광고를 걸면 페이스북과 인스타그램 피드에 실리는 것과 같은 구조인데, 실리는 자리가 잠금화면 알림이라는 점이 다릅니다. 그래서 광고주는 자기 앱이 없어도 이미 확보된 1,000만 명 이상 규모의 이용자에게 닿을 수 있습니다.

푸시 광고라고 하면 아무에게나 날아오는 스팸 알림이 먼저 떠오르실 텐데요. 실제로 무작위로 뿌린 알림은 읽히지 않은 채 밀려나기 마련이죠. 페어리테크가 차이를 만드는 지점은 관심사와 타이밍이 맞은 사람에게만 내보낸다는 데 있습니다. 받는 쪽에서도 광고보다는 마침 찾던 정보에 가깝게 읽히고요.

기기에서 만들어지는 모수

페어리테크가 대상을 고르는 근거는 픽셀 기록이 아닙니다. 이용자 폰에 어떤 앱이 깔려 있고 언제 설치했으며 마지막으로 언제 열었는지, 그리고 지금 어떤 앱에서 무엇을 하고 있는지입니다. 이 분석은 서버가 아니라 폰 안의 온디바이스 AI가 처리해서, 개인정보가 기기 밖으로 나가지 않고요.

여기서 중요한 건 신호가 만들어지는 자리입니다. 앱을 내려받아 실제로 쓰는 행위는 사람이 손에 쥔 기기에서만 일어나기 때문에, 웹을 돌아다니는 에이전트가 이 모수에 들어올 경로가 없습니다. 게다가 광고를 받는 이용자는 해당 앱에서 마케팅 수신에 동의한 사람들이라, 출발점부터 실사용자로 좁혀져 있죠.

상황 1. 이사를 앞둔 고객에게 방문 전에 닿기

직방이나 다방을 최근 2주 안에 깔고, 오늘의집까지 며칠 사이에 깐 사람이 있다고 해볼게요. 집을 옮기고 새로 채워 넣을 준비를 시작한 단계로 읽힙니다. 가구나 가전, 인터넷 결합 상품처럼 이 시기에만 필요한 제안을 이때 보내면 반응이 붙기 좋고요. 우리 사이트에 한 번도 온 적 없는 사람이어도 상관없습니다.

상황 2. 우리 앱만 없는 고객에게 첫 주문 제안하기

깔지 않은 앱이 기회가 되는 경우도 있습니다. 어떤 사람 폰에 배달의민족부터 땡겨요까지 배달앱이 잔뜩 있는데 정작 우리 앱만 빠져 있다고 해보죠. 배달은 자주 시키면서 아직 우리 고객은 아닌, 확률 높은 잠재 고객이고요. 평소 배달앱을 여는 저녁 시간에 맞춰 첫 주문 할인권을 보내는 식으로 접근해 볼 수 있습니다.

조건을 겹쳐 갈수록 남는 사람은 계속 줄어듭니다. 어떤 조합으로 어디까지 좁힐 수 있는지는 관심사 타겟팅 작동 방식에서 더 자세히 다루고 있습니다.

사람이 직접 눌러야 잡히는 반응

성과 지표가 만들어지는 방식도 다릅니다. 푸시 알림은 잠금화면에 떠 있는 알림을 손으로 눌러야 클릭이 잡히거든요. 사람이 직접 반응했다는 사실만 지표로 남는 구조죠.

숫자로도 확인됩니다. 페어리테크가 돌리고 있는 시범 캠페인은 대부분 평균 클릭률 10%대를 기록하고 있는데요. 배너나 일반 푸시가 1~2% 선에 그친다는 점을 감안하면 격차가 작지 않은 편이죠. 반응할 만한 사람에게만 나갔기 때문에 나오는 숫자에 가깝습니다.

모수를 지키는 일과 넓히는 일

리타겟팅 성과가 흔들릴 때 소재부터 손대면 원인은 그대로 남습니다. 모수가 어떤 방문으로 채워졌는지, 그중 사람으로 확인된 비중이 얼마인지를 먼저 보는 편이 순서에 맞고요. 서버사이드 검증이나 전환 기준 조정은 지금 쓰는 채널에서 바로 적용해 볼 만합니다.

다만 걸러내기만으로는 모수가 줄기만 할 뿐 넓어지지는 않습니다. 웹 밖에서 만들어진 모수를 하나 더 확보해 두면, 순도를 지키는 일과 신규 고객을 넓히는 일을 함께 가져갈 수 있습니다.

우리 브랜드 기준으로 어떤 관심사 조건이면 몇 명에게 닿을 수 있는지, 단가는 어떻게 되는지 확인해 보고 싶으시다면 아래 버튼으로 페어리테크 서비스 소개서를 받아보세요.

페어리테크 서비스 소개서 신청하기 →

자주 묻는 질문

리타겟 모수에 AI 트래픽이 얼마나 섞였는지 확인할 수 있나요?

정확한 비율을 바로 뽑아내기는 어렵습니다. 에이전틱 브라우저가 일반 크롬과 같은 브라우저 정보를 보내서 분석 도구에서 구분되지 않거든요. 대신 리타겟 모수를 사람으로 확인된 방문과 미검증으로 나눠 별도 세트로 돌려보면, 전환율 차이로 오염 정도를 간접 확인할 수 있습니다.