글

라벨이 디지털 마케팅인 게시물 표시

유튜버 광고 단가, 실제로 얼마인가 — 20년차 마케터가 협의 테이블에서 본 브랜디드 콘텐츠·PPL 가격표

이미지
유튜버는 얼마나 돈이 될까요. 막연히 "많이 번다"는 이야기는 많은데 숫자를 말해주는 글은 드뭅니다. 저는 글로벌 브랜드들의 마케팅과 다수의 대행을 20년째 맡아온 시니어 마케터이고, 디지털 기반에서 플랫폼, 콘텐츠, 인플루언서, 미디어, 퍼포먼스를 실무자이자 관리자로 한꺼번에 굴려 왔습니다. 그 일의 상당 부분이 인플루언서를 섭외하고 단가를 협의하는 일이었습니다. 오늘은 그중 유튜브 인플루언서가 광고 단가 측면에서 얼마나 수익화가 되는 모델인지, 협의 테이블에서 실제로 오간 숫자로 이야기하겠습니다. 인플루언서 단가에는 정가가 없습니다 먼저 알아두셔야 할 게 있습니다. 인플루언서 단가는 정가표가 없습니다. 인플루언서마다 하는 일의 내용에 따라, 콘텐츠 종류에 따라 섭외 단가가 제각각이라 브랜드나 대행사가 직접 연락해 문의하고, 단가와 조건을 협의하면서 일이 시작됩니다. 채널 성격에 따라서도 크게 갈립니다. 인스타그램, 틱톡, 블로그, 유튜브가 전부 다른 가격대를 갖고 있고, 그중 유튜브가 가장 셉니다. 이유는 두 가지입니다. 영상 한 편을 만드는 데 들어가는 공력이 글 한 편 쓰는 블로그와는 비교가 안 되고, 지금 소비자가 가장 선호하는 플랫폼이 단연 유튜브이기 때문입니다. 유튜브는 구독자 수로 등급을 나눕니다 브랜드와 광고 회사는 유튜버를 구독자 수에 따라 등급으로 나눠 부릅니다. 흔히 메가급, 매시브급, 마이크로급, 나노급으로 부르는데, 세부 명칭과 구독자 기준은 기업과 대행사마다 조금씩 다릅니다. 등급 통상 기준 특징 메가 구독자 100만 이상 또는 유명 채널 노출·인지도 효과가 가장 크고, 단가도 가장 높다 매시브 수십만~100만 카테고리 안에서 영향력이 크다. 조건 협의 폭이 넓다 마이크로 수만~십수만 타깃이 뚜렷하다. 단가 대비 반응이 좋은 경우가 많다 나노 수천~수만 소규모, 다수 동시 진행 형태로 쓴다 보통 구독자 100만 이상이거나 누구나 아는 유명 채널이면 메가 유튜버라고 부릅니다. 오늘 이야...

