[2026-04-16 | D-Log] 대형 미디어 기업, '광고 다이어트'에 성공하다: A/B 테스트와 다중 목표 최적화로 찾아낸 시청자와 수익의 황금 균형

대형 미디어·엔터테인먼트 기업이 비디오 스트리밍 광고 노출량을 20% 줄이고도 광고 수익을 15% 끌어올렸다. 시청자 경험과 수익 사이의 균형점을 데이터로 찾아낸 결과다.

이 기업은 전 세계 시청자에게 대규모 비디오 콘텐츠를 제공하며 광고 수익을 올렸다. 문제는 광고 과부하였다. 내부 데이터 분석에서 특정 시청자 그룹은 광고 시청 시간이 길어질수록 다음 달 구독 갱신율이 5%포인트 감소하는 경향이 나타났다.

그렇다고 광고를 무작정 줄이면 수익이 떨어진다. 기업은 시청자 만족도와 광고 수익을 동시에 잡아야 하는 문제에 직면했다. 매일 수천만 명이 접속하는 플랫폼에서 이 균형점을 감이나 경험에 의존해 찾기는 불가능했다.

기업은 A/B 테스트(A/B testing)와 통계 분석(statistical analysis), 최적화 알고리즘(optimization algorithm)을 동원했다. 먼저 전체 시청자를 무작위로 여러 그룹으로 나눴다. 각 그룹에 광고 노출량과 배치 방식을 달리 적용했다. 평소와 같은 광고량(A그룹), 광고량 10% 감소(B그룹), 광고 위치 변경(C그룹) 방식이었다.

각 그룹의 반응을 면밀히 추적했다. 광고 시청 지속 시간, 건너뛰기 비율, 콘텐츠 이탈 비율 등 시청자 경험 지표를 수집하고, 그룹별 광고 수익도 측정했다. 수집한 데이터로 그룹 간 차이가 우연인지 전략 변화의 효과인지를 통계 분석으로 판단했다. 가설 검정(hypothesis testing)을 통해 어떤 광고 전략이 이탈을 줄이면서 수익을 높이는 데 유의미한 효과를 내는지 확인했다.

분석 결과, 광고 노출량을 줄였을 때 특정 시청자층에서 광고 시청 완료율이 높아지고 콘텐츠 시청 시간도 늘어나는 패턴이 확인됐다. 이를 토대로 최적화 알고리즘을 개발했다. 시청자의 과거 시청 이력, 콘텐츠 유형, 시청 시간대를 반영해 각 시청자에게 최적의 광고 노출량과 방식을 실시간으로 결정했다. 몰입도 높은 드라마 시청자에게는 광고를 최소화하고, 가벼운 예능 시청자에게는 광고를 더 노출하는 식이었다. 넷플릭스가 사용자별 맞춤형 썸네일로 콘텐츠 선택 시간을 단축했듯, 이 기업은 광고 경험을 개인화해 효율을 높였다.

프로젝트 초기에는 기술적 난관도 있었다. 수천만 명에게 실시간으로 각기 다른 광고 전략을 적용하고 결과를 정확히 추적하는 시스템 구축이 쉽지 않았다. 데이터 수집 오류가 생기거나, 특정 그룹에 트래픽이 몰리는 문제도 발생했다. 기업은 데이터 파이프라인(data pipeline)을 여러 차례 재설계하고 소규모 테스트를 반복하며 안정성을 확보했다. 시청자 그룹 배정 시 생길 수 있는 편향(bias)을 최소화하기 위해 무작위 배정(random assignment) 기법도 정교하게 적용했다.

성과는 수치로 분명히 나타났다. 광고 수익은 전년 대비 15% 증가했다. 광고로 인한 시청자 이탈률은 7% 줄었고, 시청자 1인당 평균 콘텐츠 시청 시간은 10% 늘었다. 광고 노출량은 전체적으로 20% 줄었지만, 광고 효율이 높아진 덕분이었다.

다른 데이터팀은 이 사례에서 시청자 경험 지표와 수익 지표를 동시에 고려하는 다중 목표 최적화(multi-objective optimization) 접근법의 실효성을 확인할 수 있다.

참고 출처

• https://vertexaisearch.cloud.google.com/grounding-api-redirect/AUZIYQEpAV3mdWCcq17iEjx99V5Zqrh2ghqR81EnD-y0gYWWja1d3Yx9BIRmGhKRH66DofEE_DbE3RxWmJOI3UiJKOP6ftdYj3CRTntRxR9Pdg-DnoHqUbMvyl9G6nt5yYW-V4VvsBwjOllSeXO87AspWJhIq5dROyizroPplILv96MAIxQGRoUUFwisVC1G7ttBrxNTu7_qo7MCzw==

Media and Entertainment Analytics Adoption Case Study — Data & AI Leadership Board