ChatGPT Ads 셀프서브 드디어 열렸다: 위치 데이터 품질이 AI 광고 관련성 점수를 결정하는 이유

OpenAI의 ChatGPT Ads가 2026년 2월 출시 후 불과 몇 주 만에 연환산 1억 달러 수익을 찍었습니다. 이 숫자는 광고주들이 1년 넘게 예상해온 걸 확인해줬죠. 대화형 AI는 단순한 검색 대체재가 아니라 완전히 다른 타겟팅 메커니즘을 가진 광고 플랫폼이고, 실제로 작동합니다.

이제 OpenAI가 문을 더 크게 엽니다. 2026년 4월에 시작하는 셀프서브 플랫폼은 기존 20만 달러 최소 예산을 없애고, 신용카드와 랜딩 페이지만 있으면 누구든 ChatGPT Ads를 쓸 수 있게 합니다. 초기 설문 데이터에 따르면 중소기업의 80%가 캠페인 집행에 관심을 보이고 있습니다. 골드러시가 시작되려 합니다.

그런데 대부분의 광고주가 아직 깨닫지 못한 게 있어요. ChatGPT Ads는 검색 광고와 작동 방식이 전혀 다릅니다. 키워드 입찰이 메커니즘이 아닙니다. 대화 컨텍스트가 메커니즘입니다. 위치 기반 비즈니스에게 있어, 구조화된 위치 데이터의 품질이 광고가 노출되는지, 얼마나 눈에 띄게 노출되는지, 전환당 얼마를 내는지를 결정하는 가장 중요한 단일 요소입니다.

ChatGPT Ads 실제 작동 방식: 대화형 타겟팅 vs. 키워드 타겟팅

Google Ads는 키워드 경매 모델로 돌아갑니다. "부티크 호텔 리스본"에 입찰하고, 누군가 그 문구를 검색하면 광고가 뜨고, 클릭당 비용을 냅니다. 타겟팅이 명시적입니다. 내가 키워드 고르고, 입찰가 설정하고, 매치 타입 관리합니다.

ChatGPT Ads는 근본적으로 다른 레벨에서 작동합니다. 키워드 입찰이 없습니다. 대신 OpenAI의 광고 시스템이 사용자가 나누는 대화의 전체 컨텍스트를 분석해서 어떤 광고가 그 스레드에 맥락적으로 관련 있는지 판단합니다. 사용자가 ChatGPT에 "6월에 리스본 여행 계획 중인데, 근처에 좋은 레스토랑 있는 조용한 동네를 찾고 있어요"라고 물으면, 시스템은 그 특정 대화 순간에 어떤 광고주가 관련성 있게 기여할 수 있는지를 평가합니다.

이건 추가 단계가 붙은 키워드 매칭이 아닙니다. 엔티티 매칭입니다. AI는 "리스본 호텔"에 입찰한 광고주를 찾는 게 아니라, 사용자가 묘사한 구체적 속성들에 자신 있게 연결될 수 있는 비즈니스 엔티티를 찾습니다. 조용한 동네, 근처에 좋은 레스토랑, 리스본, 6월 가용성.

광고주에게 주는 시사점이 큽니다. 키워드 기반 광고에서는 데이터 품질에 상관없이 큰 예산으로 경쟁자를 이길 수 있습니다. 대화형 광고에서는 시스템이 관련성을 판단하려면 먼저 내 비즈니스가 뭔지, 어디 있는지, 뭘 제공하는지를 이해해야 합니다. 데이터 완성도는 최적화 레버가 아닙니다. 광고 게재의 전제 조건입니다.

관련성 알고리즘이 평가하는 것들

OpenAI는 ChatGPT Ads 관련성 점수 모델 전체를 공개하지 않았지만, 관찰된 행동과 플랫폼이 밝힌 타겟팅 방법론에서 핵심 평가 차원이 드러납니다.

엔티티 완성도. 광고 시스템은 내 비즈니스를 단순한 랜딩 페이지가 아니라 구조화된 엔티티로 이해해야 합니다. 이름, 카테고리, 위치, 서비스, 운영 시간, 가격대, 고유 속성이 모두 시스템이 내 비즈니스를 대화 쿼리와 매칭하는 신뢰도에 기여합니다. 엔티티 데이터가 완성될수록, 머신 읽기 쉬울수록 신뢰 점수가 높아집니다.

위치 특이성. 지리적 의도가 있는 쿼리, 즉 ChatGPT 상업적 쿼리의 대다수에 대해 시스템은 내 비즈니스를 얼마나 정밀하게 특정할 수 있는지를 평가합니다. 검증된 지오 좌표, 확인된 동네, 명명된 주변 랜드마크, 교통 근접 데이터를 가진 호텔은 도시 수준 주소만 가진 호텔보다 훨씬 더 많은 대화 컨텍스트에 매칭될 수 있습니다.

