대부분의 마케팅 기술 솔루션은 단방향 파이프라인을 운영하며 이를 루프라고 부릅니다. 차이점은 바로 '되돌림 쓰기'라는 노드 하나에 있으며, 이는 누구나 따라 할 수 있는 단순한 스택과 따라 할 수 없는 차별화된 경쟁력의 차이입니다.
모두가 그리는 다이어그램, 그리고 빼놓는 단 하나의 노드
마케팅 기술 로드맵 검토 회의에 참석하면 항상 같은 다이어그램을 보게 됩니다. 데이터가 들어오고, 모델이나 규칙이 점수를 매기고, 메시지가 발송됩니다. 수집, 결정, 실행. 시스템처럼 보이고 가치를 제공하며, 대부분의 팀은 세 번째 화살표가 측정 가능한 결과를 도출하고, 측정 가능한 결과가 바로 자금 지원의 기준이 되기 때문에 거기서 멈춥니다. 문제는 이 다이어그램이 파이프라인이지 루프가 아니라는 점이며, 이 둘의 차이는 의미론적인 것이 아닙니다. 파이프라인에는 출구가 있지만, 루프에는 없습니다.
누락된 노드는 곡선을 닫습니다. 결정한 것과 동일한 고객 기록에 결과를 다시 기록합니다. 열어보고, 클릭하고, 사용하고, 무시하고, 이탈하고, 업그레이드하고, 항목을 반환하고, 친구를 추천했습니까? 이들 모두는 고객에 대한 사실이며, 파이프라인에서는 결정을 내린 프로필로 돌아가는 대신 캠페인 보고서로 증발합니다. 우리는 이 네 번째 노드를 Accumulate라고 부르는데, 거의 항상 누락되거나 절반만 구축된 노드입니다. 팀이 이를 이해하지 못하기 때문이 아니라 연결할 캠페인이 없고 구축한 주에 조명을 켜는 대시보드가 없기 때문입니다.
이 글의 핵심 주장은 다음과 같습니다. 정보 수집, 결정, 실행은 캠페인 엔진을 구성합니다. 여기에 결과를 동일한 핵심 기록에 다시 저장하는 누적 기능을 추가하면 엔진이 복리 시스템으로 변모합니다. 처음 세 가지는 기본적으로 구매 가능한 요소입니다. 네 번째 요소는 가장 개조하기 어렵기 때문에 지속적인 이점을 제공하는 유일한 요소입니다.
퍼널은 0으로 재설정되지만, 루프는 그렇지 않습니다.
고객 확보는 깔때기와 같으며, 깔때기에는 냉혹한 속성이 있습니다. 바로 매 캠페인마다 모든 예산이 0으로 초기화된다는 점입니다. 예산을 투입하면 일부만 전환되고, 다음 캠페인은 다시 텅 빈 상태에서 시작됩니다. 전환되지 않은 사람들에 대한 정보는 다음 캠페인의 경제성에 아무런 영향을 미치지 않습니다. 따라서 고객 확보 비용이 상승할 때(지난 몇 년 동안 모든 유료 채널에서 상승해 왔습니다), 누적된 완충 장치 없이 매 주기마다 증가분을 전액 부담해야 합니다.
유지 루프는 정반대의 속성을 가지고 있습니다. 각 단계마다 무언가를 남깁니다. 고객이 실제로 한 행동을 기록했기 때문에 프로필이 더욱 풍부해집니다. 모델은 이제 학습할 수 있는 레이블이 지정된 결과가 하나 더 추가되었기 때문에 더 잘 보정됩니다. 그리고 턴을 잘 진행했다면 고객은 이전보다 약간 더 적극적으로 참여합니다. 다음 턴의 비용은 더 낮아지고 정확도는 더 높아집니다. 더 나은 도구를 구입해서가 아니라 시스템이 이미 작동하고 있기 때문입니다. 여기서 '복리'는 기계적으로 이러한 의미를 갖습니다. 즉, N번째 사이클의 출력이 N+1번째 사이클의 입력의 일부가 됩니다.
경제학이 이를 뒷받침한다. 개인화에 대한 McKinsey의 작업은 자사 행동에 따라 행동하는 브랜드인 리더들이 수익과 마케팅 효율성 모두에서 뒤처지고 시간이 지남에 따라 그 격차가 넓어진다는 것을 보여줍니다. HBR을 통해 대중화된 Bain 연구에서는 수십 년 전에 구조적 요점을 제시했습니다. 즉, 고객을 유지하는 것이 고객을 확보하는 것보다 훨씬 저렴하며, 유지율을 조금만 높여도 수익이 크게 증가합니다. 이미 획득하기 위해 지불한 기반에 누적되는 이득이기 때문입니다. 과소평가된 점은 쓰기 저장 없이는 이러한 경제성을 포착할 수 없다는 것입니다. 이것이 없다면 귀하의 '유지 프로그램'은 기존 고객을 겨냥한 획득 퍼널일 뿐이며 모든 캠페인을 0으로 재설정합니다.
