신뢰할 수 있는 ID, 비즈니스 컨텍스트, 폐쇄 루프(closed-loop) 측정이 마케팅 의사 결정을 개선하고 그 가치를 증명하는 AI 에이전트의 기반이 되는 이유
작성자: Elena Tesser , Alexandra Haefele
오늘날 마케팅 리더들은 그 어느 때보다 더 큰 복잡성에 직면해 있습니다. 이들은 마케팅 역사상 그 어느 때보다 더 많은 고객 데이터, 채널, 측정 도구를 다루고 있습니다. 반면 고객 여정은 덜 선형적으로 변했으며, 사람들이 기기를 바꾸고 연락처 정보를 변경함에 따라 식별(identity) 신호는 빠르게 소멸하고 있습니다. 마케터들은 이에 발맞추기 위해 지난 20년 동안 상용 마케팅 테크(martech) 툴을 구축해 왔으며, 마케팅 테크 전문가들의 추정에 따르면 에이전트를 위한 수많은 MCP 통합을 제외하고도 그 수가 15,000개가 넘습니다 (State of Martech 2026). 하지만 새로운 시스템이 도입될 때마다 고객 데이터의 또 다른 사본, 또 다른 정의 세트, 팀 간의 또 다른 인수인계가 발생하기 때문에, 무엇이 효과가 있는지에 대한 확신은 그만큼 따라가지 못하고 있습니다.
한편, 마케팅의 경제학도 변화하고 있습니다. 가치는 도달 범위와 빈도로 성공을 측정하는 노출 통화(impression currency)에서 예측 경제(prediction economy)로 이동하고 있습니다. Databricks의 미디어, 엔터테인먼트 및 광고 부문 글로벌 GTM 리드인 Jake LaDuke는 이를 “고객이 필요로 하는 것을 예측하고, 그 순간 즉각적으로 행동하며, 개인화된 메시지를 전달하고, 이를 이끌어낸 비즈니스 성과를 증명한 다음, 이를 다음 단계의 촉진제로 사용하는 능력에 보상하는 새로운 모델”이라고 설명합니다. 동시에 소비자들은 스스로 AI 에이전트를 사용하여 옵션을 비교하고 몇 초 만에 구매하기 시작했으며, 이로 인해 브랜드가 결과를 예측하고, 행동하고, 측정할 수 있는 시간이 줄어들고 있습니다.
그러나 이러한 압박이 가중되는 상황에서도 재무 부서에서는 여전히 마케팅 비용 지출이 점진적인 매출과 마진을 창출했는지, 그리고 다음 1달러를 마케팅에 계속 투자해야 할지, 다른 성장 동력으로 옮겨야 할지, 아니면 순이익으로 돌려야 할지 파악해야 합니다. 마케터들의 고민은 어떻게 복잡성을 뚫고 모두가 신뢰할 수 있는 답을 제시하느냐가 됩니다.
AI와 에이전트가 모든 산업과 비즈니스 라인에 확산됨에 따라, 마케터들에게 이러한 명확성을 제공할 수 있는 강력한 기회가 열리고 있습니다. 올바른 고객, 비즈니스 및 의사 결정 컨텍스트를 통해 에이전트는 마케터가 직접 정의한 목표와 가드레일 내에서 거의 실시간으로 각 고객에게 가장 적합한 다음 행동(next best action)을 추천하거나 취할 수 있습니다. 각 행동은 해당 행동이 없었을 때 일어났을 상황과 비교하여 측정되며, 그 결과는 다음 의사 결정에 사용되는 컨텍스트에 다시 반영(feedback)됩니다. 최종 결과는 수백만 개의 고객 모먼트 전반에서 일관되게 더 나은 의사 결정을 내리고, 이러한 결정이 점진적인 영향(incremental impact)을 미쳤음을 보여주는 명확한 측정입니다.