콘텐츠-쿼리 정렬. 시스템은 내 광고와 연결된 콘텐츠가 사용자가 묻는 것을 실제로 다루는지 평가합니다. "리스본에서의 완벽한 숙박" 같은 일반적인 마케팅 카피는 구체적인 쿼리와 거의 매칭이 안 됩니다. "알파마 지구, 파두 박물관에서 200미터, 산타 아폴로니아 역까지 도보 5분"이라는 설명은 수십 개의 쿼리에 매칭됩니다.

스키마 일관성. AI는 소스 전체에서 구조화 데이터를 교차 참조합니다. Google Business Profile이 한 동네를, 웹사이트 스키마가 다른 동네를, OTA 리스팅이 세 번째 설명을 쓰면 엔티티에 대한 시스템 신뢰도가 떨어집니다. 데이터 소스 간 일관성은 관련성 점수에 직접적인 인풋입니다.

최신성과 검증. 오래된 데이터, 만료된 영업 시간, 아직도 영업 중으로 표기된 폐업 비즈니스, 변경된 주소, 이 모든 것이 AI가 광고 게재에 내 비즈니스를 올리려는 의지를 줄입니다. 시스템은 데이터가 최신이고 외부에서 검증된 것으로 보이는 엔티티를 선호합니다.

데이터가 완전하다면 위치 기반 비즈니스가 유리한 이유

ChatGPT에서 전환율이 가장 높은 대화 쿼리들은 본질적으로 로컬합니다. "비즈니스 디너를 위해 가까운 최고 레스토랑." "컨벤션 센터 근처에 늦은 체크인 되는 호텔." "바르셀로나에서 해변까지 걸어갈 수 있는 바케이션 렌탈." "국제 보험 되는 암스테르담 치과."

이 쿼리들 모두 광고 시스템이 해결해야 할 지리적 요소를 담고 있습니다. 올바른 지리에, 올바른 근접 컨텍스트로, 올바른 특이성 수준에서 자신 있게 배치될 수 있는 비즈니스가 이런 광고 게재를 일관되게 따낼 겁니다.

이건 로컬 의도 쿼리에서 위치 기반 비즈니스가 순수 이커머스나 SaaS 광고주보다 구조적 우위를 갖는다는 의미입니다. 호텔, 레스토랑, 클리닉, 임대 부동산은 랜드마크, 교통, 서비스, 동네와의 실제 근접 관계를 가진 물리적 위치가 있습니다. 그 데이터를 올바르게 구조화하면 AI에게 자신 있는 매칭을 위해 필요한 모든 정보가 생깁니다.

문제는 대부분의 위치 기반 비즈니스가 이 데이터를 AI 소비용으로 구조화하지 않았다는 겁니다. 웹사이트에 주소가 있습니다. 아마도 Google Maps에 좌표가 있을 겁니다. 하지만 근접 인벤토리, 즉 주변에 뭐가 있는지, 얼마나 멀리, 어느 방향으로, 어떤 교통 수단으로 갈 수 있는지의 머신 읽기 가능한 목록은 AI가 쓸 수 있는 형태로 존재하는 경우가 거의 없습니다.

예산을 설정하기도 전에 ChatGPT Ads 성과를 결정하는 건 이 갭입니다.

AI 광고 관련성 점수를 높이는 위치 데이터 필드들

관찰된 성과 패턴과 대화형 타겟팅 모델을 기반으로, 위치 기반 비즈니스의 ChatGPT Ads 관련성 점수에 가장 직접적으로 기여하는 구체적 위치 데이터 필드들입니다.

검증된 지오 좌표. Google Maps 핀이 아니라, Schema.org 마크업에 내장된 위도와 경도. 이게 기반입니다. 정확한 좌표 없이는 AI가 어디와의 근접성도 계산할 수 없습니다.

주변 POI 인벤토리. 도보나 짧은 차량 거리 내의 검증된 거리가 있는 명명된 관심 장소들. "중앙역까지 350미터", "폰델파크까지 도보 4분", "컨벤션 센터까지 800미터". 검증된 거리를 가진 명명된 POI 하나하나가 대화 쿼리의 매칭 가능한 데이터 포인트를 만듭니다.

교통 접근성. 가장 가까운 지하철/전철역, 버스 노선, 트램 정류장, 기차역, 공항 셔틀 이용 가능성, 각각까지의 도보 시간. 교통 쿼리는 ChatGPT 여행·로컬 서비스 대화에서 가장 빈도 높은 위치 한정어 중 하나입니다.

