키워드에서 완성된 광고까지: 운영 가능한 5단계 파이프라인과 6가지 상태값

요즘 AI 크리에이티브 도구의 약속은 대개 한 줄로 요약된다. 키워드만 넣으면 광고 영상이 나온다는 것이다. 하지만 실제로 운영해 보면, 바로 그 ‘자동’이라는 말 아래에 답이 없는 질문이 잔뜩 숨어 있다는 걸 알게 된다.

예를 들어 검색어가 지나치게 니치해서 오가닉 콘텐츠도 없고 상업 데이터 라이브러리에도 결과가 없다고 해 보자. 이때 파이프라인은 ‘근거 없음’으로 멈춰야 할까, 아니면 검증되지 않은 빈 브리프를 영상 생성 단계로 넘겨야 할까? 진행 중에는 계정 권한으로 접근할 수 없는 채널이 생겨 데이터가 돌아오지 않을 수도 있다. 이것은 ‘결과 없음’일까, 아니면 애초에 ‘조회하지 못함’일까? 두 경우의 대응은 정반대지만, 대부분의 원클릭 도구는 둘 다 같은 로딩 화면으로 처리한다.

데모가 아니라 실제 운영에 쓸 수 있는 크리에이티브 파이프라인의 가치는 마지막 ‘생성’ 버튼에 있지 않다. 각 단계가 현재 어떤 상태인지 정직하게 드러내는 데 있다. 그래야 운영 환경에서 굴릴 수 있고, 결과가 나오지 않았을 때 어디서 끊겼는지도 찾아낼 수 있다.

먼저 범위를 짚고 가자. 이 파이프라인의 리서치 단계는 각 플랫폼이 모든 광고주에게 공개하는 광고 라이브러리와 크리에이티브 센터의 공개 데이터를, 본인 계정으로 로그인해 활용한다. 서명 우회나 접근 제한 회피는 없다. 여기서 다루는 것은 그 공개 데이터를 의사결정과 실제 배포 가능한 에셋으로 정리하는 방법이지, 데이터를 얻는 방법이 아니다.

자동화보다 먼저 설계할 5단계 뼈대

키워드에서 광고 영상까지 가는 흐름은 순서가 있는 5단계로 구성된다. 느슨한 ‘작업 순서’가 아니다. 앞 단계의 출력이 다음 단계의 입력이 된다.

수요 발견. 시장 검색어로 오가닉 콘텐츠를 찾아보고, 실제 사용자 사이에서 해당 주제에 관심과 반응이 있는지 확인한다. 결과물은 오가닉 콘텐츠 신호다.
상업성 검증. 두 가지 상업 신호를 확인한다. 하나는 키워드 기회다. 검색량, 경쟁도, 집행 측면의 데이터를 본다. 다른 하나는 크리에이티브 센터에서 성과가 좋은 Top Ads다. 둘 다 실제 비용이 투입됐고 시장에서 검증된 데이터이므로, 오가닉 콘텐츠와는 성격이 다르다.
크리에이터 매칭. 인플루언서 라이브러리에서 이 주제와 시장에 맞는 크리에이터를 찾는다.
크리에이티브 브리프. 앞선 세 단계에서 선별된 근거를 합쳐 생성 모델에 바로 넣을 수 있는 구조화된 명세로 만든다. 내러티브 구조, 훅의 형태, 타깃 시장이 이 단계에서 확정된다.
생성. 브리프를 영상 생성 모델에 전달해 9:16 세로형 네이티브 광고를 만든다.

핵심 무게는 네 번째 단계에 실린다. 첫 세 단계는 근거를 모으는 일이고, 다섯 번째 단계는 비용을 쓰는 일이다. 브리프는 근거가 들어와 하나의 결정으로 바뀌는 유일한 지점이다. 앞선 세 단계에서 데이터를 허술하게 모으면 브리프는 노이즈를 근거로 판단하고, 결국 노이즈 위에 세운 영상을 생성한다. 로딩 화면만 봐서는 이를 알 수 없다. 각 단계의 상태를 명확히 펼쳐 보여야 비로소 드러난다.

