1926년 프랑스 파리에서 시작한 퍼블리시스 그룹은 현재 전 세계 100개국 이상에서 약 11만 4,000명의 전문가와 함께하는 글로벌 광고·커뮤니케이션 그룹입니다. 2024년에는 세계 최대 광고 그룹으로 올라섰고, 커뮤니케이션·미디어·데이터·테크놀로지를 아우르며 광고를 넘어 고객의 비즈니스 전반을 지원하고 있는데요.
퍼블리시스 그룹에서는 고객의 의도를 파악하기 위해 미디어팀, 브랜드 전략팀, 데이터 인텔리전스 팀 등 다양한 조직에서 리스닝마인드를 활용하고 있습니다. 그중에서도 오늘은 GEO를 담당하는 데이터 인텔리전스 팀의 이야기를 들어봤습니다.
“사람들이 어떤 프롬프트를 많이 입력하는지 알 수 없잖아요”
생성형 AI가 소비자의 정보 탐색과 브랜드 발견 방식을 바꾸면서, 광고 업계에서도 AI 답변 속 브랜드 노출을 최적화하는 GEO(Generative Engine Optimization)가 새로운 과제로 떠오르고 있습니다.
하지만 GEO 분석에는 한 가지 어려움이 있습니다. ‘어떤 프롬프트를 입력해야 실제 소비자의 관심을 제대로 반영할 수 있을까?’라는 문제입니다. “사람들이 이 질문을 많이 할 것 같다”라는 추측만으로 프롬프트를 만들고, 그 결과를 바탕으로 브랜드 노출을 진단한다면 분석의 근거가 약해질 수밖에 없습니다.
퍼블리시스 그룹 데이터 인텔리전스 팀은 이 문제의 출발점을 검색 데이터에서 찾았습니다. 소비자가 실제로 검색한 키워드와 검색 흐름에서 관심사를 발견하고, 이를 바탕으로 GEO 분석에 사용할 프롬프트를 설계하는 방식입니다.
세계적인 광고·커뮤니케이션 그룹의 데이터 인텔리전스 팀은 AI 시대의 소비자 관심을 어떻게 읽고 있을까요? 이번 인터뷰에서는 권용욱 Director와 이광희 Senior Manager에게 검색 데이터가 GEO 분석의 질문을 만드는 과정부터, MCP와 AI 자동화로 달라지고 있는 데이터 분석 방식까지 들어봤습니다.
Q. 퍼블리시스 그룹 데이터 인텔리전스 팀은 어떤 일을 하고 있나요?
소셜 리스닝 분석에서 GEO 전담팀으로, 달라진 데이터 인텔리전스 팀의 역할
권용욱｜기존에는 소셜 데이터와 검색 데이터를 기반으로 주요 피칭과 프로젝트의 전략 방향을 설계해왔습니다. 소비자가 어떤 이야기를 하고 있는지, 무엇에 관심을 갖고 있는지를 데이터로 분석해서 프로젝트에 필요한 인사이트를 제공하는 일이 중심이었어요. 그런데 생성형 AI가 빠르게 확산되고 GEO가 하나의 비즈니스 영역으로 자리 잡으면서 팀의 역할도 자연스럽게 확장됐습니다. 지금은 기존 데이터 분석에 더해 AI가 어떤 답변을 만들고, 그 안에서 브랜드가 어떻게 노출되는지를 분석하고 있어요. 사실상 GEO를 전담하는 팀처럼 운영되고 있다고 보시면 될 것 같습니다.
이광희｜저는 기존에 소셜 리스닝이나 비정형 텍스트 데이터를 분석하는 업무를 많이 했습니다. 데이터를 수집해서 사람들이 어떤 이야기를 하고 있는지, 어떤 관심사가 나타나는지를 분석하는 일이었다면, 최근에는 그 분석 대상이 소셜에서 AI 답변으로 옮겨간 것 같아요. 기존의 데이터 분석 업무가 AI를 중심으로 확장되면서, 지금은 AI 드리븐 분석에 가까운 형태로 업무가 변화했다고 볼 수 있을 것 같습니다.
Q. 리스닝마인드를 도입하게 된 계기는 무엇인가요?
이전에 경험한 검색 데이터의 힘, GEO 분석의 출발점이 되다
권용욱｜직전 회사에서 리스닝마인드를 사용해 본 경험이 있었어요. 제가 기획 출신이라 검색 데이터와 그 결괏값이 어떤 의미를 갖는지 알고 있었고요. 당시의 리스닝마인드의 기능이나 형태가 지금과는 차이가 있지만, 그때도 패스파인더와 클러스터파인더를 활용해 소비자의 검색 흐름과 관심사를 분석했었어요.
