MCM (몰로코 커머스 미디어) AI 엔진
광고 비즈니스 성장을 위해 설계된 광고 엔진
MCM은 수백만 고객의 시그널을 카탈로그 데이터와 함께 분석해, 연관성 높고 성과 좋은 광고를 내보내는 AI 네이티브 광고 시스템입니다. 모든 광고 비딩을 고객, 광고주, 커머스 플랫폼 모두를 위해 밀리초 단위로 최적화하죠.
몰로코의 고객사
기술이 리테일 미디어의 성패를 가릅니다.
차이는 시스템이 어떻게 설계됐는지에 있습니다.
규칙 기반 시스템은 한계에 부딪힐 수 있습니다
고정된 키워드 목록은 고객 행동을 학습하지 못합니다.
사람이 직접 개입해야 조정되는 수동 설정에 의존합니다.
카탈로그와 수요가 복잡해질수록 연관성이 정체됩니다.
처음부터 다르게 설계했습니다
모든 광고 결정을 머신러닝 예측 문제로 다룹니다.
리테일러의 자체 퍼스트 파티 데이터로 학습합니다.
노출부터 구매까지 연결해, 시스템이 실제 성과로 학습합니다.
단 하나의 임프레션도 더 정확한 예측으로 이어지도록 설계했습니다.
커머스에서 광고가 유독 잘 작동하는 이유는 '시그널'에 있습니다. 노출, 클릭, 장바구니 담기, 구매까지 모든 일이 하나의 환경 안에서 일어나죠. 광고를 본 위치와 구매가 일어나는 위치가 같다는 뜻입니다. 그래서 예측을 위한 풍부한 토대가 만들어지고, 고객 행동이 쌓일수록 예측은 더 정확해집니다. 모델은 플랫폼의 행동 데이터로 학습하고, 예측이 맞았는지를 실제 고객의 결과로 확인합니다.
원하는 방식으로 연결하는 데이터
카탈로그와 고객 데이터는 이렇게 연결됩니다.
- 단일 셀러, 멀티 셀러 어떤 구조든 맞춰서 불러오는 유연한 카탈로그 연동 (이미 쓰는 Google·Meta 피드도 그대로 활용)
- API, 태그 매니저, 기존 CDP를 통한 쇼핑객 이벤트 실시간 전송
뒤처지지 않는 학습
모델은 이렇게 최신 상태를 유지합니다.
- 2시간마다 재학습 {[data-attribute="init-tooltip"][tooltip-content="<p>출처:<br><br>Moloco 내부 데이터. 업데이트 빈도는 2026년 4월 기준 모델 재학습 주기로 측정됩니다.</p>"]}
- 하루 중에도 바뀌는 쇼핑객 행동과 재고, 프로모션에 맞춘 적응
리테일러 전용 모델 및 전용 학습
리테일러별 환경은 이렇게 구성됩니다.
- 다른 리테일러와 분리된 전용 모델
- 오직 자사 데이터만 쓰는 모델 학습
플랫폼 안에서 완성되는 선순환
고객 행동이 시그널이 되고, 모델은 이를 학습합니다. 그 결과가 다시 광고 비즈니스의 성장을 이끌며, 플랫폼 안에서 지속적인 선순환을 만듭니다.
하나의 결정은 단순합니다. 여섯 영역의 결정이 맞물릴 때, 성과는 거듭 커집니다.
커머스 광고 플랫폼은 한 가지 결정만 내리지 않습니다. 광고 요청 하나마다 여섯 가지 결정을 동시에 내리죠. 몰로코의 AI 시스템 CARA (복합 광고 최적화 시스템)는 이 여섯 영역 전반에서 모델과 에이전트를 지휘해, 리테일러와 광고주, 고객 모두가 윈윈하는 결과를 만듭니다. CARA는 GMV 대비 광고 매출 비중(A2G) 성장을 이끄는 인텔리전스 레이어입니다. 그리고 각 영역은 서로를 더 좋게 만듭니다. 카탈로그를 깊이 이해하면 후보 검색이 정교해지고, 검색이 정교해지면 입찰이 정확해집니다. 성과가 좋아지면 더 많은 광고주가 들어오고, 광고주가 늘면 경매와 시그널이 깊어지죠. 이렇게 성과가 성과를 부르는 구조, 그게 '컴파운드 AI 시스템'의 실제 의미입니다.
캠페인 자동화
광고주는 목표만 정하면 됩니다(ROAS, 매출, 예산). 실행은 시스템이 맡고, 에이전트가 라이브 캠페인을 지켜보며 개선 제안을 올립니다.
광고 개인화
트랜스포머 기반 모델이 쇼핑객 행동과 상품 적합도를 촘촘하게 학습해, 노출 하나하나의 클릭과 전환을 예측합니다.
