content-write: Google explains JavaScript execution on non-200 HTTP status
한 장짜리 LinkedIn 광고는 이제 비싸다
광고 예산이 부족해서가 아니다. 같은 이미지와 같은 문구 하나를 올린 뒤, 성과가 나올 때까지 기다리는 방식이 너무 많은 것을 한 번에 가정하기 때문이다. 이 광고가 눈에 띌 것, 이 문장이 직무에 맞을 것, 이 이미지가 클릭을 만들 것까지 모두 맞아야 한다. 하나라도 틀리면 캠페인은 돈을 쓰면서도 아무것도 배우지 못한다.
LinkedIn이 Reserved Ads, 광고 개인화, AI Ad Variants, Flexible Ad Creation을 묶어 내놓은 이유를 여기서 읽을 수 있다. 핵심은 “AI가 광고를 대신 만든다”가 아니다. 좋은 노출을 확보하고, 메시지를 개인화하고, 더 많은 조합을 시험하는 비용을 낮춘다는 것이다. 이 글은 기능 목록을 나열하는 대신, 이 네 가지를 실제 B2B 광고의 실험 순서로 연결해 본다.
이 글의 사실과 수치는 외부 정보(하베스터 수집)로 확인한 자료다. 특정 광고 계정에서 얻은 성과나 에이전트-드루 대화·작업 결과를 개인 경험처럼 섞지 않는다. 아래의 도입 순서는 외부 기능을 워크플로에 적용하기 위한 필자 해석이다.
지금 B2B 광고가 막히는 곳은 ‘아이디어’가 아니라 실험량이다
LinkedIn의 2026년 7월 공식 글은 작은 팀이 광고 하나를 만든 뒤 제한된 신호만으로 결정을 내리는 문제를 짚었다. 아이디어가 없어서가 아니라, 여러 개의 완성된 소재로 바꾸는 시간이 없어서다. LinkedIn 내부 분석에 따르면 광고를 5개 이상 운영한 광고주는 1개만 운영한 광고주보다 평균 20% 이상 높은 CTR을 보였다. 이 수치는 LinkedIn이 자체 분석으로 제시한 것이므로 독립적인 업계 벤치마크로 읽어서는 안 되지만, 방향은 분명하다. 더 많이 쓰는 것보다 더 많이 비교해야 한다.
문제는 변형을 만드는 일이 늘어날수록 브랜드 일관성, 검수, 예산 배분이 동시에 어려워진다는 점이다. 그래서 LinkedIn의 새 기능은 서로 다른 문제를 담당한다. Reserved Ads는 ‘봤는가’를, Ad Personalization은 ‘나와 관련 있는가’를, AI Ad Variants와 Flexible Ad Creation은 ‘어떤 조합이 실제로 작동하는가’를 다룬다.
| 기능 | 해결하려는 병목 | 워크플로에서의 역할 |
|---|---|---|
| Reserved Ads | 중요한 캠페인이 피드에서 묻힘 | 초기 관심과 도달을 확보 |
| Ad Personalization | 모든 사람에게 같은 문구를 노출 | 직무·회사·산업에 맞는 관련성 부여 |
| AI Ad Variants | 카피 변형을 직접 만드는 시간 | 메시지 가설을 빠르게 늘림 |
| Flexible Ad Creation | 이미지·영상·카피 조합을 수동 관리 | 조합을 자동 생성하고 성과 쪽으로 예산을 이동 |
첫 단계는 AI가 아니라 ‘보일 자리’를 사는 일이다
Reserved Ads는 광고를 LinkedIn 피드의 첫 번째 광고 슬롯에 노출하는 예약형 상품이다. LinkedIn 도움말 기준으로 고정 CPM을 사용하고, 최대 60일 전 예약할 수 있으며, 캠페인 기간은 7~30일이다. 최소 잠재고객 규모는 50만 회원 계정, 최소 예산은 5만 달러다. 노출 예상치는 추정치이지 보장이 아니며, 관리형 계정과 전담 담당자가 필요하다.
따라서 Reserved Ads를 상시 집행용으로 해석하면 안 된다. 신제품 공개, 큰 행사, 브랜드 리포트 발표처럼 짧은 시간에 넓은 전문직 잠재고객에게 기억되어야 하는 순간에 맞는다. 첫 슬롯을 확보해도 메시지가 나쁘면 비싼 첫인상만 남는다. Reserved Ads의 목적은 전환을 즉시 보장하는 것이 아니라, 다음 실험에 쓸 충분한 관심 신호를 만드는 데 있다.
두 번째 단계는 개인화가 아니라 ‘가짜 친밀감’을 피하는 것이다
Ad Personalization은 LinkedIn 프로필의 속성을 이용해 광고 문구를 바꾼다. %FIRSTNAME%, %JOBTITLE%, %INDUSTRY%, %COMPANYNAME% 같은 매크로를 활용하면 같은 캠페인 안에서도 보는 사람의 직무와 회사에 맞춰 문장이 달라진다. LinkedIn이 인용한 McKinsey 조사에서는 소비자의 71%가 개인화된 상호작용을 기대하고, 76%는 개인화가 없을 때 불편함을 느낀다고 답했다. 다만 이 수치는 2021년 McKinsey 조사에서 나온 수치이며, LinkedIn의 현재 성과 보장은 아니다.