처음 세 단계는 각각 별도 글로 다룰 만한 주제다. 초 단위 리텐션 곡선을 읽는 법, 키워드 기회를 하나의 예산 수치로 바꾸는 법, 팔로워 수만 보고 고르지 않고 인플루언서 라이브러리와 에셋 라이브러리를 교차 검증하는 법은 각각 다른 글에서 다룬다. 이 글은 이들을 하나의 선으로 연결했을 때 비로소 나타나는 문제에 집중한다.

실패 하나로는 부족하다: 6가지 단계 상태값

이 글에서 가장 중요한 부분이다.

대부분의 파이프라인은 단계별 결과를 성공과 실패, 두 가지로만 표시한다. 한두 단계라면 가능하다. 하지만 5단계가 되면 무너진다. ‘실패’라는 한 단어가 전혀 다른 대응이 필요한 네 가지 상황을 한데 뭉개기 때문이다.

이 파이프라인에서 각 단계의 결과는 다음 6가지 상태 중 하나로 기록된다.

completed: 실행이 끝났고, 다음 단계로 넘길 수 있는 적격 결과를 얻었다.
empty: 실행은 됐고 채널도 열려 있었지만, 적격 결과가 0건이었다. 검색했지만 찾지 못한 상태다.
skipped: 할당량을 0으로 설정해 사용자가 직접 이 단계를 껐다. 따라서 실행 자체가 없었다.
unavailable: 실행하려 했지만 할 수 없었다. 채널이 계정 접근 범위 밖에 있거나, 예를 들어 키워드 기회 데이터가 일부 시장 언어만 지원하거나, 의존 서비스가 일시적으로 내려간 경우다.
blocked: 상류 단계의 근거가 부족해 게이트가 의도적으로 중단시켰다. 이 단계가 자체적으로 실패한 것이 아니라, 앞 단계가 충분한 입력을 주지 못한 것이다.
ready: 생성 단계에만 쓰는 중간 상태다. 사전 점검은 통과했지만 아직 제출 지시를 내리지 않았다. 영상을 만들 준비를 마치고 사용자 승인을 기다리는 상태다.

중요한 것은 상태 이름을 여섯 개 모으는 일이 아니다. empty, skipped, unavailable, blocked를 모두 ‘실패’로 합치는 순간 이 시스템은 운영할 수 없게 된다. 넷 모두 이번에는 영상이 나오지 않는다는 뜻이지만, 사용자가 해야 할 일은 완전히 다르다.

empty는 데이터 문제다. 시장에 수요가 없거나 키워드가 너무 좁을 수 있다. 코드를 건드릴 필요 없이 검색어를 바꾸거나 기준을 완화하면 된다.
skipped는 사용자의 선택이다. 따로 할 일은 없지만, empty와 분리해 두지 않으면 켜지지도 않은 단계를 반나절 동안 디버깅하게 된다.
unavailable은 채널 또는 설정 문제다. 키워드를 만지기보다 계정의 지원 범위를 확인하거나 재시도해야 한다.
blocked는 상류 단계 문제다. 현재 레이어는 정상이며, 이전 단계 중 하나가 비어 있다. 막힌 레이어와 씨름하지 말고 empty 상태인 앞 단계를 찾아야 한다.

불투명한 ‘실패’ 하나로 처리하면 이 네 가지 경로가 모두 가려지고, 운영자는 추측만 하게 된다. 결과는 주지만 상태를 알려주지 않는 파이프라인을 오래 운영할 수 없는 이유다. 문제가 생길 때마다 무슨 일이 있었는지 알아내기 위해 전체를 다시 재현해야 한다.

