기존 고객이 계속 섞이면 신규 고객 광고는 왜 금방 비싸게 느껴질까

분명 신규 고객을 찾고 있는데 왜 돈은 자꾸 익숙한 사람에게 새나갈까

공개 커뮤니티를 보다 보면 비슷한 하소연이 자주 나온다. 몇 년째 같은 퍼널을 운영했는데 광고가 늘 비슷한 사람에게만 보이는 것 같고, 장바구니 반응은 많은데 실제 구매는 따라오지 않는다는 얘기다. 어떤 운영자는 새 리드 비중이 70% 아래로 내려가 실제 리드 단가가 체감보다 훨씬 높아진다고 적었고, 다른 운영자는 기존 방문자와 구매자를 강하게 제외하고 나서야 비로소 다른 트래픽이 들어오는 느낌을 받았다고 썼다. 신규 고객을 데려와야 하는 캠페인인데 이미 아는 고객 반응에 계속 기대고 있다는 뜻이다.

이럴 때 흔히 먼저 보는 건 소재나 카피다. 문구를 더 바꾸고, AI로 변형도 더 많이 만들고, 타이틀도 더 세게 써본다. 그런데 실제 병목은 그보다 앞에 있는 경우가 많다. 광고 시스템이 누가 새 고객인지를 흐리게 보고 있으면 가장 쉬운 반응 쪽으로 다시 모이기 쉽고, 그 결과는 겉으로는 효율처럼 보이지만 실제 신규 확보 비용은 점점 탁해진다.

왜 이런 일이 생길까

광고 플랫폼은 결국 전환 가능성이 높은 쪽을 더 빨리 학습한다. 문제는 그 전환 안에 이미 우리를 알고 있는 사람, 이미 샀던 사람, 이미 무료 리드를 남긴 사람이 섞여 있으면 신규 고객 확보 캠페인도 그 반응을 좋은 신호로 받아들이기 쉽다는 점이다.

실무에서는 보통 이런 흐름이 겹친다.

이 상태에서는 AI 개인화도 힘을 쓰기 어렵다. 문구를 더 정교하게 만드는 일과 누구에게 내보내는지를 또렷하게 가르는 일은 다른 문제이기 때문이다. 사람은 둘을 한꺼번에 보지만, 운영 데이터는 종종 따로 흘러간다.

먼저 흔들리는 건 개인화가 아니라 예산 해석이다

Supermetrics의 2026 Marketing Data Report에 따르면 435명의 마케팅 실무자와 리더를 조사한 결과, AI를 워크플로에 완전히 녹였다고 답한 비율은 6%에 그쳤다. 52%는 데이터 전략과 측정 기준을 외부 데이터 팀이 정한다고 답했고, 40%는 채널 간 ROI 입증이 가장 큰 과제라고 했다. 또 36%는 데이터 활성화를 가능하게 하는 시스템 통합 부족을, 33%만이 데이터를 효과적으로 활성화할 수 있다고 답했다. 현장에서 막히는 자리가 카피 생성보다 데이터 기준과 연결이라는 뜻에 가깝다.

같은 보고서는 통합 고객 뷰와 예측, 경쟁 정보가 가장 흔한 데이터 과제라고도 짚는다. 신규 고객 광고에서 기존 고객 제외가 자꾸 어긋나는 장면은 바로 이 통합 고객 뷰 부재와 맞닿아 있다. 고객을 한 번에 못 보면, 캠페인 목표는 신규 확보인데 집행 결과는 재노출과 재반응에 가까워지기 쉽다.

Google Ads 도움말도 비슷한 점을 드러낸다. 신규 고객 확보 목표를 정확하게 쓰려면 최근 구매 전환이나 기존 고객 리스트 같은 자사 데이터를 보강하라고 안내한다. 자동 판별만으로는 신규와 기존을 깔끔하게 나누기 어렵다는 뜻이다. 실무자가 고객 목록 업로드, 전환 태그, 구매 이벤트 품질을 자꾸 다시 보는 이유도 여기 있다.

