라스트 마일: 훌륭한 퍼스트 파티 데이터가 여전히 훌륭한 마케팅으로 이어지지 않는 이유

지난달, 한 데이터 팀과 마케팅 팀이 같은 방에 앉아 45분 동안 서로 이해하지 못하고 겉도는 이야기만 나누었습니다.

엔지니어들은 Delta 테이블과 메달리온 아키텍처를 주제로 이야기했고, 마케터들은 고객 여정, 세그먼트, 발송 시간 최적화에 대해 이야기했습니다. 동일한 고객, 동일한 데이터였지만 완전히 다른 두 언어를 쓰고 있었던 것입니다. 누구의 잘못도 아니었습니다. 단지 서로의 말을 이해하지 못했을 뿐입니다.

데이터가 존재하는 곳과 데이터가 활성화되는 곳 사이의 이 공백 지대(dead space)는 세계적인 수준의 데이터 인프라와 마케팅 야망을 품은 기업들에서 매주 수백만 달러에 달하는 고객 가치가 회수되지 못하고 사라지는 곳입니다. 그들에게는 멋진 로켓이 있지만, 발사대를 잊어버린 셈입니다.

Databricks와의 파트너십을 통해 발표된 Scott Brinker의 연구 보고서인 AI 시대를 위한 새로운 마텍 "스택"(The New Martech "Stack" for the AI Age)은 이러한 문제를 야기한 아키텍처를 대체해야 할 대상에 정확한 이름을 붙였습니다. 그는 이를 컴포저블 캔버스(composable canvas)라고 부릅니다. 이 진단은 정확히 맞으며, 이 보고서가 가리키는 방향은 바로 이 파트너십이 나아가고자 하는 길입니다.

컴포저블 캔버스가 마케터에게 실제로 의미하는 것

데이터 웨어하우스에서 CSV 파일을 내보내 마케팅 캠페인 팀에 이메일로 전송하고, 이 파일이 마케팅 플랫폼에 업로드될 때까지 사흘 동안 기다려 본 적이 있다면, 그것이 바로 기존 스택 모델이 제대로 작동하지 않고 있다는 증거입니다.

지난 20년 동안 마케팅 테크놀로지(martech)는 경직된 수직 레이어로 구축되었습니다. 맨 아래에는 데이터가, 중간에는 참여 시스템(systems of engagement)이, 맨 위에는 캠페인이 위치했습니다. 각 레이어는 독립된 상자와 같았습니다. 이 상자들을 서로 연결하려면 파이프라인, 커넥터, 동기화 작업이 필요했고, 데이터를 한 시스템에서 다른 시스템으로 이동하는 것만을 전문으로 하는 팀이 있어야 했습니다. Brinker의 보고서에서 지적하듯이, 설문에 참여한 마케팅 조직의 대다수에게 통합은 여전히 상위 3대 과제 중 하나로 남아 있습니다. 이는 2015년의 이야기가 아니라 2025년 말의 현실입니다. 벤더들이 이 문제를 해결해 주겠다고 약속한 지 30년이 지난 후에도 말입니다.

컴포저블 캔버스는 이에 대한 아키텍처적 대안입니다. 즉, 고객 참여 플랫폼부터 AI 에이전트, 분석 도구에 이르기까지 모든 도구가 데이터를 이동할 필요 없이 동일한 공유 기반 위에서 작동하는 통합 데이터 기반입니다. 미들웨어도, 지연 시간도 없으며, 일요일 밤마다 스프레드시트를 붙잡고 씨름할 필요도 없습니다.

전 Domino's의 마케팅 의사결정 과학 부문 VP인 Bryce Peake는 이를 다음과 같이 명쾌하게 설명합니다.

우리는 인터넷이 처음 시작된 이래로 사용해 온 것과 동일한 마텍 스택을 계속 수정하려고만 해왔습니다. 여러분, 이제는 완전히 새로운 스택을 구축해야 합니다.