특히 패스파인더에서 키워드를 뽑고, 저니파인더와 매핑해 소비자의 구매 여정을 구성하는 방식으로 잘 활용했었어요. 패스파인더만으로도 충분히 파워풀했고, 그렇게 만든 결과물을 팀에 공유하고 회사 내에서도 관련 사례가 자주 공유 됐었어요. 실제 소비자의 맥락이 담긴 패스파인더에서 보이는 인사이트에 대한 팀원들의 반응도 좋았고요.
이런 경험을 바탕으로 퍼블리시스 그룹에서도 리스닝마인드를 소개했고, 팀원들이 활용 가치를 확인하면서 도입으로 이어졌습니다.
Q. 현재 리스닝마인드를 어떻게 활용하고 계시나요?
“검증할 프롬프트를 추측만으로 던진다? 근거가 필요해요”
권용욱｜GEO 분석에서 어려운 부분 중 하나가 어떤 프롬프트를 기준으로 볼 것인지 정하는 거예요. 분석자가 임의로 질문을 만들면 그 질문이 실제 소비자의 관심을 반영하고 있는지 확인하기 어렵죠.
검색엔진에서는 사람들이 어떤 키워드를 얼마나 검색하는지 알 수 있지만, AI 모델에서는 어떤 프롬프트가 실제로 많이 입력되는지 알 수 없잖아요. 그래서 저희는 리스닝마인드에서 소비자의 인텐트(고객 의도)와 검색량을 확인하고, 이를 프롬프트를 설계하는 근거로 활용합니다.
먼저 CEP(Category Entry Point)를 발굴하고, 검색량과 연관된 관심사를 살펴봐요. 예를 들어 특정 제품이 어떤 상황에서 많이 검색되고 있다면, 그 상황에서 소비자가 어떤 질문을 할지를 프롬프트로 만들어볼 수 있습니다. 추측으로만 질문을 만드는 것보다 실제 검색 행동을 근거로 질문을 설계할 수 있는 거죠. 최근에는 리스닝마인드의 CEP 파인더의 프롬프트 생성 기능도 잘 활용하고 있어요.
“GEO 솔루션만으로는 발견하기 어려운 인사이트가 있어요”
권용욱｜저희도 GEO 분석을 할 때 해외 및 국내 GEO 솔루션을 같이 활용하고 있어요. GEO 솔루션을 사용하면 특정 프롬프트에서 브랜드가 얼마나 노출되고, 어떤 식으로 언급되는지 확인할 수 있죠. 그런데 비저빌리티 같은 지표만 가지고 보면 그 결과가 나타난 배경까지는 알기 어려워요.
그래서 저희는 검색 데이터와 GEO 솔루션에서 주는 인사이트를 서로 다른 역할로 보고 있어요. 검색 데이터에서는 소비자가 무엇에 관심을 갖고 어떤 상황에서 제품이나 카테고리를 찾는지를 확인하고, GEO 솔루션에서는 그 관심과 관련된 질문에 AI가 어떤 답변을 내놓고 브랜드를 어떻게 보여주는지를 확인하는 거죠.
결국 두 데이터를 함께 봐야 소비자의 관심과 AI 속 브랜드 노출을 연결해서 볼 수 있어요. 검색 데이터로 소비자의 관심과 맥락을 확인하고, GEO 솔루션으로 그 관심과 관련된 질문에서 브랜드가 어떻게 노출되는지를 확인하는 방식입니다.
Q. 검색 데이터로 소비자의 관심을 발견한 실제 사례가 있을까요?
해외 자동차 브랜드의 국내 소비자 인지도를 확인하다
이광희｜기억에 남는 프로젝트 중 하나는 해외 자동차 브랜드의 국내 소비자 인지도를 확인했던 프로젝트예요. 픽업트럭 브랜드에 대한 소비자 조사와 브랜드 분석을 진행했는데, 당시 해외에서는 이미 많이 알려진 브랜드였지만 국내에서도 그렇게 인식되고 있는지는 별개의 문제였거든요.
