광고를 운영할 때 중요한 것은 새로운 고객을 찾아내는 것만이 아닙니다. 이미 상품을 구매했거나 서비스를 이용한 고객에게 어떤 광고를 보여줄지도 함께 고민해야 합니다.

예를 들어 처음 구매하는 고객에게만 할인 혜택을 제공하는 쇼핑몰이 있다고 가정해 보겠습니다. 이미 제품을 구매한 고객에게도 첫 구매 혜택을 안내하는 광고가 계속 노출된다면 고객의 현재 상황과 광고 메시지가 맞지 않을 수 있습니다. 구독 서비스나 B2B 소프트웨어에서도 비슷한 문제가 발생합니다. 무료 체험을 완료한 고객과 처음 서비스를 접하는 고객은 필요한 정보가 다를 수 있고, 이미 유료 결제를 마친 고객에게 신규 가입 광고를 계속 보여줄 필요는 낮을 것입니다. 이처럼 고객의 현재 상태에 따라 광고 대상을 구분하는 데 활용할 수 있는 기능이 ChatGPT Ads 맞춤 오디언스(Custom Audiences)입니다.

기업이 보유한 고객 목록을 바탕으로 특정 사용자를 광고 대상에 포함하거나 제외하고, 일부 고객에 대해서는 입찰 수준을 조정할 수도 있습니다. 다만 고객 목록만 업로드하면 모든 기능을 사용할 수 있는 것은 아닙니다. 실제 사용자와 매칭된 규모에 따라 적용 조건이 달라지고, 개인정보 처리와 고객 목록 관리도 함께 고려해야 합니다.

이번 글에서는 2026년 10월 기준 OpenAI 공식 문서를 바탕으로 맞춤 오디언스의 개념과 작동 방식, 업종별 활용 사례부터 실제 설정 및 관리 방법까지 살펴보겠습니다.

1. ChatGPT 광고의 맞춤 오디언스란?

OpenAI Ads Manager에서 맞춤 오디언스를 생성할 수 있는 화면.

맞춤 오디언스는 기업이 보유한 고객이나 잠재 고객의 식별 정보를 ChatGPT 사용자와 매칭하고, 이를 광고 대상 설정에 활용하는 기능입니다. 광고주가 보유한 이메일이나 전화번호 등 지원되는 정보를 이용해 고객 목록을 만들고, 해당 목록에 매칭된 사용자를 캠페인 대상에 포함하거나 제외하는 방식으로 활용할 수 있습니다.

예를 들어 쇼핑몰이 기존 구매자의 이메일 목록을 가지고 있다면, 이를 오디언스로 등록한 뒤 첫 구매 캠페인의 제외 대상으로 설정하는 방법을 생각해 볼 수 있습니다. 여기서 주의할 점이 있습니다. 고객 목록을 업로드한 것과 실제 ChatGPT 사용자에게 매칭된 것은 서로 다른 단계라는 사실입니다.

고객 데이터에 이메일이 3만 개 있다고 해서 실제 광고 대상도 3만 명이 되는 것은 아닙니다. 일부 식별 정보는 매칭되지 않을 수 있고, 한 명의 고객이 여러 식별 정보를 가지고 있을 수도 있기 때문입니다. 또한 매칭된 사용자라고 해도 광고가 반드시 노출되지는 않습니다. 캠페인의 지역이나 플랫폼, 예산, 입찰 등 다른 조건도 광고 노출에 영향을 줍니다. 맞춤 오디언스는 고객 목록을 광고 운영에 반영하는 기능이지, 특정 사용자에게 광고가 나타나도록 보장하는 기능은 아닌 셈입니다.

컨텍스트 힌트와는 어떤 차이가 있을까?

