ChatGPT 광고 한국 출시 대응법: AI 검색 유입을 제품 로그로 측정하는 방법

OpenAI가 ChatGPT Ads를 한국, 일본, 영국, 멕시코, 브라질로 확대했다고 공지했습니다. 광고 자체는 마케팅 뉴스처럼 보입니다. 하지만 제품 개발팀과 데이터팀에도 영향이 있습니다. 사용자가 검색엔진이 아니라 대화형 AI 안에서 제품을 발견하고, 비교하고, 클릭하는 흐름이 생기기 때문입니다.

OpenAI는 광고가 답변에 영향을 주지 않고, sponsored로 표시되며, 대화 내용이 광고주에게 직접 제공되지 않는다고 설명했습니다. 광고는 대화 주제, 과거 채팅, 광고 상호작용 등을 바탕으로 매칭되며, 광고주는 집계 성과 정보를 받는 구조입니다. 한국에서도 파일럿이 시작됐다는 점은 B2C 서비스뿐 아니라 SaaS, 교육, 커머스, 로컬 서비스가 AI 대화형 유입을 따로 측정해야 한다는 뜻입니다.

기존 SEO는 검색어, 검색 결과 페이지, 랜딩 페이지, 전환 퍼널을 기준으로 움직였습니다. ChatGPT 광고나 AI 추천 유입은 다릅니다. 사용자는 이미 대화 안에서 문제를 설명했고, 비교 기준을 어느 정도 정한 상태에서 들어옵니다. 따라서 같은 클릭이라도 의도가 더 구체적일 수 있습니다. 반대로 유입 키워드가 기존 검색 광고처럼 명확히 남지 않을 가능성도 큽니다.

AI 대화형 유입은 referrer만 보면 놓친다

많은 팀이 유입 분석을 referrer와 UTM에 의존합니다. 하지만 AI 앱 안의 클릭은 일반 웹 검색과 다르게 보일 수 있습니다. 앱 내 브라우저, 리다이렉트, 개인정보 보호 정책, 광고 플랫폼 제한 때문에 원래 대화 맥락을 알기 어렵습니다. 따라서 ‘ChatGPT에서 왔다’는 사실만으로는 충분하지 않습니다.

제품팀은 랜딩 페이지 도착 이후 행동을 더 촘촘히 봐야 합니다. 첫 세션에서 어떤 페이지를 보는지, 가격표로 바로 가는지, 비교 콘텐츠를 읽는지, 가입 전에 어떤 기능 문서를 확인하는지, 채팅 상담을 여는지 기록해야 합니다. AI 대화형 유입은 사용자가 이미 질문을 많이 하고 온 상태일 수 있으므로, 일반 검색 유입보다 빠르게 의사결정 페이지로 이동할 가능성이 있습니다.

추천 이벤트는 다음 정도로 시작할 수 있습니다. ai_referral_landing, pricing_view, comparison_view, demo_start, signup_start, signup_complete, first_value_action입니다. 여기서 first value action은 서비스마다 다릅니다. 문서 도구라면 첫 문서 생성, 개발자 도구라면 첫 API 호출, 커머스라면 장바구니 추가가 될 수 있습니다.

랜딩 페이지는 검색어보다 사용 상황을 받아야 한다

AI 대화에서 넘어온 사용자는 ‘무엇이 좋은가’보다 ‘내 상황에 맞는가’를 확인하려는 경우가 많습니다. 따라서 랜딩 페이지도 추상적인 브랜드 문구보다 사용 상황별 진입로를 제공해야 합니다. 예를 들어 회계 SaaS라면 ‘프리랜서 종합소득세’, ‘법인 비용 처리’, ‘해외 결제 정산’처럼 문제별 경로가 필요합니다. 개발자 도구라면 ‘Next.js에서 10분 안에 붙이기’, ‘AWS Lambda 예제’, ‘팀 권한 관리’처럼 실행 기준이 더 중요합니다.