Databricks와 같은 현대적인 데이터 플랫폼은 마케터, 에이전트, 앱이 모두 함께 작동할 수 있는 개방형 공유 기반을 제공합니다. 비즈니스 사례도 구체적입니다. "속도: 몇 달에서 몇 분으로 단축됩니다. 오늘날 새로운 마케팅 기능을 추가하려면 통합 프로젝트, 데이터 파이프라인 구축, IT 티켓 처리가 필요합니다. 하지만 컴포저블 캔버스에서는 새로운 도구와 AI 에이전트가 공유 데이터 기반에 즉시 연결됩니다."

아키텍처: 5개의 고리, 하나의 중력 중심

Brinker의 프레임워크는 컴포저블 캔버스를 각각 고유한 역할을 가진 5개의 동심원으로 구성합니다.

• 데이터 코어(Data Core): 고객, 기업, 콘텐츠, 코드 및 제어 데이터의 통합 기반이자 모든 것의 중력 중심
• 시맨틱 레이어(Semantic Layer): 데이터를 접하는 모든 시스템에서 데이터의 일관성과 의미를 유지해 주는 공유 정의
• CaaS (Context-as-a-Service): 이를 필요로 하는 앱과 에이전트를 위해 관련 데이터와 컨텍스트를 패키징하는 CDPs와 같은 플랫폼
• 의사결정(Decisioning): AI 엔진이 차선책(next-best action)을 최적화하고, 여러 에이전트가 동시에 동일한 고객에게 도달하고자 할 때 발생하는 충돌을 해결하는 영역
• 앱 및 에이전트(Apps & Agents): 고객 경험이 실제로 전달되는 가장 바깥쪽 고리

이 구조의 이점은 통합 복잡성이 극적으로 감소한다는 것입니다. 기존의 점대점(point-to-point) 모델에서는 10개의 시스템을 연결하는 데 최대 45개의 통합이 필요할 수 있었습니다. 반면 컴포저블 모델에서는 새로운 기능이 취약한 파이프라인의 그물망 대신 일관된 공유 생태계에 결합됩니다. Databricks의 CMO인 Rick Schultz는 다음과 같이 말합니다.

모든 CMO는 효과성, 효율성, 셀프 서비스라는 동일한 세 가지 과제를 해결하고자 노력하고 있습니다.

컴포저블 캔버스는 이 세 가지를 동시에 달성할 수 있는 방법입니다.

Databricks의 마케팅 기술 부문 AVP인 Elizabeth Dobbs는 직접 겪은 경험을 바탕으로 그 효과를 다음과 같이 설명합니다.

모든 마케팅 데이터가 레이크하우스에 중앙 집중화되자, 우리는 그 풍부한 데이터를 온전히 활용하지 못했던 모델들을 다시 검토했습니다... 재구축된 모델은 이전보다 4배 높은 전환율을 기록했습니다. 이를 바탕으로 동일한 접근 방식을 빠르게 복제하여 단 4주 만에 고도로 예측 가능한 어카운트 스코어링(account scoring) 모델을 출시할 수 있었습니다.

라스트 마일: 퍼스트 파티 데이터 플랫폼과 실제 캠페인 사이의 격차

Brinker는 이 보고서가 단계별 구현 가이드가 아니라 북극성(지향점) 역할을 한다는 점을 분명히 하고 있으며, 바로 이 점이 보고서의 가치를 더해줍니다. 이 보고서가 의도적으로 제기하는 실무적인 질문은 다음과 같습니다. 통합 데이터 기반이 어떻게 실제로 트리거되는 캠페인으로 전환될 수 있을까요? 데이터 엔지니어링을 모르는 마케팅 팀을 위해 의사결정 레이어를 어떻게 구축해야 할까요? 아키텍처 다이어그램에 있는 5개의 고리가 어떻게 적절한 순간에 실행되는 고객 경험으로 전환될 수 있을까요?

이러한 질문들이 바로 실제 구현 작업이 이루어지는 영역이며, Stitch가 '라스트 마일(last mile)'이라고 부르는 단계입니다.

