구글이 광고(Google Ads)와 애널리틱스(Google Analytics)에 새로운 AI 기능들을 넣었습니다. 핵심은 두 가지입니다. 하나는 Ask Advisor라는 이름의 AI 에이전트, 다른 하나는 애널리틱스 홈 화면에 뜨는 AI Overviews 요약입니다. 화면 몇 개 예뻐진 수준의 업데이트가 아니라, “데이터를 사람이 뒤져서 찾는다”는 지난 20년의 습관 자체를 건드리는 변화라 마케터라면 한 번은 짚고 넘어가야 합니다.
30초 요약
- Ask Advisor는 여러 마케팅 플랫폼을 가로질러 작동하는 AI 에이전트로, 인사이트를 뽑아주고 반복 작업을 자동화합니다.
- AI Overviews는 애널리틱스 홈에서 “지난번 접속 이후 무슨 일이 있었는지”를 요약해 보여줍니다.
- 구글 애즈 홈 화면에는 개인화된 AI 인사이트 카드와 자연어 입력창이 생겼습니다.
- 텍스트 프롬프트 대시보드: 원하는 리포트를 말로 설명하면 대시보드가 만들어집니다.
- 벤치마킹: 비슷한 업종 기업들의 익명 평균과 내 성과를 비교할 수 있습니다.
1. Ask Advisor, 도대체 뭘 해주는 기능인가
이름부터 풀어보면 감이 옵니다. Ask는 묻는다, Advisor는 조언자. 즉 “물어보면 답해주는 담당자”입니다. 다만 검색창에 키워드를 넣는 방식이 아니라, 옆자리 동료에게 말 걸듯 물어보는 방식입니다.
기존 광고 계정 화면을 떠올려 보세요. 캠페인 탭, 광고그룹 탭, 검색어 보고서, 세그먼트 필터, 열 추가. 원하는 숫자 하나를 보려면 클릭이 예닐곱 번은 필요했습니다. 그 클릭 경로를 아는 사람만 데이터에 접근할 수 있었고, 그래서 “우리 회사에서 광고 계정 볼 줄 아는 사람”이 늘 한두 명으로 정해져 있었죠.
Ask Advisor는 그 경로를 언어로 대체합니다. 구글 발표에 따르면 이 에이전트는 여러 마케팅 플랫폼을 가로질러 작동하면서 인사이트를 강화하고 워크플로를 자동화합니다. 광고 따로, 애널리틱스 따로 열어서 눈으로 짜맞추던 작업이 하나의 대화 안으로 들어온다는 뜻입니다.
비유하자면 신입이 아니라 경력직 인턴
AI 에이전트라는 말이 거창하게 들리는데, 실무 감각으로는 이렇게 이해하면 편합니다. 계정 구조와 데이터 위치를 전부 외우고 있는 인턴이 한 명 배정된 겁니다. 이 인턴은 시키면 빠르게 찾아오고 정리도 잘합니다. 다만 우리 브랜드가 왜 그 캠페인을 돌리는지, 이번 분기에 뭘 포기하기로 했는지는 모릅니다. 판단은 여전히 사람 몫이라는 얘기입니다.
2. 애널리틱스 홈의 AI Overviews: 자리 비운 사이의 브리핑
애널리틱스를 매일 들여다보는 마케터는 생각보다 적습니다. 대부분 주 1회, 바쁘면 월 1회 열어보고 “그동안 뭐가 달라졌지?” 하며 그래프를 스크롤합니다. 그런데 그래프는 변화를 보여줄 뿐, 무엇이 중요한 변화인지는 말해주지 않습니다.
AI Overviews는 그 지점을 노립니다. 애널리틱스 홈 화면에서 사용자가 마지막으로 로그인한 이후의 중요한 업데이트를 요약해 줍니다. 즉 접속 시점 기준으로 “당신이 자리 비운 동안 이런 일이 있었습니다”를 먼저 브리핑하는 구조입니다.
이게 왜 유용한가 하면, 데이터 분석에서 가장 비싼 비용이 사실 ‘이상 신호를 발견하기까지 걸리는 시간’이기 때문입니다. 전환율이 떨어진 걸 2주 뒤에 알면 이미 예산은 나갔습니다. 요약이 먼저 뜨는 구조는 그 발견 시점을 앞당깁니다.
핵심 포인트: 이번 업데이트의 공통 방향은 하나입니다. 데이터를 ‘찾아가는’ 인터페이스에서 데이터가 ‘찾아오는’ 인터페이스로. 마케터의 시간이 탐색에서 판단으로 옮겨간다는 뜻이고, 그 판단의 질이 곧 실력 차이가 됩니다.
3. 구글 애즈 홈이 바뀌었다: 카드와 입력창
구글 애즈 홈 화면에도 같은 철학이 적용됐습니다. 두 가지가 추가됐습니다.
첫째, 개인화된 AI 기반 인사이트 카드입니다. 계정에 로그인하면 “이 계정에서 지금 볼 만한 것”이 카드 형태로 먼저 떠 있습니다. 모든 계정에 똑같은 화면을 보여주는 게 아니라 계정별로 다르게 구성된다는 점이 핵심입니다.
