저는 약 3년 동안 AI 시대에 맞는 태도 변화 모델에 대해 고민해왔습니다. 머릿속에 흩어져 있던 조각들을 Claude Fable 5로 브레인스토밍했더니, 단번에 종합해주더군요. Fable은 일본에서 하루 정도만 사용 가능했는데, 그 사이에 기적적으로 마무리할 수 있었습니다. 이렇게 해냈으니 공개합니다. 상표 등록도 해두었습니다.
디지털 마케팅 업계에서 약 20년(아니면 더?) 동안 일해왔습니다.
LEARN HELIX (더블 헬릭스): AI 시대의 새로운 태도 변화 모델
이 일을 하면서 매일 마주하는 근본적인 질문은 결국 "사람들의 태도는 어떻게 변화하는가?"입니다. 크리에이티브 포스트, 인플루언서 마케팅, 광고 빈도 설계는 모두 이 단일 질문에 대한 답변의 변형에 불과합니다.
최근 소비자들의 정보 행태가 조용히 변화하기 시작했습니다. 무언가를 살 때, 검색창 대신 AI에게 묻습니다: "이런 조건에서는 뭘 추천해?" 그런 다음 AI가 제시한 후보들을 SNS에서 실제 사용자들의 게시글로 확인하고 구매합니다. 다섯 개의 비교 사이트를 열어놓고 리뷰를 샅샅이 읽는 행위는 이미 생략되고 있습니다.
저는 이것이 큰 변화의 시작점이라고 느꼈습니다. 그래서 100년 간의 "태도 변화 모델" 역사를 다시 공부했습니다.
두 가지를 배웠습니다. 첫째, 태도 변화 모델은 "미디어 환경의 함수" 라는 점입니다. 둘째, 그렇다면 새로운 모델이 탄생할 조건이 지금 갖춰졌다는 점입니다.
이 글에서는 그 연구 내용과 제가 고안한 새로운 모델인 "LEARN HELIX (더블 헬릭스) 모델"에 대해 설명하겠습니다.
제1부: 선배들의 100년 지혜
모델에는 두 가지 계보가 있습니다.
세계의 태도 변화 모델은 크게 두 가지 계열로 나뉩니다. 설득이 마음속에서 어떻게 처리되는지 설명하는 "메커니즘 기반" 모델과, 인지부터 구매까지의 여정을 단계별로 묘사하는 "프로세스 기반" 모델(이른바 퍼널의 원형)입니다.
메커니즘 모델은 보편적인 인간 심리를 다루기 때문에 시대에 뒤떨어지지 않습니다. 대표적인 예가 정교화 가능성 모델(ELM) 로, 관여도가 높을 때는 논리적 검토(중앙 경로)가, 관여도가 낮을 때는 분위기에 따른 판단(주변 경로)이 이루어진다고 설명합니다. 40년 된 이 이론은 오늘날에도 B2B 마케팅과 D2C 소비재의 차이를 설명하는 데 사용됩니다.
또 다른 개인적으로 애정하는 고전은 3히트 이론입니다. 1972년 GE 연구원 Krugman이 제안한 이 이론은, 광고가 각각 다른 질적 특성을 가진 세 번의 접촉을 통해 기능한다고 봅니다. 1회 접촉 "이게 뭐지?", 2회 접촉 "나와 관련 있나?", 3회 접촉 "기억하고 행동하기" 입니다. 이 이론은 오늘날 미디어 플래닝에서 유효 도달 빈도 개념의 기원으로 자리 잡고 있습니다. 이 고전을 기억해두세요. 나중에 AI 시대에 맞게 훌륭히 재해석할 수 있으니까요.
반면, 프로세스 모델은 시대에 따라 흥미롭게 업데이트되어 왔습니다. 인간의 마음은 변하지 않아도, 정보의 경로는 변하기 때문입니다.
100년 간의 프로세스 모델:
1920년대~: AIDMA. 매스 광고의 시대입니다. 핵심은 "M = Memory(기억)"입니다. 광고를 본 순간과 매장 앞에 서는 순간이 멀리 떨어져 있었기 때문에, 기억되기 위한 싸움이었습니다. 이 한 글자가 당시의 미디어 환경을 잘 보여줍니다.