그래서 패스파인더에서 ‘픽업트럭’을 검색해서 소비자들이 어떤 키워드를 함께 연결해서 보고 있는지를 확인했어요. 단순히 브랜드의 검색량이 얼마인지 보는 것보다, 픽업트럭이라는 카테고리 안에서 해당 브랜드가 어떤 키워드들과 연결되어 있는지를 보는 방식이었죠. 그냥 키워드 수치로 보여주는 것보다 연결 과정을 보여줬을 때, 브랜드가 소비자들에게 굉장히 밀접하게 인식되고 있다는 걸 전달하기 좋았어요.
리스닝마인드 클러스터파인더 ‘픽업트럭’ 조회 결과 화면
클러스터 파인더로 보면 소비자가 특정 카테고리를 떠올렸을 때 어떤 브랜드를 함께 검색하는지도 확인할 수 있어서, 국내 소비자에게 그 브랜드가 어느 정도 인식되고 있는지를 보는 데도 도움이 됐어요. 인지도를 단순한 수치로 보는 게 아니라 소비자의 검색 행동에서 확인할 수 있었다는 점이 인상 깊었어요.
소형 정수기 시장에서 발견한 ‘물의 청결도’ 니즈
리스닝마인드 패스파인더 ‘수돗물 정수기’ 조회 결과 화면
권용욱｜또 하나 기억에 남는 건 소형 정수기 시장을 분석했던 프로젝트예요. 당시에는 소형 정수기를 자취생을 위한 제품으로 보는 관점이 기본이었어요. 공간을 많이 차지하지 않고 가격 부담도 적으니까, 자취방에서 사용하기 좋은 정수기라는 포지셔닝이었죠.
그런데 패스파인더로 관련 검색어를 살펴보니 자취와 관련된 키워드뿐 아니라 물의 청결도나 수질에 대한 관심도 함께 나타났어요. 생수, 수돗물, 미네랄, 염소, 미세플라스틱처럼 ‘어떤 물을 마셔야 하는가’에 대한 고민도 연결되어 있었고요.
자취템으로써의 수요는 이미 알고 있었지만, 물의 청결도처럼 물 자체에 대한 관심이 높다는 건 새롭게 발견한 부분이었어요. 이전 90일과 이후의 검색량을 비교하면서 이런 관심이 어떻게 변화하고 있는지도 확인했고요.
결과적으로 기존의 ‘자취생에게 가성비가 좋고 공간을 차지하지 않는 정수기’라는 니즈에 더해, ‘청결하고 좋은 물을 마시고 싶다’는 니즈까지 확인할 수 있었어요. 이를 바탕으로 이후에는 미세플라스틱에 대한 걱정을 덜 수 있다는 방향으로 콘텐츠와 메시지를 구체화할 수 있었습니다.
휴대용 정수기 니즈와 트레일러닝 소비자 발견
리스닝마인드 패스파인더 ‘휴대용 정수기’ 조회 결과 화면
권용욱｜같은 정수기 브랜드를 분석하면서 조금 의외였던 것도 있었어요. 정수기라고 하면 보통 집이나 사무실에서 사용하는 제품을 생각하는데, 검색 데이터를 확장해서 보다 보니까 휴대용 정수기 같은 제품군이 같이 나오더라고요.
그냥 빨대로 되어 있어서 빨대만 물에 넣고 야생에서 물을 바로 마실 수 있는 제품들이었어요. 처음에는 이런 제품을 누가 쓰나 싶었는데, 연결되는 검색어를 따라가 보니까 트레일 러닝처럼 아웃도어 활동을 하는 사람들이 사용하는 제품이라는 걸 알 수 있었어요.
국내에서는 아직 이런 제품군이 하나의 명확한 카테고리로 자리 잡지는 않았지만, 일부 소비자들은 이미 해외 직구 등을 통해 비슷한 제품을 구매하고 있었어요. 국내에서도 실제로 유사한 형태의 제품을 사용하는 사례를 확인할 수 있었고요.
정수기 시장을 분석하다가 검색어를 따라가면서 새로운 사용 상황과 소비자층을 발견할 수 있었던 거죠. 아직 명확하게 이름 붙여지지 않은 시장이나 잠재적인 수요를 찾는 데도 검색 데이터가 활용될 수 있다는 걸 확인한 경험이었어요.
Q. 기존 소셜 데이터 분석과 비교했을 때 달라진 점이 있나요?
소셜에서 발견한 관심을, 검색 데이터로 더 객관적으로 확인하다
이광희｜저는 이전부터 소셜 리스닝 분석을 많이 해왔는데, 리스닝마인드를 사용하면서 가장 크게 느낀 차이는 사람들이 어떤 키워드에 얼마나 관심을 가지고 있는지를 좀 더 객관적으로 확인할 수 있다는 점이었어요.