Genspark AgentBase 해부 — 코드 없이 내 데이터로 CRM을 만드는 시대

이미지
숫자부터 보겠습니다. Genspark는 2026년 6월 시리즈 B를 4억 8,500만 달러 규모로 확장하며 기업가치 26억 달러를 인정받았습니다. 그 회사가 최근 내놓은 신규 에이전트가 AgentBase입니다. 이메일·드라이브·캘린더 같은 개인 데이터를 CRM, HR 시스템, 프로젝트 관리 툴로 즉시 변환해 주는 도구입니다. 저는 이 발표를 클라이언트 관리 실무자의 눈으로 읽었습니다. 그동안 업무 시스템이란 남이 만든 SaaS를 구독해서 내 업무를 거기에 맞추는 것이었는데, 이제 방향이 뒤집혀 내 데이터에 맞는 시스템을 AI가 만들어 주는 흐름이 시작됐다는 것입니다. 이 글은 그 전환이 마케터에게 무엇을 의미하는지 정리합니다. AgentBase가 하는 일 — 데이터가 곧 시스템이 된다 AgentBase의 구조를 한 문장으로 줄이면 이렇습니다. 이미 내가 가진 데이터에서 시스템을 꺼낸다. 클라이언트와 주고받은 이메일에는 대화 이력이, 드라이브에는 제안서와 계약 문서가, 캘린더에는 미팅 기록이 쌓여 있습니다. 지금까지 이것들은 흩어진 흔적이었고, CRM을 쓰려면 이 흔적을 사람이 일일이 옮겨 적어야 했습니다. AgentBase는 이 방향을 뒤집어, 흩어진 개인 데이터를 읽고 그 위에 CRM이든 프로젝트 관리 툴이든 필요한 시스템을 세워 주는 방식을 내세웁니다. 마케터에게 이 발상 전환이 중요한 이유는 명확합니다. CRM 도입이 실패하는 가장 큰 원인은 기능 부족이 아니라 입력이 유지되지 않는 것입니다. 데이터가 이미 있는 곳에서 시스템을 만들어 내는 구조라면, 입력이라는 가장 약한 고리를 처음부터 우회할 수 있습니다. SaaS 구독과 내 데이터 시스템, 구조가 다르다 기존 SaaS CRM 구독과 AgentBase형 접근의 차이를 표로 정리하면 이렇습니다. 구분 SaaS CRM 구독 AgentBase형 내 데이터 시스템 출발점 남이 정한 틀에 내 업무를 맞춤 내 데이터에서 시스템을 생성 비용 구조 좌석당 월 구독료가 계속 발생 구독 대신...

네이버 AI탭 출시 후 검색 유입이 달라진다 (운영 사이트에서 실제로 손본 5가지)

이미지
네이버가 통합검색에 대화형 AI 검색 'AI탭'을 정식 출시했습니다. 경량화·효율화된 차세대 하이퍼클로바X가 적용됐고, 이용자는 키워드를 나열하는 대신 질문을 던지고 조립된 답을 받게 됩니다. 한국 검색 트래픽의 구조가 바뀌는 출발점이라는 뜻이고, 사이트 운영자라면 지금이 대응을 시작할 시점입니다. 저는 블로그 aitrend.kr을 직접 운영하고 있어서 이 변화가 남의 일이 아닙니다. 이번 주에 사이트에서 실제로 손본 것 다섯 가지를 그대로 공개합니다. 무엇이 바뀌었나 — 링크 목록에서 조립된 답으로 이번 출시의 핵심은 검색 결과의 단위가 바뀐다는 데 있습니다. 지금까지 네이버 검색의 기본 단위는 링크와 문서 목록이었습니다. AI탭에서는 여러 문서에서 발췌한 내용을 하나의 답으로 조립해 보여 주고, 원문은 그 답의 근거로 인용됩니다. AI타임스 보도 에 따르면 네이버는 이 AI탭에 차세대 하이퍼클로바X를 적용했고, 앞서 1분기에는 네이버플러스 스토어에 쇼핑 AI 에이전트를 붙이는 등 올해를 AI 에이전트 기반 수익화의 원년으로 삼고 있습니다. 운영자 입장에서 중요한 것은 방향입니다. 검색의 무게 중심이 문서 노출에서 답변 인용으로 이동하면, 클릭 전에 답이 끝나는 검색이 늘어납니다. 구글의 AI 오버뷰가 먼저 보여 준 흐름이 네이버 생태계에서도 본격화되는 셈입니다. 유입 리포트에서 먼저 나타날 변화 수치로 먼저 보이는 것은 노출 대비 클릭의 비율입니다. 답이 검색 화면 안에서 완결되면 노출은 유지되거나 늘어도 클릭은 줄어들 수 있습니다. 반대로 AI탭의 답 안에 인용된 문서는 이전과 다른 질의에서 새로운 유입을 받게 됩니다. 즉 유입의 총량보다 유입의 경로가 먼저 재편됩니다. 그래서 저는 데이터 판독 기준부터 바꿨습니다. 지금까지는 어떤 키워드에서 몇 명이 들어왔는지를 봤다면, 앞으로는 어떤 질문에 내 글이 인용되는지, 인용된 뒤 실제 방문으로 이어지는 비율이 어떤지를 함께 봐야 합니다. 측정 항목이 바뀌면 콘텐츠를 고치...