증거 퍼널의 원칙: 오가닉과 상업 신호를 합산하지 말 것

수요 발견은 콘텐츠를 ‘몇 개 찾았다’고 끝나는 단계가 아니다. 원시 결과는 각 층위별 수치를 남기는 퍼널을 거친다. 몇 건이 돌아왔는지, 기간 조건에서 몇 건이 빠졌는지, 언어가 맞지 않은 결과는 몇 건인지, 주제에서 벗어난 것은 몇 건인지, 표본으로 보기에는 조회수가 부족한 콘텐츠는 몇 개인지, 최종 적격 결과는 몇 개인지를 모두 기록한다. 이 단계가 empty로 끝났을 때 퍼널을 보면 근거가 어느 층에서 소진됐는지 알 수 있다. 애초에 아무것도 찾지 못한 경우, 많이 찾았지만 전부 기간이 지난 경우, 콘텐츠는 있었지만 표본 기준을 통과한 것이 없는 경우는 모두 다른 종류의 빈 결과이며 다음 조치도 달라진다. 퍼널이 없다면 empty는 그저 빈 배열일 뿐, 왜 비었는지도 알 수 없다.

숫자를 세는 것보다 더 중요한 원칙이 있다. 오가닉 콘텐츠 신호와 상업 신호는 따로 집계하고, 하나의 ‘증거 점수’로 합산하지 않는다. Top Ad는 누군가 실제 비용을 지출했고 플랫폼이 성과를 인정한 에셋이다. 반면 아무리 반응이 뜨거운 오가닉 영상 10개라도 ‘사람들이 무료로 시청할 의향이 있다’는 뜻일 뿐이다. 가중 합산을 하면 양이 많은 오가닉 영상 10개가 상업적 가치가 훨씬 큰 Top Ad 하나를 압도하게 된다. 올바른 방식은 먼저 버킷으로 나누고, 그다음 순위를 매기는 것이다. 상업 신호를 우선 보고, 없다면 적격 오가닉 콘텐츠로 내려가며, 그것도 없을 때만 크리에이터를 본다. 건수 대신 신뢰도를 기준으로 계층을 정해야 한다.

이 원칙은 영상 하나를 평가할 때도 적용된다. 오가닉 콘텐츠 하나를 볼 때 좋아요와 댓글은 한 종류의 신호고, 공유와 저장은 또 다른 신호다. 공유와 저장은 ‘보관할 만하다, 전달할 만하다’는 행동에 가까워 상업적 성격이 더 강하다. 따라서 순위를 매길 때 단순 참여보다 더 큰 비중을 둔다. 참여량은 시청할 만하다는 뜻이고, 공유와 저장은 실제 구매 전환을 이끌 가능성이 있다는 뜻이다. 같은 영상 안에서도 둘은 다르게 읽어야 한다.

(덧붙이면, 어트리뷰션 단계에서 모델이 특히 좋아하는 실수는 ‘상관관계를 인과관계로 보고, 빈도를 효과성으로 보는 것’이다. 그래서 프롬프트는 반드시 반례를 제시하게 만들어야 한다. 이는 모델이 핑거프린팅 글에서 막 발견한 패턴을 계속 의심하도록 만드는 프롬프트 규율과 같다. 그 글에서는 리버스 엔지니어링의 반증 섹션을 다뤘고, 여기서는 광고 어트리뷰션에서의 반례를 다룬다. 작동 원리는 같다.)

생성 가능과 생성 타당성은 별개의 게이트다

생성 직전에 내리는 판단 중에는 합치기 쉬우면서도 절대 합치면 안 되는 두 가지가 있다. ‘플랫폼이 영상을 만들 수 있는가’와 ‘이 영상을 만들어야 하는가’는 서로 다른 게이트다.

