데이터 마케팅 사례로 본 데이터 새로움, 왜 많이 모으는 게 답이 아닌가

무슨 일이 일어나고 있나

로봇 데이터 효율을 다룬 분석 한 편이 마케팅 실무자에게도 그대로 꽂혀요. 로봇 데이터는 텍스트처럼 기존 코퍼스에서 채굴할 수 없고 유용한 한 시간마다 비용을 냅니다. 수집량이 늘수록 비용이 선형으로 늘죠. Ken Goldberg는 최전선 로보틱스 모델에 약 10만 년 분량 데이터가 필요할 수 있다고 봤는데, 이걸 대규모 수작업 원격조작 인프라만으로 채우는 건 지속 불가능하다는 게 분석의 출발점이에요.

핵심은 세 가지 데이터 유형의 단위 경제성이 다르다는 겁니다. 관찰 데이터(1인칭·3인칭 영상)는 비용이 낮고 범위가 넓어 표현 공간의 지원 범위를 넓히지만 직접적인 행동 감독은 못 줘요. 개입 데이터(원격조작 시연)는 상태-행동 궤적을 명시적으로 담지만 인간 노동량에 비례해 비용이 오르고 범위는 좁죠. 배포 데이터는 생산 시스템이 내생적으로 뱉는 정제 안 된 텔레메트리인데, 운영 자체가 손실을 내는 경우도 있고 데이터 분포가 알고리듬이 아니라 상업적 운영 조건에 의해 결정된다는 함정이 있어요.

왜 총량이 답이 아닌지는 스케일링 지수에서 드러납니다. 매끄러운 목표의 해상도 제한 구간에서 β≈4/d_int 관계가 성립하는데(Sharma & Kaplan 2020, Bahri 2021), 작업의 내재 차원을 절반으로 줄이면 지수가 대략 두 배가 돼 손실이 더 빨리 떨어져요. 다만 인위적으로 내재 차원을 낮추면 일반화 안 되는 열등한 최적점으로 수렴하니 함부로 쓸 수 없고요. 그래서 '누적 운영시간'은 눈에 잘 보이고 투자하기 쉽지만 하위 모델 성능과 상관이 약합니다. 2002년 Oakland Athletics가 MLB에서 세 번째로 낮은 급여 총액으로 103승을 거둔 게 정확히 이 얘기예요. 주관적 미학·도루·타율 대신 득점과 실제로 상관된 출루율을 찾아 시장이 잘못 매긴 선수 가격을 활용했죠.

두 번째 사건은 미디어 쪽입니다. AI 라이선싱 플랫폼 Next Net이 Essence·Refinery29·Afropunk를 내는 Sundial Media & Technology Group과 함께 만든 SAIL(Standardized Agentic Intelligence Ledger)은 AI가 출판사 콘텐츠를 어떻게 쓰고 다른 소스와 섞는지 추적하는 디지털 기록 시스템이에요. Sundial CEO Kirk McDonald는 이걸 일회성 라이선스 계약이나 무단 스크래핑 소송이라는 '핵옵션'의 협업적 대안으로 봅니다. Next Net은 1월부터 Sundial 콘텐츠 카탈로그를 AI 모델이 이해할 소프트웨어 언어로 '벡터화'해 왔고, 자사 플랫폼이 다수 AI 벤더가 쓰는 것과 같은 NVIDIA 인프라 위에서 돌아 연결이 쉽다고 CEO Franklin Rios는 설명했어요.

세 번째는 OpenAI가 개발 중인 스크린 없는 스마트 스피커입니다. Bloomberg 보도로는 '집에 사는 인간 같은 AI 동반자'로 내부에서 소개되고, '성격'을 갖고 사용자를 시간에 따라 학습하며 이메일 같은 디지털 정보에 접근해 개인화합니다. iPhone·Mac을 만든 전직 Apple 엔지니어들이 개발에 참여했고요. 하드웨어 자체보다 first-party 정보를 어떻게 계속 학습하느냐가 핵심입니다.

왜 중요한가

세 사건은 로봇·미디어·소비자 하드웨어로 따로 놀지만 같은 축을 공유해요. 데이터 가치가 '총량'에서 '희소성과 추적 가능성'으로 이동한다는 점입니다.

