안녕하세요, GS넷비전 Data Lab입니다.

Data Lab은 리테일 미디어와 오디언스 데이터를 분석해 데이터 기반 미디어 플래닝 인사이트를 전합니다. 이번 글은 Data Lab이 처음 선보이는 아티클로, 앞으로 소개할 아파트·매장·생활동선 타겟팅의 출발점인 '데이터 기반 옥외광고 타겟팅'을 다룹니다.

옥외광고를 검토하다 보면 "강남권 주요 상권", "대학가 밀집 지역"과 같은 설명은 많지만, 정작 우리 브랜드의 타겟이 얼마나 머무는지에 대한 근거는 부족한 경우가 많습니다. 그래서 "왜 이 매체여야 하는가?"라는 질문에 명확히 답하기 어려워집니다.

결론부터 말씀드리면, 데이터 기반 옥외광고 타겟팅은 행정구역이 아닌 '우리 타겟이 실제로 지나가고 머무는 곳'을 기준으로 매체를 선정하는 일이며, 위치 → 맥락 → 사람의 3단계 분석으로 완성됩니다.

이번 글에서는 Data Lab이 이 3단계 분석 체계를 어떻게 구축했는지, 자체 대시보드에서는 어떤 결과를 확인할 수 있는지, 그리고 업종별로 어떻게 활용할 수 있는지를 살펴보겠습니다.

1. 왜 '강남구에 틀어 주세요'로는 부족할까

행정구역은 매체를 묶는 단위일 뿐, 타겟을 설명하는 단위가 아닙니다.

옥외광고(OOH, Out-of-Home) 집행 요청은 오랫동안 이런 문장으로 시작했습니다.

• "강남구에 노출해 주세요."
• "대학가 위주로 틀어 주세요."
• "유동인구 많은 번화가면 됩니다."

이 문장들이 틀린 것은 아닙니다. 하지만 어느 브랜드에나 똑같이 쓸 수 있는 말이라는 점이 문제입니다. 수능 특강을 알리려는 에듀테크 기업이 만나고 싶은 사람은 수험생이고, 아웃도어 브랜드가 만나고 싶은 사람은 등산객입니다. 광고주가 원하는 것은 '사람이 많은 곳'이 아니라 '우리 핵심 타겟이 지금 지나가는 길목'입니다.

행정구역 묶음 집행과 타겟 플레이스 방식의 차이 (이해를 돕기 위한 일러스트)

왼쪽처럼 구 전체를 하나로 묶으면 타겟이 거의 없는 곳에도 같은 비중으로 예산이 나갑니다. 오른쪽처럼 타겟이 모이는 지점을 먼저 찾으면 같은 예산을 훨씬 촘촘하게 쓸 수 있습니다.

묶음 판매가 오래 유지된 세 가지 이유

이 방식이 오래 이어진 데는 구조적인 이유가 있습니다. 첫째, 오프라인 매체의 위치가 주소 텍스트로만 관리돼 상권·오디언스 데이터와 연결되지 않았습니다. 둘째, 플래닝이 영업 담당자의 경험과 직관에 기대고 있어 "왜 이 매체인가"에 객관적 근거를 대기 어려웠습니다. 셋째, 아파트 매체처럼 거주자에게 닿는 매체도 정성적 설명에 머물러 금융·프리미엄 소비재 광고주를 설득하기 어려웠습니다.

시장 흐름도 이 변화를 뒷받침합니다. 한국방송광고진흥공사의 국내 광고비 조사를 다룬 파이낸셜뉴스 보도(2026년 2월)에 따르면 2025년 국내 총광고비는 약 17조 2,700억 원이며, 옥외광고는 디지털 옥외광고(DOOH)를 중심으로 전년 대비 약 2% 이상 성장했습니다. 미국에서는 미국옥외광고협회(OAAA) 집계를 전한 MediaPost 보도(2026년 3월)에서 2025년 OOH 광고 매출이 94.6억 달러로 3.6% 늘었고, 이 중 디지털 OOH가 36.3%를 차지하며 10.5% 성장했습니다. 국내 보도에는 DOOH 세부 규모가 담겨 있지 않고 미국 수치는 미국 시장 기준이어서 국내에 그대로 대입할 수는 없습니다. 그럼에도 옥외광고의 무게중심이 '자리'를 파는 매체에서 '노출을 설계하는' 디지털 매체로 옮겨 가고 있다는 방향은 분명합니다. 다만 화면이 디지털이 됐다고 타겟팅이 저절로 정교해지지는 않습니다. 고르는 기준이 여전히 행정구역이라면 결과는 예전과 같습니다.