첫 번째는 플랫폼 사전 점검 준비 상태다. 생성 서비스가 정상인지, 할당량이 충분한지, 프롬프트가 허용되는지를 확인한다. 인프라 수준의 점검이다. 두 번째는 리서치 근거 준비 상태다. 수집한 자료 안에 적어도 하나의 적격한 핵심 근거가 있는지 확인한다. 콘텐츠 수준의 점검이다. 제출 전에는 두 게이트를 모두 통과해야 하며, 하나라도 통과하지 못하면 상태는 blocked가 된다.

둘 다 ‘생성할 수 있는가’를 묻는 듯해 하나로 합치고 싶은 유혹이 크다. 그러나 합치는 순간 가장 비용이 큰 실패가 발생한다. 플랫폼은 정상이고, 할당량도 넉넉하며, 프롬프트도 허용돼 사전 점검은 통과했는데, 근거가 전혀 없는 상태로 영상을 생성하는 경우다. 깔끔하게 실패하는 것보다 훨씬 위험하다. 성공처럼 보이기 때문에 실제로 예산을 집행할 수도 있다. 두 게이트를 분리하면 이런 경우는 안전하게 blocked에 머물고, 부족한 것이 할당량이 아니라 근거라는 사실을 알려준다. ‘만들 수 있음’은 결코 ‘만들어야 함’과 같지 않다. 이를 하나의 조건문으로 작성하는 것이 이런 파이프라인에서 가장 흔한 설계 오류다.

브리프에는 적격 근거만: 경쟁사 문구는 리서치에 남긴다

크리에이티브 브리프는 전체 흐름에서 텍스트 모델에 가장 많은 것을 요구하는 지점이자, 탈감작 규율이 가장 쉽게 무너지는 지점이기도 하다.

브리프의 역할은 적격 근거에서 검증된 구조를 꺼내는 것이다. Top Ads에서 반복되는 훅은 무엇인지, 리텐션 곡선의 정점은 몇 초인지, 성과가 좋았던 오가닉 콘텐츠가 ‘문제 제기, 결과 시연, 행동 유도’ 중 어떤 뼈대를 사용했는지를 읽어낸다. 그다음 이 구조들을 종합해 생성용 명세로 만든다.

다만 반드시 지켜야 할 제약이 하나 있다. 경쟁사 에셋의 원문 텍스트는 구조를 고르는 데만 사용하며, 최종 생성 프롬프트에는 절대 넣지 않는다. 경쟁사 훅에 들어 있는 브랜드명, 공급업체 수, 할당량, 가격, 성과 주장은 그 경쟁사만의 구체적 주장이지 구조가 아니다. 어떤 에셋이 아이디어를 촉발했는지 검토하고 추적할 수 있도록 리서치 결과에는 그대로 남기되, 생성 프롬프트를 만들 때는 명시적으로 제외해야 한다. 생성 모델에 전달할 것은 ‘이 내러티브 뼈대와 훅 형태를 활용해 내 제품의 영상을 만들어라’이지, ‘이 문장을 복사하라’가 아니다.

이 제약을 지킬 가치가 있는 이유는 분명하다. 경쟁사 문구를 생성 프롬프트에 그대로 붓는다면 결과 영상에는 타사 브랜드명과 가격 약속이 담길 수 있다. 좋게 말해 법적 위험이 있는 에셋이고, 최악의 경우 명백한 표절이다. 반대로 해당 주장들을 제거한 구조만 전달하면, 검증된 구조를 재활용하면서도 자기 제품의 이야기를 담은 영상이 나온다. 리서치는 충실하게 보존하고, 생성 입력은 깨끗하게 유지해야 한다. 같은 증거 묶음이라도 용도와 읽는 방식은 둘이다.

‘근거 더미에서 실제로 검증된 구조를 추출하고, 경쟁사 주장은 적극적으로 제외하며, 각각의 효과적 구조에 대해 반례를 제시하라’는 요구는 강한 추론 능력과 스스로의 결론을 반박하려는 태도를 함께 시험한다. 이는 리버스 엔지니어링에서 모델이 해야 할 일과 하지 말아야 할 일의 역할 분담과 같다. 모델은 가설 생성에는 강하지만 사실 검증에는 약하다. 검증은 결국 보유한 근거와 테스트로 돌아와야 한다.