실제 현장에서 라스트 마일의 시작점과 종착지 사이의 격차는 다음과 같은 모습으로 나타납니다:

• 갈 곳 없는 자율형 에이전트. 한 대기업의 마케팅 리더는 최근 답답했던 상황을 털어놓았습니다. 엔지니어링 팀이 전체 고객 데이터 세트를 실시간으로 추론할 수 있는 자율형 에이전트 시스템을 Databricks에 방금 배포했지만, 이 시스템은 캠페인을 어떻게 트리거해야 하는지 전혀 알지 못했습니다. 반면, 마케팅 팀의 라이프사이클 여정은 여전히 하루에 한 번 업데이트되는 배치 파일에 의존하고 있었습니다. 미래를 만들어가는 두 유능한 팀이 서로의 작업에 대해 전혀 알지 못했던 것입니다.
• 아무도 활용하지 않은 구매 성향 점수. 한 게임 브랜드의 데이터 과학 팀이 정교한 이탈 예측 모델을 구축했습니다. 성향 점수가 정확하게 산출되어 이탈 위험이 있는 고객들을 분류해 냈습니다. 하지만 이 점수는 아무도 확인하지 않는 대시보드에만 기록되었습니다. 고객은 브랜드의 관심이 가장 필요한 순간에 아무런 피드백도 받지 못했고, 결국 이탈했습니다. 라스트 마일이 구축되지 않았기 때문입니다.
• 일요일 밤의 스프레드시트. 한 전국구 식료품 소매업체는 혜택 대상자 데이터가 가득한 Databricks 환경과 이러한 개인화에 최적화된 고객 참여 플랫폼을 보유하고 있었습니다. 이 둘 사이의 간극은 무엇이었을까요? 바로 매주 일요일 밤마다 소요되는 4시간과 CSV 파일이었습니다. 캠페인 준비에만 몇 시간이 걸렸습니다. 데이터도 있었고, 활성화 기능도 있었습니다. 단지 그 둘을 연결하는 다리가 없었을 뿐입니다. 일단 연결되어 혜택 대상자 정보가 고객 프로필과 캠페인으로 자동 유입되고 실시간으로 트리거되자, 매주 소요되던 4시간은 단 몇 분으로 영구히 단축되었습니다.

Brinker가 언급했듯이,

마텍 스택은 데이터 위에 얹혀 있는 것이 아닙니다. 마텍 스택 자체가 바로 데이터입니다.

아키텍처 관점에서는 그것이 맞습니다. 하지만 운영 관점에서 볼 때 오늘날 대부분의 브랜드에서 데이터와 캠페인은 여전히 완전히 다른 세상에 존재합니다.

라스트 마일을 좁히기 위해 필요한 것

컴포저블 캔버스를 실현하고 있는 브랜드들은 더 나은 도구를 구매해서 이를 달성하는 것이 아닙니다. 그들은 다리를 놓음으로써 이를 실현하고 있으며, 이를 위해서는 데이터 플랫폼과 마케팅 실행 레이어 모두에 대한 깊은 이해가 동시에 필요합니다.

활성화를 위해 구축된 마케팅 데이터 아키텍처. 분석가를 위해 구축된 데이터 기반과 마케터를 위해 구축된 데이터 기반 사이에는 유의미한 차이가 있습니다. 전자는 쿼리, 인사이트, 거버넌스에 최적화되어 있습니다. 반면 후자는 적절한 순간에 캠페인을 트리거하고, 실시간으로 고객 프로필을 보강하며, AI 에이전트가 의사결정을 내리는 데 필요한 컨텍스트를 제공하도록 최적화되어 있습니다. 여기에 도달하려면 Databricks가 무엇을 할 수 있는지, 그리고 참여 레이어가 실제로 Databricks에 무엇을 요구하는지 모두 이해해야 합니다.

마케팅 팀을 위한 셀프 서비스 분석. Brinker는 자연어 인터페이스를 컴포저블 모델의 핵심 기능으로 설명하며, 여기에는 그만한 이유가 있습니다. 이는 충분히 실현 가능하지만, 대부분의 마케팅 팀은 여전히 기본적인 캠페인 성과 데이터를 얻기 위해 티켓을 제출하고 있습니다.

