AI는 더러운 데이터를 고치지 않습니다, 피해를 키웁니다

마케팅 데이터 정합성이 좀 엉망인데 AI를 붙이면 알아서 정리해 주지 않을까요. 작년부터 가장 자주 받는 질문입니다. 엑셀을 꿰매던 사람이 열 이름을 맞추고 중복을 걸러내는 일을 모델이 대신해 줄 것 같거든요.

절반은 맞습니다. 형식을 맞추는 일은 실제로 빨라졌습니다.

그런데 나머지 절반에서 사고가 납니다. 해외의 마케팅 애널리틱스 실무자가 이걸 한 줄로 정리한 문장이 있습니다. 나쁜 데이터는 예전에는 대시보드를 깨뜨렸고, 지금은 잘못된 결정을 촉발한다는 것이지요.

정합성은 AI를 도입한 다음에 손보는 항목이 아닙니다. 도입하기 전에 끝내야 하는 전제조건입니다. 순서를 바꾸면 틀린 숫자가 더 빠르게, 더 멀리, 더 자신 있게 퍼집니다.

그래서 이 글에서는 AI가 왜 정합성을 고치지 못하는지, 깨진 데이터 위에서 AI가 피해를 어떻게 키우는지, 정합성이 주로 어디서 깨지는지, 켜기 전에 돌릴 점검은 무엇인지 순서대로 보여드리겠습니다.

---

AI를 붙이면 마케팅 데이터 정합성이 알아서 맞춰지나요

한 줄로 말하면 이렇습니다. 맞춰지지 않고, 틀린 데이터가 처음 부딪히는 벽이 옮겨갑니다.

예전에는 데이터가 더러우면 중간에 뭔가가 깨졌습니다. 수식이 에러를 뱉고, 합계가 안 맞고, 차트 축이 이상하게 늘어났지요. 보기 싫은 광경이었습니다만 그 못생김이 곧 경보였습니다. 숫자를 들여다보던 사람이 "이거 왜 이러지"에서 멈췄으니까요.

AI를 중간에 넣으면 그 경보가 사라집니다. 모델은 빈칸을 비워두지 않고, 어긋난 열을 그럴듯하게 맞추고, 불확실한 값에도 완결된 문장을 붙입니다. 출력물은 깔끔합니다. 틀렸는데 깔끔합니다.

	AI 없이	AI를 붙인 뒤
더러운 데이터가 처음 닿는 곳	대시보드	권고와 실행
겉으로 보이는 증상	수식 오류, 안 맞는 합계	증상 없음, 매끄러운 보고서
누가 알아차리나	숫자를 보던 담당자	아무도
끝나는 자리	보고가 하루 늦어진다	예산이 움직인다

왼쪽 열의 결말은 짜증입니다. 오른쪽 열의 결말은 집행이지요.

---

데이터 정합성이 깨진 상태에서 AI가 피해를 키우는 세 경로

피해가 커지는 방식은 셋입니다. 셋이 겹치면 사고가 조용해집니다.

첫째는 속도입니다. 사람이 손으로 만들던 리포트는 주 1회였습니다. 틀린 기준이 들어가도 다음 주 보고 전까지 한 번쯤 의심받을 틈이 있었지요. 자동화를 붙이면 같은 기준이 매일 아침, 계정 수만큼 복제됩니다. 검산 횟수는 그대로인데 산출물만 수십 배가 됩니다.

둘째는 형식입니다. 사람이 쓴 보고서에는 자신 없는 자리가 티가 납니다. "확인이 필요합니다" 같은 군더더기가 남거든요. 생성된 문장에는 그 군더더기가 없습니다. 불확실성이 문체에서 지워지니, 읽는 사람은 모든 줄을 같은 신뢰도로 받아들입니다.

셋째는 실행입니다. 보고서까지만 가는 자동화와 입찰·예산을 건드리는 자동화는 전혀 다른 물건입니다. 후자에서는 틀린 숫자가 의견으로 끝나지 않고 돈으로 바뀝니다.

그럼 더 좋은 모델로 바꾸면 나아질까요. 안 됩니다. 모델이 좋아질수록 문장이 더 그럴듯해지고, 그럴듯한 문장은 검수를 더 잘 통과합니다. 성능 개선은 둘째와 셋째 경로를 오히려 넓히는 쪽으로 작동합니다.

