[AWS SUMMIT 2025] 쿠팡의 생성형AI기반 광고플랫폼 혁신

들어가며

쿠팡의 생성형AI기반 광고플랫폼 혁신

🎙️렌(AWS), 최윤정(Coupang Ads), 최창환(Coupang Ads)

🗂️ 세션 토픽: 리테일 및 소비재, 생성형AI및머신러닝응용

쿠팡의 생성형 AI 기반 광고 플랫폼 혁신을 주제로 한 세션을 듣고 해당 내용을 공유드리고자 합니다. 이 세션을 신청한 이유는 쿠팡이 어떻게 생성형 AI를 활용하여 광고플랫폼 혁신을 이루었는지에 대한 구체적인 전략과 사례를 통해 인사이트를 얻기 위함입니다. 특히  AI 기반 광고 플랫폼의 아키텍처와 운영 방식, 그리고 이를 통해 광고 성과를 어떻게 개선했는지에 대한 실제 사례를 중심으로 살펴보겠습니다.

광고 운영의 현실과 과제

쿠팡 광고 플랫폼은 대형 브랜드부터 중소상공인(SMB)까지 폭넓은 광고주를 대상으로 서비스되고 있으며, 광고 경험 및 전략 활용 능력에는 상당한 차이가 존재합니다.

광고 성과 분석이나 실행 전략 수립을 어려워하는 광고주가 일정 비율 존재하며, 기존에는 AM(Account Manager)과 AE(Account Executive)가 수작업으로 데이터를 분석하고 전략을 제시해 왔습니다.

하지만 이러한 접근은 반복성과 리소스 부담이라는 한계가 있으며, 쿠팡은 이와 같은 운영 구조를 효율화하기 위해 반복적인 분석과 실행 지원 업무를 생성형 AI 기반의 에이전트로 자동화하는 방안을 채택했습니다.

AWS의 Amazon Bedrock을 중심으로, 프라이빗 환경 내에서 보안과 확장성을 고려한 광고 인사이트 제공 체계를 구축하게 됩니다.

생성형 AI 기반 광고 에이전트 설계

쿠팡은 AWS Bedrock을 기반으로, LLM(Large Language Model)을 활용한 광고 에이전트 구조를 설계하였습니다. 이 에이전트는 다음과 같은 세 가지 기능을 중심으로 동작합니다:

• Summary: 광고주 캠페인 결과 요약
• Recommendation: 전략적 개선안 제안
• Action: 자동 적용 가능한 실행 항목 제시

단순한 텍스트 요약을 넘어, 실제 광고 지표 기반 판단이 가능하도록 설계되었으며, 프롬프트 구성과 응답 평가 방식까지 포함된 구조로 운영됩니다.

프롬프트 엔지니어링과 품질 개선 전략

프롬프트 설계는 정형화된 지식으로 접근되었으며, 다음과 같은 원칙이 적용되었습니다:

• 역할(Role) 설정
• 단계적 사고 유도 (Chain of Thought)
• 예시 기반 구성 (Shot Prompting)
• 출력 포맷 고정
• 반박 유도(Prompt Challenging)

또한, 쿠팡은 LLM 응답의 정량적 평가 체계를 함께 운영하고 있습니다. 응답 내 수치 정보의 정확도를 점수화하여 평가하는 방식으로, 실제 데이터와의 일치율 기반의 Score 시스템을 구축함으로써 일관된 품질 유지가 가능하게 되었습니다.

프롬프트 운영 라이프사이클 관리

쿠팡은 프롬프트 작성 이후의 전체 운영 과정을 체계화하여 관리하고 있습니다.
작성된 프롬프트는 내부 템플릿화 과정을 거쳐, 다음과 같은 단계로 운영됩니다:

• 테스트 및 마이그레이션
• 버전 관리 및 변경 추적
• A/B 테스트 기반 검증
• 자동화된 배포 및 파이프라인 연동
• 모니터링 및 성능 분석

이러한 구조는 AWS Bedrock의 Prompt Management 기능과 함께 사용되며, 프롬프트의 품질과 응답 효율성을 지속적으로 개선할 수 있도록 지원합니다.

