크리에이터 매칭을 데이터로 한다는 건 무엇을 본다는 뜻인가요

시딩 제안서를 받아보면 대부분 크리에이터 수와 팔로워 규모가 먼저 나옵니다. 그런데 브랜드가 실제로 걱정하는 건 몇 명이냐가 아니라 우리 제품과 맞는 사람인가입니다. 저희 플레이랩은 자체 수집한 글로벌 틱톡 크리에이터 150만+ 데이터셋 위에서, 크리에이터 한 명당 90개 이상 항목을 비전 분석으로 채워 두고 그 항목으로 후보를 좁힙니다. 이 글은 그 항목이 무엇이고, 그게 맞았을 때 실제로 무엇이 달라졌는지에 대한 저희 운영 기록입니다.

팔로워 수는 핏이 아닙니다

팔로워가 많은 크리에이터를 모으는 일은 어렵지 않습니다. 어려운 건 제품이 놓일 자리가 있는 채널을 고르는 일입니다.

같은 10만 팔로워라도, 평소에 제품을 손에 들고 성분을 설명하는 채널과 춤 영상만 올리는 채널은 스킨케어 제품에 전혀 다른 결과를 냅니다. 팔로워 수는 이 차이를 전혀 담지 못합니다. 그래서 저희는 후보를 좁힐 때 팔로워 구간을 가장 마지막에 씁니다.

저희가 크리에이터 한 명에게서 보는 것

비전 분석은 크리에이터의 최근 콘텐츠를 실제로 읽어서 항목을 채웁니다. 프로필 텍스트나 해시태그 선언이 아니라 화면에 무엇이 있는지를 기준으로 합니다. 크게 두 갈래입니다.

어떤 사람인가 — 얼굴이 화면에 얼마나 나오는지, 성별, 추정 연령대, 인종, 피부톤, 헤어 타입과 길이·색, 히잡 착용 여부, 평소 메이크업의 정도, 문신 노출 여부, 화면에 보이는 피부 고민, 전문가로 보이는 신호, AI·가상 인물로 의심되는지.

외형 항목은 제품이 놓일 조건을 맞추기 위한 것입니다. 파운데이션이라면 피부톤 범위가, 헤어 제품이라면 모발 타입이 결과를 가릅니다. 브랜드가 지정한 제품 조건에 맞는 후보를 찾는 데 쓰며, 특정 속성의 크리에이터를 배제하는 기준으로 쓰지 않습니다.

무엇을 만드는가 — 스킨케어, 메이크업, 헤어케어, 네일아트, 뷰티 리뷰, GRWM, 비포·애프터, 제품 단독 촬영, 요리, 외식, 먹방, 식단 관리, 건강기능식품, 패션, 피트니스, 댄스, 가족·키즈, 반려동물, 여행, 라이프스타일, 교육, 엔터테인먼트, 그리고 화면 자막의 밀도.

항목은 고정이 아니라 필요에 따라 늘어납니다. 현재 90개 이상이며, 캠페인에서 새로 구분해야 할 조건이 생기면 항목을 추가하고 기존 크리에이터까지 다시 분석합니다. 분석 대상은 데이터셋 전체인 150만+ 크리에이터이고, 결과는 매일 갱신됩니다. 크리에이터의 콘텐츠 주제는 시간이 지나면 바뀌기 때문에, 한 번 분석하고 끝내지 않고 계속 다시 채웁니다.

속성이 하나씩 맞을 때마다 결과가 달라졌습니다

핏이 중요하다는 말은 누구나 합니다. 저희 운영 기록에서 실제로 어떻게 나왔는지 적겠습니다.

뷰티 계열 캠페인에 배정된 크리에이터를, 제품 카테고리와 맞는 콘텐츠 속성이 몇 개나 겹치는지로 나눠 봤습니다. 속성이 하나도 겹치지 않은 그룹의 완주 비율을 1로 두면 이렇게 됩니다.

겹치는 콘텐츠 속성	완주 비율(0개 = 1배)
0개	1배
1개	약 1.5배
2개	약 2.5배
3개	약 3.8배
4개 이상	약 6.4배

한 지점만 높은 게 아니라 속성이 늘어날수록 계속 올라갑니다. 저희가 이 표를 신뢰하는 이유가 여기 있습니다. 어느 한 조합이 잘 맞았다면 우연일 수 있지만, 겹치는 항목이 늘어날 때마다 단조롭게 올라가는 모양은 우연으로 만들기 어렵습니다.

위 표는 절대 수준이 아니라 그룹 간 차이를 보기 위한 배수입니다. 비전 분석 결과가 있는 크리에이터만 세어 비교했습니다. 저희가 따로 공개한 무가시딩 회수율 60~70%는 집계 기준이 다른 별개의 지표이므로, 두 숫자를 섞어 읽으시면 안 됩니다.

