아마존 광고용 AI 에이전트란, 사람이 콘솔을 한 줄씩 클릭하는 대신 자연어 지시나 사전 설정된 규칙을 바탕으로 스폰서 프로덕트, 스폰서 브랜드, DSP 캠페인을 기획·실행·조정하는 소프트웨어입니다. 아마존은 2025년 11월 11일 자체 버전인 'Ads Agent'를 공개 베타로 출시했으며, Trellis, Quartile, Xnurta 같은 서드파티 플랫폼은 그보다 훨씬 전부터 에이전트 기반 입찰 및 크리에이티브 운영을 해왔습니다. 어디를 가나 메시지는 같습니다. 알고리즘이 밀리초 만에 처리할 수 있는 계산에 PPC 매니저 인건비를 지불하지 말라는 것입니다.
하지만 아래 실제 계정 데이터로 뒷받침되는 현실은 마케팅 문구보다 더 좁으면서도 더 실용적입니다. AI 에이전트는 규모의 문제에 탁월합니다. 수천 개 키워드에 걸친 입찰 계산, 수백 개 캠페인의 예산 페이싱, 예전에는 데이터 분석가의 밀린 업무였던 Amazon Marketing Cloud(AMC) 쿼리 등이 그렇습니다. 반면 광고 플랫폼이 볼 수 없는 맥락에 좌우되는 판단, 즉 실제 마진율, 재고 소진 기간, 방금 가격 경쟁에서 놓친 Buy Box 같은 문제에는 약합니다.
에이전트가 캠페인을 운영하면 무엇이 달라지는가
| 작업 | 수동 워크플로우 | AI 에이전트 워크플로우 |
|---|---|---|
| 500개 이상 키워드의 입찰 조정 | 분석가가 대량 시트를 내려받아 재계산 후 재업로드 — 주 1회, 몇 시간 소요 | 에이전트가 목표 ACoS 기준으로 매시간 재계산하고 자동으로 반영 |
| AMC 오디언스 쿼리 | 데이터 분석가가 SQL을 작성해야 함 | 자연어 프롬프트로 몇 분 안에 쿼리와 답변 확보 |
| 포트폴리오 전체의 예산 페이싱 | 중간에 예산이 소진되는 캠페인을 수동으로 확인 | 캠페인이 한도에 근접하면 실시간으로 예산 재배분 |
| 낭비 지출 정리(제외 키워드) | 월간 검색어 리포트 검토 | 지속적으로 플래그를 걸되, 최종 승인은 사람이 진행 |
| 신제품 출시 전략 | 참고할 과거 데이터가 없어 사람의 판단에 의존 | 에이전트가 아직 학습할 데이터가 없어 사람이 기준선을 직접 구축해야 함 |
아마존 자체 베타 수치도 이 규모의 문제에서의 우위를 뒷받침합니다. 관리형 베타 광고주 전반에서 Ads Agent는 평균 CPA 16% 감소, CPM 18% 감소, 입찰 최적화 워크플로우 시간 약 25% 단축이라는 성과를 냈습니다(출처: Amazon Ads, Feedvisor의 베타 분석 참고, 아래 참조). 다만 이 그룹은 DSP를 활용하고 대행사 지원을 받으며 대규모로 지출하는 계정군입니다. 중견 셀러가 기대할 수 있는 수치의 '상한선'으로 봐야지 '기본값'으로 봐서는 안 됩니다.
검증된 성장 사례 3가지
Amazon Ads Agent 베타(2025-2026년). 베타 광고주의 65%가 AI 추천 오디언스를 통해 노출 성과 개선을 경험했으며, 앞서 언급한 CPA 16% / CPM 18% 수치가 여기서 나왔습니다. 성과는 브랜드 등록이 되어 있고 DSP를 활발히 사용하는 계정에 집중되었고, 데이터 이력이 얕은 카테고리에서는 에이전트가 학습할 패턴 데이터가 부족해 추천 품질이 떨어졌습니다.
Trellis × Dandy Blend(스폰서 브랜드, 2024년 9월-2025년 1월). Trellis는 아마존의 AI 이미지 생성 기능을 활용해 스폰서 브랜드 캠페인을 새롭게 단장하고, 200개 이상의 AI 생성 크리에이티브 변형을 A/B 테스트했습니다. 결과: CTR이 0.6%에서 1.1%로 거의 두 배(+83%) 상승했고, 전환은 481건에서 1,055건으로 두 배 이상 증가했으며, ACOS도 소폭 개선(7.0% → 6.8%)됐습니다. 지출은 늘었지만, 이는 단순 지출 증가가 아니라 에이전트가 더 효율적인 규모 확장 지점을 찾아낸 결과였습니다.