로봇 쪽 논리를 마케팅 언어로 옮겨볼게요. 원격조작 업체는 데이터의 효용이나 새로움보다 운영 시간에 따라 매출이 늘기 때문에 원시 데이터량을 우선합니다. 광고 노출량·클릭 누적도 정확히 '모으기 쉬워서 예산이 몰리는' 지표예요. 그런데 여기엔 Kyle Vedder가 지적한 '새로움 펌프(novelty pump)' 제약이 있어요. 초기 로봇 도입에 비용을 지불할 환경은 본질적으로 저변동성이라 내재 차원과 전이 가능성이 낮고, 거기서 나온 데이터는 엔트로피가 낮고 서로 상관돼 한계 효용이 작습니다. 안정적인 세그먼트만 반복 캠페인하면 새 데이터를 못 얻는 마케팅팀 상황과 판박이에요. Evan Beard가 제안한 '생산 텔레메트리가 다중 작업 능력에 필요한 새로움을 만든다'는 플라이휠은, 외부의 관찰 범위와 개입 다양성 없이는 저변동 환경에서 헛돕니다.

여기서 이해관계를 냉정히 봐야 해요. 파운데이션 모델 연구소는 범용 모델 규모를 팔기 때문에 사전학습과 계산량 확대가 엣지 케이스를 없앨 거라 보고, 원격조작 업체는 운영시간을 팔고, 기존 하드웨어 업체는 환경이 정상·안정적이라는 전제를 깔죠. 각 참여자가 '자기 사업 영역이 가장 가치 있어 보이는 데이터 관점'을 파는 겁니다. SAIL 발표에도 같은 유인이 숨어 있어요. Sundial은 Essence가 흑인 여성 관련 주제에서 가장 권위 있는 매체로 AI 응답에 자주 인용된다고 말하는데, 이 권위를 AI가 문화적으로 덜 민감한 사용자 생성 콘텐츠와 뒤섞어 '납작하게' 만들면 자산 가치가 훼손됩니다. SAIL은 그 권위를 계량하고 보호받게 만드는 장치이자, 소송보다 우호적인 협상 지렛대를 확보하려는 포지셔닝이에요. 데이터의 '흐름'을 추적할 수 있어야 값을 매기고 최적화할 수 있다는 원칙은, 어트리뷰션이 무너진 채 예산을 태우는 마케팅과 정확히 대응됩니다.

OpenAI 스피커는 상시 학습형 assistant가 광고 채널이 아니라 구매 결정의 중간 게이트키퍼가 되는 시나리오예요. 이 기기는 노출을 많이 던지는 게 아니라 이메일·일정 같은 맥락 데이터를 계속 쥐면서 개인화합니다. 데이터를 '누가 쥐고 있나'가 채널 접근권보다 앞서는 세계고요.

실무에 주는 함의

첫째, 수집 지표를 성과 지표로 바꾸세요. 데이터 예산 배분 원칙은 명확해요. 저비용 관찰 데이터로 범위를 넓히고, 고비용 개입 데이터는 작업별 포화점까지만 수집하며, 배포 텔레메트리에서는 OOD 실패만 선별하는 겁니다. 마케팅으로 옮기면 누적 노출·리드 수 대신 '달러당 전환 개선'과 '기존 세그먼트와 얼마나 다른 신규 고객을 얻었나'를 봐야 해요. 같은 오디언스 반복 노출 예산은 근접중복 데이터처럼 빠르게 포화되니, 내일 대시보드에서 '누적 노출' 열 옆에 '신규 세그먼트 도달률' 열을 붙이는 것부터 시작하세요.

둘째, 데이터 최대화의 함정을 피하세요. 언어 모델 C4 데이터셋에서 상용구와 근접 중복을 제거하고 고정 예산 안에서 고유 토큰 범위를 늘리자 모델이 개선됐어요. 데이터 최대화는 오히려 저엔트로피 잡음을 늘려 학습 효율을 떨어뜨릴 수 있다는 얘기죠. 마케팅 데이터도 무작정 로그를 쌓지 말고, 중복 이벤트를 걷어내고 고유한 상황·고객 유형의 범위를 넓히는 데 같은 예산을 쓰세요.

셋째, 추적 파이프라인부터 깔아야 해요. SAIL의 교훈은 정산과 최적화가 로그 표준화 위에서만 작동한다는 겁니다. RAG 단계 인용이 어느 답변에 얼마나 쓰였는지 표준화돼야 사용량 기반 정산이 처음으로 가능하듯, 마케팅도 채널별 설치·전환이 끊기지 않게 이어지고 분산된 도구 데이터가 한곳에 모여야 어떤 '새로움 진단'이든 돌릴 수 있어요.

넷째, first-party 데이터 관계를 하드웨어 관점에서 다시 보세요. OpenAI 스피커 같은 상시 학습형 게이트키퍼가 확산하면, 광고를 밀어넣는 접근보다 자체 채널에서 고객 맥락 데이터를 직접 쌓는 쪽이 방어력이 큽니다. Sundial이 자사 브랜드들의 한 세기 분량 문화적 전문성을 내부 도구에 학습시켜 third-party 모델에 그 이해를 심으려는 것처럼, 데이터 자산을 쥐고 있는 쪽이 협상력을 갖는 구조예요.