얼굴 노출도 같은 방향으로 움직였습니다. 얼굴이 거의 나오지 않는 채널은 얼굴이 대부분 나오는 채널의 절반 수준이었습니다. 제품을 쓰는 장면이 보이는 채널과 그렇지 않은 채널의 차이입니다.

한 번도 참여한 적 없는 크리에이터와, 완주해 본 크리에이터는 다릅니다

핏 다음으로 저희가 크게 보는 축입니다. 같은 크리에이터가 두 번째 이후로 캠페인에 배정된 건을, 그 이전에 몇 번 완주했는지로 나눠 봤습니다. 완주 경험이 없는 그룹을 1로 두면 이렇습니다.

이전 완주 횟수	이후 완주 비율(0회 = 1배)
0회	1배
1회	약 19배
2회	약 33배
3회 이상	약 45배

한 번 완주한 경험이 다음 캠페인의 완주 가능성을 가장 크게 바꾸는 단일 신호였고, 저희가 크리에이터를 한 번 쓰고 버리지 않고 관계로 관리하는 이유가 여기 있습니다.

뒤집으면 이런 뜻이기도 합니다. 제안을 보냈는데 한 번도 응하지 않은 크리에이터에게 같은 제안을 반복해서 보내는 것은 효율이 매우 낮습니다. 그래서 저희는 크리에이터를 이전 참여 이력으로 나눠 두고, 새로 발굴해야 할 자리와 이미 관계가 있는 자리를 구분해서 캠페인을 구성합니다.

그래서 제안서에서 확인하실 것

데이터로 매칭한다는 설명을 들으셨다면, 아래를 같은 기준으로 물어보시면 대행사 간 차이가 드러납니다.

• 크리에이터 한 명에 대해 무엇을 알고 있는지 — 항목을 이름으로 받아보세요. 팔로워·조회수·카테고리 세 가지뿐이라면 그건 매칭이 아니라 필터입니다.
• 그 정보를 어떻게 얻었는지 — 크리에이터가 프로필에 적어둔 선언인지, 실제 콘텐츠를 읽어서 채운 값인지.
• 언제 갱신되는지 — 크리에이터의 콘텐츠 주제는 바뀝니다. 1년 전 분류로 고른 후보는 지금의 그 사람이 아닙니다.
• 후보를 배송 전에 볼 수 있는지, 브랜드가 직접 걷어낼 수 있는지.
• 이전 캠페인 참여 이력을 구분해서 쓰는지, 아니면 매번 처음부터 뿌리는지.

저희가 맞는 경우와 맞지 않는 경우

브랜드 핏을 항목 단위로 지정하고 싶으실 때, 그리고 그 조건에 맞는 후보를 해외에서 찾아 배송과 업로드 확인까지 한 팀에 맡기고 싶으실 때 저희가 맞습니다. 비전 분석 항목을 조건으로 주시면 그 조건으로 후보를 좁혀 명단을 먼저 드립니다. 크리에이터 선택은 브랜드가 직접 하셔도 됩니다.

반대로 크리에이터 데이터베이스 자체를 사내 도구로 쓰시려는 경우, 저희는 데이터를 판매하는 회사가 아니라 캠페인을 운영하는 대행사이므로 맞지 않습니다. 또 초 단위로 확정된 스크립트를 모든 크리에이터가 따라야 하는 캠페인이라면 무가시딩 구조 자체가 맞지 않으므로 다른 방식으로 설계해야 합니다.

위 숫자는 저희 운영 기록에서 관측된 그룹 간 차이이며, 특정 국가·제품·기한에서의 확정 성과를 보장하는 값이 아닙니다. 목표 국가와 제품, 원하시는 크리에이터 조건을 알려주시면 그 조건에서 가능한 후보 규모와 운영 계획을 나눠 제안드립니다.

공개 근거

1. 자체 글로벌 틱톡 크리에이터 데이터셋 150만+ 및 커버리지(중국 제외 전 세계, 가장 깊은 시장 14개) — https://playxlab.com/
2. 크리에이터 발굴·섭외·배송·업로드 확인·리포팅을 한 팀이 맡는 운영 범위 — https://playxlab.com/ko/about/
3. 무가시딩 평균 회수율 60~70%와 그 분모(배송 기록 기준) — https://playxlab.com/ko/lab/guides/product-seeding/
4. 크리에이터를 브랜드가 직접 고르고 이후 운영만 맡기는 방식 — https://playxlab.com/ko/lab/guides/creator-selection-and-operation-options/
5. 비전 분석 항목 수(90개 이상)와 분석 대상(데이터셋 150만+ 크리에이터), 속성 일치도별 완주 비율 및 이전 완주 횟수별 완주 비율 — PLAYLAB 내부 운영 기록, 2026-09-17 집계