---

마케팅 데이터 정합성은 주로 어디서 깨지나요

계정을 넘겨받은 첫 주에 제가 하는 일은 늘 같습니다. 화면 두 개를 나란히 띄웁니다. 왼쪽은 광고 대시보드, 오른쪽은 주문이나 상담 원장이지요. 그리고 같은 기간의 합계를 소리 내어 읽습니다.

어긋나는 폭은 계정마다 다르지만, 어긋나는 자리는 거의 같습니다.

깨지는 자리	겉으로 보이는 모습	AI를 붙이면 생기는 일
정본이 없다	매체·GA4·주문 DB 숫자가 다 다르다	가장 먼저 찾은 표를 진실로 삼는다
이중 집계	전환 액션이 중복, 태그가 두 번 발사	CPA가 실제보다 낮게 보여 목표를 더 조인다
정의 불일치	문의와 구매가 한 칸에 섞여 있다	서로 다른 행동을 더해 ROAS를 계산한다
조인 키 부재	주문에 유입 정보가 안 남는다	채널 기여를 추측으로 메운다

제가 겪은 격차 중 가장 컸던 두 건이 전부 첫 줄과 넷째 줄의 조합이었습니다. 한 계정은 매체가 보고한 전환 4,139건에 대해 주문 원장의 실제 건수가 243건이었고, 또 한 계정은 대시보드 전환 11,464건이 실제 예약 91건이었습니다. 두 계정 모두 대시보드 자체는 멀쩡하게 돌아가고 있었습니다. 숫자가 어떻게 그만큼 벌어지는지는 광고 전환수와 실매출 차이에 분해해 뒀습니다.

이중 집계는 티가 덜 나서 더 질깁니다. 손으로 따라가 보겠습니다. 전환 1,000건 중 10%가 중복이라 치면, 실제 전환은 900건이고 CPA는 보고된 값보다 11% 정도 높습니다. 그 상태에서 목표 CPA를 보고된 값 기준으로 조이면 입찰이 실제 수익 구간보다 낮은 자리에 머물고, 노출은 조용히 빠집니다. (이건 제가 두 번 당한 뒤에야 점검 순서에 넣었습니다.)

측정 쪽 최소 기준을 아직 안 맞춰두셨다면 그게 먼저입니다. 무엇이 최소 4종인지는 GA4 세팅 최소 기준에 따로 적어뒀습니다. 전환 액션과 태그를 계정 화면에서 어떻게 대조하는지는 실무가이드의 전환추적 장에 화면 단위로 풀어놨습니다.

---

AI 도입 전 데이터 정합성 점검 네 단계

도구를 고르기 전에 이 네 단계를 돌립니다. 한 계정에 반나절이면 끝납니다.

4단계를 건너뛰는 경우가 많습니다. 그런데 조인 키가 없으면 그 뒤의 모든 채널별 판정이 추정이 됩니다. 캠페인 명명 규칙과 UTM을 어떻게 맞추는지, 왜 그게 리포트 자동화의 실제 병목인지는 광고 리포트 AI 자동화 절차에서 구간별로 다뤘습니다.

---

정합성이 아직 안 맞는데 AI를 쓰고 싶으면 어떻게 하나요

현실적으로 네 단계가 다 끝날 때까지 손을 놓고 있을 수는 없지요. 저는 범위를 좁혀서 씁니다. 금지가 아니라 격리입니다.

먼저 읽기 전용에서만 돌립니다. 요약과 서술 생성까지만 맡기고, 입찰·예산·게재 설정을 건드리는 권한은 주지 않습니다. 틀려도 돈이 안 나가는 자리에 먼저 둔다는 뜻입니다.

다음으로 정본이 확인된 한 영역으로 범위를 자릅니다. 주문 원장이 믿을 만한 계정이라면 매출 분석만, 상담 기록이 정리된 계정이라면 리드 품질만 맡깁니다. 전체를 맡기는 것보다 느리지만, 틀렸을 때 어디서 틀렸는지 알 수 있습니다.

