Lane 01 · Performance Marketing

애퀴지션 풀스택 + Meridian MMM.

MMP(Airbridge) · Meta(Andromeda + 오픈소스 MCP + 자체 Ad Library CLI) · Google · ASA를 풀스택으로 운영하고, Meridian MMM으로 last-touch 대시보드의 착시를 깨뜨립니다. athler·자비스앤빌런즈 두 케이스에서 적용됨.

애퀴지션 스택.

MMP

Airbridge

SKAN 4.0 정합성 점검부터 cross-channel 경로 재구성까지. BigQuery 실시간 인입으로 raw 레벨에서 분석.

Meta Ads — Andromeda

Andromeda 역설계

Meta가 2024년 도입한 ML 기반 송출 모델. 단순 사용자가 아니라 어떤 시그널이 우대받는지 역설계해서 소재·타겟팅 구조를 설계.

Meta Ads MCP — Open Source

Claude → Meta API 직접 호출

오픈소스 MCP 서버. Claude가 Meta API로 캠페인 분석·생성·수정. Retention은 호스팅 + 컨설팅 워크플로 통합.

Ad Library CLI — 자체 백엔드

경쟁 광고 인텔리전스

Simpson 직접 빌드한 백엔드. Meta Ad Library 데이터를 CLI로 인덱싱·검색. 자체 자산.

Google · ASA · GA4 · BigQuery

Acquisition 풀스택

Google App Campaign · Apple Search Ads · GA4 · BigQuery 통합 어트리뷰션 파이프라인.

Meridian MMM

Bayesian 채널 효율

Adstock·saturation 동시 추정. 채널별 mROI 비교로 진짜 우위 채널 식별. athler·자비스앤빌런즈 듀얼 케이스.

How We Run Agentic Synthesis

Synthesize는 LLM이 자율 수행합니다.

광고 분석 도구가 보여주는 데이터는 인간이 보고 종합해야 결정으로 연결됩니다. 우리는 그 종합을 agent가 수행하게 만듭니다. 한 질문이 들어오면 다음 5단계 루프가 자동으로 돕니다.

01 · Plan Agent가 질문을 작은 하위 질문으로 분해. 예: "이 캠페인 효율 떨어진 이유" → (a) 자체 캠페인 시계열 변화, (b) 같은 시기 경쟁 광고 변동, (c) Meta 송출 시그널 변화 — 세 갈래 plan 생성.
02 · Multi-source fetch Plan에 따라 각 소스를 병렬 호출. Ad Library CLI(자체 백엔드)에서 경쟁사 크리에이티브 인덱싱, Meta Ads MCP(오픈소스)로 Meta API 직접 호출, BigQuery에서 자체 캠페인 raw 시계열, Slack에서 운영 컨텍스트.
03 · Synthesize 서로 다른 시계열·포맷·언어의 5+ 소스를 agent가 정렬·중복 제거·교차 검증. 인간이 며칠 들여 종합하던 부분이 여기. 마케터가 머릿속에서 하던 종합을 agent가 단계별 추론 흔적으로 풀어 보여줍니다.
04 · Verify 검증 게이트. 모든 수치는 raw source의 cell·row·timestamp 인용 필수. 인용 없는 수치는 산출물에서 차단. 환각·지어낸 캠페인명·잘못된 매체 분류는 여기서 걸러집니다.
05 · Deliver 의사결정 가능한 산출물. "이 캠페인 효율 떨어진 이유 = X. Y 했을 때 효율 회복 가능성 Z%. 다음 액션 N개." 마케터는 결정만 합니다.

이 루프 한 사이클이 며칠 걸리던 인간 분석 → 분 단위로 단축됩니다. 한 stealth 클라이언트 케이스에서 검증.