기회: 실제 마케팅 사용 사례에 맞춘 분석 환경을 구축하여, 기술 지식이 없는 팀도 SQL 없이, 대기열 없이, 데이터 엔지니어링 팀을 기다리지 않고 스스로 질문에 대한 답을 찾을 수 있도록 하는 것입니다. 이는 현재 활용할 수 있는 가장 영향력 높은 구현 방식 중 하나입니다.

데이터 레이어에서 네이티브로 실행되는 AI 에이전트. 가장 강력한 에이전트 기반 마케팅 워크플로우는 기존 스택 위에 임시로 얹은 에이전트가 아닙니다. 이들은 데이터 기반 내부에서 작동하며 인게이지먼트 레이어를 통해 실행되는 에이전트입니다. CSV 파일이나 수동 전달, 지연 시간 없이 세그먼트를 추출하고, 데이터 품질을 검증하고, 캠페인을 실행하고, 결과를 측정합니다. HP의 VP이자 글로벌 마케팅 데이터 사이언스 책임자인 Kumar Ram은 이러한 전략적 원칙을 다음과 같이 정확하게 설명합니다.

우리는 데이터와 인프라의 핵심 구조를 직접 소유하고자 합니다. 대행사를 변경하더라도 최상위의 활성화 레이어만 전환하면 됩니다. 기반은 그대로 우리에게 남습니다.

컴포저블 환경에서 멀어지는 것이 아니라, 이를 향해 나아가는 마이그레이션. 여전히 경직된 레거시 마케팅 플랫폼을 운영 중인 브랜드에게 컴포저블 아키텍처로의 전환은 단순한 플랫폼 교체가 아닌 아키텍처적 결정입니다. 올바르게 수행된다면, 이는 Databricks를 AI 기능 변화에 따라 유연하게 확장하고 진화할 수 있는 인게이지먼트 스택 하단의 데이터 레이어로 자리매김하게 합니다. Elizabeth Dobbs는 이 목표를 다음과 같이 요약합니다.

비즈니스가 더 빠르게 움직일 수 있도록 스택을 모듈식 레고 블록처럼 설계했습니다. 새로운 기술과 AI 에이전트가 등장하더라도 최소한의 노력으로 최적의 도구를 도입할 수 있는 유연성을 갖추고 있습니다.

오늘부터 컴포저블 캔버스를 구축하기 시작하는 세 가지 방법

Brinker는 이것이 전면 교체 프로젝트가 아니라 3~5년이 걸리는 아키텍처 여정임을 분명히 합니다. 좋은 소식은 모든 단계가 그 자체로 가치를 제공한다는 점입니다. 가장 즉각적인 효과를 지속적으로 창출할 수 있는 세 가지 출발점을 소개합니다.

1. 마케팅 데이터를 Databricks로 가져오세요. 실제로 완전히 통합해야 합니다.

"우리도 Databricks를 사용합니다"라는 말의 가장 흔한 실상은 데이터 엔지니어링 팀이 Databricks를 사용하고, 마케팅 팀은 그 데이터가 가끔 반영되는 대시보드를 가지고 있는 경우입니다. 이는 통합된 데이터 기반이 아닙니다. 단순한 보고 레이어일 뿐입니다.

첫 번째 단계는 통합입니다. 캠페인 성과 데이터, 고객 행동 시그널, 로열티 데이터, 참여 이력이 트랜잭션 및 운영 데이터가 이미 저장되어 있는 동일한 레이크하우스로 흘러들어가도록 하는 것입니다. 이는 커넥터, 파이프라인, 데이터 품질 검사 등 일종의 배관 작업과 같지만, 다른 모든 작업의 기반이 되는 핵심 토대입니다.

즉각적인 성과는 통합된 보고 체계입니다. 마케팅, 영업, 재무 부서가 모두 동일한 단일 진실 공급원(one version of truth)을 바라보게 됩니다. Brinker의 보고서에 언급된 바와 같습니다:

모두가 동일한 방식으로 계산된 동일한 숫자를 보게 되면, 회의는 데이터의 진위 여부를 논쟁하는 자리에서 무엇을 할지 결정하는 자리로 전환됩니다.