둘째, 자연어 프롬프트 입력창입니다. 메뉴를 찾아 들어가는 대신 하고 싶은 걸 문장으로 적는 방식입니다. 검색 엔진의 검색창이 브라우저의 시작점이 됐던 것처럼, 이 입력창이 광고 운영의 시작점이 되도록 설계된 구조로 보입니다.
4. 말로 만드는 대시보드, 그리고 벤치마킹
실무자 입장에서 가장 체감이 큰 건 아마 이 부분일 겁니다. 구글 애즈에 텍스트 프롬프트로 만드는 AI 대시보드가 들어왔습니다. 보고 싶은 리포트를 문장으로 설명하면 그에 맞는 대시보드가 구성되는 방식입니다.
여기에 하나가 더 붙습니다. 유사 업종 기업들의 익명화된 평균치와 비교하는 벤치마킹입니다. 이게 왜 중요하냐면, 성과 숫자는 혼자 보면 해석이 안 되기 때문입니다. 전환율 2.1%가 좋은 건지 나쁜 건지는 우리 지난달과 비교해서만 알 수 있었고, 업종 평균은 늘 남의 블로그 글에 적힌 출처 불명 숫자에 의존해야 했습니다. 플랫폼이 직접 익명 평균을 제공하면 그 답답함이 상당 부분 해소됩니다.
| 작업 | 기존 방식 | AI 기능 활용 시 |
|---|---|---|
| 주간 성과 파악 | 애널리틱스 접속, 기간 설정, 그래프 스크롤 | 홈의 AI Overviews가 지난 접속 이후 변화를 요약 |
| 맞춤 리포트 제작 | 지표와 측정기준 수동 선택, 시각화 설정 | 원하는 리포트를 문장으로 설명하면 대시보드 생성 |
| 업종 평균 비교 | 외부 자료 검색, 출처 신뢰도 불확실 | 유사 업종 익명 평균과 계정 내에서 직접 비교 |
| 플랫폼 간 데이터 연결 | 광고와 애널리틱스 각각 열어 수동 대조 | Ask Advisor가 플랫폼을 가로질러 인사이트 제공 |
| 반복 운영 업무 | 담당자가 매번 수동 처리 | 에이전트가 워크플로 일부를 자동화 |
5. 마케팅 실전 활용법 다섯 가지
기능 설명만으로는 손에 안 잡히니, 실제로 어떻게 쓸 수 있는지 정리했습니다.
가) 월요일 아침 15분 루틴을 만든다
주간 회의 전 애널리틱스 홈의 요약을 먼저 읽고, 거기서 걸린 항목만 깊게 파는 순서로 바꿉니다. 전체를 훑고 이상한 걸 찾는 방식보다 훨씬 빠릅니다. 요약에서 언급된 변화 중 ‘설명 가능한 것’과 ‘설명 안 되는 것’을 나누고, 후자에만 시간을 쓰세요.
나) 대시보드를 보고서 언어로 만들어 둔다
프롬프트로 대시보드를 만들 수 있다는 건, 클라이언트나 본사가 실제로 쓰는 표현 그대로 리포트를 구성할 수 있다는 뜻입니다. 지표 이름을 플랫폼 용어가 아니라 조직이 쓰는 용어에 맞춰 만들어두면 보고 시간이 줄어듭니다.
다) 벤치마킹은 ‘진단’이 아니라 ‘질문 생성기’로 쓴다
업종 평균보다 낮다고 곧장 문제인 건 아닙니다. 프리미엄 포지셔닝이면 클릭률이 낮고 객단가가 높은 게 정상입니다. 평균과의 차이는 “왜 다른가”라는 질문을 만드는 재료로 쓰는 게 맞습니다.
라) 채널 간 연결 고리를 물어본다
플랫폼을 가로질러 작동하는 에이전트의 진짜 가치는 단일 채널 숫자가 아니라 채널 사이의 관계에 있습니다. 검색 광고를 늘렸을 때 브랜드 검색량이 어떻게 움직였는지 같은, 사람이 수동으로 대조하기 귀찮았던 질문부터 던져보세요.
마) 반복 업무 목록을 먼저 적는다
자동화는 “자동화할 수 있는 걸 찾는” 순서가 아니라 “매주 반복하는 일을 적어놓고 그중 넘길 수 있는 걸 고르는” 순서로 접근해야 실효가 있습니다. 목록 없이 도구부터 만지면 신기한 기능만 몇 번 써보고 끝납니다.
6. 그래서 조심할 점은
새 기능이 좋다고 해서 무조건 좋은 결과가 나오지는 않습니다. 세 가지는 짚고 가야 합니다.
첫째, 요약은 요약입니다. AI가 “중요한 업데이트”라고 고른 것이 우리 비즈니스에서도 중요한지는 별개 문제입니다. 신제품 출시 주간처럼 특수한 상황에서는 AI가 이상 신호로 표시한 급등락이 사실 계획된 결과일 수 있습니다. 요약은 출발점이지 결론이 아닙니다.
