제휴 마케터들이 안드로메다에 적응할 새도 없이 페이스북이 GEM이라는 새로운 플레이어를 또 출시했어요. 미디어 업계에서는 이 기술이 광고 구매 방식을 완전히 바꿀 거라고 주장하고 있는데요. 하지만 실제 상황을 좀 자세히 살펴볼 필요가 있어요.

이 글에서는 페이스북 광고 업데이트의 주요 특징들을 살펴보고, 이것이 제휴 마케팅 산업에 어떤 영향을 줄 수 있을지 분석해 보려고 해요.

### 페이스북 GEM이란 무엇인가요?

GEM(Generative Ads Model)은 엔지니어들이 광고 추천 시스템의 핵심 두뇌라고 설명하는 생성형 크리에이티브 랭킹 모델이에요. 이 모델의 목표는 단순히 사용자 관심사와 광고를 매칭하는 것을 넘어, 광고의 '의미'를 이해하는 것이랍니다.

이전의 로직은 대략 이랬어요:

1. 사용자가 특정 제품 관련 콘텐츠에 관심을 보임.

2. 알고리즘이 해당 제품 카테고리에서 광고를 선택함.

3. 과거 성과가 가장 좋은 광고가 승리함.

하지만 이제 알고리즘이 훨씬 복잡해졌어요. GEM은 광고 소재(크리에이티브) 자체의 의미론을 분석하거든요. 제품 분야에서는 할인, 제품 특징, 시연, 튜토리얼, 리뷰 등 다양한 요소를 포함할 수 있어요.

쉽게 말해, 안드로메다는 사용자의 행동과 관심사에 따라 어떤 광고 풀을 보여줄지 결정하는 '전략 레이어' 역할을 해요. 즉, 올바른 잠재 고객에게 올바른 크리에이티브 그룹을 보여주는 거죠.

GEM은 콘텐츠 수준에서 더 깊이 작동해요. 크리에이티브 자체를 분석해서 어떤 메시지를 전달하는지 파악하는 거예요. 만약 시스템이 사용자가 제품 관련 콘텐츠에 관심 있다는 걸 알면, GEM은 특정 영상이 할인에 중점을 두는지, 제품 특징에 관한 것인지, 아니면 튜토리얼인지 인식하고, 그 관점이 사용자 의도에 가장 관련성이 높을 때 해당 광고를 전달할 수 있어요.

이 시스템의 핵심 구성 요소 중 하나가 바로 InterFormer 아키텍처예요. 이건 행동 타임라인을 동적으로 구축할 수 있는 시퀀스 모델이랍니다.

InterFormer는 수천 개의 타임스탬프가 찍힌 이벤트를 처리해요. 사용자가 몇 주 전에 어떤 형식을 봤는지, 어떤 콘텐츠에 반복적으로 돌아왔는지, 일관되게 어떤 행동을 했는지 등을 고려해요. 이 모델은 점차 관련성이 떨어지는 관심사와 강해지는 관심사를 모두 추적하죠.

이로 인해 '깊은 기억 효과'가 생겨요. 광고 시스템은 지난 24시간의 행동에만 의존하지 않아요. 대신, 이전 행동의 맥락 속에서 각 행동을 해석하는 긴 행동 연쇄 안에 광고를 배치하는 거예요.

동시에 GEM은 이전 크리에이티브 랭킹 메커니즘에 비해 신호 처리 성능이 약 4배 정도 크게 향상되었어요. 그 결과, 좁게 수동으로 정의된 관심사보다 광범위한 잠재 고객 그룹이 더 효과적으로 작동하기 시작했답니다.

### 제휴 마케터에게 무엇이 달라질까요?

정확한 예측은 어렵지만, 한 가지는 확실히 달라질 것 같아요. 바로 '다양한 크리에이티브의 환상'이 사라질 수 있다는 점이에요. 과거에는 약간의 변형만 준 거의 동일한 비디오를 많이 사용해서 규모를 키울 수 있었는데, 이제는 그 접근 방식만으로는 부족할 수 있어요.

GEM은 제안(Offer), 유발 요인(Trigger), 감성적 메시지, 참여 메커니즘 등으로 의미를 분해해요. 만약 핵심 아이디어가 같다면, 알고리즘은 그 그룹을 단일 크리에이티브로 취급할 거예요. 따라서 제안과 관련된 다양한 각도, 고충(Pain Points), 상호작용 시나리오를 중심으로 캠페인을 구축하는 것이 더 효과적이 될 거예요.

두 번째로 중요한 점은 광범위한 잠재 고객의 역할이 커지고 있다는 거예요. 이 모델은 더 넓은 트래픽 스트림 내에서 관련성이 높은 마이크로 세그먼트를 식별할 수 있거든요. 수동으로 관심사를 좁히는 것이 시스템 잠재력을 제한하기 시작할 수 있어요. GEM 아키텍처로 작업할 때, 광범위한 잠재 고객을 대상으로 매우 다른 크리에이티브를 사용하는 '1-1-10 접근 방식'이 핵심 구조가 될 거예요.

학습 단계에서 불안정성은 거의 확실하게 증가할 거예요. 시스템이 수많은 하위 모델과 시나리오를 테스트하기 때문에 예전보다 예산 분배가 더 공격적으로 변동될 수 있어요. 이 말은 테스트 시 더 큰 규율이 필요하다는 뜻이에요. 즉, 혼란스러운 재시작은 줄이고 데이터 샘플로 더 체계적으로 작업해야 해요.

메타는 GEM의 기능을 확장할 계획이에요:

* 이 모델은 텍스트, 이미지, 오디오, 비디오 등 다양한 콘텐츠 형식 간의 상호작용 데이터로부터 계속 학습할 거예요.

* 플랫폼은 광고뿐만 아니라 일반 유기적 콘텐츠 랭킹을 위한 통합된 기반을 구축하는 것을 목표로 하고 있어요.

* GEM은 대규모 데이터셋으로 훈련되면서 계속 발전할 거예요.

한 가지 중요한 점은 이 모델이 이미 2025년 4분기부터 운영되고 있다는 거예요. 이는 대부분의 제휴 마케터가 이미 어떤 식으로든 이 알고리즘을 경험했다는 뜻이죠. 업계 논의를 바탕으로 보면, 평소와 같은 혼란은 있지만 결정적으로 심각한 일은 일어나지 않았다고 해요.

GEM이 바이럴리의 세팅을 망가뜨리는 건 아니에요. 단지 초점을 약간 이동시키는 것뿐이죠. 이제는 자신의 잠재 고객을 더 깊이 이해하고 제품을 중심으로 다양한 커뮤니케이션 시나리오를 구축할 수 있는 제휴 마케터에게 유리해질 거예요.