다음 제안서를 받으신다면 지역 이름보다 "이 지역에 우리 타겟이 얼마나 머무는가"를 먼저 확인하세요.

2. '어디에 틀까'에서 '누가 머무는 곳인가'로

저희 Data Lab은 오프라인 매체를 디지털 광고처럼 '타겟 플레이스'로 다시 정의하고, 이를 위치·맥락·사람의 3단계로 쌓았습니다.

예전에는 "어느 구에 몇 곳"이 주된 질문이었습니다. 지금은 "우리 타겟이 지나가고 머무는 곳은 어디인가"를 묻습니다. 이 질문에 답하려면 매체가 어디에 있는지, 그곳이 어떤 곳인지, 그곳에 누가 머무는지를 차례로 알아야 합니다.

데이터 기반 옥외광고 타겟팅의 3단계, 출처: GS넷비전 Data Lab

세 단계는 따로 쓰는 기능이 아니라 차례로 쌓이는 층입니다. 위치가 좌표로 정리돼야 맥락을 붙일 수 있고, 맥락이 붙어야 사람 데이터와 겹쳐 볼 수 있습니다.

1단계 공간 기반 디지털화: 매체가 어디에 있는가

먼저 텍스트로만 있던 매장·매체 주소를 위도·경도 좌표로 자동 변환해 지도 위에 올렸습니다. 이 작업을 지오코딩이라고 합니다(에디터 주: 지오코딩은 '○○구 ○○로 12' 같은 주소를 지도 위의 좌표로 바꾸는 기술입니다). 좌표는 다시 해당 행정동에 매칭(역지오코딩·공간 매칭)해 행정동 단위 데이터와 결합할 수 있게 했습니다.

이 기반이 생기자 기준점 반경 안의 매체를 자동으로 뽑을 수 있게 됐습니다. 예를 들어 특정 고등학교 반경 500m 이내 매장 목록은 자동화 파이프라인으로 수 분 안에 추출됩니다. 마케터에게는 "근처 매장"이라는 막연한 요청이 거리 조건이 붙은 매체 목록으로 바뀐다는 뜻입니다.

2단계 환경 맥락 결합: 그곳은 어떤 곳인가

좌표에는 장소의 성격을 입힙니다. 전국 초·중·고·대학교와 등산로 입구·공원 같은 공공 POI(Point of Interest, 관심지점) 데이터, 아파트 매매가와 준공 연식 같은 부동산 데이터, 역 이용 규모·횡단보도·정류장 같은 교통 데이터를 결합해 그 장소의 상권·소비 특성을 읽습니다.

그 결과 "학교 반경 500m", "매매가 15억 원 이상 + 준공 10년 이상 단지 주변", "등산로 입구와 역 출구 반경 300m가 겹치는 구역" 같은 조건 기반 타겟팅이 가능해졌습니다. 장소의 성격이 곧 타겟 신호이기 때문입니다. 학교 주변은 학생과 학부모, 등산로 입구는 아웃도어 수요, 고가 아파트 단지는 고관여 소비재 수요를 시사합니다.

3단계 사람 중심 타겟팅: 그곳에 누가 머무는가

마지막 층은 사람입니다. 실제 체류 인구 데이터, 상주·직장인구 데이터, 아파트 단지별 거주자 특성 데이터를 결합한 공공·민간 데이터 융합 분석으로 그 자리에 머무는 사람을 봅니다. 여기서 '사람'은 서류상 주소지 기준 인구가 아니라 그 시간에 실제로 그 자리에 머무는 사람입니다. 업무지구처럼 거주 인구는 적어도 낮 시간 체류 인구가 많은 곳을 제대로 보려면 이 기준이 필요합니다.

