월 광고비 3,000만 원을 집행했고, 대행사 보고서에는 '이력서 등록 완료 10,247건, CPL 2,927원'이라고 적혀 있습니다. 숫자만 보면 훌륭한 성과입니다.
그런데 채용 담당자에게 물어보면 분위기가 달라집니다. "지원자 대부분이 직무 요건과 전혀 안 맞아요. 서류 통과시킨 사람이 이번 달에 세 명도 안 됩니다."
이것이 양면 플랫폼 채용 마케팅의 고전적 실패 패턴입니다. 구직자(공급) 유입 지표는 폭발하는데, 기업(수요) 측의 실제 거래 — 즉 서류 합격·면접·채용 확정 — 은 전혀 발생하지 않습니다.
광고 AI는 당신이 '전환'으로 정의한 것만 학습합니다. 이력서 제출 버튼 클릭을 전환으로 설정하면, AI는 가장 빠르게 버튼을 누르는 사람들을 데려옵니다. 직무 적합도와는 무관하게.
일반 커머스에서 '장바구니 담기'를 전환으로 설정하면 적어도 구매 의향은 있는 사람이 모입니다. 그런데 채용 플랫폼에서 '이력서 제출'을 전환으로 설정하면 어떻게 될까요?
지원 장벽이 낮을수록 자격 미달 지원, 중복 지원, 봇 트래픽이 섞여 들어옵니다. CPL은 낮아지고, 채용 담당자의 검토 부담은 폭증하며, 실제 합격률은 바닥을 칩니다.
구글 퍼포먼스 맥스(PMax)나 메타 어드밴티지+ 캠페인은 전환 데이터를 기반으로 타겟을 자동 확장합니다. 이력서 제출을 전환으로 설정한 순간, AI는 '이력서를 잘 제출하는 사람'의 패턴을 학습합니다.
이 패턴과 '실제 서류 합격 가능성이 높은 경력직'의 패턴은 완전히 다릅니다. 광고 AI가 잘못된 데이터를 수백만 건 학습하면, 예산을 늘려도 채용 품질은 개선되지 않습니다.
CPL 기준 계약을 맺은 대행사는 이력서 등록 수를 늘리는 데 최적화된 소재와 랜딩 페이지를 만듭니다. "지금 지원하면 스타벅스 쿠폰 증정"류의 낚시성 소재가 여기서 나옵니다.
클릭과 제출은 늘지만, 기업 채용 담당자가 원하는 '진짜 인재'는 오히려 줄어드는 역설이 발생합니다.
딥 퍼널(Deep-Funnel) 최적화란 광고 전환 목표를 탑 퍼널(이력서 제출)에서 다운스트림(서류 합격·면접 확정)으로 내리는 전략입니다. 그리고 이를 실현하는 핵심 기술이 Conversion API(CAPI) 역전송입니다.
광고 클릭 → 이력서 제출 → ATS 어드민에서 HR 담당자가 '서류 합격' 클릭 → CAPI로 해당 이벤트를 구글/메타 서버에 역전송 → 광고 AI가 '합격자 프로필'을 학습 → 유사 타겟 자동 정교화
이 루프가 작동하면 광고 시스템은 더 이상 '이력서를 잘 내는 사람'이 아니라 '실제로 서류를 통과하는 인재'의 공통 특성을 학습합니다.
gclid(구글) 또는 fbclid(메타)가 ATS 데이터베이스까지 끊김 없이 연결되어야 합니다. 이 연결이 끊기면 역전송해도 매칭이 안 됩니다.대행사 선정 미팅에서 아래 질문에 구체적으로 답하지 못하면, 그 대행사는 CPL 최적화에 머물러 있을 가능성이 높습니다.
✅ 질문 1. "저희 ATS와 광고 플랫폼 CAPI를 직접 연동한 레퍼런스가 있나요?"
'그리팅', '웰컴', '사람인 ATS' 등 구체적인 시스템 이름과 연동 방식을 설명할 수 있어야 합니다. "연동 가능합니다"라는 답변만으로는 부족합니다.
✅ 질문 2. "전환 이벤트를 이력서 제출로 설정하시나요, 아니면 서류 합격 이후 이벤트로 설정하시나요?"
이 질문에 "클라이언트 상황에 따라 다르다"고 답하면 심층 추가 질문이 필요합니다. HR 플랫폼에서 이력서 제출을 최종 전환으로 설정하는 것은 구조적으로 잘못된 접근입니다.
✅ 질문 3. "CPI(면접 확정당 단가) 기준 대시보드를 제공하시나요?"
Spend → Lead → Qualified Apply → Interview → Placement 전체 깔때기를 한 화면에서 볼 수 있어야 합니다. CPL만 보여주는 대시보드는 채용 플랫폼에 적합하지 않습니다.
✅ 질문 4. "개인정보 비식별화 처리 프로세스는 어떻게 되나요?"
CAPI 역전송 시 SHA-256 해싱 또는 익명 ID 처리 방식을 구체적으로 설명할 수 있어야 합니다. "안전하게 처리합니다"는 답변은 검증되지 않은 것입니다.