ChatGPT 광고에는 상품이 필요한 대화 상황을 설명하는 컨텍스트 힌트(Context Hints) 기능도 있습니다. 두 기능은 광고 운영에서 서로 다른 역할을 맡습니다. 컨텍스트 힌트는 상품이나 서비스가 어떤 상황에서 유용한지를 설명합니다. 예를 들어 휴대용 모니터를 판매한다면 '출장 중 노트북과 함께 사용할 보조 화면이 필요한 상황'을 설명할 수 있습니다.

반면 맞춤 오디언스는 이미 휴대용 모니터를 구매한 고객을 신규 구매 캠페인에서 제외하거나, 특정 고객 목록을 광고 대상으로 설정하는 방식입니다. 즉, 컨텍스트 힌트가 상품과 대화 상황의 관계를 설명한다면, 맞춤 오디언스는 광고주와 고객의 기존 관계를 광고 대상 설정에 반영하는 기능이라고 이해할 수 있습니다.

2. 맞춤 오디언스는 광고 운영에 어떻게 활용될까?

ChatGPT Ads에서 맞춤 오디언스를 활용하는 방법은 크게 포함(Inclusion), 제외(Exclusion), 입찰 조정(Bid Multiplier)으로 구분됩니다. 세 가지 모두 고객 목록을 활용하지만, 광고 운영에 적용되는 방식에는 차이가 있습니다.

포함: 특정 오디언스로 광고 대상 제한하기

포함은 등록한 오디언스에 매칭된 사용자로 광고 대상을 제한하는 방식입니다. 예를 들어 무료 체험을 완료한 고객을 대상으로 유료 요금제를 안내하는 캠페인을 구성할 수 있습니다. 이때 등록한 오디언스에 속하지 않은 사용자는 해당 캠페인의 대상에서 제외됩니다.

따라서 이미 확보한 고객을 대상으로 특정 목적의 캠페인을 운영할 때 검토할 수 있는 기능입니다.

제외: 광고 대상에서 특정 고객 빼기

제외는 등록한 오디언스에 속하는 사용자를 캠페인 대상에서 제외하는 기능입니다. 신규 고객을 위한 할인 캠페인에서 기존 구매자를 제외하거나, 신규 가입 광고에서 현재 유료 서비스를 이용 중인 고객을 제외하는 방식이 대표적입니다.

고객 목록이 비교적 작은 기업에서도 활용을 검토할 수 있다는 특징이 있습니다.

입찰 조정: 고객 목록에 따라 입찰 수준 변경하기

입찰 조정은 고정 입찰 방식에서 특정 오디언스에 매칭되는 사용자의 최대 입찰가를 높이거나 낮추는 기능입니다. 예를 들어 이미 상품을 구매한 고객과 처음 서비스를 접하는 고객에게 서로 다른 입찰 수준을 적용하는 방법을 생각해 볼 수 있습니다. 다만 입찰 조정을 적용했다고 해서 해당 고객에게만 광고가 노출되는 것은 아닙니다.

입찰 조정은 광고 대상 자체를 제한하는 기능이 아니라, 특정 대상에 적용하는 입찰 수준을 변경하는 방식이기 때문입니다.

여기서 설정 위치도 구분할 필요가 있습니다. 포함과 제외는 캠페인의 대상 설정에서 적용하며, 입찰 조정은 광고 그룹의 입찰 설정에서 사용합니다.

포함과 제외를 동시에 사용하면 어떻게 될까?

두 기능을 함께 사용하는 경우에는 제외 설정이 우선합니다.무료 체험 사용자를 포함하고 유료 고객을 제외한다고 가정해 보겠습니다.

어떤 사용자가 두 목록에 모두 속해 있다면 해당 사용자는 최종적으로 광고 대상에서 제외됩니다. 따라서 여러 오디언스를 함께 사용할 때는 고객 목록이 서로 중복되는지, 제외한 이후에도 필요한 고객 규모가 유지되는지 확인해야 합니다.

다만 하나의 오디언스를 동일한 캠페인에서 포함과 제외 대상으로 동시에 지정할 수는 없습니다.