표 기준: GS넷비전 Data Lab 미디어 플래닝 대시보드의 분석 단위

리테일 미디어 시장의 흐름도 같은 방향을 가리킵니다. 닐슨(Nielsen)은 2024년 6월 자료에서 리테일 미디어 네트워크(RMN, Retail Media Network)를 "리테일러가 소유·운영하는 자산 또는 리테일러의 퍼스트파티 구매자 데이터를 활용하는 광고"로 정의했습니다. 같은 자료에 따르면 이 시장은 2012년 약 6억 달러에서 2023년 450억 달러로 커졌고, 2023년 성장률은 16.3%로 소셜 광고(8.7%)의 약 두 배였습니다. 국내 시장 규모를 뜻하는 수치는 아니지만, 이 흐름에서 읽을 수 있는 것은 리테일 미디어 타겟팅의 경쟁력이 화면의 개수가 아니라 데이터로 접점을 고르는 능력에 있다는 점입니다. 저희 Data Lab의 3단계 프레임도 같은 방향으로, 매장과 생활 동선 위의 매체를 '데이터로 고를 수 있는 접점'으로 바꾸는 작업입니다.

3. 대시보드로 본 옥외광고 오디언스 분석

같은 2030 여성이라도 직장인인지 거주자인지에 따라 머무는 곳은 거의 겹치지 않습니다.

저희 Data Lab은 3단계 분석을 자체 구축한 미디어 플래닝 대시보드로 구현했습니다. 대시보드는 세 개 화면으로 구성됩니다.

• 유동인구 히트맵: 타겟의 성별·연령·속성(직장인/거주자)을 고르면 지도의 색상·명암과 TOP 20 행정동 랭킹, 행정동 리스트가 즉시 함께 바뀝니다.
• 상권 기반 매체 추천: 리테일 매체(윈도우·카운터)가 있는 행정동의 상권 특성을 분석해 광고주 타겟이 가장 밀집한 매체부터 추출합니다. 매장 유형(수퍼/편의점)과 매체 유형(윈도우/카운터) 필터, 직장인/거주자 비중을 연동합니다.
• 아파트 단지 핀포인트: 단지별 타겟(성별·연령) 거주 비율과 단지 규모를 반영한 추정 거주 인구를 보여 줍니다. 건물 타입(아파트/오피스텔/주상복합)과 매체 위치(엘리베이터 내부/1층 대기 로비/둘 다) 필터가 있습니다.

두 가지 지표: 평균 유동인구와 100점 만점 타겟팅 스코어

화면의 숫자를 읽으려면 두 지표를 먼저 알아야 합니다. 평균 유동인구는 선택한 타겟이 해당 행정동에 1시간 동안 평균적으로 머무는 체류 인구 규모입니다. DOOH(Digital Out-of-Home, 디지털 옥외광고)를 1시간 송출할 때 기대할 수 있는 실질 노출 모수라는 뜻입니다. 타겟팅 스코어는 100점 만점의 DOOH 추천 지수로, 단순 인구수가 아니라 매체 주변 유동 규모와 상권 활성도(교통량·오피스 밀집도 등)를 복합적으로 반영합니다.

여기서 평균 유동인구는 노출 가능한 사람의 규모를 의미합니다. 광고를 실제로 본 사람 수라는 뜻은 아닙니다. 또한 매체 유형마다 기준이 다릅니다. 편의점 매체는 행정동 상권 전체의 성격을, 아파트 매체는 그 단지의 타겟 거주 비율만으로 핀포인트 스코어를 냅니다.

유동인구 히트맵: 직장인은 모이고, 거주자는 퍼집니다

아래는 같은 '2030 여성'을 직장인과 거주자로 나눠 본 유동인구 히트맵입니다.