Accumulate가 아무도 구축하지 않는 노드인 이유
회수 기능이 그렇게 중요하다면 왜 거의 모든 곳에서 제대로 구축되지 않은 기능일까요? 세 가지 이유가 있으며, 이 세 가지는 서로 연관되어 있습니다. 첫째, 분기별로 보이지 않습니다. 캡처 기능은 이해관계자가 불만을 제기했던 부분을 해결합니다. 결정은 누군가가 발표할 수 있는 모델을 생성합니다. 활성화는 누군가가 집계할 수 있는 메시지를 보냅니다. 누적은 두세 주기 후에 성과를 낼 수 있는 더 풍부한 기록을 생성합니다. 이는 바로 주간 지표를 사용하는 작업에 우선순위 경쟁에서 밀리는 유형의 작업입니다.
둘째, 아키텍처적으로 어색합니다. 캠페인 결과는 이메일 플랫폼, POS, 앱 이벤트 스트림, 콜센터 로그 등 하위 시스템에서 생성되는 반면, 최종 데이터는 상위 시스템의 고객 데이터 계층에 저장됩니다. 데이터 역작성은 데이터의 자연스러운 흐름을 역전시키고, 애초에 개인 정보를 일치시키도록 설계되지 않은 시스템 간의 신원 정보를 조정해야 한다는 것을 의미합니다. 이는 기능이 아니라 일종의 기반 작업이며, 이러한 기반 작업은 그 중요성에 비해 제대로 평가받지 못하고 투자도 부족한 실정입니다. 대부분의 데이터 스택은 진입 경로는 훌륭하지만, 역방향 경로는 허술한 구조를 가지고 있습니다.
세 번째이자 가장 미묘한 점은, 반환되는 데이터가 들어오는 데이터와는 달리 다소 정돈되지 않은 형태라는 것입니다. 깔끔한 프로필 필드에는 스키마가 있지만, 행동 결과는 부분적이고 모호하며 때로는 모순되는 신호들의 연속입니다. 예를 들어, 여기서는 고객 만족, 저기서는 조용한 이탈, 구매 취소로 이어지는 반품 등이 있습니다. 이러한 신호들을 손상시키지 않고 하나의 일관된 레코드로 통합하는 것은 어렵고, 의사 결정에 사용되는 레코드에 다시 기록하는 대신 '나중에 분석하기 위해' 데이터 웨어하우스 테이블에 저장해 두려는 유혹이 생깁니다. '나중에 분석하기'는 루프가 발생하는 지점입니다. 신호는 다음 결정 단계에서 읽는 동일한 기준 레코드에 기록되어야만 루프가 성립합니다.
특징(feature)은 복사되지만, 반복문은 복사되지 않습니다.
CIO나 CDO가 이 카테고리를 평가하는 방식이 바뀌어야 할 부분은 다음과 같습니다. 루프의 모든 단일 기능은 복사 가능합니다. 경쟁업체는 동일한 CDP를 구입하고, 동일한 성향 모델에 라이선스를 부여하고, 동일한 대행사를 고용하고, 한두 분기 안에 동일한 메시징 조정을 시작할 수 있습니다. 캡처, 결정 및 활성화는 많은 공급업체와 통합 기능 세트가 있는 시장입니다. 귀하의 어드밴티지가 해당 노드 중 하나에 존재하는 경우 유효 기간이 짧으므로 임대하는 것입니다.
복사할 수 없는 것은 누적된 자사 행동 기록 자체입니다. Accumulate가 차례대로 구축하는 것입니다. 경쟁업체는 월요일에 귀하의 스택을 복제하더라도 지난 2년 동안 귀하의 루프가 다시 작성한 수백만 개의 레이블이 지정된 결과를 여전히 보유하지 못할 수 있습니다. 그들은 루프가 실행되었기 때문에 발생한 상호 작용의 기록이기 때문에 귀하의 브랜드로 고객의 기록을 구입할 수 없습니다. 해자는 모델도 아니고 플랫폼도 아닙니다. 해자는 보정되고 다시 쓰기가 제공되는 골든 레코드이며 구성상 대체 불가능합니다.