입찰
모든 노출을 알맞은 후보 광고로 채워 수익화합니다. 그 과정에서 쇼핑객 연관성과 광고주 ROAS, 플랫폼 게재율의 균형을 잡죠.
시그널
사람이 분류 체계를 만들거나 키워드를 매핑하지 않아도, 카탈로그와 행동 데이터를 임베딩으로 정리합니다.
광고 게재
자사 지면 어디에 광고를 내보낼지 관리하고, 지면 하나하나가 경매 밀도와 노출, 수익에 얼마나 영향을 주는지 수치로 보여줍니다.
디맨드 활성화
Demand Agent는 설정까지 미리 마친 캠페인으로, 협력사를 간단하게 광고주로 만들어줍니다.
규칙 기반 시스템을 무너뜨리는 문제들, 몰로코는 바로 그 문제를 풀기 위해 설계됐습니다.
로그인한 단골 고객이 상품명을 그대로 검색했을 때 알맞은 광고를 보여주는 것. 이건 쉬운 문제입니다. 하지만 실제 커머스에서 만나는 건 대부분 어려운 문제들이죠. 아키텍처의 진짜 실력은 거기서 드러납니다.
분류 체계 없이 해내는 카탈로그 이해
같은 커머스라도 리테일러마다 상품 분류 방식, 데이터 구조, 화면 구성이 전부 다릅니다. 수백만 개 상품의 가격과 재고는 하루 안에도 계속 바뀌죠. 정해진 규칙으로는 따라갈 수 없는 환경입니다. 그래서 CARA는 카탈로그 속성을 임베딩으로 바꿔 통째로 학습합니다. 상품 사이의 관계도, '말은 달라도 뜻이 통하는' 연결도 그 안에 담기죠. 이렇게 한층 선명해진 카탈로그 정보를, 여섯 영역 전체가 함께 씁니다.
광고 경매 속도에 맞춘 후보 검색과 스코어링
2단계 아키텍처로 처리합니다. 후보 검색(리트리벌) 모델이 전체 카탈로그에서 요청마다 연관성 높은 후보를 추려내고, 스코어링 모델이 클릭·전환·매출을 예측해 각 광고의 순위와 가격을 정합니다.
의도적으로 설계한 콜드 스타트 해법
신상품에는 아직 이력이 없어서, 노출되기 어려울 수 있습니다. 콜드 스타트 검색은 새 상품에 초기 노출 기회를 줘서 성과 이력이 쌓이기 시작하게 합니다. 처음 왔거나 로그인하지 않은 고객에게는, 지금 세션에서 보이는 행동을 바탕으로 연관성 있는 광고를 실시간으로 보여주죠.
고객과 광고주, 플랫폼 모두의 가치를 높이는 비딩
모든 광고 경매는 세 주체를 동시에 만족시켜야 합니다. 고객(연관성), 광고주(ROAS와 예산 페이싱), 플랫폼(게재율과 수익)이죠. 성과 기반 입찰이 광고주 목표에 맞춰 최적화하고, 광고 품질 알고리즘은 연관성 낮은 광고의 노출을 줄입니다. 입찰가는 수요 변화에 실시간으로 적응합니다. 블랙 프라이데이처럼 수요가 치솟는 순간에도 마찬가지죠.
하루 수십억 번 반복되는 광고의 4단계
수집된 시그널을 구조화된 임베딩으로 변환합니다.
검색, 클릭, 전환 같은 고객의 행동 데이터가 실시간으로 임베딩 처리됩니다. 카탈로그 데이터와 컴퓨터 비전으로 만든 상품 임베딩도 나란히 쌓이죠.
트랜스포머 모델이 시그널 간의 연관 관계를 분석하고 연결합니다.
AI 모델이 고객과 상품 임베딩 간의 연관성을 매핑합니다. 실제 성과 데이터를 바탕으로 2시간마다 다시 학습하여, 가장 최신의 행동 패턴을 정밀하게 반영하죠. {[data-attribute="init-tooltip"][tooltip-content="<p>출처:<br><br>Moloco 내부 데이터. 업데이트 빈도는 2026년 4월 기준 모델 재학습 주기로 측정됩니다.</p>"]}
모든 광고 노출 기회를 실시간으로 스코어링합니다.
세션 내 실시간 행동을 기존 학습 패턴과 대조하여, 모든 광고 노출마다 클릭률(CTR), 전환, 예상 매출을 실시간으로 예측합니다.
평균 100ms 미만의 속도로 최적의 광고를 게재합니다.