AI 검색에 내 브랜드가 안 뜨는 이유 — 온톨로지부터 다시 봤습니다

이미지
며칠 전 스레드에 짧게 정리해서 올린 개념이 하나 있습니다. 온톨로지입니다. 반응이 예상보다 뜨거워서 다시 들여다보다가, 정작 저 자신도 이 개념을 정확히 실무로 옮기고 있었는지 스스로 점검하게 됐습니다. ATM 채널을 혼자 운영하면서 콘텐츠를 쌓아온 시간이 쌓일수록, 결국 제가 하고 있던 일이 브랜드를 하나의 개체로 정리하는 작업이었다는 걸 알게 됐습니다. 그 정리 과정을 이번 글에 좀 더 풀어보려고 합니다. 키워드는 다 넣었는데 왜 AI 검색엔 안 뜨는가 몇 년 전까지 검색 최적화는 단순했습니다. 사람들이 검색할 것 같은 단어를 제목과 본문에 자주 넣어두면 됐습니다. 그런데 지금 챗지피티나 퍼플렉시티, 구글 AI 오버뷰에 브랜드명을 검색해보면 이상한 경험을 하게 됩니다. 분명 관련 콘텐츠를 꾸준히 써온 브랜드인데도 답변에 전혀 등장하지 않는 경우가 있습니다. 존재하는데 보이지 않는 상태입니다. 이 현상의 배경에 온톨로지가 있습니다. 온톨로지는 한 줄로 정리하면 우리 분야에 무엇이 존재하고 그것들이 서로 어떻게 연결되는지를 기계도 읽을 수 있게 정의해둔 개념 지도입니다. 점은 브랜드, 제품, 고객 같은 개념이고 선은 만든다, 좋아한다, ~이다 같은 관계입니다. 지금의 AI 검색은 단어가 아니라 이 점과 선, 즉 엔티티와 관계를 이해한 뒤 답을 만듭니다. 브랜드명을 검색하면 AI는 그 브랜드를 하나의 개체로 인식하고, 무엇을 만들고 누구에게 사랑받는지 관계를 따라가며 답을 조립합니다. 키워드를 아무리 반복해도 이 관계가 어디에도 정리되어 있지 않으면 AI는 우리 브랜드를 낱개의 정보로만 취급합니다. 지식그래프, 시맨틱 SEO와 헷갈리지 않는 법 온톨로지, 지식그래프, 시맨틱 SEO 이 세 단어를 정리해두면 헷갈릴 일이 없습니다. 온톨로지는 설계도입니다. 어떤 개체와 어떤 관계가 존재할 수 있는지 정해둔 틀입니다. 구글의 지식그래프는 그 설계도 위에 실제 데이터를 채워 넣은 결과물이고, 우리가 검색했을 때 오른쪽에 뜨는 지식패널이 그 얼...

AEO·GEO 실전 가이드 (AI 검색 시대에 내 콘텐츠를 답변에 올리는 법)