단계별로 맞는 모델을 배치하는 법

이 흐름에서 텍스트 모델이 하는 일은 하나가 아니다. 서로 요구사항이 전혀 다른 네 가지 작업을 맡고, 마지막에는 이미지 및 영상 생성이 붙는다. 하나의 모델로 모두 처리하면 배치 작업에 비용을 과다 지출하거나 브리프의 정밀도를 잃게 된다.

단계	필요한 역량	선택	model id
전체 근거 묶음을 한 번에 읽기(수십 개 에셋과 초 단위 곡선을 동시에 처리)	긴 컨텍스트	Kimi K3	`kimi-k3`
에셋별 구조화 필드 추출(훅, 약속 유형, 긴급성 장치)	저렴한 비용, 높은 동시성으로 수백 건 호출	Claude Sonnet 5	`claude-sonnet-5`
브리프 작성: 구조 선택, 경쟁사 주장 제외, 반례 제시	강한 추론력, 자기 반박 능력	Claude Opus 5	`claude-opus-5`
단계 원인 분석(단계가 비었거나 차단됐을 때 퍼널을 읽고 어느 층에서 소진됐는지 설명)	중간 수준의 추론, 수치에 근거한 설명	GPT-5.6 Sol	`gpt-5.6-sol`
영상 생성(9:16 세로형 광고)	이미지 및 영상 생성	사이트 내 생성	`/chat` 참고

이 중 브리프 계층은 따로 테스트해 볼 만하다. 모델을 바꿨을 때 결과 차이가 눈에 보이는 유일한 단계이기 때문이다. 테스트 방법도 구체적이며, 이 글에서 직접 실행해 봐야 하는 유일한 부분이다.

실제로 완료된 파이프라인 실행 결과에서 적격 근거 묶음 하나를 가져온다. Top Ads 훅, 리텐션 곡선의 주요 지점, 크리에이터 프로필, 키워드 기회, 성과가 좋았던 몇 개의 오가닉 콘텐츠를 포함하면 된다.
동일한 브리프 프롬프트를 사용한다. 규칙은 에셋 구조만 사용할 것, 브랜드명·가격·할당량·성과 주장을 명시적으로 제외할 것, 각 ‘효과적 구조’에 대해 반례 가설 하나를 제시할 것이다. 이를 claude-opus-5와 gpt-5.6-sol에 각각 넣는다.
확인할 것은 두 가지뿐이다. 경쟁사의 구체적 주장이 생성 프롬프트에 새어 들어갔는가. 유출됐다면 실패다. 또 ‘이 구조가 효과적이다’라고 말할 때 반례를 함께 제시했는가, 아니면 빈도를 효과성으로 간주했는가.
이 두 기준에서의 결과가 모델 선택 기준이 된다. 생성 영상이 ‘경쟁사 스크립트를 복사한 영상’이 될지, ‘검증된 구조를 재활용한 영상’이 될지를 직접 결정한다.

한 번만 돌려봐도 어떤 벤치마크보다 직접적으로 차이를 알 수 있다. 배치형 필드 추출 계층인 Sonnet은 선택에 크게 공을 들일 필요가 없고, 작동하는 모델이면 충분하다. 긴 컨텍스트 계층인 Kimi는 직접 청크 기반 검색을 구현하는 수고를 줄이기 위해 선택한다.

영상 생성은 제출 후 종료 상태까지 추적해야 한다

생성은 ‘호출하면 영상이 나오는’ 작업이 아니다. 영상 생성은 시간이 걸리는 작업이다. 요청을 제출하면 큐에 들어가고, 종료 상태가 될 때까지 폴링해야 결과를 알 수 있다. 이 단계에는 서로 구분해야 하는 세 가지 결말이 있다.