모델 응답 평가 및 품질 관리 전략

Amazon Bedrock의 Model Evaluation 기능을 통해,  쿠팡은 생성형 AI 응답에 대해 자동 또는 사용자 기준의 평가 체계를 운영하고 있습니다.

특히 Knowledge Base 기반의 RAG(Retrieval-Augmented Generation) 응답 품질을 평가하기 위해 사용자 정의 기준에 따라 검색 결과 및 생성 결과의 정확도를 비교하고, 수치 일치 여부를 기반으로 응답 품질을 점수화합니다. 이러한 평가 방식은 Hallucination 가능성을 줄이고 모델 응답의 신뢰성과 일관성을 유지하는 데 기여하고 있습니다.

환각(Hallucination) 방지 및 응답 신뢰도 확보 전략

쿠팡은 생성형 AI가 실제와 다른 정보를 사실처럼 출력하는 Hallucination 문제를 최소화하기 위해,
프롬프트 설계 단계에서 정확한 수치 응답 원칙을 명시적으로 적용하였습니다.

대표적인 규칙은 다음과 같습니다:

• 제공된 숫자만 그대로 출력하고, 계산이나 연산을 수행하지 않음
• 반올림, 추정, 단위 변환 없이 원문 그대로 응답
• 텍스트와 혼합된 데이터도 수정 없이 출력
• 응답 요약 시 반드시 원본 데이터만을 근거로 사용

또한 응답 내 수치 정보와 프롬프트 간 일치율을 기반으로 정량적 점수를 계산하고,
다중 모델 평가(Multi-agent Evaluation)를 통해 진위 여부를 교차 검증함으로써
LLM 응답의 신뢰성과 근거 기반 정확도를 확보하고 있습니다.

프롬프트 캐싱 및 비용 최적화 전략

생성형 AI의 실무 도입에서 고려해야 할 핵심 요소 중 하나는 비용 효율성입니다. 쿠팡은 이를 해결하기 위해 프롬프트 캐싱(prompt caching) 방식을 도입하였습니다.

동일하거나 유사한 프롬프트 요청에 대해 이전 응답을 저장하고 재사용함으로써, 모델 호출 횟수를 줄이고 추론 비용과 시간을 절감하는 구조입니다.특히 길이가 긴 프롬프트 요청의 경우, 최대 90%의 비용 절감, 85%의 응답 속도 개선 효과를 확인하였으며 이 전략은 트래픽이 많은 AI 운영 환경에서 실질적으로 적용 가능한 절감 방안으로 제시되었습니다.

자동화 전략의 핵심 가치

쿠팡은 광고 운영의 복잡도를 줄이고, 누구나 쉽게 광고를 집행할 수 있도록 하기 위해
다음과 같은 핵심 가치를 기반으로 자동화 전략을 추진하고 있습니다:

• Easy: 누구나 쉽게 시작할 수 있는 인터페이스
• Simple: 복잡한 설정 없이 운영 가능
• Automation: 성과 기반의 자동 입찰 및 추천 기능 제공

자동 입찰(Auto Bidding)의 적용

광고주는 목표 ROAS(Return on Ad Spend)만 설정하면,시스템이 자동으로 입찰가를 조정하여 효율을 최적화합니다. 이 기능은 운영 리소스를 줄이면서도 성과 측면에서 개선을 유도할 수 있으며, 광고주 규모나 마케팅 경험과 관계없이 안정적인 캠페인 운영이 가능합니다.

APS(Auto Product Selection)의 성과

쿠팡은 광고 성과 예측 기반으로 자동 상품 추천 기능을 도입하였습니다. 이를 통해 광고주는 직접 상품을 지정하지 않아도, 성과 가능성이 높은 상품이 자동으로 노출됩니다.

• 신규 상품 캠페인 기준: 매출 298% 증가
• 특정 카테고리 기준: 매출 689% 증가

APS는 특히 신상품 운영이나 카탈로그가 많은 광고주에게 효과적인 자동화 기능으로 작용하고 있습니다.

마무리하며

글 │ 메가존클라우드,  Cloud Technology Unit(CTU), AWS Delivery SA 11, 김예진 SA