2030 여성 직장인 vs 거주자 유동인구 히트맵, 출처: GS넷비전 Data Lab 미디어 플래닝 대시보드

결과는 대조적입니다. 2030 여성 직장인은 소수의 업무 거점에 진하게 몰립니다. 상위 행정동은 역삼1동(약 2.6만 명), 여의동(1.9만 명), 서교동(1.5만 명), 종로1·2·3·4가동(1.5만 명), 명동(1.3만 명), 가산동(1.3만 명) 순입니다. 반면 2030 여성 거주자는 서울 전역에 넓게 퍼져 있고 신촌동(약 2.4만 명), 화양동(1.4만 명), 서교동(1.3만 명), 북아현동(1.2만 명), 가양1동(1.1만 명), 이문1동(1.1만 명) 등 대학가와 주거지가 진하게 나타납니다. 수치는 모두 1시간 평균 체류 규모입니다.

두 목록에서 함께 상위권에 오른 곳은 서교동 정도입니다. 낮의 업무 동선과 생활 동선을 함께 가진 복합 상권이라는 뜻입니다. 타겟을 성별·연령만으로 정의하면 매체 선택이 크게 빗나갈 수 있습니다.

행정동 순위표: 상위 20곳은 11개 구에 흩어져 있습니다

같은 2030 여성 직장인 조건에서 행정동 리스트를 체류 규모 순으로 보면 다음과 같습니다.

2030 여성 직장인 체류 규모 상위 20개 행정동(체류 규모 순), 출처: GS넷비전 Data Lab 미디어 플래닝 대시보드

1위 역삼1동(강남구, 25,619명)과 20위 광희동(중구, 5,553명)의 체류 규모 차이는 약 4.6배입니다. 상위 20곳 가운데 강남구는 6곳으로 가장 많지만, 나머지 14곳은 영등포·마포·종로·중구·금천·용산·송파·성동·서초·구로 등 10개 구에 흩어져 있습니다.

"강남구에 틀어 주세요"라는 요청으로는 이 타겟이 가장 많이 머무는 행정동 20곳 가운데 14곳을 놓칩니다. 구 단위 묶음이 아니라 행정동 단위 순위로 매체를 고르면 같은 예산으로 타겟 밀집 지역을 더 넓게 덮을 수 있습니다. 다만 이 순위는 체류 규모 순이며 매체 추천 순위와 같지는 않습니다. 실제 제안에서는 타겟팅 스코어와 매체 위치를 함께 검토합니다.

생활 동선과 아파트 단지는 닿는 사람이 다릅니다

행정동 체류 인구의 성·연령 구성부터 보겠습니다.

선택 지역 체류 인구의 성·연령 구성, 출처: GS넷비전 Data Lab 미디어 플래닝 대시보드

선택 지역의 체류 인구는 여성 53%, 남성 47%입니다. 연령대는 20대 미만 15.9%, 20대 15.5%, 30대 16.8%, 40대 17.3%, 50대 14.7%로 20~50대가 고르게 분포합니다. 생활 동선 위 매체는 특정 연령에 치우치지 않고 폭넓게 닿는다는 뜻입니다.

아파트 단지 핀포인트 화면의 거주자 구성은 양상이 다릅니다.

선택한 아파트 단지 그룹의 거주자 구성, 출처: GS넷비전 Data Lab 미디어 플래닝 대시보드

선택한 아파트 단지 그룹의 거주자는 남성 50.9%, 여성 49.1%로 성비가 비슷합니다. 연령대는 40대가 22.8%로 가장 많고, 50대(19.2%)까지 합하면 40·50대가 약 42%입니다. 반면 20대는 9.5%에 그칩니다.

두 화면의 지역·단지 범위가 같다는 보장은 없으므로, 이 비교는 각 화면 기준의 경향으로 읽어야 합니다. 그래도 방향은 분명합니다. 생활 동선 위 매체는 20~50대를 고르게 만나고, 아파트 엘리베이터 매체는 40·50대 가구를 깊게 만납니다. 아파트 엘리베이터 광고 타겟팅을 검토한다면 단지 이름보다 거주자 구성부터 확인하는 것이 순서입니다.