둘째, 벤치마킹의 ‘유사 업종’이 정말 유사한지 봐야 합니다. 익명 평균은 편리하지만, 카테고리 분류가 넓게 잡히면 전혀 다른 사업 모델과 섞일 수 있습니다. 미국 시장에 갓 진입한 한국 브랜드와 현지에서 10년 굴린 브랜드가 같은 카테고리로 묶이면 비교값의 의미가 흐려집니다.
셋째, 자연어 인터페이스는 질문의 질을 그대로 반영합니다. 애매하게 물으면 애매한 답이 나옵니다. 기간, 대상, 비교 기준을 명시해서 묻는 습관이 결국 결과 차이를 만듭니다. 도구가 쉬워질수록 역설적으로 ‘무엇을 물어야 하는지 아는 사람’의 가치가 올라갑니다.
7. 자주 묻는 질문
Q1. Ask Advisor는 기존 구글 애즈의 추천 기능과 뭐가 다른가요?
기존 추천은 시스템이 정해진 규칙에 따라 제안을 밀어주는 방식에 가까웠습니다. Ask Advisor는 여러 마케팅 플랫폼을 가로질러 작동하는 에이전트로, 인사이트 제공과 워크플로 자동화를 함께 다룹니다. 일방적 제안이 아니라 물어보고 답을 받는 구조라는 점이 가장 큰 차이입니다.
Q2. AI Overviews는 검색 결과에 나오는 그 AI Overviews와 같은 건가요?
이름은 같지만 위치와 역할이 다릅니다. 여기서 말하는 AI Overviews는 구글 애널리틱스 홈 화면에서 마지막 로그인 이후의 중요한 업데이트를 요약해 주는 기능입니다. 검색 결과 상단의 AI 요약과는 별개로 이해하시면 됩니다.
Q3. 대시보드를 프롬프트로 만들면 정확도는 믿을 만한가요?
구성은 빠르게 되지만, 처음 몇 번은 만들어진 대시보드의 지표 정의가 우리가 의도한 것과 같은지 직접 확인하는 게 좋습니다. 같은 이름의 지표라도 집계 기준이 다르면 숫자가 달라집니다. 한 번 검증해서 표준 프롬프트를 확정해두면 이후부터는 재사용이 편합니다.
Q4. 소규모 브랜드도 벤치마킹 기능이 의미가 있을까요?
오히려 소규모일수록 참고 가치가 있습니다. 내부 데이터가 적어 자체 기준선을 만들기 어렵기 때문입니다. 다만 비교 대상 카테고리가 우리 사업과 실제로 얼마나 가까운지 확인하고, 절대 기준이 아니라 방향 참고용으로 쓰는 게 안전합니다.
Q5. 이런 기능이 늘어나면 마케터가 할 일이 줄어드나요?
데이터를 찾는 시간은 줄고, 해석하고 결정하는 시간은 늘어납니다. 리포트 만드는 데 하루 쓰던 일이 30분으로 줄면 남는 시간은 “그래서 다음에 뭘 할 것인가”로 갑니다. 업무량이 줄기보다 업무의 무게중심이 옮겨간다고 보는 편이 정확합니다.
Q6. 지금 당장 준비해야 할 게 있다면 무엇인가요?
계정 구조와 전환 추적 설정을 먼저 정리하세요. AI가 뽑아주는 요약과 인사이트는 결국 계정에 쌓인 데이터를 재료로 씁니다. 캠페인 이름 규칙이 뒤죽박죽이거나 전환 이벤트가 중복 집계되고 있으면, 좋은 도구를 붙여도 나오는 답이 흐려집니다.
8. 정리하며
이번 구글 업데이트를 한 문장으로 줄이면 이렇습니다. 마케팅 데이터를 다루는 방식이 ‘메뉴 탐색’에서 ‘대화’로 옮겨가고 있다는 것. Ask Advisor, 홈 화면 AI 요약, 프롬프트 대시보드, 익명 벤치마킹은 각각 따로 나온 기능처럼 보이지만 방향은 하나입니다.
그리고 이런 변화에서 진짜 격차는 도구를 먼저 써봤느냐가 아니라, 무엇을 물어야 하는지 아는 사람과 모르는 사람 사이에서 벌어집니다. 데이터가 알아서 찾아오는 시대에 남는 경쟁력은 결국 질문의 수준입니다.
Calywire는 2014년부터 미국 시장에서 실제 캠페인을 운영하며 이런 도구들이 현장에서 어떻게 작동하는지 지켜봐 왔습니다. 새 기능을 어디에 붙이면 성과가 달라지는지 함께 짚어보고 싶으시다면 편하게 이야기 나눠보시죠. 가벼운 상담부터 시작하셔도 좋습니다.
참고 자료
- Google Blog: New AI features in Google Ads and Google Analytics
- Search Engine Land: Google brings new AI agent capabilities to Ads and Analytics
- PPC Land: Google Ads gains AI dashboards built from text prompts
- Search Engine Roundtable: Google Ads & Analytics New AI Features