개인화 맞춤 광고는 평균 100ms 미만의 빠른 속도로 게재되어 페이지 로딩 성능을 저해하지 않고 수익화를 돕습니다. 매끄러운 쇼핑 경험을 유지하면서도 고객에게 연관성 높은 광고를 전달하죠. {[data-attribute="init-tooltip"][tooltip-content="<p>출처:<br><br>Moloco 내부 데이터. 이 분석은 2026년 5월 1일부터 7월 31일까지의 데이터를 사용하며, 해당 기간 동안 상업화된 스폰서드 광고 MCM 리테일러를 대상으로 합니다. 수치는 매월 상업화된 리테일러 간 p95 지연 시간(레이턴시) 값의 평균을 반영합니다. 각 리테일러의 p95 지연 시간은 각 요청의 타임스탬프와 그에 대응하는 응답의 타임스탬프 간 차이를 산출하여 계산됩니다.</p>"]}
몰로코 아키텍처가 성과를 증명하는 방식
아키텍처의 목적은 실제 비즈니스 성과를 내는 것입니다. 클로즈드 루프는 추정이 아닌 정밀하게 측정된 데이터로 그 성과를 증명하죠. 객관적인 성과 기준이 필요한 플랫폼을 위해, 몰로코의 홀드아웃 기반 증분 효과 측정 프레임워크는 플랫폼과 광고주 양쪽 모두에 대한 광고의 순수 기여도를 정확한 숫자로 보여줍니다.
Moloco Commerce Media 더 알아보기
자주 묻는 질문
AI 엔진이 왜 A2G 성장에 결정적인가요?
광고 지면만 무작정 늘린다고 매출이 늘지 않기 때문입니다. 지면 개수는 플랫폼이 직접 늘릴 수 있지만, 그 지면이 '실제 광고로 채워지는 비율'과 '광고 단가'는 결국 기술의 품질이 결정하죠. 몰로코 AI 엔진은 구매 가능성이 높은 맞춤 광고를 연결해 광고주 성과를 높이고 입찰 경쟁을 유도합니다. AI 없이 지면만 늘리면 빈 광고판만 생길 뿐, 실질적인 매출로 이어지지 않습니다.
효과를 보려면 데이터가 얼마나 필요한가요?
보통 2주 정도의 기본 고객 행동 데이터만 쌓이면 시작할 수 있습니다. 그 기간 동안 AI가 플랫폼의 상품 카탈로그와 쇼핑 패턴을 파악하죠. 이후 모델이 클릭과 전환을 정확하게 예측하도록 스스로 교정되며, 데이터가 쌓일수록 추천 정교도가 올라갑니다. {[data-attribute="init-tooltip"][tooltip-content="<p>출처:<br><br>Moloco 내부 데이터. 업데이트 빈도는 2026년 4월 기준 모델 재학습 주기로 측정됩니다.</p>"]}
AI는 어떤 데이터를 사용하나요?
자사 플랫폼에서 일어나는 고객의 행동 데이터와 상품 카탈로그, 그리고 광고가 노출되는 순간의 실시간 맥락 정보만 활용합니다. 개인정보 이슈가 있는 서드 파티 쿠키는 쓰지 않죠. 모든 학습은 각 리테일러 전용의 독립된 환경에서만 이뤄지므로 타사에 데이터가 유출될 우려가 없습니다.
처음 방문했거나 로그인하지 않은 고객은 어떻게 처리하나요?
로그인 여부와 상관없이, 방금 들어와서 취한 행동(검색, 클릭, 상품 탐색)을 실시간으로 분석해 맞춤 광고를 보여줍니다. 고객이 지금 보고 있는 흐름을 플랫폼 전체의 구매 패턴과 즉시 비교하기 때문에 첫 방문 순간부터 연관성 높은 광고가 노출됩니다.
새로 출시된 상품은 어떻게 처리하나요?
데이터가 없는 신상품은 알고리즘이 의도적으로 노출 기회를 먼저 열어줍니다. AI 모델 학습에 필요한 초기 유저 반응 데이터를 충분히 확보할 수 있도록 기반을 마련해 주는 셈이죠. 반응 신호가 쌓이고 나면 검증된 성과 데이터를 바탕으로 표준 AI 타겟팅 체계에 자연스럽게 합류합니다.
시스템은 얼마나 자주 개선되나요?
시스템 개선은 두 가지 트랙으로 동시에 진행됩니다. 고객사 전용 모델이 라이브 데이터로 2시간마다 자동 재학습되고, 동시에 몰로코가 광고 품질과 성과를 높이는 알고리즘 개선사항을 지속적으로 배포하죠. {[data-attribute="init-tooltip"][tooltip-content="<p>출처:<br><br>Moloco 내부 데이터. 업데이트 빈도는 2026년 4월 기준 모델 재학습 주기로 측정됩니다.</p>"]}
고객 데이터는 안전하게 보호되나요?
몰로코는 데이터 보안과 개인정보 보호를 매우 중요하게 생각합니다.ISO 27001, SOC 2, CSA STAR Level 1, GDPR, CCPA 등 글로벌 주요 보안 및 개인정보 보호 인증을 준수하고 있죠. 자세한 내용은 트러스트 센터와 보안 및 컴플라이언스 페이지에서 확인하실 수 있습니다.
