AI는 마케팅의 측정 문제를 해결하지 못하고 스테이크를 높였습니다. 이제 이사회는 ROI에 대한 증거를 기대함과 동시에 ROI를 제공해야 하는 도구로 인해 귀속을 방어하기가 더 어려워졌기 때문입니다.

• 긴장: 이사회는 AI로 자동화된 미디어가 속성을 방어하기 가장 어렵게 만든 바로 그 순간에 AI 마케팅 ROI에 대한 증거를 요구합니다.
• 소음: 이는 구조적인 문제가 아닌 도구 문제로 제기되었습니다. AI로 자동화된 미디어는 속성이 측정하기 위해 구축된 방식으로 작동하지 않습니다.
• 직접 메시지: 마케팅의 측정 문제는 AI가 아니었습니다. AI는 측정 문제를 논의할 때 마침내 보드가 등장하는 이유입니다.

당사의 편집 접근 방식에 대해 자세히 알아보려면 직접 메시지 방법론을 살펴보세요.

마케팅은 오랫동안 측정 문제를 안고 있었습니다. AI 이전에 존재했던 버전은 실망스러웠지만 관리가 가능했습니다. 기여 모델은 불완전했고, 멀티 터치 가중치는 논쟁의 여지가 있었고, 다운스트림 전환에 대한 브랜드 투자의 기여는 입증하기 어려웠지만 반증하기도 어려웠습니다. CMO는 모호함을 안고 살았습니다. 이사회는 그것을 용인했습니다. 측정 문제는 내부적으로 논의된 채널 혼합의 알려진 한계였으며 거의 ​​확대되지 않았습니다.

AI는 그 문제를 해결하지 못했습니다. 근본적인 기능 장애를 연기하기 어렵게 만드는 방식으로 주변 대화가 바뀌었습니다. 이사회는 방어 가능한 답변을 기대하면서 자본 투자에 대해 묻는 구체적인 방식으로 AI ROI에 대해 질문하기 시작했습니다. 바로 그 순간 마케팅 예산의 가장 큰 부분을 흡수하는 도구가 채널에서 채택한 가장 투명하지 않은 의사 결정 중 일부가 도입된 바로 그 순간입니다.

데이터가 보여주는 것

Gartner 2026년 CMO 지출 설문조사에 따르면 마케팅 리더는 현재 예산의 평균 15.3%를 AI 도구 및 기능에 할당하고 있으며, 이는 지난 2년 동안 성장한 상당한 항목입니다. 30%만이 성숙했거나 완전히 개발된 AI 준비 상태(데이터 기반, 거버넌스, 인재 및 프로세스 성숙도)를 보고했습니다. Gartner는 조직이 AI 투자를 책임감 있게 확장해야 한다고 말합니다. 할당과 준비 사이의 격차는 좁지 않습니다. 이는 마케팅 예산의 의미 있는 부분에 걸쳐 대부분의 조직이 아직 완전히 설명할 수 있도록 구축되지 않은 투자를 나타냅니다.

더 넓은 측정 그림은 일관됩니다. IAB의 2026년 데이터 현황 보고서에 따르면 구매측의 최대 75%가 속성, 증분 테스트, 미디어 믹스 모델링 등 선도적인 고급 측정 접근 방식이 엄격함, 적시성, 신뢰 및 효율성 측면에서 성과가 저조하다고 밝혔습니다. 이와 별도로 Gartner는 84%의 기업에서 “브랜드 파멸의 고리”를 기록했습니다. 브랜드 측정에 대한 투자 부족은 결과에 대한 신뢰도를 떨어뜨리고, 이로 인해 브랜드 예산이 더욱 부족해지고 결과적으로 브랜드 가치를 입증할 측정에 대한 투자가 훨씬 적어집니다. 해당 연구는 AI가 아닌 브랜드 측정에 관한 것이며 Gartner는 이러한 연결 자체를 도출하지 않았습니다. 그러나 자금이 부족한 사람들이 자신의 주장을 입증할 수 없어 자금이 부족한 상태를 유지하는 메커니즘은 현재 많은 CMO가 AI 지출에 대해 설명하는 함정에 대한 투기적일지라도 유용한 렌즈를 제공합니다.