3. 고객 목록이 얼마나 있어야 맞춤 오디언스를 사용할 수 있을까?

OpenAI 공식 문서를 바탕으로 정리한 맞춤 오디언스 사용 조건. 2026년 10월 기준.

맞춤 오디언스를 실제로 활용하려면 고객 목록의 규모뿐 아니라 사용하려는 기능의 조건도 확인해야 합니다. 오디언스를 생성할 수 있다고 해서 포함과 제외, 입찰 조정을 모두 사용할 수 있는 것은 아니기 때문입니다. 2026년 10월 기준 OpenAI 공식 문서에서는 포함과 입찰 조정을 계획할 때 매칭된 사용자 25,000명을 규모 기준으로 안내하고 있습니다.

여기서 중요한 것은 업로드한 고객 정보의 개수와 매칭된 사용자 수를 구분해야 한다는 점입니다.

예를 들어 이메일 주소 25,000개를 업로드했더라도 실제 매칭된 사용자가 기준에 미치지 못한다면 포함이나 입찰 조정에 사용할 수 없을 수 있습니다. 반면 제외 기능은 준비가 완료된 오디언스라면 최소 매칭 인원 조건 없이 활용할 수 있습니다.

따라서 고객 목록이 충분히 크지 않은 기업이라도 기존 구매자를 신규 고객 광고에서 제외하는 방식은 검토해 볼 수 있습니다. 물론 제외 역시 실제 매칭된 사용자에게 적용되므로, 고객 목록에 있는 모든 사람이 빠짐없이 제외되는 것은 아닙니다. 또한 포함과 제외를 함께 사용하는 경우에는 제외한 뒤 남아 있는 대상도 필요한 규모 조건을 충족해야 합니다.

이러한 차이를 이해했다면 실제 기업에서 고객 목록을 어떻게 활용할 수 있을지 살펴볼 차례입니다.

4. 커머스: 신규 고객과 기존 구매자의 광고를 구분하는 방법

첫 구매 혜택 캠페인에서 기존 구매자를 제외하는 가상의 쇼핑몰 사례.

먼저 생활용품을 판매하는 온라인 쇼핑몰 A사가 있다고 가정해 보겠습니다.

A사는 처음 주문하는 고객에게 배송비 혜택을 제공합니다. 광고에서도 첫 구매 혜택을 강조하고 있는데, 기존 구매자에게까지 같은 광고를 보여주는 것이 적절할까요?

첫 구매 혜택을 다시 받을 수 없는 고객이라면 광고를 클릭하더라도 기대했던 조건과 실제 혜택이 다를 수 있습니다.

이런 상황에서는 기존 구매자 목록을 맞춤 오디언스로 구성한 뒤 신규 고객 캠페인의 제외 대상으로 설정하는 방법을 생각해 볼 수 있습니다.

쇼핑몰의 구매 이력을 바탕으로 기존 구매자를 구분하고, 이메일 등 지원되는 식별 정보로 오디언스를 생성하는 방식입니다.

그렇다고 기존 구매자를 모든 광고에서 제외할 필요는 없습니다.

세제나 화장품, 주방용품처럼 반복 구매가 가능한 상품이라면 기존 고객에게 재구매를 유도하는 광고를 별도로 운영할 수도 있기 때문입니다.결국 같은 고객이라도 캠페인의 목적에 따라 다른 방식으로 활용할 수 있습니다.

신규 구매자 확보를 위한 캠페인에서는 기존 구매자를 제외하고, 재구매를 유도하는 캠페인에서는 별도의 고객 전략을 검토하는 것입니다.

이때 중요한 것은 구매 이력을 최신 상태로 유지하는 일입니다.

광고 집행 이후 새로운 구매자가 발생했다면 해당 고객도 기존 구매자 목록에 반영해야 처음 설정한 기준을 유지할 수 있습니다.

5. 구독 서비스: 고객의 이용 상태에 따라 광고 메시지 달리하기

구독 종료 고객을 포함하고 현재 구독 고객을 제외하는 가상의 운영 사례.