제출 직후 반환. 작업이 큐에 들어가고 task_id를 받으며 상태는 processing이 된다. 기다리지 않고 다른 일을 할 수 있다.
종료 상태까지 대기. completed 또는 failed가 될 때까지 폴링한다. 이것이 원하는 최종 결과다.
경계에서 타임아웃. 폴링에 시간 예산을 주었는데 결과가 나오기 전에 시간이 끝난 경우다. 이때 작업을 실패로 버리면 안 된다. task_id를 유지하고 ‘타임아웃, 미완료’로 표시한 뒤, 재제출하지 말고 나중에 같은 id로 대기를 재개할 수 있어야 한다. 재제출은 비용을 두 번 내는 일이다.

세 번째 경우를 특히 잘못 처리하기 쉽다. 많은 구현이 ‘폴링 타임아웃’을 ‘작업 실패’와 동일하게 간주한다. 그러면 실제로는 아직 렌더링 중일 뿐 예상보다 느린 작업을 버리게 된다. ‘작업이 실패했다’와 ‘이번에는 기다리기를 그만뒀다’를 구분하는 것이 이 단계의 핵심이다. 전자는 종료 상태다. 후자는 이번 대기를 멈췄다는 뜻일 뿐이다. 작업도 id도 여전히 남아 있으니 다시 이어서 확인하면 된다.

근거가 모두 비었으면 생성하지 않는 것이 정답

지금까지의 제약을 하나로 묶으면, 이 파이프라인에서 가장 직관에 반하면서도 가장 가치 있는 규칙이 나온다. 근거가 전부 비어 있다면 생성 요청을 제출하지 않는 것이다.

수요 발견은 empty, 상업성 검증도 empty, 크리에이터 매칭 역시 empty라고 하자. 세 경로 어디에도 적격한 핵심 근거가 하나도 없다. 브리프는 blocked가 되고, 생성 사전 점검의 리서치 준비 게이트도 실패한다. 전체 흐름은 blocked에서 멈추며, 단 한 프레임도 생성되지 않는다.

겉으로는 ‘아무것도 하지 않았다’처럼 들린다. 하지만 가장 구현하기 어렵고 비용 절감 효과도 가장 큰 단계다. 앞으로 나아가는 법만 아는 파이프라인은 모든 근거가 비었을 때 일반적인 브리프로 후퇴한다. 누구에게도 닿지 않는 영상을 만들고 ‘성공’이라고 보고한다. 실제로는 정보가 전혀 없는 상태에서 영상 생성 비용을 쓰고, 거짓 성공 신호를 받은 셈이다.

파이프라인 가치의 절반은 생성할 수 있다는 데 있다. 나머지 절반은 생성하면 안 되는 때를 안다는 데 있다. 전자는 역량이고 후자는 규율이다. 그리고 그 규율의 전제는 앞서 본 6가지 상태값이다. empty와 blocked를 구분하지 않으면 ‘전부 비어 있음’이라는 명확한 신호가 없고, ‘제출하지 말라’는 결정을 내릴 기반도 없다.

하나의 키로 분석과 생성을 함께 연결하기

파이프라인 설계는 끝났다. 남은 것은 순수한 엔지니어링 마찰이며, 실제로 많은 사람이 막히는 지점도 여기다.

이 흐름에 필요한 모델은 두 종류의 벤더에 걸쳐 있다. 텍스트 계층은 여러 벤더의 모델로 구성되고, 생성 계층은 별도의 이미지 및 영상 서비스다. 각 계층마다 SDK, 인증 방식, 오류 형식을 따로 연결해야 한다. 그렇지 않으면 대부분이 하듯 하나의 모델로 모든 일을 처리하게 된다. 배치 단계에는 비용을 과다 지출하고 브리프는 정밀도를 잃은 뒤, 별도의 영상 플랫폼까지 추가로 붙여야 한다. 통합 수고를 줄이려다 파이프라인 전체 품질을 한 단계 낮추는 셈이다.

