AI 미디어 플래닝은 모델이 같은 브리프와 예산에 여러 구조화된 옵션을 초안하고, 플래너가 손으로 덱 하나를 조립하는 대신 그럴듯한 플랜들 중에서 고르고 다듬는다는 뜻이에요. 변화는 속도 이득처럼 보이지만 실제로는 산출물의 모양이 바뀌는 것이고, 측정이 플랜과 함께 설계될 때만 값을 해요.
저는 플래닝과 바잉에서 18년을 보냈어요. 플래닝 덱은 일을 했다는 걸 증명하는 산출물이었죠: 슬라이드, 플로차트, 예산 표, 근거요. 그중 많은 게 조립이었고, 조립이 AI가 가져가는 것이에요. 남는 건 항상 일이었던 부분이죠 — 어떤 제약이 진짜 중요한지 정하고 그에 추천을 거는 것. 두 절반, 플랜과 측정이 함께 어떻게 바뀌는지 보여드릴게요.
플래닝 산출물의 모양이 바뀐다
옛 모델에서 플래너는 플랜 하나를 만들었어요. 시간이 제약이라, 산출물은 피할 수 없어 보이도록 다듬은 하나의 최선의 추측이었죠. 두 번째 옵션은 거의 없었어요, 두 번째 옵션은 또 일주일이 들었으니까요.
AI-native 모델에서 모델은 같은 브리프와 예산에 여러 구조화된 옵션을 만들어요 — 다른 채널 구성, 플라이트 패턴, 오디언스 분할, 크리에이티브 로테이션 — 각각 내적으로 일관되고 각각 비용이 매겨진. 플래너의 첫 일은 플랜 만들기에서 그럴듯한 것들의 비교로 옮겨가요. 덱은 건설 프로젝트가 아니라 결정 기록이 되죠.
이게 시니어의 시간을 더 잘 쓰는 방법이지만, 약점도 드러내요. 플랜이 하나면 그걸 방어했어요. 다섯이면 고르는 기준이 필요하고, 대부분의 팀은 문서화된 게 없어요. 그게 없으면 다섯 옵션은 논쟁을 나중으로 미룰 뿐이죠.
플랜 만들기에서 플랜들 중 고르기로
이제 중요한 기술은 식별이에요: 어떤 옵션이 진짜 제약에 맞고 어떤 게 그냥 매력적인지 빨리 보는 것.
실제로 모델의 옵션은 받은 브리프만큼만 좋고, 사고는 브리프에 살아요. 브리프가 "예산 안에서 리치를 극대화하라"면 리치 극대화 플랜 다섯을 받고 구별할 방법이 없어요. "2주 판매 창이 있는 시장에서 CPM을 목표 아래로 유지하면서 빈도를 피로 임계 아래로 유지하라"면 논의할 가치가 있는 방식으로 다른 옵션을 받죠. 플랜의 품질은 모델이 돌기 전에 정해져요.
플래너의 판단은 세 곳에 내려앉아요: 옵션 고르기, 무엇이 그걸 틀리게 할지 이름 짓기, 그리고 비행 중 변경을 촉발할 트립와이어 정하기요. 흐름도를 포맷하는 것보다 값진 일이고, 가짜로 만들기 어려워요.
팀이 덜 계획하는 측정 절반
여기 제가 가장 자주 보는 실패가 있고, 조용해요. 팀이 AI 플래닝을 연결하고, 더 많은 옵션을 만들고, 더 많은 변형을 돌리고 — 늘 갖던 같은 측정 설계를 유지해요. 결과는 더 많은 활동과 더 배운 게 없음이죠, 설계에서 옵션을 서로 비교하도록 설정한 게 없으니까요.