구독형 서비스에서는 고객의 상태가 시간에 따라 계속 달라집니다. 처음 구독을 시작한 뒤 이용을 유지하거나 중단하기도 하고, 일정 기간이 지난 뒤 다시 구독을 재개하기도 합니다. 따라서 모든 가입자를 하나의 고객 목록으로 관리하기보다는 현재 이용 상태에 따라 구분할 필요가 있습니다.

식단 구독 서비스를 운영하는 B사를 예로 들어보겠습니다.

B사가 첫 구독 고객에게 할인 혜택을 제공한다면 현재 구독 중인 고객은 신규 구독 캠페인에서 제외할 수 있습니다. 그런데 과거에 서비스를 이용했다가 구독을 종료한 고객이라면 어떨까요? 이런 고객에게는 첫 가입 혜택을 반복적으로 안내하기보다 서비스에 새롭게 추가된 내용이나 변경된 이용 조건을 소개하는 광고가 더 적절할 수 있습니다.

예를 들어 새로운 식단이 추가됐거나 배송 요일을 자유롭게 선택할 수 있게 됐다면, 이러한 변화를 중심으로 재구독 캠페인을 구성할 수 있습니다. 이를 위해 현재 구독자와 구독 종료 고객을 각각 다른 목록으로 관리합니다.

재구독 캠페인에서는 구독 종료 고객을 포함하고 현재 구독 중인 고객을 제외하는 방식을 검토할 수 있습니다. 물론 포함 기능에 필요한 매칭 규모를 충족해야 하고, 고객 정보를 광고에 활용할 수 있는 권한도 확인해야 합니다.

또한 구독을 종료했던 고객이 다시 서비스를 이용하기 시작했다면 고객 목록에도 이러한 변화를 반영해야 합니다.

이미 재구독을 완료한 고객에게 계속 재구독 광고를 보여주지 않으려면, 구독 종료 목록에서 해당 고객을 제거하거나 현재 구독자 목록에 반영하는 과정이 필요합니다.

6. B2B SaaS: 무료 체험 사용자와 유료 고객 구분하기

무료 체험 사용자를 포함하고 유료 고객을 제외하는 가상의 B2B SaaS 광고 운영 사례.

B2B SaaS 기업에서도 고객의 이용 단계에 따라 서로 다른 광고 전략을 검토할 수 있습니다.

특히 무료 체험을 제공하는 서비스라면 처음 방문한 사용자와 이미 제품을 경험한 사용자가 필요로 하는 정보가 다를 수 있습니다.

회계 소프트웨어를 운영하는 C사를 생각해 보겠습니다.

처음 서비스를 접하는 고객에게는 주요 기능이나 무료 체험 기회를 소개하는 광고가 도움이 될 수 있습니다.

하지만 이미 무료 체험을 완료한 고객이라면 관심사가 달라질 수 있습니다.

기본 기능을 다시 설명하기보다는 유료 요금제의 차이나 팀 단위 사용 기능, 실제 도입 비용 등을 안내하는 편이 고객의 현재 상황에 더 적합할 수 있기 때문입니다.

이 경우 무료 체험 사용자 목록을 포함하고 유료 고객 목록을 제외하는 캠페인을 검토할 수 있습니다. 다만 B2B 서비스에서는 개인 사용자의 계정 상태와 해당 사용자가 속한 기업의 계약 상태가 다를 수 있다는 점도 고려해야 합니다. 예를 들어 담당자 개인 계정에는 무료 체험 이력이 남아 있지만, 해당 기업은 이미 유료 계약을 완료한 상황일 수 있습니다.

그런데 개인의 체험 여부만으로 광고 대상을 분류한다면 실제 계약 상태와 맞지 않는 광고를 보여줄 가능성이 있습니다.

