소재를 서른 개 만들었다고 서른 번 배운 것은 아니다. 카피, 이미지, 영상이 많이 쌓여도 무엇을 바꿨고 왜 바꿨는지 모르면 광고비는 실험비가 아니라 순위표를 만드는 비용으로 사라진다. 클릭률이 높은 소재가 실제 구매를 더 만들지 않을 수 있고, 플랫폼의 자동 최적화가 빠르게 승자를 고르는 동안 팀은 무엇을 학습했는지 설명하지 못할 수 있다.
이 책은 광고 소재 테스트를 가설 단위로 다시 설계한다. 타깃의 상황, 욕구와 문제, 증거, 후킹, 형식, CTA를 일곱 축으로 쪼개고 모든 조합을 만들지 않도록 소재 가설 매트릭스로 우선순위를 정한다. 탐색, 확인, 확장의 세 단계 실험과 통제군·실험군의 비교 조건, 여러 변수가 한꺼번에 바뀌는 교란을 줄이는 법을 다룬다. AI에는 고객 언어와 제품 사실, 주장 근거와 금지 표현을 먼저 넣어 단어만 바뀐 복제품이 아니라 검증 가능한 변형을 만들게 한다.
CTR 하나가 아니라 주지표, 방어지표, 진단지표를 나누고 전환 지연과 소량 데이터를 감안해 성공·보류·중단 기준을 사전에 세운다. 소재 피로도는 달력으로 자르지 않고 빈도 상승, 성과 하락, 타깃 포화와 경쟁 변화를 함께 보며 판단한다. 승자 소재를 타깃과 형식, 오퍼, 랜딩으로 확장하면서도 무엇을 보존하고 무엇을 다시 검증해야 하는지 기록한다. 많은 소재보다 빠르고 정확한 학습이 필요한 광고팀을 위한 실험 운영서다.