이미지
검색이 바뀌었습니다. 예전에는 키워드를 넣으면 파란 링크 열 개가 떴고 클릭을 두고 경쟁했습니다. 지금은 구글이 결과 맨 위에 AI 오버뷰로 답을 바로 요약해 주고, 사람들은 ChatGPT나 Perplexity 같은 답변엔진에 질문을 던져 한 번에 정리된 답을 받습니다. 핵심은 명확합니다. 사용자가 더 이상 링크를 고르지 않고, AI가 정리한 답을 먼저 읽는다는 것입니다. 그래서 SEO는 검색 순위만의 문제가 아니라, AI가 만드는 답변 안에 내 콘텐츠가 인용되느냐의 문제가 됐습니다. 이 글은 AEO(Answer Engine Optimization)와 GEO(Generative Engine Optimization)를 실제로 적용하는 순서를 정리합니다. AEO와 GEO가 정확히 무엇인가 AEO는 답변엔진 최적화입니다. ChatGPT, Perplexity, 구글 AI 오버뷰처럼 질문에 직접 답을 만들어 주는 시스템에 내 콘텐츠가 답변 소스로 채택되게 만드는 작업입니다. GEO는 생성형엔진 최적화로, 생성형 AI가 문장을 만들 때 내 브랜드와 콘텐츠가 자연스럽게 등장하고 인용되도록 만드는 작업입니다. 두 개념은 거의 겹칩니다. 순위 1위가 목표가 아니라, AI가 답을 만들 때 끌어다 쓰는 신뢰할 만한 원천이 되는 것이 목표입니다. 전통 SEO가 사라지는 것은 아닙니다. 색인되고 크롤링되는 기본기 위에, AI가 이해하고 인용하기 좋은 형태로 다듬는 한 층이 더 얹혔다고 보면 됩니다. 질문 단위로 콘텐츠를 다시 설계한다 가장 먼저 바꿀 것은 사고의 단위입니다. 키워드가 아니라 질문입니다. 답변엔진은 사람의 질문에 답하도록 설계됐기 때문에, 콘텐츠도 질문에 답하는 구조여야 인용되기 쉽습니다. 'AEO'라는 키워드 하나를 노리는 대신, 'AEO가 뭔가', 'AEO와 SEO는 무엇이 다른가', 'AEO를 어떻게 시작하나' 같은 실제 질문을 뼈대로 삼습니다. 각 섹션 제목을 질문 형태로 쓰고, 바로...

AI 블로그 자동 발행 (주제만 정하면 SEO 글 완성 파이프라인)

이미지
블로그를 꾸준히 운영하는 일은 생각보다 고된 노동입니다. 주제를 정하고, 자료를 모으고, 글을 쓰고, 검색에 잘 걸리게 다듬고, 발행 버튼을 누르기까지 이어집니다. 한 편이면 모를까, 매일 여러 편을 내려면 사람 손만으로는 금세 지칩니다. 그래서 이번 글에서는 주제만 정하면 AI가 초안을 쓰고 SEO를 최적화해 자동으로 발행하는 파이프라인을 정리합니다. 한 번 만들어 두면 매일 반복하던 노동이 점검 몇 분으로 줄어듭니다. 파이프라인 전체 그림부터 본다 먼저 전체 흐름을 머릿속에 그려 둡시다. 파이프라인은 크게 다섯 단계입니다. 주제 선정, AI 초안 생성, SEO 최적화, 자동 발행, 사후 점검입니다. 각 단계는 앞 단계의 결과를 받아 다음 단계로 넘깁니다. 사람이 손을 대는 곳은 처음과 끝, 즉 주제를 정하고 결과를 점검하는 두 지점입니다. 핵심은 이 흐름이 한 줄로 이어진다는 점입니다. 따로따로 하던 일을 연결해 자동으로 흘러가게 만드는 것이 자동화의 본질입니다. 단계 사이를 사람이 매번 손으로 옮기면 그건 자동화가 아니라 그냥 도구 사용입니다. 일단 그림을 잡았으니, 단계별로 들어가 봅시다. 1단계, 주제 선정은 사람이 정한다 자동화의 시작은 역설적으로 사람이 합니다. 무엇에 대해 쓸지는 사람이 정해야 합니다. 다만 막연히 떠올리는 게 아니라, 검색되는 주제를 고르는 안목이 필요합니다. 사람들이 실제로 검색하는 질문, 아직 답이 부족한 틈새, 우리 채널과 맞닿은 키워드를 찾는 것입니다. 여기서도 AI를 보조로 쓸 수 있습니다. "이 분야에서 사람들이 자주 검색하는 질문 형태의 주제 열 개를 뽑아 줘"라고 하면 후보를 빠르게 받습니다. 그중 우리 방향에 맞고 경쟁이 너무 세지 않은 것을 사람이 고릅니다. 주제 선정만 제대로 해도 글의 절반은 성공입니다. 잘못된 주제로는 아무리 잘 써도 검색에 닿지 않기 때문입니다. 2단계, AI 초안 생성 주제가 정해지면 AI에게 초안을 맡깁니다. 이때 그냥 "...