따라서 B2B SaaS에서는 고객의 이용 이력과 함께 CRM이나 계약 관리 시스템에 기록된 기업 단위의 계약 상태도 확인하는 것이 좋습니다.

여기서 회사명이나 기업 도메인만 등록한다고 해당 기업의 모든 직원이 자동으로 오디언스에 포함되는 것은 아니라는 점도 알아둘 필요가 있습니다. 맞춤 오디언스는 OpenAI에서 지원하는 고객 식별 정보를 기준으로 매칭됩니다.

결국 B2B 광고에서는 단순히 무료 체험을 진행했는지뿐 아니라, 실제 고객사가 어떤 구매 단계에 있는지를 함께 고려해야 합니다.

7. 맞춤 오디언스에 사용할 고객 데이터는 어떻게 준비할까?

앞서 살펴본 캠페인을 실제로 운영하려면 기업이 보유한 고객 데이터를 먼저 정리해야 합니다. 쇼핑몰에서는 구매 이력을, 구독 서비스에서는 이용 상태를, SaaS에서는 무료 체험과 유료 전환 여부를 활용할 수 있습니다.

다만 이 정보들을 모두 파일에 넣는 것은 아닙니다. 먼저 자사 시스템에서 캠페인의 목적에 맞는 고객을 분류하고, 해당 고객의 지원되는 식별 정보만 추출하는 방식이 적절합니다. OpenAI 공식 문서에서는 이메일과 전화번호, 지원되는 SHA-256 해시 식별자, Google 광고 ID(GAID) 등을 안내하고 있습니다.

파일은 UTF-8 형식의 CSV 또는 TXT로 준비할 수 있습니다.

전화번호를 사용하는 경우에는 국가번호가 포함된 E.164 형식을 따라야 하고, 해시 식별자를 사용할 때도 공식 문서의 정규화 및 해시 형식 기준을 충족해야 합니다. 

이때 데이터의 형식만큼 중요한 것이 개인정보 처리입니다.

기업이 고객 정보를 보유하고 있다고 해서 해당 정보를 모두 광고에 활용할 수 있는 것은 아닙니다.

자사에서 적법하게 수집하고 광고에 활용할 권한이 있는 데이터인지 확인해야 하며, 외부에서 구매한 고객 명단을 임의로 업로드해서는 안 됩니다. 해시 처리를 했다고 해서 개인정보와 관련된 고지나 동의, 법적 근거에 대한 의무가 사라지는 것도 아닙니다. 또한 글로벌 광고를 운영한다면 지역별 지원 여부도 확인해야 합니다. 2026년 10월 기준 OpenAI 공식 문서에서는 EEA 및 스위스를 대상으로 하는 캠페인에서 맞춤 오디언스를 지원하지 않는다고 안내하고 있습니다.

8. 이메일 기반 CSV 파일 만들기

첫 행에 email 열 이름을 넣고 고객 이메일을 정리한 CSV 파일 예시.

처음 고객 목록을 준비한다면 이메일 한 종류로 구성한 CSV 파일부터 살펴보는 것이 이해하기 쉽습니다.

첫 번째 행에는 email이라는 열 이름을 입력하고, 두 번째 행부터 고객의 이메일 주소를 한 줄씩 작성합니다.

여기서 중요한 것은 어떤 고객을 파일에 포함할 것인지 먼저 결정하는 일입니다.

예를 들어 첫 구매 캠페인에서 기존 구매자를 제외하려는 경우라면 쇼핑몰의 주문 데이터를 기준으로 기존 구매자만 추출해야 합니다. 파일에 이메일과 함께 '기존 구매자'라는 문구를 적는다고 광고 시스템이 구매 상태를 자동으로 판단하는 것은 아닙니다. 구매 여부나 구독 상태와 같은 분류는 자사 시스템에서 미리 처리해야 합니다.

고객 목록에 주문번호나 구매 금액, 상담 내용처럼 오디언스 매칭에 필요하지 않은 정보를 함께 업로드할 이유도 없습니다.

