%ec%9d%b8%ec%8a%a4%ed%83%80%ea%b7%b8%eb%9e%a8
-
인스타그램 광고 성과 미리 예측하는 AI ‘애드바이저’ 개발
소셜미디어 광고는 보통 여러 광고 시안을 실제로 운영해 본 뒤에야 어떤 광고가 효과적인지 확인할 수 있다. 이 때문에 광고를 테스트하는 과정에서 많은 시간과 비용이 필요하다. 더욱이 효과적인 광고의 기준은 브랜드마다 크게 다르다. 어떤 브랜드는 인물 중심 광고를 선호하는 반면, 다른 브랜드는 실제 사용 장면을 강조한 광고에서 더 좋은 반응을 얻기도 한다. 하지만 이러한 브랜드별 효과적인 광고 전략은 현업에서도 명확히 정리돼 있지 않은 경우가 많아, 이를 체계적으로 반영해 광고 성과를 예측하는 기술에도 한계가 있었다.
이러한 문제를 해결하기 위해 KAIST 신기정 교수 연구팀은 인공지능 마케팅 기업 ㈜매드업과의 협력을 통해, 브랜드별 광고 성과를 예측하는 AI 기술인 ‘애드바이저(ADvisor)’를 개발했다.
ADvisor는 이미지와 텍스트를 동시에 이해하는 생성형 시각-언어 모델을 활용하여 브랜드마다 서로 다른 광고 성공 기준을 찾아내고 이를 기반으로 광고 효과를 예측한다. 이를 위해, 브랜드의 특성을 분석할 뿐 아니라, 광고 데이터가 충분하지 않은 신규 브랜드에 대해서는, 비슷한 성향의 다른 브랜드 광고 데이터를 함께 고려해 광고 전략을 도출한다. 이러한 과정을 통해 특정 패션 브랜드에서는 ‘강한 헤드라인 문구’가 중요한 기준으로 분석되는 반면, 다른 브랜드에서는 ‘로고 노출도’가 핵심 요소로 작용하는 등 브랜드마다 서로 다른 광고 성공 기준을 찾아낼 수 있다. 이후 ADvisor는 이렇게 도출한 브랜드별 기준을 바탕으로 광고를 평가한 뒤, 스스로 평가 결과를 다시 검토하고 부족한 부분을 반복적으로 보완하는 과정을 거쳐 최종 예측을 수행한다.
연구팀은 실제 마케팅 캠페인을 통해 수집한 뷰티·패션·플랫폼 분야의 10개 브랜드 데이터를 활용해 기술 성능을 검증했다. 그 결과, ADvisor는 기존 AI 광고 예측 모델 대비 최대 7.2% 높은 성능을 기록했다. 특히 실제 인스타그램 광고 환경에서 진행한 온라인 A/B 테스트에서는 현업 마케팅 전문가가 선택한 광고보다 클릭률(CTR), 클릭당 비용(CPC), 광고비 대비 매출(ROAS) 등 주요 지표에서 평균 27% 더 우수한 성과를 보이며 실제 마케팅 의사결정에 활용될 수 있음을 입증했다.
신기정 교수는 “광고 성과를 사전에 예측하는 것은 효과적인 광고 제작을 위한 첫 단계”라며, “앞으로는 브랜드 특성에 맞는 광고를 AI가 직접 생성하고 최적화하는 방향으로 연구를 발전시켜 나갈 것”이라고 밝혔다.
KAIST 김재철AI대학원의 김경호 석박통합과정과 최연제 석사과정이 제1저자로 참여한 이번 연구는 자연어처리 분야 최고 권위 국제학술대회 중 하나인 ACL 2026의 산업체 부문(Industry Track)에 온라인으로 4월 18일 게재되었으며 구두 발표 논문으로 채택되어 오는 7월 미국에서 발표될 예정이다.
※논문명: Pre-Deployment Advertisement Ranking under Data Scarcity via Context-Aware Criteria Generation with VLMs
※논문 링크: https://openreview.net/forum?id=il84gAzAxx
한편, 이번 연구는 정보통신기획평가원의 지원을 받은 ‘EntireDB2AI: 전체 관계형 데이터베이스를 종합적으로 활용하는 심층 표현 학습 및 예측 원천기술과 소프트웨어 개발’과제의 성과다.