개인화의 기준은 이름을 넣는 횟수가 아니다. 그 사람의 업무 문제를 더 정확히 말할 수 있는가다. “홍길동님, 우리 서비스를 써보세요”보다 “마케팅 리더라면 캠페인별 리드 품질을 비교할 수 있어야 합니다”가 낫다. 직무·산업별로 실제 제안이 달라지지 않는다면, 매크로는 관심을 끄는 장치가 아니라 감시받는 느낌을 줄 수 있다. 개인화 문구에는 항상 일반적인 대체 문구를 준비하고, 프로필 정보가 비어도 문장이 어색해지지 않는지 먼저 검수해야 한다.
또 하나의 제한도 있다. LinkedIn 도움말은 광고 개인화가 모든 목표와 형식에 동일하게 제공되지 않으며, 특히 브랜드 인지도 목표에서는 현재 사용할 수 없다고 안내한다. 계정·지역·캠페인 목표별 제공 범위를 Campaign Manager에서 확인하지 않고 전략부터 짜면, 문서에만 있는 기능을 기준으로 계획하게 된다.
세 번째 단계에서 AI를 ‘카피라이터’가 아니라 실험 조수로 쓴다
AI Ad Variants는 기존 헤드라인이나 도입 문장 하나를 씨앗으로 여러 개의 온브랜드 변형을 만든다. 이 기능의 가치는 첫 문장을 잘 쓰는 데 있지 않다. 이미 검수한 핵심 주장 하나를 비용 절감·속도·리스크·성과 같은 서로 다른 각도로 펼쳐, 어떤 문제 정의가 반응을 얻는지 비교하게 해주는 데 있다.
- 주장 하나를 고른다. “리포트 작성 시간을 줄인다”처럼 제품이 실제로 증명할 수 있는 문장으로 시작한다.
- AI가 만든 문장을 그대로 승인하지 않는다. 각 변형이 같은 제품·같은 대상·같은 조건을 말하는지 사람이 확인한다.
- 각 변형에 가설을 붙인다. “시간 절약형”, “오류 감소형”, “팀 공유형”처럼 문구가 시험하는 이유를 기록한다.
- CTR만으로 승자를 정하지 않는다. 클릭 뒤의 리드 품질, 유효 대화, 영업 기회까지 같은 기간에 확인한다.
AI가 만든 카피를 많이 쌓는 것이 목표가 아니다. 한 번의 캠페인이 다음 캠페인의 메시지를 가르치도록 만드는 것이 목표다. 생성 단계에서 브랜드 가이드와 금지 표현을 고정하고, 승인된 변형만 Campaign Manager에 올리면 속도와 통제력을 동시에 얻을 수 있다.
네 번째 단계는 조합을 플랫폼에 맡기되, 학습 조건은 사람이 만든다
Flexible Ad Creation은 이미지나 영상을 최대 4개, 헤드라인과 설명을 최대 5개씩 올려 최대 64개의 광고 버전을 자동으로 조합하는 흐름이다. LinkedIn 도움말은 단일 이미지와 비디오 형식에서 조합을 시험하고, 성과가 좋은 소재로 광고 전달을 이동한다고 설명한다. 약 일주일의 학습 기간 뒤 성과가 낮은 소재가 자동으로 일시 중지될 수 있다.
여기서 “자동 최적화”를 “알아서 좋은 광고를 선택한다”로 오해하면 안 된다. 새 캠페인에서만 사용할 수 있고, 일반 광고와 같은 캠페인에 섞을 수 없으며, 동적 예산 최적화가 필요하다. 더 중요한 것은 플랫폼이 최적화하는 목표가 내가 원하는 사업 목표와 같아야 한다는 점이다. 클릭을 최적화하면 클릭을 잘 만드는 조합이 남을 뿐, 영업팀이 원하는 계정이 남는다는 보장은 없다.
기능 네 개를 하나의 30일 실험으로 연결하는 법
아래 순서는 LinkedIn의 공식 도입 의무 절차가 아니라, 외부 자료의 기능을 실제 운영 순서로 재구성한 필자 해석이다. Reserved Ads를 쓸 수 없는 계정이라면 첫 단계만 일반 피드 캠페인으로 바꿔도 된다.
- 1주차 — 관심을 확보한다. 하나의 캠페인 목표와 한 개의 핵심 고객 문제를 정하고, Reserved Ads 또는 일반 피드에서 초기 도달과 시청·체류 신호를 수집한다.
- 2주차 — 관련성을 나눈다. 직무·산업·회사 규모처럼 실제 제안이 달라지는 세그먼트만 고르고, 각 세그먼트에 개인화 문구와 대체 문구를 함께 준비한다.
