Meta 광고 AI GEM이 플랫폼별 모델을 하나로 합쳤다: 전환 18.9%, 클릭률 12% 개선, 하루 36억 명 데이터

Meta가 10월 13일 엔지니어링 블로그에서 광고 추천 파운데이션 모델 GEM(Generative Ads Model)의 새 세대를 공개했다. 지난해에는 페이스북, 인스타그램, 릴스 같은 지면마다 모델이 따로 있었다. 이제는 모든 광고 플랫폼의 데이터로 학습한 중앙 모델 하나가 맡는다. Meta는 이 변화로 전환이 18.9%, 클릭률이 12% 개선됐다고 밝혔다.

한 줄 정리

Meta의 광고 배분이 지면별 모델에서 단일 중앙 모델로 넘어갔고, 광고주가 만질 수 있는 변수는 입찰 설정보다 소재와 전환 데이터 쪽으로 옮겨 간다.

한눈에 보기

전환 개선	18.9%
클릭률 개선	12%
지난 1년 타깃 사용자 전환 상승	페이스북 5.8%, 인스타그램 4.1%, 사이트 밖 1.6%
모델 복잡도	이전 대비 2.5배
총 학습 연산량	4배
학습 효율(MFU)	20~25%로 2배
Meta 앱 일일 이용자	36억 명

무엇이 바뀌었나

기존 구조는 지면마다 광고를 따로 점수 매기는 모델이었다. 새 GEM은 클릭률을 모든 지면에서, 전환율을 주요 최적화 목표 전반에서 한 모델이 함께 예측한다. 인지, 고려, 전환으로 이어지는 퍼널 전체를 한 모델이 본다는 뜻이다.

이 거대 모델이 광고 요청마다 직접 돌지는 않는다. Meta는 LoopFM이라는 방식으로 GEM이 배운 표현을 더 작은 운영 모델에 옮기고, Solaris로 사용자와 광고의 임베딩을 미리 계산해 둔다. 응답 속도를 지키면서 큰 모델의 판단을 가져다 쓰는 구조다. 학습에는 최신 세대 GPU 수천 장이 들어갔다.

Meta는 앞으로 GEM을 텍스트, 이미지, 영상 전반의 유기적 게시물 추천으로도 넓히고 사후 학습에 추론 기능을 넣겠다고 했다.

숫자를 읽는 법

18.9%와 12%는 Meta가 자기 지면에서 자기 기준으로 잰 수치다. 기준 기간과 비교 대상은 글에 구체적으로 나오지 않는다. 광고주 계정에서 그대로 재현된다는 보장은 없고, 지면별 상승폭이 5.8%, 4.1%, 1.6%로 크게 갈린다는 점에서도 평균을 기대치로 삼기는 어렵다. 사이트 밖 전환이 가장 적게 올랐다는 대목이 눈에 띈다. 자사몰로 트래픽을 보내는 광고주가 체감하는 개선은 광고 지면 안에서 끝나는 전환보다 작을 수 있다.

위시클레이 관점

모델 하나가 광고 배분 전체를 쥐면 광고 운영자의 레버가 줄어든다. 지면별로 타기팅을 쪼개던 시절에는 숙련된 운영자가 설정으로 차이를 만들었다. 모델이 알아서 퍼널 전체를 최적화한다면 사람에게 남는 일은 두 가지다. 모델에게 무엇을 먹일지, 즉 소재와 전환 신호를 정하는 일이다.

콘텐츠·마케팅 중심 팀에는 이 지점이 곧 일감이다. 소재 하나를 잘 만드는 것보다 의도가 서로 다른 소재 여러 개를 빠르게 갈아 끼우는 쪽이 모델에게 더 많은 신호를 준다. 반응 데이터가 막히면 모델이 학습할 재료도 줄어든다. 구매 이벤트가 빠짐없이 들어오는지, 전환 정의가 실제 매출과 맞는지를 이번 주 안에 한 번 점검하는 것이 값싼 첫 단계다.

혼자 광고를 돌리는 사업자에게는 현실적인 결론이 하나 있다. 설정을 만지작거리는 시간은 줄이고 소재 테스트 횟수를 늘리는 쪽이 이제 효율이 높다. 반대로 에이전시는 "우리가 입찰을 잘 만진다"는 설명이 설득력을 잃는다. 고객에게 보여 줄 가치는 소재 제작 속도와 측정 설계로 옮겨 간다.