4. 업종별 적용: 조건을 바꾸면 매체 조합이 달라집니다

같은 예산이라도 타겟 조건을 어떻게 정하느냐에 따라 전혀 다른 매체 조합이 나옵니다.

아래 표는 저희 Data Lab이 업종별로 제안할 수 있는 예시 플랜입니다. 실제 집행 사례가 아니라 조건을 정하는 방식을 보여 주는 시나리오입니다. 반경·금액·연식도 고정 기준이 아니라 캠페인 목적에 따라 정하는 조건의 예입니다.

표 기준: 기획 단계의 예시 플랜이며, 실제 집행 결과나 효과 순위가 아닙니다.

에듀테크: 타겟에 맞춰 학교급을 바꿉니다

수험생을 만나려면 고등학교 반경 500m 편의점 매체가 출발점이 됩니다. 초등학생 학부모를 겨냥한 교육 브랜드라면 초등학교 인근으로, 여대생이 타겟이라면 여대 주변으로 기준점만 바꾸면 됩니다. 같은 학교 데이터라도 누구를 만나려는지에 따라 쓰는 방식이 달라집니다.

프리미엄 가전·인테리어: 시세와 연식을 함께 봅니다

고가 단지라는 조건 하나만으로는 부족합니다. 매매가 15억 원 이상에 준공 10년 이상이라는 조건을 겹치면 인테리어·가전 교체 수요가 있을 만한 고소득 가구 단지를 좁힐 수 있습니다. 여기에 단지 거주자의 연령 구성을 더하면 "왜 이 단지인가"라는 질문에 근거를 붙여 제안할 수 있습니다. 이 조건을 단지 단위로 어떻게 좁히는지는 다음 글에서 별도로 다룹니다.

아웃도어: 등산로 입구와 역 출구가 겹치는 구역을 찾습니다

등산로 입구와 역 출구 반경이 겹치는 구역의 매체 선별 (이해를 돕기 위한 일러스트)

등산객 한 명의 주말 동선을 단계로 나눠 보면 접점이 보입니다.

1. 주말 아침, 지하철로 산 근처 역에 도착합니다.
2. 역 출구를 나와 편의점에서 물과 간식을 삽니다.
3. 등산로 입구까지 걸으며 주변 매장과 화면 앞을 지나갑니다.
4. 하산 후 같은 길을 되짚어 역으로 돌아갑니다.

등산로 입구 반경 300m와 역 출구 반경 300m가 겹치는 구역은 이 동선이 오가며 두 번 지나는 곳입니다. 지역 전체에 넓게 집행하는 것보다 이 구역의 매체를 고르는 편이 등산객의 실제 이동 경로 위에 있다는 근거가 분명합니다.

직장인 vs 거주자: 가상 사례로 보는 판단 차이

예를 들어 2030 여성을 겨냥한 가상의 뷰티 브랜드 A가 있다고 가정해 보겠습니다. 브랜드 A의 목표가 퇴근길 구매라면 역삼·여의도·도심·가산 같은 업무지구 매체를 우선합니다. 반대로 주말 생활권 방문이 목표라면 신촌·화양·가양처럼 거주자가 밀집한 행정동의 생활 매체가 맞습니다. 같은 '2030 여성'이라도 캠페인 목표에 따라 지도는 전혀 다른 곳을 가리킵니다.

결론: 행정구역이 아니라 타겟이 머무는 곳에 예산을 씁니다

데이터 기반 옥외광고 타겟팅의 핵심은 매체를 '어디에 있나'가 아니라 '누구를 만나나'로 고르는 데 있습니다.

같은 예산이라도 고르는 기준에 따라 남는 결과는 다릅니다. 행정구역 묶음은 집행 지역 목록을 남기지만, 위치·맥락·사람을 겹쳐 고른 플랜은 "왜 이 매체인가"에 대한 지도와 숫자를 남깁니다. 이 근거가 내부 보고와 광고주 설득을 쉽게 하고 제안서의 정합성을 높입니다.