개인정보를 최소한으로 활용한다는 관점에서도 필요한 식별 정보만 준비하는 것이 좋습니다.

CSV를 저장할 때 주의할 점

엑셀이나 구글 스프레드시트에서 고객 정보를 정리했다면 CSV UTF-8 형식으로 내보내야 합니다. 단순히 엑셀 파일의 확장자를 .csv로 바꾸는 것만으로는 올바른 CSV 파일이 만들어지지 않습니다. 파일명에도 고객 목록의 목적과 추출 날짜를 넣어두면 이후 관리에 도움이 됩니다.

예를 들어 전체 구매자 목록과 최근 30일 구매자 목록은 모두 기존 고객에 해당하지만 실제 포함되는 대상은 다릅니다.

이런 차이를 구분해 두어야 추후 오디언스를 업데이트하거나 캠페인을 변경할 때 혼동을 줄일 수 있습니다.

9. OpenAI Ads Manager에서 맞춤 오디언스 설정하기

고객 목록을 준비했다면 이제 실제 Ads Manager에서 오디언스를 생성할 차례입니다.

전체 과정은 이름과 설명을 입력하고 파일을 선택한 뒤, 생성된 오디언스의 처리 상태를 확인하는 순서로 진행됩니다.

첫 번째 단계. 오디언스 생성 화면으로 이동

OpenAI Ads Manager에서 오디언스 이름과 설명, 파일을 입력하는 화면.

Ads Manager에서 '도구 → 오디언스' 메뉴로 이동한 뒤 '오디언스 만들기'를 선택합니다.

이 화면에서는 오디언스 이름과 설명을 작성하고 고객 목록 파일을 등록할 수 있습니다.

두 번째 단계. 오디언스 이름과 설명 작성

오디언스 이름에는 어떤 고객을 대상으로 하는지, 어떤 캠페인에서 활용하려는지를 함께 표시하는 것이 좋습니다. 예를 들어 '기존 구매자 — 신규 구매 캠페인 제외용'처럼 작성하면 나중에 여러 목록을 관리할 때도 용도를 쉽게 구분할 수 있습니다. 무료 체험 사용자라면 '무료 체험 사용자 — 유료 전환 캠페인용'과 같은 이름을 사용할 수 있겠죠.

설명에는 고객을 분류한 조건과 추출 기준일을 기록해 두는 편이 좋습니다. 같은 구매자 목록이라도 전체 구매자인지, 최근 30일 구매자인지, 특정 상품을 구매한 고객인지에 따라 실제 활용 목적이 달라지기 때문입니다.

세 번째 단계. 준비한 파일 선택

오디언스 이름과 설명, 고객 목록 파일을 지정한 화면.

앞서 준비한 CSV 파일을 선택한 뒤, 입력한 이름과 설명이 실제 고객 목록의 목적과 일치하는지 확인합니다. 기존 구매자 제외용 목록을 만들면서 다른 고객 파일을 선택하지 않았는지 살펴보는 것도 중요합니다. 입력한 정보를 확인했다면 오디언스 생성을 진행합니다.

네 번째 단계. 생성 이후 처리 상태 확인

오디언스 생성 이후 매칭 처리 상태가 표시되는 화면.

오디언스를 생성했다고 곧바로 모든 설정에 사용할 수 있는 것은 아닙니다. 파일 업로드와 오디언스 생성, 실제 사용자 매칭 처리는 서로 다른 단계이기 때문입니다.

따라서 생성 이후에는 오디언스 목록에서 현재 처리 상태를 확인해야 합니다. 매칭이 완료됐더라도 포함과 입찰 조정에 필요한 최소 규모를 충족하는지는 별도로 확인해야 합니다.

마지막으로 원하는 캠페인이나 광고 그룹에서 생성한 오디언스를 실제 설정에 연결해야 합니다. 오디언스를 만들었다고 특정 캠페인의 포함·제외 설정까지 자동으로 완료되는 것은 아닙니다.