딥 퍼널 최적화가 만능은 아닙니다. 의사결정 전에 반드시 인지해야 할 트레이드오프가 있습니다.
| 항목 | CPL 최적화 | 딥 퍼널(면접 전환) 최적화 |
|---|---|---|
| 초기 데이터 축적 속도 | 빠름 | 느림 (합격 이벤트 발생까지 수주 소요) |
| 광고 AI 학습 안정성 | 높음 (전환 수 많음) | 초기에 낮음 (전환 수 적어 학습 불안정) |
| 채용 품질 | 낮음 | 높음 |
| 기술 구현 난이도 | 낮음 | 높음 (ATS 연동, CAPI 세팅 필요) |
현실적인 접근법: 초기에는 이력서 제출을 보조 전환으로 유지하면서 서류 합격 데이터를 쌓고, 면접 전환 이벤트가 월 30건 이상 누적되면 딥 퍼널 이벤트로 최적화 목표를 전환하는 단계적 전략이 현실적입니다.
체계적인 ATS 연동과 선별 기준 최적화를 적용한 채용 담당자의 78%가 입사 인재의 전반적인 품질(Quality of Hire)이 크게 향상되었다고 보고한 조사 결과는, 이 접근법의 방향성이 옳다는 것을 뒷받침합니다.
CAPI 기술 연동만큼 중요한 것이 광고 소재 전략입니다. 소재 단계에서 허수 지원자를 걸러내야 CAPI 학습 효율도 올라갑니다.
Q1. ATS가 없는 소규모 HR 플랫폼도 딥 퍼널 최적화가 가능한가요?
ATS가 없더라도 구글 스프레드시트나 노션 같은 도구에서 서류 합격 여부를 관리하고, 이를 Zapier 또는 Make(구 Integromat)로 CAPI에 연결하는 저비용 파이프라인 구축이 가능합니다. 완전한 ATS 연동보다 정확도는 낮지만, CPL 최적화보다는 훨씬 의미 있는 신호를 광고 AI에 전달할 수 있습니다.
Q2. 면접 확정 이벤트가 월 10건 미만이면 최적화가 안 되나요?
맞습니다. 구글과 메타 광고 AI 모두 월 30~50건 이상의 전환 이벤트가 누적되어야 안정적인 학습이 시작됩니다. 이벤트 수가 부족한 초기에는 '서류 합격'보다 한 단계 위인 '이력서 완성도 높은 지원(특정 필수 항목 입력 완료)' 같은 중간 이벤트를 보조 전환으로 병행 설정하는 방식을 권장합니다.
Q3. CAPI 역전송 시 개인정보보호법 위반 리스크를 어떻게 최소화하나요?
구직자 서류 합격 여부는 민감 정보에 해당합니다. 반드시 ① 광고 플랫폼 전송 전 SHA-256 해싱 처리, ② 원본 이메일·이름 대신 내부 익명 ID 사용, ③ 개인정보처리방침에 광고 최적화 목적의 데이터 활용 동의 항목 추가, 이 세 가지를 구현해야 합니다. 대행사가 이 세 항목을 모두 설명하지 못한다면 법적 리스크를 함께 지게 됩니다.
Q4. 딥 퍼널 최적화를 도입하면 CPL이 올라가지 않나요?
단기적으로는 CPL이 상승합니다. 허수 지원자를 줄이는 방향으로 타겟이 좁아지기 때문입니다. 그러나 CPI(면접 확정당 단가)와 최종 채용 확정당 비용(Cost per Hire)은 오히려 낮아지는 경우가 많습니다. 채용 담당자의 검토 시간도 줄어들어 채용 소요 시간(Time-to-Hire)이 평균 24% 단축된다는 데이터도 이를 뒷받침합니다.
Q5. 이 방식이 잡코리아·사람인 같은 대형 플랫폼 광고에도 적용되나요?
잡코리아의 'LOOP AI' 같은 자체 AI 매칭 솔루션은 플랫폼 내부 데이터를 활용합니다. 반면 구글·메타·링크드인 등 외부 광고 매체를 통해 플랫폼으로 유입되는 트래픽에는 CAPI 역전송 최적화가 직접 적용됩니다. 두 채널을 병행 운영할 때는 각각의 최적화 전략을 분리해서 관리해야 합니다.
이력서 1만 건과 채용 확정 0건 사이의 간극은 광고 예산의 문제가 아닙니다. 무엇을 전환으로 정의하고, 그 데이터를 어떻게 광고 AI에 피드백하는가의 문제입니다.
ATS 어드민 단의 '서류 합격·면접 확정' 이벤트를 CAPI로 구글·메타 비딩 서버에 실시간 역전송하는 기술 루프를 구현할 수 있는 대행사인지, 위의 검증 질문 4가지로 먼저 확인하시길 권합니다.
에이달(ADALL)은 HR 채용 플랫폼의 딥 퍼널 데이터 연동 및 광고 최적화 프로젝트에 대한 무료 컨설팅을 제공하고 있습니다. 현재 운영 중인 광고 구조와 전환 설정을 진단하고 싶으시다면 아래로 문의해 주세요.
무료 컨설팅 받아보고 싶다면?
무료 컨설팅 신청하기