• 위치: 매체 주소를 좌표로 바꿔야 반경 조건과 행정동 단위 분석이 가능합니다.
• 맥락: 학교·등산로 입구·고가 단지처럼 장소의 성격이 곧 타겟 신호입니다.
• 사람: 같은 성별·연령이라도 직장인과 거주자는 다른 곳에 머물고, 매체 유형마다 닿는 사람도 다릅니다.

저희 Data Lab은 이 과정을 자체 구축한 미디어 플래닝 대시보드에서 시작합니다. 타겟 조건을 넣으면 히트맵과 행정동 순위가 바로 바뀌고, 그 결과를 GS25·GS더프레시 인스토어 매체와 아파트 엘리베이터·로비 매체를 아우르는 리테일 광고 솔루션의 매체 선택으로 연결합니다. 반경 내 매체 목록 추출처럼 반복되던 작업이 자동화되면서 플래닝 준비도 한결 빨라졌습니다.

다음 글 예고: 프리미엄 아파트 광고 타겟팅. 이번 글이 데이터 기반 옥외광고 타겟팅의 전체 틀이었다면, 다음 글은 그 틀을 아파트 매체에 적용합니다. 예를 들어 매매가 15억 원 이상에 준공 10년 이상인 단지를 조건으로 두고, 그 단지 반경 안의 매체를 어떻게 선별하는지, 단지 거주자의 구성은 어떻게 읽는지를 살펴봅니다. 금융·프리미엄 소비재·인테리어 광고주를 준비 중이시라면 이어서 읽어 보시기 바랍니다.

데이터 기반 옥외광고 타겟팅 관련 자주 묻는 질문

유동인구가 많은 곳을 고르는 것과 무엇이 다른가요?

유동인구가 많은 곳이 곧 우리 타겟이 많은 곳은 아닙니다. 이 방식은 전체 유동 규모가 아니라 선택한 타겟(성별·연령·직장인/거주자)의 체류 규모와 장소의 맥락을 기준으로 매체를 고릅니다. 그래서 같은 번화가라도 타겟에 따라 우선순위가 달라집니다.

어느 단위까지 나눠서 분석할 수 있나요?

공간은 행정동과 아파트 단지 단위, 시간은 1시간 단위로 봅니다. 인구 특성은 성별, 7개 연령 구간, 직장인/거주자 속성으로 나눕니다. 아파트 단지는 거주자의 연령 구성과 가구 특징까지 단지 단위로 집계해 분석합니다.

타겟팅 스코어가 높으면 광고 효과도 보장되나요?

그렇지 않습니다. 타겟팅 스코어는 매체 주변 유동 규모와 상권 활성도를 반영한 추천 지수로, 여러 매체를 같은 잣대로 비교하기 위한 기준입니다. 실제 효과는 크리에이티브, 집행 기간, 예산에 따라 달라지므로 스코어는 매체 선택의 근거로 쓰고 성과는 별도 측정으로 판단하세요.

상담을 준비할 때 무엇을 정리하면 되나요?

캠페인 상담을 준비하신다면 다음 세 가지를 먼저 정리해 보세요.

• 타겟 정의: 성별·연령에 더해 직장인인지 거주자인지, 학생·등산객·고소득 가구처럼 어떤 맥락의 사람인지
• 접점 조건: 학교·등산로 입구·고가 단지·브랜드 매장처럼 기준이 될 장소와 원하는 반경
• 목표와 일정: 퇴근길 구매, 주말 방문, 매장 유입처럼 기대하는 행동과 집행 기간·예산 범위

타겟과 접점 조건이 정리돼 있으면 히트맵과 행정동 순위로 바로 플랜 초안을 만들 수 있습니다. 우리 브랜드의 타겟이 지나가고 머무는 곳을 데이터로 구체화해 보시기 바랍니다.

참고 자료

• 2025 국내 광고비 조사 보도(코바코) — 파이낸셜뉴스
• OAAA Reports OOH Advertising Rose 3.6% In 2025 — MediaPost
• 리테일 미디어 네트워크란? — Nielsen