이는 구축과 구매라는 질문을 재정의하는 것입니다. 복제 가능한 노드는 반드시 구매해야 합니다. 캡처나 활성화 방식을 새로 만드는 것은 엔지니어링 자원 낭비입니다. 여러분이 소유하고 보호해야 할 것은 폐쇄형 루프와 그 루프가 제공하는 기록, 즉 누적 효과를 가져오는 부분입니다. 딜로이트의 기업 AI 현황 보고서에 따르면, AI를 통해 지속적인 성과를 거두는 조직은 일회성 프로젝트로 모델을 운영하는 것이 아니라, 폐쇄형 피드백 프로세스로 AI를 운영화한 조직입니다. 단순히 점수를 매기고 잊어버리는 모델은 프로젝트일 뿐입니다. 하지만 결과가 다음 의사결정에 반영되는 모델은 시스템입니다. 이 차이는 다시 말해 기록 기능에 있습니다.
실제로 고객 만족을 위해 필요한 것
피드백 루프를 닫는 것은 구체적인 작업이므로, 정확한 범위를 설정하기 위해 이름을 지정하는 것이 좋습니다. 모든 채널에서 고객에 대한 단일 진실의 원천이 되는 하나의 골든 레코드가 필요합니다. 대부분 일치하는 채널별 프로필들의 집합체가 아니라 말이죠. POS 사용, 앱 이벤트, 지원 문의와 같은 하위 결과를 해당 레코드에 충분한 신뢰도로 귀속시켜 조치를 취할 수 있도록 하는 ID 확인 계층이 필요합니다. 그리고 중복 계산이나 데이터 덮어쓰기 없이, 다음 의사 결정에서 결과를 확인할 수 있을 만큼 빠르게 해당 결과를 레코드에 기록하는, 관리되고 멱등성을 갖춘 쓰기 경로가 필요합니다.
사람들이 과소평가하는 필수 조건은 지연 시간과 순서입니다. 기록 작업이 매일 밤 일괄 처리되는 경우, 루프는 하루에 한 번만 실행되고 의사 결정은 항상 어제 데이터를 기반으로 이루어집니다. 결과가 순서대로 도착하지 않거나 두 번 적용되는 경우, 레코드가 어긋나고 모델은 손상된 레이블에서 학습하게 되는데, 이는 아무것도 학습하지 않는 것보다 더 나쁩니다. 따라서 엔지니어링의 목표는 단순히 '결과를 캡처'하는 것이 아니라, 결과를 캡처하고, 적절한 담당자에게 전달하고, 정확한 레코드에 신속하고 정확하게 적용하는 것입니다. 이것이 바로 복리 시스템의 핵심이지만, 진정한 차별화가 이루어지는 부분입니다.
조직적인 요구 사항도 있는데, 이는 기술적인 문제보다 더 많은 프로그램을 실패로 이끌곤 합니다. 누군가는 전체 과정을 책임져야 합니다. 데이터 수집은 한 팀에서, 활성화는 다른 팀에서, 분석은 또 다른 팀에서 담당하고, 전체적인 흐름을 책임지는 사람이 없어야 합니다. 누적 기능은 팀 간의 경계선에 위치하고, 책임자도 없고, 방어할 사람도 없기 때문에 제대로 구축되지 않은 상태로 남아 있습니다. 전체적인 흐름을 완성하는 것은 아키텍처적인 문제만큼이나 책임 소재를 명확히 하는 문제입니다.
상담원은 루프를 더욱 중요하게 만듭니다.
인공지능 에이전트가 깔끔한 데이터 처리 과정의 필요성을 줄여준다고 생각하기 쉽습니다. 즉, 충분히 뛰어난 모델이라면 복잡한 데이터 속에서도 추론을 통해 문제를 해결할 수 있다고 생각하는 것이죠. 하지만 실제로는 정반대입니다. true상담원이 고객을 위해 다음에 무엇을 해야 할지 결정하는 능력은 상담원이 읽는 데이터 기록의 질에 달려 있습니다. 파편화되고, 오래되고, 채널별로 분리된 프로필을 상담원에게 제공하면, 상담원은 자신감 넘치고 유창하지만 잘못된 결정을 대규모로 내리게 되는데, 이는 단순한 규칙보다 더 위험합니다. 왜냐하면 오류를 잡아내기가 더 어렵기 때문입니다. 이러한 데이터 순환은 상담원이 판단을 내릴 수 있는 기준이 되는 진실된 정보를 제공합니다.