그것만으로도 투자 가치가 충분합니다. 게다가 모든 캠페인의 속도를 늦추는 '데이터 세금'(티켓 요청, 내보내기, 대기 시간)을 없애 줍니다.

Where to start: 현재 마케팅 데이터가 어디에 있는지, 그리고 어디에 있어야 하는지 매핑해 보세요. 통합되었을 때 마케팅 역량을 가장 크게 변화시킬 수 있는 2~3개의 데이터 소스(일반적으로 거래 내역, 행동 이벤트, 오퍼 또는 로열티 데이터)를 식별하고, 이들을 먼저 구축해 나가세요.

2. 마케팅 팀을 위한 셀프 서비스 분석 사용 사례를 하나 구축해 보세요

대부분의 마케팅 팀은 캠페인 운영 방식을 바꿀 수 있는 인사이트를 눈앞에 두고도 질문 하나를 던지지 못해 멈춰 있습니다. 문제는 데이터가 아닙니다. 마케터와 해답 사이의 마찰입니다.

Brinker의 컴포저블 캔버스는 기술 지식이 없는 사용자도 데이터를 직접 쿼리할 수 있는 자연어 인터페이스, 즉 셀프 서비스 분석을 모델의 중심에 둡니다. Databricks AI/BI Genie와 같은 도구를 사용하면 오늘날 이를 실현할 수 있습니다. 마케터가 일상적인 언어로 질문을 입력하면 SQL 없이, 티켓 없이, 사흘 동안 기다릴 필요 없이 몇 초 만에 답을 얻을 수 있습니다.

핵심은 마케팅 팀에 모든 데이터에 대한 액세스 권한을 한 번에 주려고 하기보다, 구체적인 사용 사례를 위해 구축하는 것입니다. 팀이 가장 자주 묻고 답변을 얻는 데 가장 오래 걸리는 질문부터 시작해 보세요. 예를 들어 세그먼트별 캠페인 전환율, 매장별 오퍼 사용률, 고객 코호트별 이탈 시그널 등이 있습니다. 해당 의사 결정에 맞춰 Genie 공간을 구축해 보세요. 팀이 이를 사용하도록 하고, 마찰이 사라졌을 때 어떤 변화가 일어나는지 지켜보세요.

한 브랜드의 캠페인 매니저는 기본적인 성과 질문에 대한 답변을 얻기 위해 4일을 기다려야 했던 상황에서 단 몇 초 만에 답을 얻게 되었습니다. 그리고 이후 20분 동안 12개의 질문을 추가로 던져, 한 분기 동안 데이터 속에 숨겨져 있던 푸시 알림 타이밍에 대한 인사이트를 찾아냈습니다. 마찰이 사라지자 그녀가 발견할 수 있는 가치의 한계도 사라졌습니다.

Where to start: 마케팅 팀이 데이터 팀에 가장 자주 에스컬레이션하는 단 하나의 데이터 질문을 식별해 보세요. 먼저 해당 질문을 중심으로 거버넌스가 적용되고 사용 사례에 초점을 맞춘 분석 환경을 구축하세요. 그런 다음 점차 확장해 나가세요.

3. 하나의 AI 에이전트 사용 사례를 선택하여 실행해 보세요

마케팅 팀이 AI와 관련하여 저지르는 가장 큰 실수는 AI를 실천이 아닌 전략으로 취급하는 것입니다. 컴포저블 캔버스는 AI 에이전트를 진정으로 작동 가능하게 만듭니다. 단, 실제 데이터와 실제 워크플로우를 기반으로 실제 결과를 목표로 구축하기 시작할 때만 가능합니다.

