AI 시대의 광고비 누수, MFA 가짜 트래픽 진단부터 차단까지 실무 가이드

클릭은 많은데 결제는 0건? 광고비가 새는 진짜 이유

광고를 집행하다 보면 가끔 이상한 리포트를 만날 때가 있어요. 클릭 수는 평소보다 몇 배씩 늘었는데, 정작 구매나 문의 같은 실제 전환은 거의 0에 가까운 경우죠. 대시보드 상의 유입 지표 숫자만 보면 캠페인이 잘 돌아가는 것 같은데, 매출 쪽을 보면 아무 변화가 없습니다.

이럴 때 보통은 상세 페이지가 문제인가, 가격이 비싼가, 타겟팅이 잘못됐나부터 점검하게 돼요. 실제로 그 안에서 원인이 나오는 경우도 많고요. 그런데 이것저것 다 손봤는데도 클릭과 전환 사이의 간극이 좀처럼 좁혀지지 않는다면, 한 가지 가능성을 더 열어둘 필요가 있습니다. 그 클릭, 사람이 누른 게 아닐 수도 있거든요.

최근 광고 시장에서는 사람이 거의 방문하지 않는, 오직 광고 노출과 클릭만을 위해 만들어진 웹사이트들이 꾸준히 중요한 이슈로 지적되고 있습니다. 더 정확히 말하면, 생성형 AI를 활용해 저품질 콘텐츠나 유사 구조의 사이트를 빠르게 대량 생산하는 사례가 늘고 있습니다. 여기에 사람의 행동을 흉내 내는 AI 봇까지 더해지면, 대시보드에는 분명히 '유입'으로 기록되지만 실제로는 아무도 상품을 보지 않은 트래픽이 쌓이게 됩니다.

문제는 이런 트래픽이 숫자상으로는 멀쩡해 보인다는 점입니다. 클릭도 있고 방문도 있으니 지표는 오히려 좋아 보이죠. 그러다 보니 광고비가 어디로 새고 있는지 인지하지 못한 채 예산만 소진되는 일이 생기곤 해요.

오늘 글에서는 이 가짜 생태계가 어떻게 만들어지고, 왜 자동화 광고가 여기에 예산을 흘려보내며, 내 리포트에서 이걸 어떻게 걸러낼 수 있는지를 차례대로 살펴보겠습니다.

MFA의 정체: AI가 찍어내는 '광고 수익용' 가짜 사이트

앞서 말한, 오직 광고를 위해 만들어진 그 사이트들을 업계에서는 MFA(Made for Advertising)라고 불러요. 콘텐츠를 보여주려고 만든 게 아니라 검색 유입이나 광고 유입을 대량 확보하는 데 집중하고, 콘텐츠 품질보다 페이지뷰와 광고 노출 수를 우선시하는 사이트인 거죠.

일반적인 MFA 사이트는 자극적인 낚시성 제목으로 클릭을 유도한 뒤, 페이지 곳곳에 광고를 빽빽하게 깔아둡니다. 예를 들어 "저렴한 노트북 추천" 같은 키워드로 유입을 모은 뒤, 정작 알맹이 있는 정보는 적고 광고만 잔뜩 노출하는 식이죠. 글 하나를 읽으려고 들어가면 화면 전체를 가리는 팝업 광고, 스크롤을 따라다니는 동영상 광고, 본문 중간중간 촘촘하게 박힌 배너 광고를 수없이 마주치게 됩니다. 본문보다 광고가 더 많은 구조라, 사용자가 원하는 정보를 빠르게 얻기 어려운 경우가 많아요. 글을 끝까지 읽으려면 페이지를 여러 번 넘기게 만들고, 넘길 때마다 새 광고를 노출시켜 수익을 끌어올립니다. 실제로 한 사례에서는, 특정 MFA 사이트에서 페이지 로딩 15초 안에 100개가 넘는 광고가 감지되기도 했어요. 방문자에게 정보를 주기보다, 광고 노출 그 자체가 목적인 셈입니다.

