CustomerLake 베타 버전 출시: 주요 기업들이 Agentic CDP로 실제 운영을 시작합니다

오늘 저희는 CustomerLake의 중요한 주요 성과를 공유하게 되어 기쁩니다. Campaign Agents가 베타 버전으로 전환되며, Profile Agents가 프라이빗 프리뷰에 진입합니다. 이는 Databricks에 내장된 에이전트 기반 CDP의 다음 제품 성숙 단계를 나타내며, 더 많은 고객이 참여할 수 있도록 기회를 확장합니다.

저희가 Data + AI Summit에서 CustomerLake를 처음 소개했을 때, 마케팅을 위한 새로운 운영 모델을 제시했습니다. 즉 가장 완벽한 고객 컨텍스트가 이미 존재하는 거버넌스된 데이터 및 AI 플랫폼에 CDP를 직접 임베드하는 것입니다. 

그 이후, Getnet by Santander, HP, AB InBev와 같은 브랜드에서는 CustomerLake를 활용하여 오디언스를 더욱 깊이 이해하고 마케터에게 더 높은 자율성을 부여함으로써, 맞춤형 캠페인과 향상된 고객 경험을 제공해 왔습니다.

AI는 마케팅의 속도와 관련성의 중요성을 극대화하고 있습니다. 소비자의 74%가 제품을 탐색, 비교 또는 구매하기 위해 AI를 사용합니다. 에이전트가 기계와 같은 속도로 구매 여정의 더 많은 부분을 담당하게 됨에 따라, 마케터에게도 변화하는 의도를 파악하고 실시간으로 대응할 수 있는 자체 에이전트가 필요해졌습니다. Databricks는 엔터프라이즈 데이터, AI 모델, 거버넌스가 이미 하나로 통합되어 있는 공간으로, CustomerLake 에이전트가 신뢰할 수 있는 컨텍스트를 바탕으로 작업을 실행할 수 있게 지원합니다.

아래 고객 사례는 CustomerLake의 세 가지 핵심 원칙인 임베디드(Embedded), 대중화(Democratized), 자율성(Autonomous)이 실제로 어떻게 구현되는지 보여줍니다.

Embedded: 이미 신뢰하고 있는 Marketing Lakehouse 기반 구축

초개인화된 캠페인은 고객에 대한 완전하고 일관된 뷰가 확보될 때만 가능합니다. 기업들은 이미 Databricks에 투자하여 데이터를 정의하고 품질을 유지하며 데이터 활용 방식을 거버넌스하고 있습니다. CustomerLake는 마케터가 이러한 작업을 활용할 수 있도록 하여, 다른 플랫폼에서 고객 컨텍스트를 다시 생성해야 하는 수고를 줄여줍니다. 

HP의 경우, Marketing Lakehouse 토대를 활용함으로써 마케팅 기술(martech) 소유 비용을 절감하는 동시에 오디언스 전환 속도를 크게 향상했습니다.

CustomerLake를 도입한 지 2시간 만에 오디언스 구축에 필요한 데이터와 속성을 준비할 수 있었습니다. 기존 CDP로 2~3개월이 걸리던 작업이었습니다. CustomerLake는 당사가 Databricks에 이미 보유하고 있는 스키마, 거버넌스, 데이터 모델과 직접 작동하여 CDP 전체 소유 비용(TCO)을 40% 절감할 수 있는 가능성을 제공합니다. 이것이 바로 당사가 AI 대응 마케팅 데이터 전략의 핵심으로 CustomerLake를 선택한 이유입니다.—쿠마르 람(Kumar Ram), HP 마케팅 기술 및 AI 인에이블먼트 총괄

자세한 내용은 HP가 Databricks CustomerLake로 AI 대응 CDP를 구축하는 방법에서 확인하세요.

Getnet by Santander는 거래, 행동 및 예측 인텔리전스를 연결하여 영업, CRM, 마케팅 팀이 완전한 고객 뷰를 바탕으로 협업할 수 있도록 지원하고 있습니다.

CustomerLake는 Getnet에 거래, 상호작용, 행동 및 이탈 성향 점수와 같은 예측 모델을 결합한 최초의 통합 Customer 360을 제공했습니다. 영업, CRM, 마케팅 팀이 자연어로 인사이트를 탐색하고 오디언스를 생성할 수 있게 되어 몇 주씩 걸리던 수동 데이터 추출 작업을 대체할 수 있게 되었습니다. 멕시코 도입에 이어 라틴 아메리카와 유럽으로 전파할 계획입니다.—아인호아 알론소(Ainhoa Alonso), Getnet by Santander 최고 데이터 및 AI 책임자

Democratized: 마케터에게 고객 인텔리전스 직접 접근 권한 제공

고객 인텔리전스는 고객과 가장 가까운 사람들의 손에 있을 때 가장 큰 가치를 발휘합니다. CustomerLake는 이러한 팀에 고객 컨텍스트를 탐색하고 파악한 내용을 즉시 실행에 옮길 수 있는 자율성을 부여합니다. 