코딩 1도 몰라도 클로드로 나만의 홈페이지 만들고 무료 배포까지 (4단계 가이드)

이미지
홈페이지가 필요하다는 건 알지만 매번 같은 벽에 막힙니다. 개발자에게 맡기면 비용이 부담이고, 직접 하자니 코드가 무섭고, 서버 비용은 또 매달 빠져나갑니다. 그래서 많은 1인 사업자와 크리에이터가 "홈페이지는 나중에"로 미뤄왔습니다. 그런데 이 전제 자체가 이제 깨졌습니다. 코드 한 줄 직접 쓰지 않고, 추가 비용 0원으로 내 주소가 박힌 홈페이지를 인터넷에 올릴 수 있게 됐기 때문입니다. 이 글은 그 과정을 네 단계로 나눠 그대로 따라 할 수 있게 정리한 실전 가이드입니다. 정말 코딩을 몰라도 홈페이지를 만들 수 있나? 결론부터 말하면 가능합니다. 비결은 여러분이 코드를 잘 쓰는 게 아니라, 클로드 같은 AI에게 원하는 화면을 말로 설명하고 그 결과를 인터넷에 올리는 방법만 알면 된다는 데 있습니다. 과거에는 HTML, CSS, 자바스크립트를 배우고, 서버를 빌리고, 배포 설정을 익혀야 비로소 페이지 하나가 세상에 나왔습니다. 지금은 이 단계 대부분을 AI와 무료 호스팅 서비스가 대신합니다. 핵심 흐름은 단순합니다. 원하는 화면을 말로 설명하면 클로드가 코드를 만들어 주고, 그 코드를 무료 호스팅에 올리면 내 주소로 인터넷에 공개됩니다. 이 네 단계만 이해하면 됩니다. 단계 하는 일 필요한 것 1단계 원하는 화면을 말로 설명 어떤 페이지인지에 대한 생각 2단계 클로드가 코드 생성 클로드 접속 3단계 무료 호스팅에 올리기 깃허브·버셀 등 무료 계정 4단계 내 주소로 인터넷 공개 발급된 주소 확인 표에서 보듯 어느 단계에도 '코딩 실력'이 직접 들어가지 않습니다. 들어가는 건 명확한 설명과 약간의 따라 하기뿐입니다. 1단계 — 원하는 화면을 말로 설명하기 가장 먼저 할 일은 코드가 아니라 '말'입니다. 어떤 홈페이지를 원하는지 머릿속 그림을 문장으로 풀어내는 단계입니다. 이때 막연하게 "예쁜 홈페이지 만들어줘"라고 하면 결과도 막연해집니다. 다음 네 가지를 구체적으...

쇼츠 공장 세팅법 — 긴 영상 1편으로 쇼츠 10개 자동 양산 (2026)

