구글 광고·애널리틱스에 AI 분석 추가…작은 회사의 마케팅 보고서가 달라진다

구글이 2026년 8월 10일 구글 광고와 구글 애널리틱스에 새로운 AI 요약, 질문형 분석, 자동 대시보드, 업종 비교 기능을 추가한다고 발표했다. 광고 담당자가 여러 보고서를 직접 넘겨 보며 매출과 방문자 변화의 원인을 찾는 대신, 첫 화면에서 중요한 변화를 요약받고 일상적인 문장으로 질문해 시각화된 보고서를 만들 수 있게 하는 업데이트다.

이번 변화는 챗봇에 광고 문구를 써 달라고 부탁하는 기능과 다르다. 구글이 집중한 곳은 광고를 만든 뒤 성과를 읽고 다음 결정을 내리는 단계다. 예를 들어 “지난주 매출은 늘었는데 광고 효율은 왜 떨어졌나”, “비슷한 업체와 비교해 우리 캠페인은 어느 부분이 약한가” 같은 질문에 구글 광고와 애널리틱스 안의 데이터를 바탕으로 답하고, 필요하면 다음 분석으로 이어 준다.

일반 독자가 궁금해할 질문은 “소규모 회사도 데이터 전문가 없이 구글 광고 성과를 제대로 이해할 수 있게 되는가”다. 답은 ‘첫 분석의 문턱은 낮아지지만, AI가 예산 결정을 대신해도 된다는 뜻은 아니다’이다. 새 기능은 이상 변화를 빨리 찾고 보고서를 만드는 시간을 줄일 수 있다. 그러나 매출이 움직인 진짜 원인이 광고인지, 계절인지, 가격 변화인지 판단하는 데는 여전히 사업 맥락과 사람의 확인이 필요하다.

새로 추가되는 기능은 무엇인가

구글의 공식 발표는 구글 광고와 구글 애널리틱스에 네 가지 변화를 제시했다. 공통 기반은 ‘어드바이저에게 묻기(Ask Advisor)’다. 이는 마케팅 플랫폼 안에서 질문을 받고 데이터를 분석해 주는 제미나이 기반 AI 도우미다.

첫째, 구글 애널리틱스 첫 화면에 AI 개요가 나타난다. 이용자가 마지막으로 접속한 뒤 중요하게 바뀐 지표를 요약해 보여 준다. 계절적 매출 급증이나 방문자 변화처럼 눈여겨볼 현상을 먼저 골라 주고, 데이터 카드 하나를 누르면 그 맥락을 어드바이저에게 넘겨 더 자세히 분석할 수 있다. 전화나 이메일 알림의 빈도도 이용자가 정할 수 있다.

둘째, 구글 광고 첫 화면에는 사업별로 개인화된 AI 인사이트 카드가 추가된다. 경쟁사의 광고 활동이 노출 점유율에 어떤 영향을 주는지, 어떤 흐름을 활용하면 캠페인을 개선할 수 있는지 같은 주제를 제안한다. 이용자는 카드 위의 입력창에 궁금한 내용을 직접 써서 맞춤 분석을 만들 수 있다.

셋째, 자연어로 대시보드를 만들 수 있다. “최근 8주간 광고비와 매출 추이를 캠페인별로 보여 줘”라고 설명하면 원시 데이터를 차트와 보고서 형태로 바꿔 주는 방식이다. 보고서에는 수치 변화의 이유를 설명하는 실시간 요약도 붙는다. 이 대시보드 기능은 구글 광고에 먼저 제공되고 구글 애널리틱스에는 추후 추가될 예정이다.

넷째, 비슷한 사업자의 익명 평균과 자사 캠페인을 비교하는 벤치마킹 기능이 구글 애널리틱스의 어드바이저에 들어간다. 우리 회사의 클릭률이나 전환 흐름이 좋고 나쁜지를 과거의 우리 실적만이 아니라 유사한 사업군과 비교해 볼 수 있게 한다.

중요한 이용 조건이 있다. 구글은 각주에서 이번 기능들이 현재 영어 계정에서 베타로 제공된다고 밝혔다. 따라서 한국어 계정과 모든 국가의 모든 이용자에게 동시에 완전히 배포됐다고 해석하면 안 된다. 대시보드도 애널리틱스에서는 아직 ‘곧 제공’ 단계다.

이전과 무엇이 달라졌나

구글 애널리틱스는 웹사이트와 앱에서 어떤 사람이 어디서 들어와 무엇을 했는지 보여 주는 도구다. 하지만 데이터를 모아 놓는 것과 의미를 이해하는 것은 다른 문제였다. 화면에는 방문자 수, 전환율, 유입 경로처럼 많은 지표가 나타나지만, 작은 회사는 무엇부터 봐야 할지 알기 어려웠다. 보고서를 잘못 설정하면 같은 매출도 서로 다른 숫자로 보일 수 있었다.