AB InBev의 산하 브랜드인 Zé Delivery는 데이터 엔지니어링에 대한 의존도 없이 CRM 팀이 실시간 캠페인에 대한 더 큰 주도권을 가질 수 있도록 지원하고 있습니다.

당사의 CRM 팀은 이제 엔지니어링 지원 없이 CustomerLake에서 직접 오디언스를 생성하고 Braze로 동기화하여, 데이터 의존성에서 벗어나 진정한 마케팅 셀프서비스로 전환했습니다. CRM 및 그로스 팀 전반에 걸쳐 CustomerLake와 Genie에 대한 접근 권한을 확대함으로써, 더 많은 마케터가 브라질 전역의 수백만 소비자에게 고객 인사이트를 맞춤형 경험으로 자유롭게 구현할 수 있도록 돕고 있습니다.—브루노 스마르사로 바젤라토(Bruno Smarsaro Bazelato), Zé Delivery (AB InBev) 데이터 및 분석 디렉터

CustomerLake는 이전에는 마케팅 툴로 가져오기 힘들었던 엔터프라이즈 데이터를, 마케팅 팀이 이미 사용 중인 인게이지먼트 플랫폼을 통해 오디언스 구축 및 활성화에 직접 활용할 수 있도록 지원합니다.

Autonomous: 에이전트를 통한 맞춤형 인게이지먼트 확장

고객 기반이 확장된다고 해서 마케팅이 더 일반적이고 정형화되어서는 안 됩니다. CustomerLake의 에이전트 기반 접근 방식은 오디언스가 커짐에 따라 마케터가 더욱 풍부한 고객 컨텍스트를 사용하여 수동 작업의 부담을 늘리지 않고도 타겟팅 개인화를 한층 정교하게 만들 수 있도록 지원합니다. 

Wine.com의 경우, 방대한 카탈로그와 다양해진 고객의 취향을 보다 관련성 높고 정밀하게 타겟팅된 캠페인의 기회로 전환하는 것을 의미합니다.

프로젝트 시작 후 불과 23일 만에 CustomerLake를 활용해 운영 이메일 캠페인을 런칭했으며, 이후 Braze에 매일 동기화되는 100개의 활성 오디언스로 확장했습니다. 650만 개 프로필과 수천 개의 와인 데이터를 바탕으로, 구매 행동, 품종 선호도, 인게이지먼트 패턴에 따라 고객을 타겟팅할 수 있게 된 점은 당사의 개인화 전략을 근본적으로 변화시켰습니다. 여러 팀이 며칠 동안 수동으로 진행해야 했던 작업이 이제는 마케팅 팀에서 매일 자체적으로 수행할 수 있는 업무가 되었습니다.—빌리 갈란코(Billy Galanko) 마케팅 콘텐츠 & 전략 디렉터 및 에릭 월리스(Eric Wallace) 수석 데이터 엔지니어, Wine.com

Philadelphia Union의 목표는 FIFA 월드컵으로 고조된 관심을 각 팬들과의 지속적인 관계로 전환하는 것입니다.

기존 CDP를 CustomerLake로 교체한 덕분에 오디언스 소요 시간이 90% 감소했으며, Genie 기반 툴을 통해 이전 플랫폼에서 필요했던 수동 작업의 대부분을 없앴습니다. 이제 Databricks 데이터에서 직접 오디언스를 구축하고 매달 수백 건의 오디언스 동기화를 Salesforce Marketing Cloud로 실행하고 있습니다. 월드컵으로 인해 메이저 리그 사커(MLS)에 대한 관심이 더욱 높아진 상황에서, 이러한 속도 덕분에 한층 관련성 높은 커뮤니케이션을 제공하고 지속적인 팬 로열티를 구축할 수 있게 되었습니다.—카일 매시오트(Kyle Mathiot), Philadelphia Union 기술 & 분석 부사장

Databricks on Databricks: Infinity Campaigns로 30,000명 참가자를 위한 Summit 추천 맞춤화

저희는 자체 마케팅 활동에도 CustomerLake를 활용하고 있습니다. Data + AI Summit에서는 CustomerLake를 사용해 30,000명의 현장 참가자를 위한 세션 추천을 맞춤형으로 작성했습니다. Campaign Agents는 각 참가자의 참여 이력을 평가하여 수신자의 관심사와 행동을 반영한 이메일을 생성함으로써 참가자가 자신에게 가장 적합한 세션을 탐색할 수 있도록 도왔습니다.