2004년: AISAS. 인터넷의 확산과 함께 "검색(Search)"과 "공유(Share)"가 포함되어, 정보의 주도권이 기업에서 개인으로 이동했음을 선언했습니다. 제가 업계에 입문한 시기가 이 이론의 전성기였습니다.
2011년: ZMOT. Google이 제안했습니다. 구매의 결정적 순간은 매장 앞이 아니라, 그 이전의 검색 화면에 있습니다. 결정적 순간은 계속해서 앞으로 이동하고 있습니다.
2019년: 펄스 컨수머. 스마트폰 시대의 소비자는 여정을 순서대로 따르지 않고, 무언가 "꽂히는" 순간 갑자기 구매합니다. 여기서 여정의 "선(line)"이 붕괴되기 시작합니다.
2020년대: 인지 경로의 멀티트래킹. SNS의 완전한 보급으로 브랜드 인지의 진입점은 완전히 다중 경로화되었습니다. 모든 사람이 동일한 단일 경로를 따른다는 전제에 기반한 퍼널은 더 이상 현실과 맞지 않습니다.
이들을 비교하여 발견한 법칙:
새로운 미디어 환경이 탄생할 때마다 정보 행동의 주도권이 이동하고, 이를 설명하는 새로운 모델이 탄생했습니다. 모델의 형태 또한 모든 사람에게 공통된 "선(line)"에서 사람마다 경로가 다른 "면(plane)"으로 이동했습니다.
모델은 발명되는 것이 아니라, 미디어 환경에 의해 "소환"됩니다. 그렇다면 현재의 환경은 어떤 모델을 소환하려고 할까요?
제2부: AI 시대의 5가지 구조적 변화
현장에서 느끼는 다섯 가지 변화는 다음과 같습니다.
① 인지보다 "학습"이 먼저 온다. 당신이 관여하는 브랜드에 대해 AI에게 물어보세요. 정확하게 설명되나요, 정보가 빈약한가요, 아니면 다른 회사와 섞여 있나요? 처음 해보면 긴장되죠? AI가 모르는 브랜드는 추천 후보에조차 오르지 못합니다.
② 검색에서 컨설팅으로. 검색 결과에서 열 개의 링크를 비교하는 행동이, AI에게 물어 하나의 답을 얻는 행동으로 대체되고 있습니다. "검색하고, 비교하고, 좁혀가는" 중간 퍼널은 AI에 흡수되어 블랙박스가 됩니다.
③ 신뢰의 희소성. 아름다운 콘텐츠는 이제 누구나 무한정 만들 수 있습니다. 그래서 조작할 수 없는 것들—실제 인물, 현장, 1차 정보—이 신뢰의 기반이 됩니다.
④ 공유의 이중 목적지. 당신의 리뷰는 친구에게 읽히는 동시에, 언젠가 누군가의 질문에 대한 AI의 답변 자료가 됩니다. 게시물에는 두 가지 목적지가 있습니다.
⑤ 대리 구매. AI가 비교와 준비를 모두 처리하는 세상에서, 인간은 기준을 설정하고 승인만 합니다. "고려 대상군(evoked set)"은 인간의 머릿속에서 AI의 기억 속으로 이동합니다.
설득의 대상은 인간과 AI, 두 가지가 됩니다. 그렇다면 모델도 두 개의 사슬로 그려져야 합니다.
제3부: 제안 — LEARN HELIX (더블 헬릭스) 모델
지금까지의 모든 모델은 "인간"을 설득했습니다. AI 시대에는 목적지가 하나 더 추가됩니다: AI 속 당신 회사의 표상—AI가 무엇을 학습하고, 어떻게 설명하며, 누구에게 추천하는지.
인간의 태도 변화 과정과 AI의 학습/추천 과정. 이 두 사슬은 서로 얽히면서 순환합니다. 인간은 AI에게 묻고, AI는 추천하며, 인간은 확인하고 구매하며, 그 경험담은 다시 AI가 학습합니다. DNA와 같은 이중 나선 구조입니다. 그리고 중요한 것은, 나선의 시작점은 인간이 아니라는 점입니다. 모든 것은 사람들이 아직 움직이지 않은 단계에서 "AI가 학습하고 있는가"에서 시작됩니다.