기존에는 담당자가 여러 메뉴를 오가며 기간과 조건을 지정하고, 표를 내려받아 별도의 문서에서 차트를 만드는 일이 흔했다. 새로운 방식은 첫 화면에서 AI가 변화를 먼저 고르고, 질문을 이어 가며 보고서까지 만드는 흐름이다. 데이터 도구가 단순한 기록 보관함에서 대화를 통해 분석 방향을 잡아 주는 조수로 바뀌는 셈이다.

예를 들어 온라인 쇼핑몰의 매출이 주말에 갑자기 늘었다고 하자. 기존에는 광고 클릭, 검색 유입, 이메일 캠페인, 상품별 판매를 각각 확인해야 했다. AI 개요는 주말 매출 급증과 함께 특정 유입 경로나 상품의 변화를 먼저 보여 줄 수 있다. 담당자는 “이 변화가 신규 방문자 때문인지 기존 고객의 재구매 때문인지”라고 추가 질문할 수 있다.

그러나 이 과정이 데이터 전문가의 일을 완전히 없애는 것은 아니다. AI가 분석 화면을 만들 수 있어도 추적 코드가 잘못 설치됐거나 결제가 중복 집계되면 틀린 데이터를 더 그럴듯하게 설명할 뿐이다. 사용하기 쉬워진 만큼 데이터 수집의 기본 상태를 점검하는 일이 더 중요해진다.

작은 회사와 마케팅 담당자에게 왜 중요한가

대기업은 광고 분석팀과 데이터 전문가를 따로 둘 수 있지만, 작은 회사에서는 대표나 마케팅 담당자 한두 명이 광고 설정부터 매출 보고까지 맡는 경우가 많다. 이들에게 가장 부족한 자원은 전문 지식뿐 아니라 시간이다. 매일 수십 개 지표를 확인하기 어려워 문제가 생긴 뒤에야 알아차리는 일이 많다.

AI 요약이 제대로 작동하면 ‘모든 숫자를 읽는 일’보다 ‘중요한 변화에 판단을 내리는 일’에 시간을 쓸 수 있다. 광고비가 갑자기 빠르게 소진되거나 전환율이 평소와 다르게 떨어졌을 때 첫 화면과 알림에서 신호를 받을 수 있다. 회의용 보고서도 정해진 차트를 반복 제작하는 대신 질문으로 초안을 만들고 필요한 부분만 다듬을 수 있다.

벤치마킹도 유용할 수 있다. 자사 광고 클릭률이 3%라는 숫자만 보고는 좋은지 나쁜지 판단하기 어렵다. 계절과 업종, 상품 가격대에 따라 기준이 다르기 때문이다. 비슷한 사업자의 익명 평균과 비교하면 개선 우선순위를 정하는 데 방향을 얻을 수 있다.

다만 평균은 정답이 아니다. 경쟁사보다 클릭률이 낮아도 고가 상품을 적은 고객에게 판매하는 전략이라면 수익은 더 좋을 수 있다. 반대로 클릭률이 높아도 할인만 노리는 방문자가 많아 실제 구매가 적을 수 있다. AI가 보여 주는 업종 평균은 질문을 시작하는 기준이지, 무조건 따라야 할 목표가 아니다.

AI가 잘할 수 있는 일과 사람이 남겨야 할 일

AI가 잘할 수 있는 일은 반복적인 탐색이다. 수많은 지표에서 평소와 다른 움직임을 찾고, 기간과 캠페인을 바꿔 여러 보고서를 만들어 보는 작업은 자동화 효과가 크다. 동일한 형식의 주간 보고서를 만들고 주요 변화에 설명 초안을 붙이는 일도 시간을 아낄 수 있다.

사람이 남겨야 할 일은 인과관계와 사업 판단이다. 매출이 올랐다는 사실과 광고가 매출을 올렸다는 결론은 다르다. 같은 날 인기 방송에서 상품이 소개됐거나 경쟁사가 품절됐을 수 있다. 가격을 낮춰 매출은 늘었지만 이익은 줄었을 수도 있다. 애널리틱스 안에 없는 사건은 AI가 알지 못하거나 과소평가할 수 있다.

또 하나는 목표 설정이다. AI는 주어진 지표를 개선하는 방법을 제안할 수 있지만, 회사가 단기 매출과 장기 브랜드 중 무엇을 우선할지는 결정하지 못한다. 고객 문의가 늘어나는 광고가 당장은 매출을 만들지 않아도 새 시장을 발견하는 신호일 수 있다. 숫자 최적화가 사업 전략과 같지는 않다.

따라서 새 기능을 쓸 때는 AI의 제안을 세 종류로 나누는 편이 안전하다.