- 3주차 — 메시지를 늘린다. 승인된 핵심 주장 하나를 AI Ad Variants로 변형하고, 각 변형에 가설과 검수 상태를 표시한다. 최소 5개 이상의 광고를 비교할 수 있는 구조를 만든다.
- 4주차 — 조합을 학습시킨다. 이미지·영상·카피를 Flexible Ad Creation에 넣고 학습 기간을 보장한다. 중간에 성급하게 승자를 선언하지 말고, 변형별 CTR·전환율·유효 리드 비용을 같은 기준으로 기록한다.
| 확인할 질문 | 볼 지표 | 다음 결정 |
|---|---|---|
| 사람들이 광고를 발견했는가? | 노출·시청·체류·도달 | 배치와 예산을 유지할지 |
| 문구가 내 업무와 관련 있어 보였는가? | 세그먼트별 CTR·스크롤 후 행동 | 개인화 강도와 메시지를 조정할지 |
| 어떤 주장과 시각 조합이 이겼는가? | 변형별 전환율·유효 리드 비용 | 다음 캠페인의 기본 소재를 고를지 |
이 표를 캠페인 시작 전에 만들어 두면 “AI가 좋은 문구를 만들었나?”라는 질문에서 벗어날 수 있다. 대신 “어떤 가설을 시험했고, 어떤 조건에서 실패했나?”를 묻게 된다. 도구의 이득은 제작 시간을 줄이는 데서 끝나지 않는다. 실험의 기록 단위를 광고 한 장에서 가설 하나로 바꾸는 것이 더 큰 이득이다.
결론: LinkedIn의 AI 광고는 전략을 없애지 않고, 전략의 빈틈을 드러낸다
Reserved Ads는 관심을 살 수 있지만 설득까지 대신하지 않는다. Ad Personalization은 관련성을 높일 수 있지만, 제품의 제안이 세그먼트별로 달라지지 않으면 장식에 그친다. AI Ad Variants와 Flexible Ad Creation은 실험량을 늘리지만, 측정 목표가 CTR 하나라면 잘못된 신호를 더 빨리 최적화할 뿐이다.
그래도 이 조합을 시험할 이유는 충분하다. 예전에는 한 장의 광고를 만들고 결과를 기다리느라, 무엇이 실패했는지조차 알기 어려웠다. 이제는 노출, 개인화, 메시지, 조합을 각각 분리해 가설을 세울 수 있다. 비싼 것은 AI 기능 사용료가 아니라, 아무것도 배우지 못한 채 반복 집행하는 예산이다.
이번 주 Campaign Manager에서 가장 중요한 제품 주장 하나를 고르고, 그 문장을 서로 다른 업무 문제를 말하는 5개 변형으로 만들어보자. Reserved Ads를 이용할 수 있는 관리형 계정이라면 중요한 런칭 기간의 첫 슬롯을 검토하고, 그렇지 않다면 일반 피드에서 같은 실험 구조를 작게 시작하면 된다. 일주일 뒤에는 CTR이 아니라 유효한 다음 대화를 만든 변형을 남겨라. 그 결과와 가장 의외였던 실패 가설을 댓글로 공유하면, 다음 광고를 더 빨리 만들기보다 더 잘 배울 수 있다.
근거 출처
외부 정보 (하베스터 수집) — LinkedIn Marketing Solutions의 “How New LinkedIn Features Help You Scale Personalized Creative and Boost Awareness”(2025-12-08)에서 Reserved Ads의 첫 광고 슬롯, 광고 개인화 매크로, AI Ad Variants, Flexible Ad Creation의 발표 내용을 확인했다. LinkedIn의 후속 글 “From Blank Page to High Performing Ad: Introducing LinkedIn’s New Creative Tools”(2026-07-01)에서 5개 이상 광고의 20% 이상 CTR 차이, Brand Kit·Draft with AI·변형 실험의 연결을 확인했다. 운영 조건은 LinkedIn 도움말의 Reserved Ads와 Flexible ads 문서를 대조했다. 개인화 매크로·옵트아웃·브랜드 인지도 목표 제한은 LinkedIn의 광고 개인화 도움말에서 확인했다. 개인화 기대치 수치(71%·76%)는 LinkedIn이 인용한 McKinsey, “The value of getting personalization right—or wrong—is multiplying”(2021-11-12)에서 확인했다. LinkedIn이 제시한 CTR·성과 수치는 각 회사의 내부 분석 또는 보고이므로 독립적인 성과 보장으로 해석하지 않아야 한다.
상호작용 (에이전트-드루 대화·작업)
이 글에는 개인 광고 계정의 실험 결과나 에이전트-드루 대화·작업에서 얻은 성과를 근거로 사용하지 않았다. 30일 실험 순서와 지표 표는 위 외부 자료의 기능을 실제 워크플로에 적용하기 위해 재구성한 필자 해석이다.