예전에도 이런 사이트는 있었지만, 생성형 AI가 보급되면서 양상이 달라졌습니다. 과거에는 사람이 하나씩 만들던 저품질 사이트를 이제는 AI가 짧은 시간에 대량으로 찍어낼 수 있게 됐기 때문이에요. 비슷비슷한 구조의 가짜 사이트들이 빠르게 늘어나는 이유예요.

여기에 한 가지 구조가 더 얹힙니다. 사람의 마우스 움직임이나 페이지 체류 시간까지 흉내 내는 AI 봇이 가짜 클릭을 자동으로 발생시키는 방식인데요. 자동화된 트래픽이나 무효 클릭이 섞이면, 실제 사용자 행동처럼 보이는 신호가 데이터에 섞여 들어갈 수 있습니다. 정리하면 'AI가 만든 저품질의 가짜 사이트'에 'AI 봇의 가짜 클릭'이 결합된 구조라고 볼 수 있어요. 사이트도 가짜, 그 안에서 발생하는 클릭도 상당 부분 가짜인 셈이죠.

규모도 작지 않습니다. 미국 전국광고주협회(ANA)가 발표한 프로그래매틱 투명성 연구에 따르면, MFA 사이트가 전체 광고 노출의 21%, 광고비의 15%를 차지하는 것으로 나타났습니다. 금액으로 환산하면 연간 약 130억 달러 규모로 추정됐고요. 이 연구는 2022년 9월부터 2023년 1월까지 광고비 약 1억 2,300만 달러, 노출 약 355억 건의 로그 데이터를 분석한 결과입니다. 쉽게 말하면 광고가 다섯 번 노출되면 그중 한 번꼴로 이런 가짜 지면에 광고가 실렸다는 의미입니다.

내 광고는 왜 하필 그 가짜 지면에 실렸을까

가짜 사이트가 많다는 건 알겠는데, 그렇다면 왜 하필 내 광고가 그런 곳에 실리는 걸까요? 이유는 요즘 광고를 사람이 일일이 배치하지 않고 알고리즘이 자동으로 배분하는 방식에 있습니다.

자동화 입찰은 '효율'을 기준으로 움직여요

구글 P-MAX나 메타의 자동화 광고는 광고를 어디에 노출할지를 알고리즘이 알아서 결정합니다. 이때 기준이 되는 건 대체로 '같은 예산으로 더 많은 노출과 클릭을 얻을 수 있는가'입니다. 더 적은 비용으로 더 많은 사람에게 닿을 수 있는 지면을 우선적으로 선택하는 구조죠.

방향 자체는 합리적입니다. 문제는 이 '효율'이라는 기준이 지면의 품질까지 보장하지는 않는다는 점입니다. 알고리즘은 '이 지면이 신뢰할 만한 매체인가'보다 '여기에 노출하면 숫자가 잘 나오는가'를 먼저 보거든요. 이때 무효 트래픽이나 저품질 지면이 섞이면 효율 신호가 왜곡될 가능성이 있습니다.

MFA 지면이 그 조건에 딱 맞아요

MFA 사이트는 노출 단가(CPM)가 일반 매체보다 낮은 경우가 많아요. 일부 업계 분석에서는 MFA 지면의 CPM 이 일반 사이트보다 약 30~40% 정도 낮은 경향이 있다라고 설명하기도 합니다. 광고를 워낙 빽빽하게 싣는 구조라 노출시킬 수 있는 자리가 많고, 그만큼 단가를 낮게 가져갈 수 있기 때문이에요.

자동화 알고리즘 입장에선 이런 지면이 꽤 괜찮아 보여요. 저렴하게 노출되는데 클릭까지 잘 나오니, '효율이 좋은 지면'으로 판단해서 광고를 더 많이 몰아주는 흐름이 생기는 거죠. 사람이 보면 '어, 이거 이상한 사이트인데?' 싶은 곳도, 알고리즘은 숫자만 보고 좋은 지면이라고 볼 여지가 있습니다.