이미지
쇼츠는 자주 올릴수록 알고리즘에 잘 노출됩니다. 머리로는 다들 압니다. 그런데 막상 해보면 매번 긴 영상에서 명장면을 찾아 자르고, 세로로 다시 잡고, 자막까지 다는 일이 만만치 않습니다. 한 편 만드는 데 한 시간씩 걸리면 결국 일주일에 한두 개 올리다 멈추게 됩니다. 그래서 요즘 1인 크리에이터들이 쓰는 방식이 바로 쇼츠 공장입니다. 긴 영상이나 대본을 한 번 넣으면 AI가 알아서 하이라이트 구간을 뽑고, 9:16으로 리프레임하고, 자막까지 붙여 쇼츠 여러 개를 한 번에 뽑아주는 흐름이죠. 이 글에서는 그 공장을 직접 세팅하고 돌리는 워크플로를 단계별로 정리합니다. 쇼츠 공장이 정확히 뭔가요? 쇼츠 공장은 특정 앱 이름이 아니라 하나의 작업 흐름을 가리키는 말입니다. 핵심은 사람이 처음부터 끝까지 손으로 편집하지 않고, 반복 가능한 단계로 묶어 AI에게 대부분을 맡기는 것입니다. 전통적인 방식과 비교하면 차이가 분명합니다. 단계 손편집 방식 쇼츠 공장 방식 명장면 찾기 영상을 처음부터 돌려보며 직접 표시 AI가 자막과 흐름을 분석해 후보 구간 자동 제시 가로를 세로로 프레임마다 위치를 손으로 조정 화자·움직임을 추적해 9:16 자동 리프레임 자막 달기 한 줄씩 듣고 타이핑 음성 인식으로 자막 자동 생성 후 다듬기만 분량 한 편 만들고 지침 한 번 돌려 여러 편 일괄 출력 즉 사람은 마지막에 고르고 다듬는 역할만 하고, 시간을 잡아먹던 단순 작업은 전부 AI에 넘기는 구조입니다. 어떤 소스를 넣어야 잘 나오나요? 공장은 좋은 원재료가 들어가야 좋은 결과가 나옵니다. 쇼츠로 잘 쪼개지는 긴 영상에는 공통점이 있습니다. 말로 설명이 이어지는 영상: 인터뷰, 강의, 리뷰, 브이로그 해설처럼 말이 끊기지 않는 콘텐츠는 AI가 의미 단위로 자르기 좋습니다. 기승전결이 작게 반복되는 영상: 한 편 안에 작은 결론이 여러 번 나오면 그 지점마다 쇼츠 한 개가 만들어집니다. 자막이나 대본이 있는 영상: 텍스트가 함께 있으면 명장...

6개 SNS 채널을 혼자 운영하는 법 — Claude Code AI와 Buffer 활용기

이미지
요즘 ATM은 블로그(여러 개), 스레드, 인스타그램, 틱톡, X, 페이스북까지 여러 채널을 동시에 운영하고 있습니다. "그걸 혼자 다 한다고요?"라는 질문을 자주 받는데요. 솔직히 말하면 두 가지 도구 덕분입니다. 오늘은 그 운영 스택을 가감 없이 공개합니다. 비결 ① — Claude Code AI가 '제작'을 맡는다 가장 큰 변화는 콘텐츠 제작을 AI 팀 에 맡긴 것입니다. Claude Code로 마케팅·디자인·검수 역할을 나눠두면, 주제 발굴부터 카드뉴스·영상 제작까지 상당 부분이 자동으로 굴러갑니다. 사람이 하는 일은 방향을 정하고 최종 확인을 하는 것. 혼자서도 작은 회사처럼 일할 수 있게 되니, 콘텐츠의 양과 속도 가 완전히 달라집니다. 비결 ② — Buffer로 주차별 캘린더를 예약 발행한다 문제는 '제작'을 해결해도 발행·관리 가 남는다는 겁니다. 채널이 6개면 각각 들어가서 올리는 것만으로도 하루가 갑니다. 그래서 ATM은 Buffer 를 씁니다. Buffer로 주차별 캘린더에 콘텐츠를 미리 쌓아두면 , 정해진 시간에 자동으로 발행됩니다. 한 화면에서 전 채널 일정을 보고, 캐로셀·릴스 같은 형식도 예약할 수 있어요. "이번 주 뭐 올리지?"를 매일 고민하지 않아도 됩니다. 무료로도 충분히 시작할 수 있어요 좋은 점은 무료 플랜으로도 SNS 3개 계정을 연동 해 통합 큐레이션이 된다는 것. 일단 무료로 3개 채널을 한 큐로 묶어 돌려보고, 채널·예약을 더 늘리고 싶을 때 유료를 고려하면 됩니다. 정리 제작은 Claude Code AI , 발행·관리는 Buffer — 이 둘이 1인 멀티채널 운영의 핵심 스택입니다. Buffer는 무료로도 3채널 통합 큐레이션이 되니, 부담 없이 시작해보세요. Buffer가 궁금하다면 아래 링크로 가입해 무료부터 써보세요. (아래는 ATM 추천/제휴 링크입니다.) 👉 https://buf...