리스크·한계

'새로움을 진단하라'는 말은 쉽지만 진단 자체가 또 다른 엔지니어링 비용이에요. 어떤 데이터가 새로운지 판별하는 임베딩 클러스터링·내재 차원 측정을 돌리려면 인프라와 인력이 듭니다. 데이터 큐레이션 파이프라인을 못 갖춘 곳은 자본효율 격차가 오히려 더 벌어져요. 게다가 스케일링 법칙의 함수 형태는 일관돼도 수치는 Besiroglu 2024가 다루듯 근삿값이라, 특정 β값을 절대 진리처럼 예산에 대입하는 건 위험합니다.

SAIL도 반쪽 위험이 있어요. AI 사업자들이 인용 로그를 성실히 심는지 검증할 방법이 없으면, 광고 조회수 측정이 겪은 뷰어빌리티 논쟁을 그대로 반복합니다. 추적 표준이 있다는 것과 그게 정직하게 지켜진다는 건 다른 문제예요. 그리고 SAIL은 아직 특정 두 회사 파트너십이라 업계 표준으로 자리 잡을지도 미지수고요.

OpenAI 하드웨어는 아직 소문 단계입니다. 전직 Apple 엔지니어 참여와 함께 Apple이 지난주 OpenAI를 영업비밀 절취로 제소하고 '빙산의 일각'이라 주장하는 소송이 겹친 상태라 출시 시점도 사양도 확정된 게 없어요. 헤드라인 숫자와 실제 논의를 분리하는 냉정함도 필요합니다. 신약개발로 옮긴 OpenAI 연구자 Miles Wang의 신생 스타트업은 '20억 달러 밸류에 2억 달러 조달' 논의로 보도됐지만, 정작 Wang 본인이 그 자금 수치와 회사 설명이 틀렸다고 반박했어요(정정 수치는 공개되지 않음). 같은 카테고리의 Chai Discovery는 38억 달러 밸류에 4억 달러, Isomorphic Labs는 21억 달러 시리즈B를 조달했는데, 이런 대형 숫자가 데이터 논의의 본질을 흐릴 수 있습니다.

자주 묻는 질문

데이터 마케팅 사례에서 수집량이 많으면 성과도 좋은가요

아니에요. 손실이 멱법칙으로 줄어도 감소 폭이 계속 작아지다 하한 E에 걸리고, 반복·근접중복 데이터는 금방 포화됩니다. C4 데이터셋에서 중복을 제거하자 오히려 모델이 개선된 것처럼, 같은 세그먼트 반복 노출보다 기존과 다른 신규 데이터나 OOD 케이스를 확보하는 쪽이 성과를 더 개선해요.

데이터 마케팅 전략에서 어떤 지표를 봐야 하나요

누적 노출·리드 수 같은 모으기 쉬운 지표 대신 달러당 성과 개선, 데이터 다양성, 정보 밀도를 보세요. '누적 운영시간이 하위 성능과 상관이 약하다'는 로봇 쪽 진단이 그대로 적용됩니다. 마케팅판 출루율은 스케일링 효과와 데이터 획득 단가를 함께 반영한 '달러당 한계 성과 개선'이에요.

마케팅 데이터 분석 툴은 뭘 갖춰야 하나요

먼저 추적 파이프라인이 끊기지 않아야 해요. 채널별 설치·전환을 이어서 측정하고 분산 도구의 데이터를 한곳에 모으는 기반이 우선입니다. SAIL이 로그 표준화 위에서만 정산이 작동한다고 보여주듯, 표준화 없이는 어떤 새로움 진단이나 예산 최적화도 돌아가지 않아요.

SAIL 프레임워크가 마케터에게 왜 중요한가요

AI가 출판사 콘텐츠를 어떻게 쓰고 다른 소스와 섞는지 추적·정산하는 표준이에요. 데이터 가치가 총량이 아니라 '추적 가능성'과 문화적 맥락 보존에서 나온다는 원칙을 보여줍니다. 다만 아직 두 회사 파트너십 단계고, AI 사업자가 로그를 정직하게 심는지 검증할 장치가 관건이에요.

AI 스피커 같은 상시 학습형 기기가 마케팅을 어떻게 바꾸나요

OpenAI가 개발 중인 스크린 없는 스피커는 '집에 사는 인간 같은 AI 동반자'로 이메일 같은 first-party 정보를 상시 학습해 개인화합니다. 이런 assistant는 광고 채널이 아니라 구매 결정의 게이트키퍼가 될 가능성이 커요. 다만 아직 소문 단계이고 Apple과의 영업비밀 소송도 얽혀 있어 방향은 확정되지 않았습니다.