AI 봇이 지표를 한 번 더 왜곡해요

여기에 앞서 언급한 자동화 트래픽이나 무효 클릭이 더해지면 왜곡은 한 단계 더 깊어질 수 있습니다. 사람의 클릭처럼 보이는 가짜 클릭, 사람이 머문 것처럼 보이는 가짜 체류 시간이 데이터에 섞일 수 있기 때문입니다. 그럼 알고리즘은 '여기 반응 좋네' 하고 받아들여서 그 지면에 광고를 더 태우는 쪽으로 학습할 수 있어요. 잘못된 긍정 신호를 학습할 가능성이 생기는 거예요.

그래서 나오는 게 바로 글 초반에 말한 그 상황입니다. 클릭이나 방문 같은 지표는 좋아 보이는데, 구매나 문의 같은 실제 전환은 따라오지 않는 것이죠. 대시보드 숫자만 보면 캠페인이 잘 돌아가는 것처럼 보이지만, 그 숫자의 상당 부분이 신뢰하기 어려운 트래픽일 수 있다는 의미입니다. 오히려 숫자가 너무 예쁘게 나올 때 한 번 더 들여다볼 이유가 생기는 거예요.

내 광고 리포트에서 가짜 트래픽을 걸러내는 2가지 방법

그렇다면 그 '한 번 더 들여다보는' 일은 실제로 어떻게 할 수 있을까요?

평균 수치가 좋아졌다고 해도, 내 계정의 광고비가 가짜 지면으로 새고 있는지는 직접 확인하기 전까진 알기 어려워요. 다행히 구글과 메타 모두 내 광고가 실제로 어디에 노출됐는지 보여주는 리포트를 제공하고, 그중 원치 않는 지면을 제외하는 기능도 함께 갖추고 있어요. 복잡한 도구 없이 광고 관리자 안에서 할 수 있는 두 가지를 정리해 볼게요.

액션 1. 배치(Placement) 리포트를 직접 들여다보기

가장 먼저 할 수 있는 건, 내 광고가 어떤 사이트와 앱에 실렸는지 목록을 확인하는 것입니다.

구글 애즈에서는 좌측 메뉴의 '통계 및 보고서' 안에 있는 '광고가 게재된 시간 및 위치' → '광고가 게재된 위치' 리포트를 보면 됩니다. 여기서 광고가 노출된 웹사이트, 앱, 유튜브 채널과 지면별 노출 수를 확인할 수 있어요. 참고로 P-Max 캠페인은 계정 수준의 게재 위치 제외를 지원하며, 이 제외 설정은 검색 파트너 네트워크에도 적용됩니다. 또한 구글 애즈는 P-Max의 배치 보고서에서 실제 노출된 지면을 확인할 수 있도록 안내하고 있습니다. 자동화 캠페인이 실제로 어디에 노출되는지 확인하기가 훨씬 수월해진 거죠.

목록을 보면, 우리 타깃과 무관한 엉뚱한 해외 사이트나 처음 보는 양산형 매체, 게임 앱 같은 지면이 눈에 띄는 경우가 있습니다. 이런 지면을 제외 목록에 등록하면 이후 노출에서 빠집니다. 구글 애즈에서는 '도구 → 공유 라이브러리→ 제외 목록'에서 URL을 한 번에 등록할 수 있어요. 한 가지 알아둘 점은, P-MAX는 개별 지면을 캠페인 단위로 제외하기 어렵기 때문에 계정 수준에서 제외해야 한다는 것입니다. 계정 수준 제외는 P-MAX에도 적용됩니다.

메타에서는 광고 관리자의 '모든 도구 → 브랜드 가치 보호 및 적합성' 메뉴에서 원치 않는 지면을 통제할 수 있습니다. 먼저 '게재 보고서(광고가 게재된 위치)'로 광고가 실제로 어디에 노출됐는지 확인하고, '퍼블리셔 차단 리스트'에 차단할 앱·페이지·도메인을 등록하면 됩니다. 이 차단 리스트의 적용 대상에는 외부 앱·사이트 지면인 오디언스 네트워크(Audience Network)도 포함돼 있어, 가짜 트래픽 이슈가 자주 거론되는 이 지면을 직접 관리할 수 있어요.