현장 이야기를 보면 문제는 더 선명하다

레딧의 한 광고 운영자는 2년 넘게 같은 퍼널을 하루 5천 달러에서 1만 달러 수준으로 운영했는데도 "계속 같은 리드가 다시 들어오고", 새 리드 비중이 70%에 못 미쳐 실제 리드당 비용이 체감보다 훨씬 높아진다고 적었다. 구매자와 리드 목록을 주기적으로 제외해도 여전히 비슷한 사람에게 광고가 반복 노출되는 것 같다는 얘기였다. 또 다른 운영자는 저가 디지털 상품 판매 이력이 누적된 뒤 더 비싼 상품을 광고하자 장바구니만 쌓이고 구매가 거의 나오지 않았고, 180일 방문자와 구매자, 장바구니 이력을 강하게 제외하자 CPM이 오르더라도 적어도 다른 성격의 트래픽이 들어오는 신호가 보였다고 적었다. 반응이 쉬운 층과 새로 찾아야 할 층이 다를 수 있다는 현장 감각이다.

이 얘기들이 다 정답이라는 뜻은 아니다. 실제로는 체크아웃 문제나 상품-타깃 미스매치도 함께 있을 수 있다. 다만 공통점은 분명하다. 신규 확보 캠페인이 기존 반응층을 계속 먹고 있지 않은가를 따로 보지 않으면, 광고 효율 숫자만 보고는 판단이 자꾸 엇갈린다.

AI 개인화보다 먼저 봐야 할 건 고객 경계선이다

광고팀이 AI로 문구를 여러 버전 만드는 일은 이제 어렵지 않다. 문제는 그 문구가 신규 고객용인지, 휴면 고객 재활성화용인지, 이미 구매한 사람의 재구매 유도용인지 운영 기준이 섞여 있다는 점이다. 기준이 흐리면 성과 좋은 문구를 찾았다기보다 가장 익숙한 고객에게 잘 먹히는 문구를 반복 발견하는 쪽에 가까워질 수 있다.

그래서 신규 고객 광고가 새는 팀은 대개 이런 순서로 막힌다.

기존 고객의 범위가 팀마다 다르다

광고팀은 최근 90일 구매자를 기존 고객으로 보고, CRM 팀은 한 번이라도 결제한 사람을 기존 고객으로 본다. 오프라인 구매는 빠지고, 환불 고객은 남고, 무료 체험 고객은 애매하게 걸친다. 이러면 제외 기준부터 흔들린다.

제외는 하고 있지만 주기가 느리다

목록 업로드가 주 1회면 그 사이에 이미 산 사람은 며칠 더 광고를 본다. 자동화가 조금만 느슨해도 신규 고객 캠페인이 사실상 반쯤 리텐션처럼 굴러가기 쉽다.

신규 성과를 보는 숫자가 따로 없다

클릭률과 광고수익비율만 보고 있으면 기존 고객 반응이 섞인 성과를 좋아 보이는 결과로 오해하기 쉽다. 신규 구매 비중, 신규 리드 비중, 제외 후 재학습 기간 같은 숫자를 따로 보지 않으면 판단이 어두워진다.

작게 고치려면 어디부터 보면 좋을까

큰 리빌드보다 먼저 볼 건 꽤 단순하다.

기존 고객 정의를 한 문장으로 다시 적는 일이다. 구매자, 무료 체험자, 휴면 고객, 환불 고객을 어디에 넣을지 먼저 맞춰야 한다. 그다음에는 제외 목록이 얼마나 자주 갱신되는지, 광고 플랫폼의 전환 이벤트가 신규와 기존을 얼마나 또렷하게 나누는지 봐야 한다. 마지막으로 신규 유치 캠페인 성과를 볼 때는 전체 광고수익비율 말고 신규 비중이 어떻게 달라졌는지 따로 보는 편이 낫다.

이 순서가 잡히면 AI 개인화도 그때부터 덜 헛돈다. 문구가 좋아서 성과가 난 건지, 이미 알고 있던 사람이 또 반응한 건지 조금은 분리해서 볼 수 있기 때문이다.

캠페인이 비싸 보이는 데는 이유가 있다

신규 고객 광고가 자꾸 비싸게 느껴질 때, 꼭 광고 문구가 약해서만 그런 건 아니다. 기존 고객이 계속 섞여 들어오면 플랫폼은 가장 쉬운 반응을 먼저 학습하고, 팀은 그 숫자를 신규 확보 성과처럼 읽기 쉬워진다.

그래서 답답할 때는 AI로 카피를 더 찍어내기 전에 지금 누가 빠져야 하는가부터 다시 보는 편이 낫다. 그 경계선이 흐리면 개인화는 늘 열심히 한 것처럼 보이는데, 예산은 생각보다 빨리 닳는다.