에이전트는 제공된 컨텍스트만큼만 잘 작동할 수 있으며, ID는 그 컨텍스트를 하나로 묶어주는 역할을 합니다. Acxiom의 제품 전략 및 에코시스템 부문 SVP인 Zachary Van Doren은 이를 "행동에 힘을 실어주는 ID"라고 표현합니다. 그는 이러한 ID 기반이 없다면 “에이전트가 사용할 수 있는 실행 가능한 컨텍스트를 확보할 수 없다”고 말합니다. ID 통합은 종종 종착지가 있는 프로필 구축 프로젝트로 취급되지만, 에이전트 모델에서 그 목적은 행동입니다. 즉, 채널 전반에서 고객을 일관되게 인식하고, 참여를 유도하고, 측정하고, 다시 참여를 유도하는 능력입니다. 이러한 단계를 지원할 수 없는 완벽하게 조립된 프로필은 최상의 결과를 제공할 수 없습니다.
그러나 문제는 ID가 끊임없이 진화한다는 점입니다. 사람들은 이사를 하고, 기기를 바꾸고, 이메일 주소를 변경하며, 그들의 행동도 상황에 따라 변화합니다. 따라서 ID는 한 번 통합하고 방치하는 것이 아니라 지속적으로 유지 관리되어야 합니다. 또한 브랜드는 개인정보 보호, 거버넌스 또는 소비자 신뢰를 타협하지 않으면서 알려진 고객 기록을 익명 앱 세션이나 광고 노출과 같은 가명 의도 신호와 연결해야 합니다.
강력한 ID 기반이 있더라도 신호를 지속적인 프로필에 단순히 연결하는 것만으로는 충분하지 않습니다. 동일한 고객이라도 타이밍, 최근 행동, 채널, 이전 광고 노출 및 당면한 비즈니스 목표에 따라 매우 다른 행동이 필요할 수 있습니다. 누군가가 어디서 어떻게 참여하고 있는지는 그들이 누구인지 못지않게 중요하며, 이것이 사람 대 콘텐츠 기반 타겟팅 사이의 과거의 선택이 두 가지 모두에 대한 필요성으로 바뀌고 있는 이유입니다. 가장 유용한 ID 전략은 의사 결정을 위한 더 나은 컨텍스트를 구축하는 데 중점을 두며, 연결되고 지속적인 프로필이 그 목표를 지원합니다.
Acxiom은 이러한 기반이 어떻게 현대화되고 있는지 보여주는 유용한 사례를 제공합니다. Acxiom은 Lovelytics와 협력하여 데이터 및 ID 서비스를 Databricks 상의 네이티브 애플리케이션 레이어로 재구축함으로써 실행 가능한 고객 인사이트의 시장 출시 기간(time-to-market)을 약 30% 단축하고 운영 비용을 약 15% 절감했습니다. Acxiom의 Real ID ID 통합 엔진도 이제 Databricks 내에서 네이티브로 실행되므로, 브랜드는 고객 데이터를 별도의 환경으로 내보내지 않고 데이터가 이미 존재하는 곳에서 통합하고 풍부하게 만들 수 있습니다.
“우리 각자는 서로 다른 부분을 제공합니다”라고 Lovelytics의 커뮤니케이션 및 미디어 부문 프랙티스 리드인 Jay Goebel은 말합니다. “Databricks는 플랫폼을 제공하고, Acxiom은 신뢰할 수 있는 ID를 제공하며, Lovelytics는 이를 프로덕션에 적용할 수 있는 제공 경험을 제공합니다. CustomerLake의 초기 출시 파트너로서 우리는 마케터가 고객 컨텍스트에 따라 조치를 취하고 그 조치의 가치를 증명할 수 있도록 협력하고 있습니다.”
전통적인 고객 기록은 누군가가 누구인지, 그리고 그들이 무엇을 했는지를 캡처합니다. 에이전트가 마케터가 지지할 만한 의사 결정을 내리려면 네 가지 종류의 컨텍스트가 필요합니다.
이러한 컨텍스트의 양은 빠르게 누적됩니다. 단 한 번의 거래에도 30~50개의 메타데이터 매개변수가 포함될 수 있으므로, 하나의 고객 프로필은 쉽게 수천 개의 컨텍스트 열로 늘어날 수 있으며, 이는 마케터가 도움 없이 처리할 수 있는 수준을 훨씬 넘어섭니다.