AIReiter는 이 레이어를 없앤다. 키 하나와 OpenAI 호환 인터페이스 하나로 네 가지 텍스트 계층을 모두 쓸 수 있으며, 요청 본문의 model 필드만 바꾸면 된다. 이미지와 영상 생성도 같은 키로 같은 사이트에서 제공하므로, 브리프가 나오면 바로 /chat에서 생성을 시도할 수 있다.

# Write the brief: the reasoning tier
curl https://aireiter.com/api/v1/chat/completions \
  -H "Authorization: Bearer $AIREITER_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5",
    "messages": [{"role": "user", "content": "<brief prompt + qualified evidence bundle>"}]
  }'

# Extract fields in bulk: change the model field, leave the rest
#   "model": "claude-sonnet-5"
# Stage attribution:      "model": "gpt-5.6-sol"
# Read long evidence at once: "model": "kimi-k3"

이미 OpenAI SDK를 사용 중이라면 base_url을 https://aireiter.com/api/v1로 지정하고 나머지는 바꾸지 않아도 된다. Anthropic SDK에서는 같은 키로 POST /api/v1/messages를 호출하면 된다.

가격 구조도 이 파이프라인의 비용 배분과 맞닿아 있다. 호출 수가 가장 많은 단계는 대량 필드 추출이다. 수십 개에서 수백 개 에셋을 각각 한 번씩 호출하므로 텍스트 비용의 대부분을 차지한다. Claude 30% 할인은 바로 이 구간에 적용된다. Sonnet이 배치를 처리하고 Opus가 브리프를 반복 개선하는 두 Claude 계층이다. 원인 분석은 GPT-5.6을 반값으로 사용한다. 긴 근거 묶음은 같은 키로 Kimi K3에서 읽는다. 생성은 실행당 별도 비용이지만, 증거 게이트를 통과해 실제로 영상을 만들어야 할 때만 실행된다. ‘모두 비었으면 제출하지 않는다’는 규칙 자체가 생성 비용을 아껴 준다.

API 키 받기
가입 없이 사용해 보기: 적격 근거 묶음 하나를 브리프 프롬프트에 직접 넣고, 생성 입력에 경쟁사 브랜드명과 가격이 새어 들어가는지 확인한다. 안정적으로 유지되는 것을 확인한 뒤 스크립트로 옮기면 된다.

마무리

‘키워드에서 완성된 광고까지’라는 흐름에서 진짜 엔지니어링은 ‘완성된 광고’에 있지 않다. 공개 데이터를 적격 근거로 만들고, 다시 깨끗한 브리프로 바꾸는 중간 구간에 있다.

그 구간을 운영할 수 있는지는 세 가지에 달려 있다. 각 단계의 결과를 성공과 실패가 아니라 6가지 상태값으로 분류해 empty, skipped, unavailable, blocked가 각각 명확한 다음 행동을 가리키게 해야 한다. 근거는 합산하지 않고 버킷화와 계층화로 다뤄야 강한 신호가 약한 신호의 물량에 묻히지 않는다. 그리고 ‘만들 수 있음’과 ‘만들어야 함’을 두 개의 게이트로 나눠, 근거가 전부 비었을 때 생성 전에 안전하게 멈춰야 한다.

모델은 이 흐름에서 작업을 수행하는 도구이지 주도자가 아니다. 근거를 읽고, 필드를 추출하고, 브리프를 작성하고, 원인을 설명하며, 마지막에 생성 모델이 영상을 만든다. ‘계속 진행해도 되는가’를 결정하는 것은 언제나 모델의 자신감이 아니라 상태값과 게이트다. 이 설계를 세우고 하나의 키로 네 가지 텍스트 계층과 사이트 내 생성을 연결하면, 키워드에서 완성된 광고까지 이어지는 파이프라인을 실제로 운영할 수 있다.