가장 효과적인 첫 번째 에이전트 사용 사례는 범위가 좁고 빈도가 높으며 캠페인 결과에 직접 연결되는 것입니다. 이메일을 발송하기 전에 모든 이메일을 검증하는 QA 에이전트. 실시간 재고 또는 로열티 시그널을 가져와 즉석에서 카피를 생성하는 개인화 에이전트. 배치 파일이 실행되는 사흘 뒤가 아니라, 고객이 위험 임계값을 넘는 순간 Databricks에서 행동 시그널을 모니터링하고 캠페인을 트리거하는 이탈 방지 에이전트.

이러한 사용 사례를 가능하게 만드는 것은 바로 아키텍처입니다. 데이터 레이어에 상주하며 인게이지먼트 레이어를 통해 실행되는 에이전트 덕분에 CSV 내보내기, 수동 전달, 지연 시간이 발생하지 않습니다. 캠페인의 지능은 캠페인에 공급되는 데이터의 수준에 따라 결정되며, 이것이 바로 데이터 기반이 최우선인 이유입니다.

Brinker가 보고서에서 언급했듯이,

가장 가치 있는 에이전트 기반 워크플로우는 당연히 시스템 경계를 넘나듭니다. 에이전트는 해결하려는 특정 목표에 부합하는 맥락(관련 데이터, 지침, 도구)을 끊임없이 요구합니다.

컴포저블 캔버스는 에이전트에게 이러한 맥락을 제공하는 역할을 합니다. 에이전트는 단지 그 맥락에 따라 행동할 뿐입니다.

Where to start: 캠페인 운영에서 빈도가 높고 비용이 많이 드는 수동 프로세스(QA, 세그먼트 분류, 콘텐츠 생성, 성과 보고 등)를 하나 식별하고, 이를 자동화할 단일 에이전트의 범위를 설정해 보세요. 절약된 시간과 결과의 변화를 측정해 보세요. 이 증거를 바탕으로 다음 단계의 타당성을 확보하세요.

지금이 바로 이를 구축해야 하는 기회인 이유

Brinker가 제시한 3~5년의 비전 타임라인은 대부분의 마케팅 리더들이 예상했던 것보다 빠르게 단축되고 있습니다.

Databricks는 레이크하우스 내에 네이티브로 내장된 에이전트 기반 CDP인 CustomerLake를 방금 출시했습니다. Customer 360, ID 통합, 오디언스 구축, 캠페인 자동화, 활성화, 개인화 등 핵심 CDP 기능이 미들웨어 없이 고객 데이터, AI 모델, 거버넌스가 이미 존재하는 곳에서 바로 실행될 수 있습니다.

Braze와 같은 고객 참여 플랫폼은 네이티브 Cloud Data Ingestion 및 OpenSharing을 통해 Databricks에 직접 연결되고 있습니다. Lakebase와 같은 새로운 플랫폼 기능 덕분에 프론트엔드, 트랜잭션 로직, 캠페인 실행을 포함한 풀스택 마케팅 애플리케이션을 단일 거버넌스 모델을 갖춘 단일 플랫폼에서 실행할 수 있어, 4개의 개별 시스템을 서로 연결할 필요가 없어졌습니다.

Brinker가 식별한 패턴은 이미 실현되고 있습니다. 양 끝의 플랫폼은 더 스마트해지고 더 직접적으로 연결되고 있습니다. 중간의 통합 레이어는 매 분기마다 더 얇아지고 있습니다.

오늘날 이 작업을 수행하는 브랜드들은 시장이 어디로 향하고 있는지 알고 있습니다. 이들은 다른 모든 이들이 방법을 깨달았을 때 뒤처지지 않기 위해 지금 데이터 아키텍처를 구축하고 있습니다.

컴포저블 캔버스는 목적지를 설명합니다. 라스트 마일은 현재 위치에서 그곳으로 가기 위한 과정입니다.

Scott Brinker의 연구 보고서 다운로드: AI 시대를 위한 새로운 마텍 "스택"

Databricks와 Stitch는 마케팅 조직이 현대적인 데이터 인프라와 실제 고객 성과 간의 격차를 줄일 수 있도록 협력하고 있습니다. 귀사가 Databricks에 투자하고도 이를 마케팅에 아직 완전히 활용하지 못하고 있다면, Stitch에 문의해 보세요 →

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