광고 메시지도 마찬가지입니다. ‘최고의 AI 도구’ 같은 문구는 대화형 환경에서 약합니다. 사용자가 이미 ChatGPT에게 비교를 요청하고 있다면, 광고 이후 랜딩에서는 구체적인 비교표와 빠른 검증 방법을 줘야 합니다. 가격, 제한, 데이터 보관, 보안, API 문서, 샘플 코드가 바로 보여야 합니다.

개인정보와 민감 주제 정책을 제품 로그에 반영한다

OpenAI는 미성년자 계정이나 건강, 정신건강, 정치 같은 민감·규제 주제 근처에는 광고를 표시하지 않는다고 설명했습니다. 광고 플랫폼의 정책이 이렇게 바뀌면, 광고주와 서비스 운영팀도 로그 설계를 조심해야 합니다. AI 유입 사용자의 원래 대화 내용을 알 수 없다는 점을 전제로 해야 하고, 민감한 추론을 자체적으로 만들지 않는 편이 안전합니다.

예를 들어 랜딩 URL에 과도하게 세밀한 관심사 파라미터를 붙이는 방식은 피해야 합니다. ?source=chatgpt_ads 정도는 분석에 도움이 되지만, 사용자의 민감 상황을 암시하는 세그먼트를 URL에 넣으면 개인정보 리스크가 커집니다. 서버 로그, 분석 도구, CRM, 광고 리타겟팅으로 파라미터가 퍼질 수 있기 때문입니다.

제품 로그는 집계 분석에 필요한 수준으로 제한하는 것이 좋습니다. 유입 채널, 랜딩 페이지 유형, 전환 단계, 계정 타입, 결제 여부 정도면 초기 분석에는 충분합니다. 대화 내용을 추정하려는 시도보다, 도착 이후 행동을 관찰하는 편이 안전하고 정확합니다.

개발팀이 준비할 측정 구조

첫째, AI 유입 전용 source taxonomy를 만듭니다. organic_search, paid_search, social, newsletter와 별도로 ai_assistant, ai_ads, ai_referral을 둡니다. 플랫폼별로 세분화하되, 처음부터 너무 복잡하게 만들 필요는 없습니다.

둘째, 랜딩 페이지 템플릿을 intent별로 나눕니다. 비교형, 문제 해결형, API 문서형, 가격 검토형으로 나누면 분석이 쉬워집니다. AI 광고에서 온 사용자가 어떤 intent 페이지에서 잘 전환되는지 봐야 합니다.

셋째, 전환을 가입으로만 보지 않습니다. AI 유입은 정보 탐색 후 재방문할 수 있습니다. 첫 방문에서 문서 저장, 샘플 프로젝트 다운로드, API key 생성, 데모 예약 같은 중간 전환을 잡아야 합니다.

실행 체크리스트

• UTM 또는 내부 파라미터에 ai_ads, chatgpt, ai_assistant 같은 source 분류를 추가합니다.
• 랜딩 이후 핵심 이벤트를 pricing_view, comparison_view, signup_start, first_value_action으로 기록합니다.
• 검색어 중심 랜딩이 아니라 사용 상황 중심 랜딩 페이지를 준비합니다.
• 민감한 사용자 상태를 URL 파라미터나 광고 세그먼트 이름에 넣지 않습니다.
• AI 유입은 가입률뿐 아니라 첫 가치 행동과 재방문율까지 봅니다.
• 광고 성과 리포트와 제품 로그를 주 단위로 합쳐 intent별 전환율을 비교합니다.
• 고객지원/세일즈 팀에 ‘ChatGPT에서 보고 왔다’는 응답을 별도 태그로 남기게 합니다.

ChatGPT 광고 한국 출시는 단순히 새 광고 지면이 생긴 일이 아닙니다. 사용자가 AI와 대화한 뒤 제품을 발견하는 경로가 본격적으로 열렸다는 신호입니다. 개발팀은 광고 집행보다 먼저 측정 구조를 잡아야 합니다. 그래야 AI 대화형 유입이 실제 매출로 이어지는지, 아니면 클릭만 만드는지 구분할 수 있습니다.

참고: OpenAI, Testing ads in ChatGPT.