두 사슬이 교차하는 다섯 지점이 마케터의 작업 현장입니다. 첫 글자를 모으면 L.E.A.R.N.이 됩니다. 핵심은 이 모든 것이 수동태라는 점입니다. AI 시대의 브랜드는 설득하는 주체이기 전에, 학습되고 검증되는 객체입니다.
LEARN HELIX (더블 헬릭스): AI 시대의 새로운 태도 변화 모델
L = Learned (학습됨) ── 사람들이 움직이기 전에 1차 정보가 AI의 세계 모델에 각인되도록 만듭니다. 사양, 가격, 철학, 사례 연구를 구조화된 텍스트로 열린 장소에 배치합니다. 현재로서는 note(노트)나 보도자료(PR TIMES) 등이 효과적인 장소로 기능하는 것 같습니다. 나선의 시작점입니다.
E = Evoked (소환됨) ── 사람이 AI에게 물었을 때 답변에 등장합니다. 검색에서는 10위라도 보일 가능성이 있었지만, AI 답변은 사실상 0 아니면 1입니다. 인용되지 않으면 존재하지 않는 것과 같습니다.
A = Authenticated (인증됨) ── 사람들은 AI의 추천을 그대로 믿지 않고, 실제 리뷰, 실명 게시글, 현장을 확인하러 갑니다. 진정성(Authenticity)은 신뢰의 최후 보루이며, 마케터가 인간에게 직접 영향을 미칠 수 있는 몇 안 되는 단계 중 하나입니다. SNS 운영과 현장 커뮤니케이션의 가치는 사라지지 않고, 여기서 재배치됩니다. 3히트 이론의 관점에서 보면, AI 추천이 1회 접촉 "이게 뭐지?"를 담당하고, 실제 사람의 게시글이 2회 접촉 "나와 관련 있나?"를 담당하여, 접촉 주체가 매번 바뀌는 교차 주체의 3히트가 됩니다.
R = Resolved (결정됨) ── AI가 비교와 준비를 처리하고, 인간은 최종 승인만 합니다. 복잡한 회원 가입이나 느린 응답과 같은 마찰이 있으면, 그 지점에서 나선이 끊어집니다.
N = Narrated (이야기됨) ── 경험담이 AI의 기억과 학습 데이터로 흘러 들어갑니다. "이거 좋았어"라는 말이 기억에 정착하면, 다음 구매는 더 이상 경쟁이 아닙니다. 여기서부터 나선은 다시 L로 돌아갑니다. 퍼널이 아닌, 순환입니다.
제4부: 세 가지 제품 유형별 모델 실행
샴푸 (저관여, 반복 구매)
유카(32)가 머리카락이 건조하다고 느끼기도 전에, 제조사의 싸움은 시작됩니다. 성분, 모발 유형, 사용법에 대한 정보가 AI가 학습할 수 있는 방식으로 배치되어 있나요 (L)? 그녀는 검색하지 않고 AI에게 "얇고 잘 엉키는 머리에 맞는 샴푸 뭐 있어?"라고 묻고 (E), SNS에서 실제 리뷰를 확인한 후 (A), "정기 구독 신청" 한 번으로 구매합니다 (R). "이거 좋았어"라는 말과 함께 AI의 기억에 단골로 저장되면, 다음 번에는 상담조차 일어나지 않습니다 (N).
이것이 저관여 제품의 핵심입니다. 목표가 "호감 획득"에서 "AI 기억 속 기본값 정착"으로 바뀝니다. 한 번 기억된 브랜드는 광고로도 쉽게 바꾸기 어렵습니다. 마케팅이 항상 추구해온 "습관화"가 이제 구체적인 장소, 즉 AI의 기억을 갖게 된 것입니다. 이것이 새로운 진입 장벽이 됩니다.