AI가 어트리뷰션을 더 쉽게 만든 것이 아니라 더 어렵게 만든 이유

마케팅 측정에서 AI의 약속은 일관성이 있었습니다. 머신 러닝 시스템은 이전의 규칙 기반 모델보다 더 많은 데이터를 처리하고 더 많은 신호를 식별하며 더 정확한 속성을 생성할 수 있었습니다. 일부 좁은 맥락에서는 이것이 사실임이 입증되었습니다. AI 기반 미디어 믹스 모델링은 기존 접근 방식보다 더 빠르게 실행되고 더 많은 변수를 통합할 수 있습니다. 예측 대상 모델은 인구통계학적 타겟팅보다 전환 가능성이 있는 사용자를 더 정확하게 식별할 수 있습니다.

약속이 적절하게 예상하지 못한 것은 AI가 측정 계층에서 미디어 실행 계층으로 이동할 때 속성에 어떤 일이 일어날 것인가였습니다. Meta의 Advantage+ 및 Google의 Performance Max와 같은 플랫폼은 미디어 기획자가 설정한 매개변수 내에서만 최적화하지 않습니다. 구매자가 지정하지 않았으며 종종 완전히 감사할 수 없는 잠재고객 세그먼트 및 인벤토리 유형 전반에 걸쳐 타겟팅 결정, 광고 소재 선택, 입찰 전략 및 게재위치 선택을 자율적으로 내립니다. AI의 논리는 설계상 불투명합니다. 시스템은 특정 신호 조합이 더 나은 결과를 생성한다고 판단하고 그 뒤에 있는 추론을 노출하지 않고 해당 결과에 맞게 최적화합니다.

속성의 경우 이로 인해 특정 문제가 발생합니다. 마지막 클릭, 멀티 터치, 데이터 기반 등 기존 기여 모델은 개별적이고 관찰 가능한 터치포인트(광고 노출, 클릭, 전환)를 통해 사용자의 여정을 추적하는 방식으로 작동합니다. AI 시스템이 마케팅 담당자가 볼 수 없는 신호 분포에 대해 타겟팅 결정을 내릴 때 터치포인트를 분리하기가 더 어려워집니다. 어떤 터치포인트가 이 전환을 일으켰는지에 대한 속성 질문은 선택 기준을 검사할 수 없는 시스템에서 터치포인트를 선택한 경우 의미가 떨어집니다. 모델이 생성하는 답변은 전체적으로 정확할 수 있습니다. 이사회가 요구하는 특정 채널, 캠페인 또는 크리에이티브 수준에서 방어하는 것은 매우 어렵습니다.

AI가 측정 자체에 적용될 때 문제는 더욱 복잡해집니다. 모든 마케팅 스택에는 개인정보 보호 제한, 장치 간 매칭 제한, 오프라인 행동의 구조적 비가시성으로 인해 기본 데이터에 공백이 있습니다. AI는 이러한 격차를 해결하지 않습니다. IAB의 자체 보고서에서 경고했듯이 측정을 통합하고 가속화할 수 있지만 투명성과 거버넌스가 없으면 마케팅 담당자가 이미 직면하고 있는 블랙박스 결정, 즉 스프레드시트보다 조사하기 어려운 기계 학습의 권한으로 내려진 결정을 강화할 위험이 있습니다.

문제를 표면화하는 이사회의 역할

마케팅의 측정 기능 장애는 이사회 위기로까지 이어지지 않은 채 수년 동안 존재해 왔습니다. 그 이유는 이를 가장 잘 이해하는 사람, 즉 마케팅 리더가 위쪽으로 관리하는 사람이었고, 마케팅 관련 대화를 관리할 재량권이 있었기 때문입니다. AI는 이러한 역학을 특정한 방식으로 변화시켰습니다. 즉, 이사회가 이전에는 묻지 않았던 질문을 할 이유를 제공했습니다.