• 확인된 사실: 방문자 수나 전환율처럼 데이터에 직접 나타난 변화
• 가능한 설명: 계절성이나 경쟁 영향처럼 추가 확인이 필요한 해석
• 권장 행동: 예산 이동이나 캠페인 수정처럼 사람이 승인해야 할 결정

화면에서 이 구분이 항상 명확하게 표시되는지는 실제 베타 사용을 통해 확인해야 한다. 구글 발표는 기능의 장점을 중심으로 설명하며, 잘못된 분석이 얼마나 자주 발생하는지에 관한 독립 평가를 제시하지 않았다.

개인정보와 경쟁사 비교는 어떻게 봐야 하나

구글은 벤치마킹에 유사 사업자의 ‘익명화된 평균’을 사용한다고 설명했다. 이는 특정 경쟁사의 매출이나 광고 성과를 보여 주는 기능이 아니다. 여러 사업자의 데이터를 묶어 평균적인 위치를 알려 주는 방식이다. 이용자는 경쟁사 한 곳의 세부 전략을 볼 수 없고, 다른 회사도 자사의 개별 수치를 직접 보는 구조가 아니라고 이해해야 한다.

그럼에도 기업은 어떤 데이터가 비교에 사용되는지, 선택을 거부할 수 있는지, 유사 사업자를 어떤 기준으로 정하는지 약관과 도움말에서 확인할 필요가 있다. 업종 분류가 부정확하면 비교 자체가 의미 없을 수 있다. 표본이 작은 시장에서는 평균이 소수 기업의 움직임에 크게 흔들릴 가능성도 있다.

AI 어드바이저에 입력하는 질문도 회사 정보가 될 수 있다. “다음 달 신제품 예산을 어디에 배정할까” 같은 문장은 아직 공개하지 않은 사업 계획을 포함한다. 기업 계정 관리자는 데이터 사용 조건과 보관 정책, 접근 권한을 먼저 확인해야 한다. 편리한 대화창이라고 해서 일반적인 공개 챗봇처럼 아무 정보를 넣어도 된다는 뜻은 아니다.

광고 자동화가 커질수록 생기는 위험

구글은 광고를 보여 주는 플랫폼이면서 성과를 측정하는 도구도 제공한다. 이제 같은 회사의 AI가 결과를 해석하고 다음 행동까지 제안한다. 한곳에서 모든 일을 처리하면 편리하지만, 광고비를 더 쓰도록 유도하는 플랫폼의 이해관계와 광고주의 이익이 항상 같지는 않다는 점을 기억해야 한다.

예를 들어 AI가 “수요가 늘었으니 예산을 확대하라”고 권할 때, 광고주는 추가 매출뿐 아니라 이익률과 재고, 고객 대응 능력을 함께 봐야 한다. 추천을 그대로 실행하기 전에 근거가 된 기간과 비교 기준, 예상 비용을 확인해야 한다. 가능하면 작은 범위에서 시험하고 실제 이익으로 결과를 검증하는 편이 낫다.

자동 생성 보고서의 문장이 자신감 있게 보이는 것도 위험 요소다. 생성형 AI는 데이터에 없는 원인을 그럴듯하게 추정할 수 있다. 숫자가 맞더라도 설명이 틀릴 수 있다. 중요한 예산 결정에는 원본 지표로 돌아가 확인하고, 이상한 변화가 있으면 추적 설정이나 결제 시스템 기록과 대조해야 한다.

실제로 달라지는 점

이번 발표로 마케팅 데이터 분석의 시작점이 ‘메뉴를 찾아 보고서를 설정하는 일’에서 ‘궁금한 질문을 쓰는 일’로 옮겨 가고 있다. 전문 분석 도구를 배운 적 없는 사람도 성과 변화의 초안을 빨리 얻을 수 있다는 점은 분명한 변화다. 보고서 제작 시간을 줄이고 작은 조직의 대응 속도를 높일 가능성도 크다.

하지만 현재는 영어 계정 대상 베타이고, 일부 기능은 아직 구글 광고에만 있거나 추후 제공될 예정이다. 한국 이용자는 자기 계정에 기능이 나타났는지, 한국어 질문이 정식 지원되는지 확인해야 한다. 발표 날짜와 전 세계 실제 배포 날짜가 같다고 가정하면 안 된다.

앞으로 볼 핵심은 세 가지다. 첫째, AI가 찾아낸 이상 변화가 실제로 얼마나 정확한가. 둘째, 업종 평균 비교가 충분히 투명하고 유용한가. 셋째, 인사이트에서 예산 변경까지 이어지는 과정에 사람이 확인할 지점이 얼마나 명확하게 남는가. 새 기능의 가치는 화려한 요약문보다, 작은 회사가 잘못된 결정을 줄이면서 분석 시간을 실제로 아낄 수 있는지로 판단해야 한다.