10. 고객 목록을 업로드한 뒤에도 확인해야 할 것들

맞춤 오디언스를 생성한 이후에는 실제 사용자 매칭 결과와 사용 가능 여부를 살펴봐야 합니다.

예를 들어 고객 데이터 3만 건을 등록했다고 가정해 보겠습니다.

이 가운데 일부는 ChatGPT 사용자와 매칭되지 않을 수 있고, 여러 식별 정보가 동일한 사용자에게 연결될 수도 있습니다.

따라서 업로드한 데이터의 행 수를 실제 광고 대상 인원으로 해석해서는 안 됩니다.

또한 OpenAI는 개인정보 보호를 고려해 매칭 결과를 구간 단위로 제공합니다. 광고주가 개별 고객의 매칭 성공 여부나 정확한 매칭 인원을 직접 확인하는 구조는 아닙니다.

이 때문에 특정 고객 목록을 등록했다고 해서 해당 고객 전체가 빠짐없이 광고에 포함되거나 제외된다고 단정할 수 없습니다.

실제로 매칭된 사용자를 기준으로 대상 설정이 적용되기 때문입니다. 오디언스가 정상적으로 생성된 뒤에는 캠페인의 목적에 맞게 포함과 제외 설정이 적용됐는지도 확인하는 것이 좋습니다.

11. 맞춤 오디언스는 한 번 등록하면 끝일까?

맞춤 오디언스를 운영할 때 놓치기 쉬운 부분이 고객 목록의 최신 상태를 유지하는 일입니다. 쇼핑몰에는 새로운 구매자가 계속 발생하고, 구독 서비스에서는 이용을 중단하거나 다시 시작하는 고객이 생깁니다. B2B SaaS에서도 무료 체험 사용자가 유료 고객으로 전환하는 일이 이어집니다.

그런데 최초에 등록한 고객 목록이 자사 데이터베이스의 변경 사항을 자동으로 반영하는 것은 아닙니다. 따라서 실제 고객 상태의 변화에 맞춰 오디언스도 업데이트해야 합니다.

고객 목록을 관리하는 방법은 추가, 제거, 전체 교체 등으로 나눌 수 있습니다.

추가(Add)는 새로운 고객을 기존 목록에 반영하는 방식입니다. 쇼핑몰에서 새롭게 구매한 고객을 기존 구매자 오디언스에 추가하는 경우가 여기에 해당합니다.

제거(Remove)는 더 이상 해당 목록의 조건에 맞지 않는 고객을 제외하는 방식입니다. 구독을 종료했던 고객이 다시 구독을 시작했다면 구독 종료 고객 목록에서 제거할 필요가 있습니다.

전체 교체(Replace)는 현재 조건에 맞는 고객 목록 전체로 새롭게 갱신하는 방법입니다.

예를 들어 최근 30일 구매자를 대상으로 오디언스를 운영한다고 가정해 보겠습니다. 새로운 구매자가 발생할 때마다 해당 고객만 계속 추가하면 어떻게 될까요? 시간이 지나면서 구매한 지 이미 30일이 지난 고객도 목록에 남게 됩니다.

처음에는 '최근 30일 구매자'를 대상으로 만들었지만, 시간이 지날수록 실제 오디언스의 구성은 의도했던 기준과 달라질 수 있는 것입니다.

따라서 기간 조건이 있는 목록이라면 새로운 고객을 추가하는 것뿐 아니라 기존 고객을 제거하거나 전체 목록을 갱신하는 방법까지 고려해야 합니다. 목록을 변경한 뒤에는 업데이트 처리가 완료됐는지도 확인하는 것이 좋습니다.

12. 맞춤 오디언스를 적용한 뒤 광고 노출이 줄어들었다면?