미디어 플래닝과 측정은 보통 끝에서 만나는 두 프로젝트로 다뤄져요. AI-native 워크플로에서는 하나의 설계예요. 플랜이 변형을 만들면, 측정은 어떤 변형을 비교할지, 어떤 신호로, 어떤 창에서, 무엇이 소음이 아니라 결과로 셀지 미리 정해야 해요. 아니면 돈을 쓰는 더 많은 방법만 만들고 어느 게 통했는지에 대한 증거는 더 없어요.
플랜과 함께 측정 설계하기
무엇이든 돌기 전에 내리는 네 결정이 볼륨을 증거로 바꿔요.
- 어떤 변형을 비교할지. 돌리는 모든 것에서 배울 수는 없어요. 미래의 결정을 바꿀 몇 개의 비교를 고르고, 나머지는 단일군 실행으로 두세요.
- 어떤 신호가 셀지. 기본 측정과 가드레일 측정을 미리 정하세요, 읽기가 사후 협상이 되지 않게요.
- 어떤 창과 어떤 기준선. 기간과 비교 지점을 미리 정의하세요, 아니면 모든 결과가 논쟁거리가 돼요.
- 누가 언제 읽을지. 사람과 케이던스를 이름 지으세요. 읽는 사람 없는 측정 설계는 아무도 안 여는 리포트예요.
이 중 뭐도 새로운 통계가 아니에요. 돌리기 전에 테스트를 정하는 규율이고, AI가 그 규율을 덜이 아니라 더 필요하게 만들어요, 테스트할 수 있는 것의 볼륨을 늘리니까요.
전통적 플래닝 vs. AI-native 플래닝
| 차원 | 전통적 플래닝 | AI-native 플래닝 |
|---|---|---|
| 산출물 | 다듬은 플랜 하나 | 비용 매긴 여러 옵션 |
| 플래너의 일 | 만들고 방어하기 | 고르고 다듬고 트립와이어 정하기 |
| 시간 비용 | 플랜당 몇 주 | 옵션당 몇 분 |
| 제약 | 플래너 시간 | 결정 기준과 깨끗한 브리프 |
| 측정 | 플랜 뒤에 설계 | 플랜과 함께 설계 |
| 학습 | 캠페인별, 사후적 | 변형별, 설계에 내장 |
| 실패 방식 | 느리고 단일 가치 | 비교 기준 없는 볼륨 |
아래쪽 행을 경계할 것으로 읽으세요. AI-native 실패는 느림이 아니에요. 많이 만들고 조금 배우는 것이죠, 아무도 플랜이 무엇을 가르쳐야 하는지 정하지 않았으니까요.
두 옵션은 설계 결정이다
조용히 실패하는 버전이 있어요: 모델이 옵션을 만들고, 플래너가 무시하고 원래 플랜을 방어하고, 여분의 볼륨이 연극이 되죠. 옵션의 수 자체가 설계 선택이에요. 날카로운 브리프에 잘 만들어진 두 대안이 보통 진짜 결정을 강제하기에 충분하고, 다섯은 더 긴 회의와 같은 결과를 자주 만들어요. 선택을 솔직하게 만드는 수를 고르고, 모델이 고른 옵션 안에서 변형을 만들게 하세요, 옆에 더 많은 옵션이 아니라요.
플래너가 여전히 소유하는 것
모델이 옵션을 초안하면 플래너는 뭐죠? 예전과 같은 것들, 집중된 상태로요.
- 제약 고르기. 고객의 어떤 현실이 실제로 묶는지 — 판매 창, 마진, 크리에이티브 공급 — 정하는 건 모델이 대신 할 수 없는 사람의 몫이에요.
- 그럴듯한 옵션 사이의 식별. 잘 만든 다섯 플랜 중 어느 게 진짜 상황에 맞는지 아는 게 이제 핵심 기술이에요.
- 성공 정의하기. 캠페인 전에 측정과 트립와이어를 이름 짓는 게 볼륨을 학습 가능하게 해요.
- 추천 소유하기. 누군가 플랜에 이름을 걸고 답해요. 그건 위임되지 않아요.