동네 컨텍스트. 특성이 포함된 명명된 동네나 지구. "독립 부티크와 운하 옆 카페로 유명한 요르단 지구에 위치"는 동네 특성과 분위기 쿼리 매칭에 AI에게 풍부한 컨텍스트를 제공합니다.

서비스 반경 또는 배달 지역. 서비스 비즈니스의 경우, 모호한 지역 설명이 아닌 구체적인 용어로 표현된 서비스 지리 범위.

주차와 접근성. 현장 주차, 근처 공용 주차, 휠체어 접근성, 전기차 충전. 이런 실용적인 세부 사항들이 대부분의 비즈니스가 한 번도 최적화하지 않는 대용량 대화 쿼리와 매칭됩니다.

운영 컨텍스트. 계절적 가용성, 성수기/비수기 가격, 특별 영업 시간, 언어 지원. AI는 위치뿐 아니라 시간적·상황적 컨텍스트도 매칭합니다.

셀프서브 오픈 전 리스팅 준비 방법

셀프서브 플랫폼은 2026년 4월에 시작합니다. 첫날부터 완전하고 구조화된 위치 데이터를 가진 비즈니스는 더 높은 관련성 점수로 경매에 진입합니다. 이건 전환당 낮은 비용과 높은 광고 게재 우선순위로 직접 연결됩니다.

준비 체크리스트입니다.

1단계: 구조화 데이터 감사. mapatlas.eu/aeo-checker의 무료 AEO Checker를 모든 리스팅 페이지와 메인 웹사이트에 실행합니다. AI 광고 관련성 점수에 직접 영향을 주는 누락된 스키마 필드, 위치 데이터 갭, 콘텐츠 완성도 문제를 잡아줍니다.

2단계: 지오 좌표 검증 및 완성. 모든 위치가 Schema.org 마크업에 정확한 위도/경도를 가지는지 확인합니다. 여러 위치를 운영한다면 각각 독립된 검증된 좌표 쌍이 필요합니다. MapAtlas Geocoding API는 유럽 커버리지와 GDPR 준수로 주소를 정확한 좌표로 대규모 변환합니다.

3단계: 근접 인벤토리 생성. 대부분의 비즈니스가 건너뛰는 가장 임팩트 높은 단계입니다. GeoEnrich로 각 위치의 검증된 주변 POI, 교통 옵션, 랜드마크, 서비스 목록을 생성합니다. GeoEnrich는 스키마 마크업과 랜딩 페이지 콘텐츠에 바로 내장할 수 있는 구조화 데이터를 반환합니다.

4단계: 완전한 Schema.org 마크업 구현. 호텔은 LodgingBusiness 또는 Hotel 사용. 레스토랑은 Restaurant. 임대 부동산은 VacationRental 서브타입의 LodgingBusiness 사용. 관련 모든 필드 포함: geo, address, amenityFeature, nearbyAttraction, publicTransport, priceRange, openingHours.

5단계: 모든 소스에서 데이터 정렬. 웹사이트 스키마, Google Business Profile, OTA 리스팅, 소셜 프로필이 모두 일관된 위치 데이터를 가져야 합니다. AI는 이 소스들을 교차 참조합니다. 불일치는 신뢰도와 관련성 점수를 낮춥니다.

6단계: 위치 정보가 풍부한 랜딩 페이지 만들기. ChatGPT Ads 랜딩 페이지는 구조화 데이터를 사람이 읽을 수 있는 형태로 반영해야 합니다. AI가 광고를 매칭하는 데 사용한 동네 설명, 근접 세부사항, 교통 정보, 로컬 컨텍스트를 포함합니다. 광고 매칭과 랜딩 페이지 경험 사이의 이 일관성이 품질 점수와 전환율을 높입니다.

통합 가이드: MapAtlas 지오 데이터를 리스팅 파이프라인에 연결하기

리스팅 플랫폼을 만들거나 유지하는 개발팀에게, 원시 주소 데이터에서 AI 준비 완료 구조화 위치 콘텐츠까지의 통합 경로는 명확한 파이프라인을 따릅니다.

Geocoding: 주소에서 좌표로

GET /api/v1/geocode?address=Keizersgracht+424+Amsterdam

정확한 위도/경도, 포맷된 주소 구성 요소, 신뢰도 점수를 반환합니다. 이후 모든 인리치먼트의 기반으로 사용합니다.

GeoEnrich: 좌표에서 근접 인벤토리로

GET /api/v1/geoenrich?lat=52.3676&lng=4.8837&radius=1000&categories=transit,restaurant,landmark,grocery

이름, 카테고리, 거리, 도보 시간이 포함된 주변 POI의 구조화 목록을 반환합니다. 이 단일 API 호출이 AI 광고 관련성을 구동하는 근접 인벤토리를 생성합니다.