맞춤 오디언스를 적용한 뒤 광고 노출이 예상보다 크게 줄어드는 상황도 생각해 볼 수 있습니다. 이 경우에는 먼저 포함과 제외 설정이 캠페인의 목적에 맞는지 확인해야 합니다. 예를 들어 신규 고객 확보가 목표인 캠페인에 기존 고객만 포함하도록 설정했다면, 실제 광고 대상이 의도보다 좁아졌을 수 있습니다.

포함과 제외 목록이 서로 겹치는지도 살펴봐야 합니다. 무료 체험 고객을 포함하고 유료 고객을 제외했는데 두 목록에 중복된 사용자가 많다면 최종적으로 남는 광고 대상이 예상보다 적을 수 있습니다. 특히 포함과 제외를 함께 적용할 때는 제외 이후의 대상도 필요한 규모 조건을 충족해야 합니다.

다만 광고 노출이 줄었다는 사실만으로 오디언스 설정이 원인이라고 판단해서는 안 됩니다. 지역과 플랫폼, 예산, 입찰, 광고 심사 상태 등 다른 조건에 따라서도 실제 집행 결과가 달라질 수 있기 때문입니다. 또한 맞춤 오디언스의 성과를 평가할 때는 단순한 광고 노출이나 클릭뿐 아니라 캠페인의 목표에 맞는 결과를 함께 살펴볼 필요가 있습니다.

신규 구매 캠페인이라면 실제 신규 구매를, 재구독 캠페인이라면 구독 재개를 확인할 수 있습니다. B2B SaaS라면 광고 클릭 이후 실제 유료 결제나 계약으로 이어졌는지도 검토해야겠죠. 맞춤 오디언스는 광고 대상 설정을 돕는 기능이지, 그 자체로 광고 성과나 전환을 보장하는 기능은 아니기 때문입니다.

마무리: 고객 데이터와 광고 목적을 연결하는 것이 중요하다

ChatGPT Ads의 맞춤 오디언스는 기업이 보유한 고객 정보를 광고 운영에 반영할 수 있는 기능입니다. 하지만 고객 목록을 많이 확보하거나 업로드하는 것만으로 효과적인 광고 전략이 완성되는 것은 아닙니다. 신규 고객을 확보하려는 것인지, 기존 고객의 재구매를 유도하려는 것인지, 무료 체험을 마친 고객에게 유료 서비스를 소개하려는 것인지에 따라 필요한 오디언스가 달라집니다. 같은 고객이라도 캠페인의 목적에 따라 광고 대상에 포함될 수도 있고, 반대로 제외될 수도 있는 것입니다.

따라서 맞춤 오디언스를 활용할 때는 고객의 현재 상태와 캠페인 목적을 먼저 정의하고, 실제 매칭 규모와 적용 조건, 개인정보 처리 요건을 함께 확인해야 합니다. 고객의 구매나 구독 상태가 변경될 때 목록도 업데이트해야겠죠.

결국 맞춤 오디언스에서 중요한 것은 단순히 얼마나 많은 고객 정보를 보유하고 있는지가 아닙니다.

어떤 고객에게 어떤 광고 메시지를 전달하려는지 명확하게 정하고, 그 목적에 맞게 고객 데이터를 관리하는 것이 핵심입니다.

이러한 관점에서 맞춤 오디언스는 기업의 고객 데이터와 ChatGPT 광고 전략을 연결하는 하나의 운영 수단이라고 볼 수 있습니다.

전체 가이드 및 원문 안내

인바이저에서는 ChatGPT Ads 맞춤 오디언스의 실제 설정 화면과 함께 고객 목록의 포함·제외 및 입찰 조정 방법, CSV 파일 준비, 업종별 활용 사례와 운영 이후 관리 기준을 자세히 정리했습니다.

실제 Ads Manager 화면과 설정 절차는 아래 원문에서 확인할 수 있습니다.

원문: ChatGPT Ads 맞춤 오디언스 설정 및 활용 가이드 — 인바이저

참고 자료

• OpenAI Developers — Custom Audiences

• OpenAI Developers — Targeting