소셜 데이터에서도 관심도나 연관어를 볼 수는 있지만, 중간에 바이럴이 발생하면 수치의 등락이 너무 커지는 경우가 있어요. 또 연관어가 실제 소비자의 관심에서 나온 건지 가비지 데이터에서 나온 건지 확인하려면 원문을 하나하나 들여다봐야 하는 경우도 있고요.
반면 검색 데이터는 상대적으로 안정적이어서 어떤 관심사가 일시적으로 뜬 건지, 아니면 꾸준하게 올라오고 있는지 추이를 확인하기 좋았어요. 또 특정 키워드에 대한 절대적인 관심도뿐만 아니라 성별이나 연령별로 나눠볼 수 있다는 점도 유용했고요. 소셜 데이터만으로는 이런 니즈를 해결하기가 쉽지 않았거든요.
결국 소셜 데이터가 사람들이 무엇에 대해 이야기하고 있는지를 보는 데 강점이 있다면, 검색 데이터는 사람들이 실제로 무엇을 궁금해하고 찾고 있는지, 그 관심이 얼마나 지속되고 있는지를 확인하는 데 강점이 있는 것 같아요. 저희 입장에서는 기존에 소셜에서 발견했던 관심을 검색 데이터로 다시 확인하고, 그 근거를 보완할 수 있다는 점에서 활용도가 높았어요.
Q. 리스닝마인드 MCP 도입 후 달라진 점이 있다면?
인사이트 도출 자동화로 리서치 시간을 줄이다
이광희｜MCP를 활용하면서 가장 크게 달라진 건 데이터를 가져오고 정리하는 시간이 줄었다는 거예요. 예전에는 직접 대시보드에 들어가서 필요한 데이터를 찾고, 결과를 캡처하고, 다시 정리하는 과정이 필요했는데 지금은 키워드나 카테고리를 입력하면 리스닝마인드의 데이터를 불러와 AI가 결과를 정리해 주는 방식으로도 활용할 수 있어요.
특히 광고 회사에서는 피칭처럼 짧은 시간 안에 여러 데이터를 확인해야 하는 경우가 많잖아요. 이럴 때 MCP를 활용하면 필요한 데이터를 빠르게 가져와서 사전 인사이트를 만드는 데 도움이 됩니다. 리스닝마인드뿐만 아니라 다른 데이터 소스의 MCP도 함께 활용하면서, 이전보다 다양한 데이터를 빠르게 확인할 수 있게 됐어요.
권용욱｜피칭은 시간이 워낙 타이트해서 대시보드에 들어가 데이터를 하나씩 확인할 여유가 없는 경우가 많아요. 그래서 저희도 리스닝마인드 데이터를 가져와 결과물을 만들고, 그 내용을 메일로 전달하는 형태까지 내부적으로 자동화하고 있습니다.
이런 자동화는 AI 전담 부서가 따로 주도하는 방식이라기보다, AI를 잘 활용하는 구성원들이 TF처럼 모여 직접 만들어보고 필요한 팀에 배포하는 형태로요. 결국 사람이 직접 데이터를 찾고 정리하던 시간을 줄이고, 더 빠르게 인사이트를 확인할 수 있도록 업무 프로세스 자체를 바꾸고 있는 거죠.
Q. 리스닝마인드 도입 후 조직의 업무 방식에 어떤 변화가 생겼나요?
검색 데이터가 특정 담당자의 무기에서, 프로젝트의 기본 프로세스로
권용욱｜지금은 전사적으로 기획자들이 인사이트를 발굴하거나 프로젝트 초기 조사를 할 때 리스닝마인드 데이터를 기본적으로 확인하고 있어요. 핵심 인사이트가 나오지 않더라도 검색 데이터를 확인하는 과정 자체는 대부분 포함되는 것 같아요. 프로젝트를 시작할 때 소비자가 어떤 것에 관심을 가지고 있는지, 어떤 검색 흐름이 나타나는지를 먼저 확인하는 거죠.
이광희｜처음에는 리스닝마인드 데이터를 잘 활용할 수 있는 사람이 있어야 그 인사이트가 프로젝트에 들어갈 수 있었어요. 그런데 지금은 MCP나 자동화가 더해지면서 방식이 많이 달라졌어요. 피칭처럼 시간이 부족한 상황에서도 필요한 데이터를 빠르게 가져올 수 있고, 특정 담당자가 일일이 데이터를 찾아 전달하지 않아도 여러 구성원이 데이터를 활용할 수 있게 됐거든요.