AI 투자가 IT 예산의 주요 항목이었을 때 이사회는 기술에 적용하는 프레임워크(구현 비용, 효율성 향상, 위험)를 사용하여 이를 평가했습니다. AI 투자가 마케팅 예산에서 중요한 비중을 차지하게 되자(Gartner에 따르면 15.3%, 계속 성장하고 있음) 이사회에서는 자본 배분에 적용하는 프레임워크를 사용하여 이에 대해 질문하기 시작했습니다. 수익은 무엇이며, 어떻게 측정되며, 왜 더 할당해야 합니까? 이것은 합리적인 질문입니다. 이는 또한 측정 인프라가 현재 보드가 기대하는 신뢰도로 답변을 지원하지 않는 질문이기도 합니다.

15%의 AI 예산 할당과 많은 업계 실무자들이 부족하다고 설명하는 측정 프레임워크를 가지고 이사회에 등장하는 CMO는 구조적으로 불편한 위치에 있습니다. AI 투자는 가시적이고 정량화 가능합니다. 반품은 되지 않습니다. 그리고 CMO가 소프트 지표와 전략적 근거를 바탕으로 오랫동안 옹호해 온 브랜드 투자와는 달리, AI는 정량화 가능성에 대한 암묵적인 약속을 담고 있습니다. 전체적인 내용은 AI가 더 나은 데이터, 더 나은 측정, 더 나은 책임을 생성한다는 것이었습니다. AI 투자를 승인한 이사회는 이를 전제로 승인했습니다. 이제 측정이 실제로 더 어렵다고 설명해야 하는 CMO는 반대 입장에서 약속한 내용에 대해 다시 보고하고 있습니다.

IAB의 프로젝트 Eidos가 하려는 일

업계의 문제 인식으로 조율된 대응이 이루어졌습니다. 2026년에 발표된 IAB의 프로젝트 Eidos는 고급 측정 지표의 신뢰 격차를 해결하기 위한 업계 전반의 노력으로, 30개 마케팅 회사의 리더들을 모아 AI 기반 측정 시스템에 대한 표준화 및 투명성 표준을 연구합니다. 이 프로젝트는 현재의 측정 환경이 CMO에게 자신의 결정을 방어할 수 있는 도구를 제공하지 않으며 업계에서는 AI 기반 측정이 공개하고 입증해야 하는 것에 대한 공유 표준이 필요하다는 점을 명시적으로 인정합니다.

Gartner 연구와 업계 논평에 모두 반영된 신흥 실무자의 합의는 삼각 측량입니다. 즉, 미디어 믹스 모델링, 멀티 터치 속성 및 증분성 테스트를 병렬로 실행하고 각 방법은 다른 방법에 대한 교차 확인을 제공합니다. 이 접근 방식은 어떤 단일 방법보다 더 방어적인 추정치를 생성하지만 측정 인프라 및 전문 지식에 대한 상당한 투자가 필요합니다. 특히 측정이 이사회에서 보상하는 가시적인 결과를 생성하지 않기 때문에 대부분의 마케팅 조직이 꺼려온 투자입니다.

연구가 실제로 말하는 것

이 연구에서 나타난 그림은 AI가 실패했다는 것이 아닙니다. AI 도구는 생산성 향상, 대상 타겟팅 개선, 대규모 콘텐츠를 제공합니다. 그 혜택은 진짜입니다. 도구가 제공하지 못했고 어떤 면에서는 제공하기가 더 어려워진 것은 현재 이사회가 기대하는 투자 수익이라는 언어로 이러한 이점을 방어할 수 있는 책임 인프라입니다.

이 격차는 더 나은 AI로 해결되지 않습니다. 이 문제가 해결된다면 업계에서 체계적으로 자금이 부족한 측정 인프라에 대한 투자, 마케팅 담당자가 구매하는 AI 시스템에 대한 가시성을 제공하는 규제 및 플랫폼 투명성 표준, AI가 자체 측정 요구 사항을 갖춘 강력한 도구가 아닌 마케팅 증명 문제에 대한 솔루션으로 이사회에 판매되었을 때 설정된 기대치를 재설정함으로써 해결될 것입니다. 더 나은 책임성을 전제로 AI 투자에 자금을 지원한 이사회는 회계를 기다리고 있으며 회계가 연체되었습니다.