스키마 생성

GeoEnrich 응답을 가져다 Schema.org 마크업에 매핑합니다. JSON-LD의 nearbyAttraction, publicAccess, amenityFeature 필드는 수동으로 작성한 추정치가 아니라 API 응답의 검증된 데이터를 반영해야 합니다.

배치 처리

수백에서 수천 개의 리스팅을 관리하는 플랫폼의 경우, MapAtlas 배치 엔드포인트가 대량 지오코딩과 인리치먼트 요청을 처리합니다. 호텔 리스팅 500개의 포트폴리오는 수동 조사와 작성에 걸리는 몇 주가 아니라 몇 분 만에 완전하고 검증된 근접 인벤토리를 가질 수 있습니다.

결과는 모든 매물이 최대한의 관련성 데이터, 즉 구조화되고 검증되고 소스 전체에서 일관된 데이터를 가지고 ChatGPT Ads 경매에 들어가는 리스팅 파이프라인입니다.

AI 광고 성과 측정 vs. 전통적 검색 광고

ChatGPT Ads는 Google Ads와 다른 성과 지표가 필요합니다. 대화형 포맷은 성공을 측정하는 방식에 영향을 주는 방식으로 사용자 행동을 바꿉니다.

대화-전환율. 단일 상호작용을 측정하는 클릭률과 달리, ChatGPT Ads는 멀티턴 대화 안에서 작동합니다. 사용자가 광고를 보고, 대화를 계속하고, 후속 질문을 하고, 그런 다음 전환할 수 있습니다. 초기 광고 노출만이 아니라 전체 대화 여정을 추적하세요.

관련성 매치율. 광고가 트리거해야 할 대화 쿼리에 비해 얼마나 자주 표시되는지를 모니터링합니다. 고의도 로컬 쿼리에서 낮은 매치율은 예산 문제가 아니라 위치 데이터 갭을 나타냅니다.

전환당 비용 vs. 검색 광고. 파일럿 단계 초기 데이터는 ChatGPT Ads가 고의도 로컬 쿼리에서 Google Search Ads보다 낮은 CPA를 제공한다는 걸 시사합니다. 대화 컨텍스트가 더 강한 의도 신호를 제공하기 때문입니다. 셀프서브가 열리고 경쟁이 증가함에 따라, 더 높은 관련성 점수를 가진 비즈니스가 이 CPA 우위를 더 오래 유지할 겁니다.

어시스티드 전환. ChatGPT 대화는 종종 다른 채널을 통해 발생하는 예약이나 구매에 앞서 일어납니다. 여행자가 ChatGPT에 호텔 추천을 묻고, 광고를 보고, 그런 다음 웹사이트나 OTA를 통해 직접 예약합니다. 어트리뷰션 모델링은 이 크로스 채널 영향을 설명해야 합니다.

위치 쿼리 커버리지. 어떤 위치 특정 쿼리가 광고를 트리거하고 어떤 것이 그렇지 않은지를 추적합니다. "컨벤션 센터 근처 호텔"이 광고를 트리거하지만 "중앙역에서 도보 거리의 조용한 호텔"이 그렇지 않다면, 교통 근접 데이터가 불완전할 가능성이 높습니다.

지금이 기회입니다

ChatGPT Ads 셀프서브는 대부분의 위치 기반 비즈니스가 불완전한 구조화 데이터를 가지고 있고, 거의 아무도 관련성 점수를 구동하는 근접 인벤토리를 가지고 있지 않은 시장에 출시됩니다. 완전하고 검증된 AI 준비 완료 위치 데이터로 셀프서브 경매에 먼저 진입하는 비즈니스가 성과 기준점을 세울 겁니다.

기다리는 비즈니스, "ChatGPT Ads는 나중에 알아보자"고 계획하는 비즈니스는 같은 데이터 갭을 가지고 더 경쟁적인 경매에 들어가서, 더 나쁜 게재 위치에 더 많이 지불하게 됩니다.

준비 작업은 복잡하지 않습니다. 구체적입니다. 지오 좌표, 근접 데이터, 교통 컨텍스트, 동네 스키마, 소스 간 일관성. 이것들이 AI 광고 시스템이 평가하는 인풋이고, MapAtlas APIs가 대규모로 생성하는 인풋입니다.

셀프서브 플랫폼은 여기 있습니다. 위치 데이터 준비 상태가 다음에 뭐가 일어날지를 결정합니다.

관련 글:

• 왜 당신의 호텔은 ChatGPT에서 보이지 않는가
• 로컬 비즈니스를 위한 완전한 AEO 가이드
• 로컬 비즈니스의 1.2%만이 ChatGPT에 추천된다
• AI 가시성 점수를 무료로 확인하세요