한 가지 참고할 점은, 과거에 쓰이던 '허용 리스트(퍼블리셔·콘텐츠 허용 리스트)'는 현재 지원이 중단됐다는 것입니다. 지금은 특정 지면을 골라 막는 '차단 리스트' 방식으로 관리하는 구조라고 보면 됩니다.

액션 2. 클릭률(CTR)의 함정에서 벗어나기

배치 목록을 봤다면, 그다음은 '이 클릭이 진짜인가'를 판단하는 단계입니다. 여기서 유용한 신호 중 하나가 비정상적으로 높은 CTR입니다.

보통 CTR이 높으면 좋은 지면이라고 생각하기 쉬운데요. 다른 지면과 비교해 유독 CTR만 튀는데 전환은 거의 없는 지면이라면, 클릭의 질을 한 번 의심해볼 만합니다. 사람이 관심 있어서 누른 클릭이 아니라, 실수로 눌렸거나 봇이 발생시킨 클릭일 가능성이 있기 때문입니다.

그래서 단순히 클릭 수나 CTR만 보는 대신, 광고 지표를 내부 데이터와 대조해 보는 방법이 있습니다. 예를 들어 그 지면에서 들어온 방문자가 사이트에 얼마나 머물렀는지(체류 시간), 페이지를 얼마나 내려봤는지(스크롤 깊이), 전환까지 이어졌는지를 함께 보는 거죠. 클릭은 많은데 체류 시간이 0초에 가깝고 스크롤도 거의 없다면, 그 클릭의 상당수는 진짜 관심으로 보기 어렵습니다. 클릭 수 하나만 보는 게 아니라 여러 신호를 교차로 확인할 때, 유입의 질이 훨씬 선명하게 드러납니다.

이런 판단을 가능하게 하려면 한 가지 전제가 필요합니다. 광고 지면 데이터와 내부 행동 데이터가 같은 기준으로 연결되어 있어야 한다는 점입니다. 어떤 경로로 들어온 사용자가 어떻게 행동했는지를 맞춰볼 수 있는 데이터 구조가 갖춰져 있을 때, 비로소 '가짜를 걸러내는' 작업이 가능해져요. 바꿔 말하면, 광고 리포트를 아무리 들여다봐도 내부 데이터와 연결되어 있지 않으면 검증 자체가 반쪽에 그치기 쉽다는 뜻이기도 합니다.

AI가 오염시키는 데이터 시대, 가짜를 걸러내는 사람이 살아남는다

다시 맨 처음 상황으로 돌아가 볼게요. 클릭은 터지는데 전환은 따라오지 않던 그 리포트요. 이제는 그 간극의 원인 중 하나로 사람이 아닌 트래픽을 의심해볼 수 있게 됐습니다. AI가 찍어낸 가짜 사이트, 그 안에서 발생하는 봇의 가짜 클릭, 그리고 그것을 효율 좋은 지면이라고 받아들이는 자동화 알고리즘까지. 클릭과 전환 사이의 간극은 우연이 아니라 이런 구조에서 비롯된 것일 수 있습니다.

조금 역설적인 부분이 있습니다. AI 기술이 정교해질수록 광고는 더 똑똑하게 최적화될 것 같지만, 동시에 그 AI가 가짜 사이트와 저품질 콘텐츠, 그리고 가짜 클릭을 더 빠르고 정교하게 만들어내기도 하니까요. 기술이 고도화될수록 우리가 들여다보는 데이터의 순도는 오히려 낮아질 수 있다는 의미입니다.

그래서 대시보드의 숫자를 그대로 믿기보다, 한 번 더 의심하고 직접 확인하는 과정이 점점 더 중요해지고 있어요. 어떤 지면에 광고가 실렸는지 들여다보고, 비정상적인 신호를 걸러내고, 표면 지표를 내부 데이터와 대조하는 것. 이런 검증의 과정이 결국 광고비가 새는 길목을 막고, 흔들리는 데이터 속에서 '데이터 주권'을 지켜내는 일에 가깝습니다.

대시보드 숫자가 어딘가 미덥지 않게 느껴진다면, 데이터의 기준부터 점검해보는 것이 그 시작점이 될 수 있습니다. 그리고 텀타는 그 기준을 잡는 과정을 함께하고 있습니다.