권용욱｜예전에는 리스닝마인드가 약간 제 무기였어요. 팀에서 “이런 건 용욱님이 잘 아니까 한번 봐주세요”라고 하면 제가 데이터 보면서 딥 다이브하고, 필요한 것들을 하나하나 캡처해서 “이런 게 있더라고요”, “이런 흐름이 보이더라고요” 하면서 설명하는 역할을 했거든요. 당시에는 리스닝마인드가 조금 복잡하기도 했고, 제대로 활용하려면 어느 정도 시간이 필요했으니까요.
그런데 잠시 휴직했다가 돌아와 보니 분위기가 많이 달라져 있더라고요. 이제는 굳이 제가 없어도 필요한 데이터를 가져오고 결과물을 만들 수 있게 된 거예요. 예전에는 제가 가지고 있던 일종의 무기였는데, 이제는 조직에서 누구나 활용할 수 있는 데이터가 된 셈이죠. 조직 입장에서는 훨씬 좋은 변화인데, 개인적으로는 아쉬움도 살짝 있어요. (웃음)
이광희｜결국 가장 큰 변화는 검색 데이터가 특정 담당자만 활용하는 자료가 아니라, 프로젝트를 시작할 때 자연스럽게 확인하는 데이터가 됐다는 점인 것 같아요. 데이터를 활용하는 사람도 더 많아졌고, 데이터를 프로젝트에 연결하는 방식도 이전보다 훨씬 일상적인 업무 프로세스에 가까워졌으니까요.
Q. 리스닝마인드가 어떤 분들에게 강력한 무기가 될까요?
AI가 모르는 소비자 니즈를 빠르게 발견해야 하는 사람들에게
권용욱｜기획팀이나 대행사에서 소비자 조사가 필요한 일을 하는 분들에게 특히 도움이 될 것 같아요. 새로운 브랜드나 제품을 런칭하거나, 기존에 없던 시장을 찾아야 하는 프로젝트라면 무엇부터 봐야 할지 출발점을 잡는 게 중요하잖아요. 그럴 때 검색 데이터를 통해 실제 소비자가 어떤 것에 관심을 가지고 있고, 어떤 상황에서 검색하고 있는지를 먼저 확인해 보는 거죠.
요즘은 AI에게 질문하면 시장이나 소비자에 대한 정보를 굉장히 빠르게 얻을 수 있어요. 그런데 AI가 만들어주는 답변은 이미 온라인에 많이 축적된 정보나 일반적으로 알려진 내용을 바탕으로 하는 경우가 많잖아요. 반면 검색 데이터는 실제 사람들이 무엇을 검색했는지를 보여주기 때문에, 아직 명확하게 이름 붙여지지 않았거나 많이 알려지지 않은 관심사를 발견하는 데 도움이 될 거라 생각해요.
Q. 퍼블리시스 그룹 데이터 인텔리전스 팀에게 리스닝마인드란?
소비자의 실제 니즈를 알려주는 나침반
퍼블리시스 그룹 데이터 인텔리전스 팀에게 리스닝마인드는 소비자의 실제 니즈를 확인하고, 변화하는 시장에서 프로젝트의 방향을 찾게 해주는 나침반입니다. 소비자 인지도부터 특정 카테고리의 새로운 니즈, 아직 명확하게 카테고리화되지 않은 잠재 시장까지, 검색 데이터를 통해 시장의 변화를 읽고 소비자가 어디에 관심을 두고 있는지 확인할 수 있기 때문입니다.
AI를 활용하면 시장과 소비자에 대한 정보를 빠르게 얻을 수 있지만, 빠른 답변이 곧 정확한 소비자 이해를 의미하는 것은 아닙니다. 같은 AI를 활용하더라도 어떤 데이터를 근거로 삼느냐에 따라 답변은 달라질 수 있으니까요. 결국 중요한 것은 실제 소비자가 어떤 상황에서 무엇을 궁금해하는지 확인하는 것입니다. 그리고 그 데이터를 바탕으로 분석의 방향을 정하고, 결과가 나온 근거까지 고객에게 설명할 수 있어야 하죠.
GEO 시대에는 AI가 어떤 답을 내놓을지 보다, 실제 고객이 어떤 질문을 던질지를 찾는 것이 먼저 아닐까요? 저희는 그 질문의 근거를 검색 데이터에서 찾고 있습니다.
※ 본 인터뷰는 퍼블리시스 그룹 인터뷰 내용을 바탕으로 재구성되었습니다.