마케터의 관점에서 볼 때, 더 완전한 프로필은 의사 결정을 개선할 때만 그 가치를 발휘합니다. 이러한 결정은 대개 참여 여부, 가장 관련성 높은 메시지나 제안, 사용할 채널, 그리고 해당 조치가 고객 경험, 제안의 경제성 또는 고객의 동의를 훼손하지 않으면서 가치를 창출할 수 있는지 여부로 귀결됩니다.
주문을 중단했지만 최근 앱을 다시 둘러보기 시작한 퀵서비스 레스토랑(QSR) 브랜드의 단골 고객을 생각해 보세요. 반사적인 대처는 또 다른 할인 쿠폰을 보내는 것입니다. 더 나은 접근 방식은 브랜드가 실제로 내리려는 의사 결정에서 시작됩니다. 이는 다음 다섯 가지 고려 사항을 거칩니다:
이러한 상황에서 고객마다 필요한 대응은 다릅니다. 보통 매주 금요일에 주문하던 고객이 한 주를 거르고 목요일에 평소 주문하던 메뉴를 둘러보고 있다면, 적절한 타이밍에 알림을 보내는 것만으로도 충분할 수 있습니다. 반면, 동일한 고객이 6주 동안 주문하지 않다가 주문을 완료하지 않은 채 패밀리 세트 메뉴를 둘러보고 있다면, 번들 상품 할인이나 무료 사이드 메뉴 제공이 다시 구매 습관을 들이는 데 도움이 될 수 있습니다. 여러 번 메시지를 받고도 반응이 없는 고객은 브랜드가 메시지를 변경하거나, 채널을 전환하거나, 당분간 해당 고객에 대한 마케팅 비용 지출을 중단해야 한다는 신호일 수 있습니다.
숙련된 마케팅 팀이라면 한 명의 고객에 대해 이 모든 과정을 분석하고 판단할 수 있지만, 매일 수백만 건에 달하 는 고객의 순간순간에 대해 수작업으로 동일한 정성을 기울일 수는 없습니다. 에이전틱 마케팅(Agentic marketing)은 사람이 설정한 가이드라인을 유지하면서, 대규모로 일관되고 정보에 기반한 판단을 내리고 모든 결과로부터 학습함으로써 이러한 격차를 좁히도록 설계되었습니다.
고객 데이터 플랫폼(CDP)은 마케팅 스택에서 이러한 변화가 가장 두드러지게 나타나는 곳입니다. 기존 CDP는 프로필을 통합하고 타겟 고객을 활성화하는 데 도움이 되지만, 일반적으로 기업의 핵심 데이터 및 AI 플랫폼 외부에 존재합니다. 이로 인해 통합, 보안 및 조정이 필요한 민감한 고객 데이터의 또 다른 복사본이 생성됩니다. 에이전트가 아이덴티티, 예측 모델, 비즈니스 로직, 활성화 엔드포인트, 성능 신호에 한 곳에서 거버넌스가 적용된 방식으로 접근할 수 있어야 합니다.
이것이 바로 Databricks의 에이전틱 CDP인 CustomerLake에 담긴 원칙입니다. CustomerLake는 Databricks 레이크하우스에 내장되어 있으며 Unity Catalog에 의해 거버넌스가 제어되므로, 마케팅 참여 및 개인화 작업이 비즈니스의 다른 영역에서 이미 신뢰하고 사용하는 동일한 데이터 및 AI 기반 위에서 작동합니다. 이는 두 가지 유형의 에이전트를 중심으로 구성됩니다.
마케터는 자연어를 사용하여 고객 컨텍스트를 탐색하고 Genie를 통해 타겟 고객을 구축할 수 있으므로, 맞춤형 데이터를 추출하기 위해 기다릴 필요가 줄어듭니다. 마케터는 에이전트 실행을 가이드하는 전략, 목표 및 가드레일을 정의합니다.