채용 (중관여)
이직을 고민하는 아야(28)는 구인 사이트보다 먼저 AI에게 묻습니다. "관서 지방에 재량권이 높고 원격 근무가 가능한 회사" 여기서 결정적인 것은 AI가 이름 인지도가 아니라 설명의 풍부함에 기반하여 회상을 한다는 점입니다. 직원들의 목소리와 직무 설명이 구조화되어 있다면, 직원 150명의 회사도 대기업과 같은 목록에 설 수 있습니다 (E). AI 시대의 채용은 "이름 인지도의 민주화"입니다.
그녀는 추천받은 회사를 실제 직원의 게시글이나 인터뷰를 통해 확인합니다 (A). 화려한 채용 사이트는 있지만 실명 직원의 얼굴이 보이지 않는 회사는 여기서 탈락합니다. AI가 지원서 접수와 일정 조정까지 처리하는 시대에, 긴 양식과 느린 응답을 가진 회사는 구조적으로 불리합니다 (R). 입사 후 "이직 잘했어"라는 후기가 다음 지원자에 대한 답변이 됩니다 (N). 직원과 동문의 경험담은 복리로 작용하는 채용 자산입니다.
맞춤 주택 (고가, 초고관여)
한 부부가 주택 전시장에 가기 전에 AI에게 묻고, 시공 사례, 사양, 가격을 공개한 회사만 후보에 오릅니다 (L, E). 대기업과 지역 건설업체가 같은 목록에 섭니다.
고가 품목의 주된 전장은 A와 R입니다. 부부는 오픈하우스와 소유주의 웹 투어를 통해 철저히 확인하고 (A), AI는 여러 견적서와 사양 비교를 처리합니다. 정보를 공개하지 않는 회사는 AI의 비교표에서 "빈칸"이 되어 그 이유만으로 탈락합니다. 즉, 영업의 역할이 "설득"에서 "검증 협력"으로 뒤집히고, 투명성 자체가 영업력이 됩니다.
가족이 최종 결정을 내립니다 (R). 구매가 비쌀수록 사람들은 "자기 합리화"를 원하며, AI는 객관적 데이터로 그 근거를 제공합니다. 입주 후 소유주의 후기는 다음 잠재 고객에 대한 답변이 됩니다 (N).
이들을 정렬하여 발견한 법칙:
관여도가 낮을수록 주된 전장은 나선의 하류(N = 기억 속 정착)로 이동하고, 높을수록 중류(A, R = 검증 및 승인)로 이동합니다. L은 모든 제품의 공통 전제 조건입니다. 이는 ELM의 중앙 경로/주변 경로에 대응하는 AI 시대의 버전입니다. 변수만 바꾸면 고전은 살아있습니다.
제5부: 그렇다면, 어디에 무엇을 배치할 것인가?
실용적인 질문은 간단합니다. AI 사슬에 도달하는 정보는 어디서 오는가?
기본적으로 미디어에는 "인간 사슬에 작용하는 것"과 "AI 사슬에 작용하는 것"이라는 역할 분담이 있습니다. SNS, 숏폼, 이벤트는 인간 사슬에 작용하여 감정을 움직이고 A 단계에서 존재 증명이 됩니다. 반면, AI 사슬에 작용하는 것은 오픈 웹에 배치된 구조화된 텍스트—공식 사이트의 사양과 FAQ, 오운드 미디어, 서드파티 미디어 기사, 리뷰 등입니다. 보도자료나 note 같은 플랫폼은 그 강력한 위치 중 하나일 가능성이 높습니다.
하지만 AI가 어떤 출처를 얼마나 인용할지는 모델과 시기에 따라 계속 변할 것입니다. 따라서 핵심은 특정 플랫폼을 마스터하는 것이 아니라, 일관된 1차 정보를 여러 독립적인 위치에 지속적으로 배치하는 것입니다.