그리고 출처 표기를 의무화합니다. 모든 숫자에 어느 표의 어느 열에서 왔는지를 붙이게 하고, 모르는 값은 만들지 말고 비워두게 지시합니다. 이 지시문을 어떻게 쓰는지는 마케팅 AI 에이전트 브리핑법에 여섯 칸 양식으로 정리해뒀습니다.

마지막으로 사람이 쥐고 있을 것을 분명히 해둡니다. 정본 판정, 임계값, 인과 설명 셋입니다. 이 셋을 넘기면 정합성 점검 자체가 자동화 대상이 되어버리고, 그 순간 검산할 바깥이 사라집니다.

주 단위 운영 기록과 도구 실측은 아이작 뉴스레터에서 화요일 아침에 먼저 다룹니다. 계정의 숫자가 어디서 벌어지고 있는지 같이 열어보고 싶으시면 1:1 계정 진단도 운영합니다.

---

자주 묻는 질문

마케팅 데이터 정합성은 몇 퍼센트까지 맞춰야 AI를 붙여도 되나요?

목표 수치를 하나로 못 박기보다 격차를 알고 있는지를 기준으로 삼으시기 바랍니다. 실무에서는 정본과 매체 보고의 격차가 2배를 넘으면 조인이나 전환 설정이 깨진 신호로 보고 자동화를 멈춥니다. 그보다 작은 격차는 어트리뷰션 창과 기간 기준 차이로도 생기니 원인을 적어두고 그 폭 안에서 판단하면 됩니다. 중요한 것은 완벽한 데이터가 아니라, 어긋난 폭이 문서로 남아 있는 상태입니다.

AI가 데이터 정제를 대신해 줄 수는 없나요?

형식 정제는 실제로 잘합니다. 열 이름을 맞추고, 날짜 포맷을 통일하고, 통화 단위를 변환하는 일은 맡겨도 됩니다. 반면 의미 정제는 못 합니다. 어느 표가 정본인지, 두 전환 액션이 같은 행동을 세고 있는지, 중복으로 보이는 두 줄이 실제로 중복인지는 그 사업을 아는 사람만 판정할 수 있습니다. 경계를 정리하면 형식은 맡기고 의미는 쥐고 있는 것입니다.

데이터가 깨진 걸 모르고 AI 보고서를 계속 써왔다면 무엇부터 봐야 하나요?

합계 대조부터 하시면 됩니다. 지난 보고서 한 장을 골라 그 안의 전환과 매출 합계를 정본과 맞춰보는 데 30분이면 충분합니다. 격차가 크면 그 보고서를 근거로 내린 결정 목록을 거꾸로 훑습니다. 예산을 옮긴 결정, 캠페인을 끈 결정부터 재검토하면 되고, 보고서 전체를 다시 만드는 일은 그다음입니다.

광고 데이터 정합성 점검은 얼마나 자주 해야 하나요?

전체 네 단계는 분기에 한 번으로 충분합니다. 다만 합계 대조는 보고 주기마다 넣으시기 바랍니다. 주간 보고를 한다면 매주 한 번 정본과 맞춰보는 것이고, 1분짜리 작업입니다. 그리고 태그·전환 설정·랜딩 구조를 바꾼 직후에는 주기와 무관하게 바로 대조합니다. 정합성이 깨지는 시점은 대개 무언가를 바꾼 다음 주입니다.

데이터 웨어하우스를 만들면 정합성 문제가 해결되나요?

보관과 조인은 쉬워지지만 정합성 자체는 따라오지 않습니다. 정본 선언과 지표 정의가 없는 상태로 웨어하우스를 깔면, 어긋난 숫자가 더 많은 곳에서 더 빠르게 조회되는 결과가 됩니다. 순서는 정의서가 먼저이고 저장소가 나중입니다. 매체가 셋 이상으로 늘고 과거 데이터를 반복 재계산해야 할 때 도입하면 늦지 않습니다.

---

더 깊이 들어가려면

여기까지가 데이터를 어디까지 믿을 수 있는가의 문제입니다. 실제로는 그 믿을 수 있는 숫자를 계정 안에서 어떻게 만들어 두느냐가 다음 문제로 남습니다. 전환 액션을 기본과 보조로 어떻게 가르는지, 중복 집계를 만드는 태그 구성이 어떻게 생겼는지, 맞춤 열을 어떻게 짜두면 대조가 매주 1분으로 끝나는지 말이지요.