CustomerLake는 Databricks가 '인피니티 캠페인(Infinity Campaigns)'이라 부르는 기능을 지원합니다. 이는 일회성 캠페인을 구축, 실행, 재구축하는 주기를 대체하는 상시 작동형(always-on) 참여 루프입니다. 마케터가 이탈 고객 재활성화와 같은 목표를 설정하면, 에이전트가 적절한 타겟 고객을 식별하고, 자격 요건이나 재고 제약 조건을 고려하며, 최적의 제안이나 채널을 추천하고, 여러 대상 채널에 걸쳐 활성화하며, 성과에 따라 최적화하거나 노출을 제한합니다.
CustomerLake는 또한 브랜드가 이미 사용 중인 아이덴티티, 활성화, 측정 및 고객 경험 파트너와 연동되도록 설계되어, 새로운 데이터 사일로를 만들지 않고도 신뢰할 수 있는 고객 컨텍스트가 여러 채널로 흐를 수 있습니다. Acxiom을 포함한 개방형 파트너 에코시스템과 함께 출시되었으며, Lovelytics를 비롯한 서비스 파트너의 지원을 받습니다.
많은 조직에서 측정은 캠페인 결과에 대한 사후 보고서 형태로 이루어집니다. 하지만 에이전틱 모델에서 측정은 의사 결정 루프의 일부가 됩니다. 브랜드가 타겟 고객, 제안, 채널 또는 투자 수준에 대해 학습한 내용이 바로 다음 의사 결정에 반영됩니다.
증분성(Incrementality)의 개념은 이러한 플라이휠을 구동하며, 마케팅과 재무 부서 간의 가장 유용한 공통 언어이기도 합니다. 이는 마케팅 활동과 단순히 연관된 결과와 브랜드의 조치로 인해 실제로 변화한 결과를 구분합니다. 기여도 분석, 증분성 테스트, 마케팅 믹스 모델링은 각각 전체 그림의 일부를 보여주며, 대화형 분석을 통해 팀은 맞춤형 분석을 위해 대기할 필요 없이 어떤 일이 왜 일어났는지 탐색할 수 있습니다. 또한 지속적인 학습을 통해 포화 상태와 수확 체감(diminishing returns)을 더 쉽게 포착하고, 투자를 전환하거나 활동을 중단해야 하는 시점을 파악할 수 있습니다.
재무 부서에서 다음 예산을 마케팅, 판매 촉진, 다른 성장 동력 또는 순이익 중 어디에 투입할지 저울질할 때, CMO는 일반적으로 다음 다섯 가지를 입증해야 합니다.
이러한 질문을 중심으로 구축된 측정 기반은 마케팅, 영업 및 재무 부서에 무엇이 가치를 창출하고 다음 예산을 어디에 가장 효과적으로 투입할 수 있는지에 대한 공통된 시각을 제공합니다. Lovelytics의 가치 실현 리더(Value Realization Leader)인 Dedra Berg는 다음과 같이 말합니다. “이제 이 팀들은 회의 시간의 절반을 숫자를 맞추는 데 허비하는 대신, 신뢰할 수 있는 동일한 기반에서 시작할 수 있습니다. 목표는 마케팅이 항상 옳다는 것을 증명하는 것이 아니라, 다음 예산이 비즈니스를 위해 가장 큰 증분 매출과 마진을 창출할 수 있는 곳이 어디인지 보여주는 것입니다.”
아이덴티티는 퍼즐의 마지막 조각입니다. 동일한 아이덴티티 프레임워크가 노출, 참여 및 결과를 연결할 때, 결과 를 고객과 해당 결과를 도출한 의사 결정으로 추적할 수 있어 기여도 분석 루프를 완성할 수 있습니다.
통합된 아이덴티티, 깨끗한 고객 데이터, 성숙한 측정 체계를 모두 갖춘 상태에서 시작하는 조직은 거의 없으며, 이 세 가지가 모두 준비될 때까지 기다리는 것은 합리적이지 않습니다. 가장 실용적인 시작점은 더 나은 컨텍스트와 더 빠른 조치가 측정 가능한 가치를 창출할 수 있는 단 하나의 의미 있는 의사 결정입니다. 이탈 고객을 재활성화하는 것이 일반적인 선택입니다. 다른 방법으로는 고객이 어차피 구매했을 법한 제안에 대한 보조금 지급을 중단하거나, 포화 상태에 도달한 타겟 고객으로부터 예산을 전환하는 것 등이 있습니다.