저는 이 논리의 한 버전을 훨씬 이른 글 미디어 플래너가 일자리를 잃게 될 방식에서 했어요, 자동화가 리서치 도구와 스프레드시트였을 때요. 도구는 엄청 바뀌었고, 패턴은 안 바뀌었어요. 지는 플래너는 가치가 조립이었던 사람이에요. 일자리를 지키는 사람은 가치가 판단이었던 사람이고, AI가 이제 그 차이를 모두에게 보이게 하는 것이죠.
시작하는 곳
캠페인 하나를 골라 플랜과 측정을 순차가 아니라 함께 다시 설계하세요. 브리프를 진짜 제약을 이름 짓게 쓰세요. 모델이 비용이 매겨진 세 옵션을 만들게 하세요. 하나를 고르고, 무엇이 그걸 틀리게 할지 쓰고, 확인할 비교를 정의하세요. 그런 다음 돌리고 미리 정한 케이던스로 결과를 읽으세요.
한 번만 해도 일 년의 덱이 가르쳐준 것보다 자기 플래닝 기준에 대해 더 많이 알게 돼요. 팀 리드 트랙이 이걸 라이프사이클에 걸쳐 순서를 정하고, 전략 가이드가 더 넓은 레인에 둬요.
FAQ
AI가 미디어 플랜 전체를 쓰나요?
구조화된 옵션을 빠르고 일관되게 초안해요, 조립의 대부분이죠. 어떤 제약이 중요한지 정하지 않고, 옵션 중에서 고르지 않고, 추천을 소유하지 않아요. 플랜은 여전히 사람의 산출물이에요. 초안은 아니죠.
AI-native 플랜에서 측정이 더 중요한 이유는?
AI가 돌릴 수 있는 옵션과 변형의 수를 늘리기 때문이에요. 미리 정한 측정 설계 없이는 그 여분의 볼륨이 증거가 아니라 활동을 만들어요 — 더 많은 지출, 어떤 접근이 통하는지에 대한 학습은 더 없이요.
플래너가 여전히 존재하나요?
역할은 사라지기보다 집중돼요. 플래닝은 미디어 나머지처럼 조립(대부분 자동화 가능)과 판단(아님)으로 갈라져요. 가치가 조립이었던 플래너는 노출되고, 고르고 성공을 정의하는 가치를 가진 플래너는 더 중심이 돼요.
이거 그냥 다른 이름의 테스트인가요?
랩 테스트를 돌리는 것보다 캠페인을 읽을 수 있게 설계하는 것에 가까워요. 요점은 모든 캠페인을 실험으로 만드는 게 아니라, 미래의 결정을 바꿀 몇 개의 비교를 미리 정하고 그 비교가 가능하도록 플랜을 짓는 거예요.
짧은 정리
AI는 플래닝을 플랜 하나 만들기에서 여럿 중 고르기로 바꾸고, 돈은 측정과의 짝에 있어요. 플랜은 생성되는데 측정이 재설계되지 않으면, 더 많은 옵션과 더 많은 증거는 못 얻어요. 돌리기 전에 비교, 신호, 창, 읽는 사람을 설계하세요; 판단은 사람으로 두세요; 그러면 볼륨이 소음이 아니라 학습이 돼요.
저는 확실해 보이면서 아무것도 가르치지 않은 플랜을 여럿 만들었고, 계속 다시 배우는 규율은 캠페인이 돌기 전에 무엇을 증명해야 하는지 정하는 것이에요.
팀이 플래닝과 측정을 이렇게 짝지었다면, 어떤 결정을 미리 하게 하는 게 가장 어려웠는지 듣고 싶어요.
감사합니다, Chandler
이 글은 한국어로 제공되지만, 코스 자료(영상, 템플릿, 컴패니언 가이드)는 영어, 일본어, 중국어(간체), 한국어로 제공돼요. 이 사이트는 13개 언어로 제공돼요.