-광고 성과 데이터와 전문가 피드백 루프 기반으로 차별화
-LEVER Xpert·ADVISOR 통해 AI 마케팅 엔진 고도화

AI 마케팅 기업 매드업이 자체 데이터 플랫폼을 기반으로 AI 마케팅 기술 경쟁력 강화에 나섰다.

최근 생성형 AI와 자율형 에이전트 AI의 확산으로 마케팅 테크 기업의 경쟁 기준도 변화하고 있다. 외부 AI 모델을 활용하는 수준을 넘어, 독자적인 학습 데이터와 이를 지속적으로 보완하는 피드백 체계를 갖췄는지가 핵심 경쟁력으로 떠오르고 있다.

매드업은 2015년 창업 이후 광고 운영 과정에서 축적되는 데이터를 기반으로 자체 데이터 플랫폼 구축에 투자해왔다. 광고 성과 데이터를 수집·정제·분석하고, 이를 AI가 학습 가능한 형태로 구조화하는 체계를 갖춰 AI 마케팅 솔루션 고도화에 활용하고 있다는 설명이다.

회사 관계자는 “매드업의 AI 기술력은 단순히 외부 AI 모델을 활용하는 데서 나오는 것이 아니라 광고 성과 데이터를 안정적으로 수집하고, 이를 AI 학습에 적합한 형태로 구조화하며, 마케팅 전문가의 판단을 다시 데이터로 환원시키는 체계에서 나온다”고 말했다.

매드업의 데이터 경쟁력은 자체 Data Management Platform에서 출발한다. Google, Meta, 네이버, 카카오 등 주요 광고 플랫폼의 데이터는 API 규칙과 호출 제한, 집계 방식이 각각 다르고, 전환 추적 기간에 따라 과거 수치가 보정되는 등 변동성이 크다.

매드업은 수집 서버와 비동기 파이프라인 체계를 직접 설계·운영하며 데이터의 무결성과 최신성을 유지하고 있다. 이를 통해 AI 학습과 분석에 활용할 수 있는 형태로 데이터 웨어하우스를 관리하고 있다.

회사는 이 같은 데이터 인프라가 범용 LLM 서비스와 차별화되는 지점이라고 보고 있다. 매드업이 장기간 축적해 온 캠페인, 매체, 소재 단위의 데이터와 실제 광고 집행 과정에서 확보되는 전환값, ROAS 등 비공개 성과 데이터는 일반적인 공개 데이터 기반 AI 모델이 접근하기 어려운 영역이다.

여기에 지연 데이터와 중복 데이터를 통제하는 정제 시스템, 광고주 유입과 데이터 축적, 솔루션 고도화, 광고 효율 개선으로 이어지는 데이터 순환 구조도 매드업의 경쟁력으로 꼽힌다.

전문가 피드백 루프도 핵심 요소다. 광고의 톤앤매너, 카피 차이, 업종별 소비 심리 등은 단순 데이터만으로 판단하기 어려운 영역이다. 매드업은 실무 마케터의 전략적 판단 기준과 피드백을 AI 학습 파이프라인에 연동해 추천 로직과 성과 진단 체계에 반영하고 있다.

예산 조합과 메시지 전략이 실제 전환으로 이어지는 과정에서 전문가의 해석을 데이터화하고, 이를 다시 AI 모델 고도화에 활용하는 방식이다. 회사 측은 이러한 구조가 광고 도메인 지식과 AI 기술을 결합한 차별화 요소라고 설명했다.

이 같은 데이터 허브와 마케터 의사결정 구조는 매드업의 ‘LEVER Xpert’ 솔루션과 ‘ADVISOR’ 예측 모델을 통해 고도화되고 있다. LEVER Xpert는 광고 운영 업무 자동화를 넘어 성과 진단과 운영 전략 수립을 지원하는 AI 마케팅 에이전트로 발전하고 있다.

ADVISOR는 실제 광고 집행 전 제한된 샘플 데이터를 바탕으로 소재의 잠재 성과를 예측하는 모델이다. 최근 ACL 논문 채택을 통해 외부 검증 사례를 확보했으며, 광고 소재 평가와 캠페인 운영 의사결정에 활용될 수 있도록 개발되고 있다.

생성형 AI 시대에 마케팅 경쟁력은 AI 모델 자체뿐 아니라 모델을 고도화할 수 있는 데이터와 도메인 지식에서 나온다는 평가가 나온다. 특히 마케팅 영역은 광고 소재, 소비자 반응, 캠페인 성과, 매체별 알고리즘, 전환 데이터가 복합적으로 결합되는 만큼, 이를 정확히 수집하고 해석하는 역량이 중요하다.

매드업은 자체 데이터 플랫폼과 AI 에이전트 LEVER Xpert를 기반으로 이 같은 과제를 해결해 나간다는 계획이다. 데이터 인프라, 광고 도메인 지식, AI 모델, 전문가 피드백 루프를 결합한 구조를 핵심 기술 자산으로 삼고 AI 마케팅 시장에서의 경쟁력을 강화하고 있다.

매드업 관계자는 “AI 마케팅의 경쟁력은 모델을 얼마나 잘 활용하는지에 그치지 않고, AI가 학습할 수 있는 데이터를 얼마나 깊고 정교하게, 그리고 광범위하게 보유하고 있는지에 달려 있다”고 말했다.

ⓒ이코노미스트(https://economist.co.kr) '내일을 위한 경제뉴스 이코노미스트' 무단 전재 및 재배포 금지