그 이후의 순서는 비교적 일관적입니다. 의사 결정과 그것이 영향을 미쳐야 하는 비즈니스 결과를 정의한 다음, 필요한 고객 및 비즈니스 컨텍스트를 수집합니다. 가드레일과 사람이 개입해야 하는 지점을 설정합니다. 증분 가치를 측정할 방법에 대해 사전에 합의하고, 학습한 내용을 바탕으로 다음 의사 결정을 개선한 후 이 접근 방식을 다른 유스케이스로 확장합니다. 초기 CustomerLake 도입 기업들도 이와 유사한 패턴을 따르고 있으며, 먼저 에이전트를 적용할 영역을 정의하고 신뢰와 성과가 쌓임에 따라 자동화 범위를 확장하고 있습니다.
기술만큼이나 조직적인 협업도 중요합니다. 에이전틱 마케팅은 마케팅, 재무, 기술, 분석, 개인정보 보호 및 영업 부서가 긴밀히 협력할 때, 그리고 고객 의사 결정, 가드레일 및 측정에 대한 소유권이 명확할 때, 그리고 팀이 고립된 파일럿 프로젝트에서 벗어나 비즈니스 결과와 연계된 반복 가능한 워크플로우로 나아갈 때 성공하는 경향이 있습니다.
에이전틱 마케팅으로 브랜드를 혁신하는 방법에 대해 자세히 알아보려면 온디맨드 웨비나를 시청하세요. → 고객을 파악하고, 관련성 있게 행동하며, 중요한 것을 측정하세요
에이전틱 마케팅과 마케팅 자동화의 차이점은 무엇인가요? 마케팅 자동화는 사람이 미리 설계한 규칙과 여정(journeys)을 실행합니다. 반면 에이전틱 마케팅은 AI 에이전트를 사용하여 현재의 고객 및 비즈니스 컨텍스트를 평가하고, 사람이 정의한 가드레일 내에서 최선의 차선책(아무런 조치도 취하지 않는 옵션 포함)을 선택하며, 측정된 결과를 사용하여 향후 의사 결정을 개선합니다.
마케팅에서 AI 에이전트에게 아이덴티티 분석(Identity resolution)이 중요한 이유는 무엇인가요? 에이전트는 자신에게 제공된 컨텍스트를 기반으로 의사 결정을 내립니다. 지속적인 아이덴티티 분석은 거래, 앱 행동, 미디어 노출과 같이 식별된 신호와 가명 신호를 연결하여 각 고객에 대한 일관된 뷰를 제공함으로써, 에이전트의 추천을 더 신뢰할 수 있게 만들고 그 결과를 측정 가능하게 합니다.
에이전틱 CDP란 무엇인가요? 에이전틱 고객 데이터 플랫폼(CDP)은 아이덴티티 분석, 타겟 고객 구축, 활성화 등 핵심 CDP 기능과 고객 신호를 분석하고 최선의 차선책을 결정하며 여러 채널에 걸쳐 조치를 취하는 AI 에이전트를 결합한 것입니다. Databricks CustomerLake는 Databricks 레이크하우스에 내장되어 있으며 Unity Catalog에 의해 거버넌스가 제어되는 에이전틱 CDP입니다.
에이전틱 마케팅의 ROI를 어떻게 측정하나요? 가장 신뢰할 수 있는 측정 기준은 아무런 조치를 취하지 않았을 때와 비교한 매출, 마진 또는 고객 행동의 차이를 의미하는 증분성입니다. 기여도 분석, 증분성 테스트, 마케팅 믹스 모델링은 각각 성과를 설명하는 데 도움이 되며, 이러한 결과를 고객 컨텍스트에 다시 반영하면 각 의사 결정이 다음 의사 결정을 개선하는 데 도움이 됩니다.
(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)
블로그를 구독하고 최신 게시물을 이메일로 받아보세요.