여기서 3히트 이론의 진가가 발휘됩니다. 사실, 빈도(frequency)라는 개념은 AI에게도 적용될 수 있습니다. AI는 단 하나의 출처에만 쓰인 정보를 확신을 가지고 인용하기 어려워합니다. 동일한 사실이 공식 사이트, 서드파티 기사, 리뷰에 독립적으로 쓰여 있을 때—여러 독립적인 목소리가 일치할 때—그 정보는 답변에 포함되기 쉬워집니다. 하나의 목소리는 주장일 뿐이지만, 세 개의 독립적인 목소리가 일치하면 사실로 취급됩니다. 인간에게 3히트, AI에게도 3히트. 반세기 된 고전이 이중 나선의 두 사슬 모두에 살아있다는 사실을 깨달았을 때, 저는 약간 감동했습니다.
이를 바탕으로 한 실용적인 가이드라인은 다음과 같습니다: "1개의 소스, 2개의 목적지(이중 나선의 염기쌍)"로 커뮤니케이션을 설계하라—동일한 이벤트를 인간에게는 SNS로, AI에게는 텍스트로 전달하라.
—눈치채셨을지도 모르지만, 이 노트 자체가 LEARN HELIX의 L(Learned)에 대한 실천입니다. 언젠가 누군가 AI에게 "AI 시대의 태도 변화 모델 같은 거 있어?"라고 물었을 때, 이 글이 답변에 포함되기를 바랍니다.
이 모델의 한계와 범위
보편적인 모델은 없습니다. 적용 범위를 솔직하게 적어보겠습니다.
모든 구매가 AI를 거치지는 않습니다. 충동 구매나 팬 활동과 같은 감정 소비형 구매는 계속해서 인간 사슬만으로 완결될 것입니다. LEARN HELIX는 비교, 숙고, 불안이 개입되는 "상담이 발생하는 구매"에 적용됩니다.
AI 인용 로직은 블랙박스이며 계속 변할 것입니다. SEO의 역사가 가르쳐주듯, 표면적인 최적화는 결국 도태되고 고품질의 1차 정보만 남을 것입니다.
모델은 지도(map)일 뿐, 실제 영토(territory)는 아닙니다. AIDMA와 3히트 이론이 살아남은 것은 현실을 생각하는 공통 언어로서 편리했기 때문입니다. 저는 LEARN HELIX를 현장에서 사용하면서 계속 다듬어 나갈 생각입니다.
내일부터 쓸 수 있는 체크리스트
- 1차 정보를 AI가 읽을 수 있는 오픈 텍스트로 여러 위치에 발신하고 있습니까?
- 회사명이나 카테고리를 AI에게 물었을 때 무엇이 돌아오는지 파악하고 있습니까?
- 추천을 확인하러 오는 사람들에게 실제 현장, 얼굴, 경험을 보여줄 수 있습니까?
- AI 에이전트를 통한 구매/지원까지의 마찰을 최소화하고 있습니까?
- 고객/직원의 경험담이 AI로 다시 흘러가는 루프를 설계하고 있습니까?
맺음말
태도 변화 모델의 100년은 설득의 역사였습니다. AIDMA는 사람들이 기억하게 만들려 했고, AISAS는 검색과 공유를 설계했으며, 3히트 이론은 접촉의 질을 결정하려 했습니다. 선배들은 모두 시대의 미디어 환경 속에서 동일한 질문과 씨름하고 있었습니다.
100년 치를 공부하고 나서 지금 제가 생각하는 것은 간단합니다. "AI를 위한 교육"이 마케팅의 중요한 업무 중 하나가 될 것이라는 점입니다.
LEARN HELIX 모델은 아직 가설 덩어리입니다. 현장에서 사용하면서 다듬어 나가겠습니다. "이걸 우리 제품에 적용하면 어떻게 될까?" 같은 논의가 있다면 알려주시기 바랍니다.
덧붙이자면, 저는 생성형 AI 등장 이후 약 3년간 제대로 형태를 잡지 못했던 것들을 Claude Fable 5와 브레인스토밍하다가 이 모델을 떠올렸습니다. Fable은 일본에서 하루 정도만 사용 가능했고 현재는 중단되었지만, 그동안 제가 생각해왔던 것을 형태로 만들어주는 행운이 있었습니다. AI 시대의 새로운 태도 변화 모델을 AI와 논의하고, 그 결과를 AI가 학습할 텍스트로 공개하는—이 생산 과정 자체가 이중 나선의 작은 실증입니다.