이 캠페인은 대조군 대비 10포인트의 전환율 상승, 10%의 클릭률 및 60%의 오픈율을 달성하여 이전의 모든 Summit 이메일 캠페인을 뛰어넘는 성과를 거두었습니다. 이는 신뢰할 수 있는 고객 컨텍스트가 타겟 고객 지정과 추천 콘텐츠 선정 모두에 얼마나 강력한 영향을 미치는지 보여줍니다.

Campaign Agents Beta: 더 많은 고객에게 에이전트 기반 캠페인 제공

Campaign Agents가 이제 베타 버전으로 구동되며, 기술적 요구 사항을 충족하는 더 많은 고객이 참여할 수 있게 되었습니다. 

참여가 확대됨에 따라, 전달 파트너인 Stitch는 CustomerLake가 고객 기반 전체에서 마케팅 셀프 서비스로 향하는 길을 어떻게 가속화할 수 있는지 확인했습니다.

CustomerLake를 통해 한 엔터프라이즈 미디어 브랜드는 기존 CDP에서 수개월이 걸리던 마케터 셀프 서비스 세그멘테이션을 단 며칠 만에 제공할 수 있었습니다. 이 팀은 다른 플랫폼에서 데이터 무결성 및 거버넌스 작업을 다시 수행할 필요 없이 기존 Databricks 데이터 기반 위에서 작업을 진행했습니다.—Bobby Tichy, Stitch 최고 솔루션 책임자

위의 결과는 더 빠른 오디언스 전환, 마케터의 자율성 증대, 대규모 맞춤형 추천 등 의미 있는 진전을 보여줍니다. 이는 고객 신호를 분석하고 관련 조치를 결정하며 고객 컨텍스트 변경에 따라 적응하는 지속적인 에이전트 기반 인게이지먼트 루프인 CustomerLake의 더 넓은 비전인 Infinity Campaigns의 토대입니다.

각 단계를 통해 마케터는 고객 경험을 형성하는 데 더 많은 여유를 가질 수 있고 그 뒤에 숨은 메커니즘을 조율하는 시간을 줄일 수 있습니다. 사람은 전략, 목표, 가드레일을 설정하고 에이전트는 실행의 규모 확장을 돕습니다.

Profile Agents 비공개 프리뷰: Databricks에서 직접 Customer360 프로필 구축 및 사용

오늘 비공개 프리뷰(Private Preview)로 제공되는 Profile Agents는 데이터 팀이 수십 개의 소스에 흩어져 있는 고객 정보를 Databricks에서 직접 신뢰할 수 있는 Customer 360 프로필로 통합하도록 지원하여, 마케터에게 더 나은 세그멘테이션과 개인화를 위한 일관된 고객 뷰를 제공합니다.

이 기능은 서로 연결된 세 가지 작업을 해결합니다.

• 소스 정규화: 필드 매핑 및 시맨틱 정규화를 통해 다양한 소스의 원본 데이터를 다운스트림 사용을 위한 일관된 구조와 의미로 가져옵니다.
• 에이전트 기반 신원 확인: 결정론적, 확률적 및 LLM 기반 매칭을 통해 파편화된 레코드를 연결합니다. 골든 레코드 존속성(Golden record survivorship)에 따라 통합 프로필에 보존할 속성이 결정됩니다.
• 상태 유지, 증분 처리: 마이크로 배치 업데이트는 데이터가 변경될 때 프로필을 최신 상태로 유지하며, 필요한 경우 팀에서 수동 데이터 스튜어드 오버라이드를 통해 사람이 직접 판단을 적용할 수 있습니다.

Profile Agents 및 Campaign Agents는 독립적으로 도입할 수 있습니다. 팀은 기존 고객 데이터를 사용하여 캠페인 워크플로부터 시작하거나, Profile Agents를 사용하여 고객 레코드를 준비하고 통합하는 방식을 개선할 수 있습니다.

최고의 CDP는 Databricks입니다

마케팅에서의 AI는 에이전트가 신뢰할 수 있는 고객 데이터, 모델 및 비즈니스 컨텍스트에 대한 거버넌스 적용 액세스 권한을 가질 때만 규모에 맞게 안전하고 효과적으로 작동할 수 있습니다. CustomerLake는 Databricks에서 이들을 함께 연결하여 에이전트에 지능과 가드레일을 제공함으로써 비즈니스 목표를 달성하는 적절한 결정을 내릴 수 있도록 지원합니다.

고객들은 이미 이러한 에이전트 기반 마케팅을 위한 새로운 운영 모델이 무엇을 제공할 수 있는지 보여주고 있습니다. 이제 더 많은 조직이 Databricks에 대한 투자를 고객 인게이지먼트에 활용할 수 있습니다.

CustomerLake 액세스 권한을 얻으려면 Databricks 어카운트 팀에 문의하세요.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)