2026.05.29 조회수 1805 -
이동만 교수, 빅데이터로 SNS 분석해 맞춤형 장소 제공 기술 개발
<좌측부터 전산학부 이동만 교수, 신병헌 박사과정 학생, 최인경 박사과정 학생>
전산학부 이동만 교수 연구팀이 소셜 네트워크 서비스(SNS)의 사진과 글을 기반으로 장소의 특성을 분석해 사용자에게 맞춤형 장소를 제공하는 기술을 개발했다. 이 기술은 현재의 위치기반 추천서비스를 인공지능형 개인비서서비스로 도약시키는 원천기술이 될 것으로 기대된다.
이번 연구는 기존 위치기반 장소 검색 및 추천서비스의 검색 수준을 향상시켜 사용자들이 장소를 선택하는 기준을 다양하게 적용시킬 수 있다. 사용자의 트렌드를 반영해 실시간으로 변화된 장소 추천을 할 수 있을 것으로 보인다. 문화기술대학원 이원재, 박주용 교수와 전산학과 차미영 교수가 공동으로 참여한 이번 연구의 API(응용 프로그래밍 인터페이스)는 http://placeness.kaist.ac.kr:8080/ 을 통해 공개됐고 관련 정보는 http://placeness.kaist.ac.kr/wiki/doku.php 에서 열람할 수 있다.
맛집 추천서비스, 소셜 커머스 등 위치를 기반으로 정보 검색 및 추천서비스를 제공하는 업체들은 주로 고객의 후기를 수집하거나 직접 방문을 통해 경험한 내용을 토대로 음식점 혹은 매장을 평가한다. 이는 비교적 정확한 정보를 제공하지만 시간적, 경제적 비용이 많이 소모된다. 또한 사용자 전체의 관심과 선택의 평균에 중점을 두기 때문에 사용자 개인의 특성을 충분히 고려하지 못한다는 한계가 있다. 시간이 지날수록 사용자는 평균 중심의 예상 가능한 선택지를 추천받을 확률이 높아진다.
따라서 같은 장소라도 사용자가 방문하고자 하는 목적이 다르기 때문에(모임, 상견례, 소개팅 등) 방문 목적과 사회적 맥락을 파악할 수 있는 추가적인 기능이 필수적이다. 이를 위해 기본적으로 제공되는 정보 외에도 실제 사람들이 각 장소에서 어떤 세부적 활동을 하며 공간을 소비했는지에 대한 데이터 수집이 필요하다. 연구팀은 문제 개선을 위해 특정 소셜 네트워크 서비스(인스타그램)에 올라온 사진과 텍스트 자료를 바탕으로 이를 분석하는 알고리즘을 개발했다.
기존에 존재하는 딥러닝 방식을 이용해 사진을 분석하는 기술과 연구팀이 새로 개발한 텍스트 분석 기술인 워드백(Wordbag) 기술을 결합했다. 특정 상황이나 분위기에 사용되는 단어들을 분석하고 단어마다 가중치를 둬 분류하는 기술이다. 연구팀은 API에서 주요 연구 이슈에 따라 크게 4개의 세부 분야별 정보를 제공한다. ▲상위 장소의 장소성(장소의 성격 : placeness), ▲상위 장소 내에 있는 세부 장소의 장소성 추론, ▲감성분석 기반의 장소 분위기 추론, ▲사용자와 장소성 간 연관성을 제공한다.
연구팀의 API는 SNS에 존재하는 연구개발 대상으로 지정된 특정 상위장소(코엑스. 아이파크 몰) 및 그 내부의 세부장소에 대해 언급된 데이터를 분석해 행위, 방문자, 시간, 분위기 등 다양한 관점에서 공간의 활용 가능성을 제공한다. 이는 같은 장소라도 사용자가 시간대, 목적에 따라 다르게 활용했던 이력이나 기존 서비스에서 제공이 어려웠던 분위기(ex. 밝은, 전통적인 등)나 방문 목적(ex. 데이트, 공부, 회의)을 데이터로 수집할 수 있기 때문에 사용자의 의도에 따라 장소를 추천할 수 있다.
이 교수는 “이 연구에서 개발된 API를 통해 기존의 위치기반 장소 검색 및 추천 서비스의 검색 수준을 향상시키고 방문자들의 트렌드 변화에 따라 자동으로 변화된 장소를 추천할 수 있다”고 말했다. 또한 “기존 비정형 텍스트 데이터 분석의 한계를 극복하기 위해 사진과 텍스트를 동시에 분석해 공간에 대한 사회적 정보를 추론할 수 있어 현재의 위치기반 추천 서비스가 인공지능형 개인비서서비스로 도약하는 핵심 기술이 될 것이다”고 말했다.
이번 연구는 과학기술정보통신부 디지털콘텐츠 원천기술개발사업의 지원을 받아 수행됐다.
2017.08.29 조회수 29887