Quartile × Boxed Water Is Better(B2B 세분화, 2025-2026년). Quartile은 동일 카탈로그 내에서 Amazon Business(B2B) 수요와 일반 소비자 수요를 분리하고, AMC 데이터로 비즈니스 구매자가 다른 시간대에 전환된다는 사실을 확인한 뒤 요일별 데이파팅을 적용했습니다. 20일 안에 B2B 매출은 전년 대비 34% 증가했고, ACOS는 14.22%에서 5.8%로 떨어졌으며, 총광고비 대비 매출 비율(TACoS)은 29% 감소했습니다. 이 계정은 수년간 하나의 통합 구조로 운영되어 왔는데, 에이전트의 강점은 수동 검토로는 놓쳤던 세분화 신호를 포착해낸 것이었습니다.
여전히 사람이 필요한 영역
아마존의 Ads Agent는 광고 데이터만 읽습니다. 재고 수준, SKU별 실제 마진, Buy Box 상태는 보지 못합니다. CPA 기준으로는 효율적으로 보이는 20% 입찰 인상도, 5일 뒤 품절될 예정이거나 해당 SKU의 마진이 카테고리 평균의 절반이라면 잘못된 판단입니다. 아마존 대행사로 잘 알려진 My Amazon Guy는 2026년 1월 PPC 함정을 분석하며 이렇게 직설적으로 말했습니다. 아마존의 광고 에이전트에 무감독으로 캠페인 운영을 맡기는 것은 "캠페인 내 연관성을 이해하는 데 필요한 세밀함이나 감각이 없다"고 말입니다(My Amazon Guy, 『2026 Top Amazon PPC Tips & Tricks』, YouTube, 2026년 1월 20일).
팀이 에이전트에 운영을 맡길 때 흔히 저지르는 실수:
- 중지 트리거 없이 카테고리 변동성 급등 구간에서도 입찰 규칙을 그대로 방치
- 신제품 출시를 마치 학습할 최적화 이력이 있는 것처럼 취급
- 대량 페이싱 변경을 승인하기 전에 마진과 재고 교차 확인 생략
- 'AI 관리'를 '무감독'과 동일시 — 아마존을 포함해 제대로 된 에이전트라면 모든 실행이 승인 단계를 거침
에이전트 주도 변경을 확대 적용하기 전, 반드시 직접 계산을 검증하세요. 제안된 입찰 변경이 클릭률에 실제로 어떤 영향을 주는지는 Concat Pro의 무료 CTR 계산기로 확인하고, 승인 전 해당 SKU가 목표 수익성을 충족하는지는 마진 계산기로 확인하세요.
Concat Pro의 역할
아마존의 Ads Agent, 그리고 대부분의 리테일 미디어 AI 도구는 단일 폐쇄형 환경 안에서 아마존이 정의한 지표를 기준으로 최적화합니다. Concat Pro의 Ad Agent는 아마존과 함께 Meta, Google, TikTok을 동시에 운영하는 팀을 위해 만들어졌습니다. 크리에이티브 변형을 생성하고 검증하며, 채널 전반에 걸쳐 키워드와 경쟁사 현황을 공유하고, 단순한 입찰 변경이 아니라 성과 변동의 '이유'를 드러냅니다. 저희 AI 키워드 리서치 도구 워크플로우와 동일한 엄격함을 광고 그룹 구조에 적용하고, AI 광고 플랫폼에 예산을 투입하기 전 그로스 마케팅 소프트웨어 비교에서 소개하는 벤더 비교를 진행해 보세요.
AI 마케팅 에이전트의 전체 순위는 Concat Pro 랭킹에서 확인할 수 있고, 경쟁사 수준의 PPC 인텔리전스가 타겟팅 결정에 어떻게 반영되는지는 경쟁사 리서치 AI 도구에서 확인할 수 있습니다.
결론
아마존 광고용 AI 에이전트는 규모의 문제에서 진가를 발휘합니다. 입찰 계산, AMC 쿼리, 페이싱, 그리고 사람 팀이 따라올 수 없는 물량의 크리에이티브 반복 작업이 그렇습니다. 하지만 마진, 재고, 출시 관련 의사결정을 무감독으로 맡을 자격은 아직 얻지 못했습니다. 위 데이터가 보여주듯, 검증된 모든 성공 사례는 사람이 전략을 정의하고(B2B로 세분화, 베스트셀러 대비 크리에이티브 테스트, 특정 ACoS 목표 추구) 에이전트가 이를 더 빠르게 실행한 결과였습니다. 에이전트를 전략가가 아닌 실행자로 대하면, 위의 ROI 사례들은 얼마든지 재현 가능합니다.
참고 자료
- Concat Pro — Ad Agent, CTR 계산기, 마진 계산기, AI 마케팅 에이전트 랭킹
- Amazon Ads — 공식 사례: Trellis × Dandy Blend 및 Quartile × Boxed Water Is Better; 베타 성과 데이터는 Feedvisor, 「What is Amazon Ads Agent?」(2026년 4월) 참고
- My Amazon Guy, 「2026 Top Amazon PPC Tips & Tricks」, YouTube, 2026년 1월 20일