이것이 바로 SocialHub.AI을 AI 기능 집합이 아닌 에이전트 기반 유지 루프(Agentic Retention Loop)라고 부르는 이유입니다. 에이전트는 더 큰 자율성을 가지고 작동하는 결정(Decide) 및 활성화(Activate) 노드이지만, 그 지능은 골든 레코드의 품질과 기록 결과의 최신성에 의해 전적으로 제한됩니다. 행동한 후 결과를 동일한 레코드에 다시 기록하는 에이전트는 학습하는 것입니다. 행동하고 잊어버리는 에이전트는 단순히 메시지를 보내는 비용이 많이 드는 방식일 뿐입니다. 어떤 에이전트를 구축했는지는 모델이 아니라 아키텍처에 따라 결정됩니다.
에이전트형 마케팅 기술을 평가하는 CTO에게 있어 실질적인 의미는 에이전트가 무엇을 할 수 있는지 묻는 대신 에이전트가 무엇을 읽고 무엇을 다시 출력하는지 묻는 것입니다. '결과가 어디로 가는가'라는 질문에 대한 답이 보고서 표라면, 그것은 챗봇이 덧붙여진 파이프라인에 불과합니다. 만약 '다음 의사결정에서 참조하는 동일한 레코드로 다시 돌아가는가'라는 답이라면, 그것은 악순환의 고리일 뿐입니다.
확대 예시: McDonald's China
복리화에 대한 추상적인 주장은 만들기 쉽고 무시하기 쉽습니다. 따라서 여기에 실제 규모의 주장이 있습니다. SocialHub.AI과 McDonald's China의 작업은 폐쇄 루프가 단순히 수행하는 것이 아니라 합성된다는 것을 가장 명확하게 보여줍니다. 이 프로그램은 26개 채널에 걸쳐 회원 수를 500만 명에서 2억 명으로 확대하여 일일 회원 주문 1,000만 건 이상을 유지했습니다. 그것은 캠페인 결과가 아닙니다. 이는 시스템 결과이며 해당 규모의 시스템은 모든 채널이 하나의 레코드에 다시 쓸 때만 함께 유지됩니다.
숫자의 모양이 중요합니다. 회원 GMV는 전체의 5%에서 85%로 증가했습니다. 즉, 비즈니스가 주로 익명 거래에서 판매로 대부분의 판매가 다음 결정에 영향을 미치는 알려지고 인정받고 반복되는 회원을 대상으로 이동했음을 의미합니다. 평균 구매 빈도는 5.1에서 6.7로 증가하여 반복 GMV가 37% 증가했습니다. 주파수는 루프 작동에서 가능한 가장 깨끗한 신호입니다. 각 상호 작용이 다음 상호 작용의 가능성을 높일 때만 주파수가 상승하기 때문입니다. 이것이 바로 골든 레코드에 다시 쓰기를 위한 목적입니다. 더 나은 제목으로 빈도를 이동하지 마십시오. 매 턴마다 고객을 조금 더 잘 알게 되면 이를 움직일 수 있습니다.
저 수치들을 트로피가 아닌 메커니즘으로 이해하세요. 빈도 증가는 눈으로 확인할 수 있는 복리 효과 곡선입니다. 더 풍부한 기록, 더 정확한 의사 결정, 더 적극적인 고객 참여, 그리고 재구매로 이어지는 것이죠. 26개 채널에 걸쳐 2억 명의 회원을 대상으로 했을 때도 20만 명 규모에서와 마찬가지로 효과가 있었던 이유는 바로 순환 고리가 완성되어 결과가 도달할 곳이 있었기 때문입니다. 규모가 효과를 만들어낸 것이 아니라, 그 효과를 놓칠 수 없게 만든 것입니다.
다음 마케팅 기술 구매 전 고려해야 할 질문
자, 이제 여러분이 보유한 솔루션이나 벤더가 제안하는 모든 것에 대해 실행해 볼 테스트를 해보겠습니다. 고객 한 명의 결과, 즉 쿠폰 사용, 이탈, 추천 등을 추적해 보고 그 결과가 어디로 가는지 살펴보세요. 만약 그 결과가 캠페인 보고서나 데이터 웨어하우스 테이블에서 '분석용'으로 처리된다면, 파이프라인이 형성된 것이고, 아무런 복리 효과가 없기 때문에 계속해서 상승하는 고객 확보 비용을 고스란히 지불하게 될 것입니다. 반대로, 그 결과가 다음 의사 결정에 필요한 동일한 핵심 기록에 다시 기록된다면, 순환 고리가 형성되어 경제성이 확보되고 수익이 발생하기 시작할 것입니다.
복제 가능한 노드에 과도하게 투자하지 마세요. 캡처와 활성화는 상품과 같습니다. 구매하고 다음으로 넘어가세요. 귀중한 아키텍처 설계 역량과 정치적 자본을 축적, 즉 데이터 기록 경로, 이를 뒷받침하는 신원 확인 프로세스, 그리고 최종적으로 도달하는 단일 레코드에 집중하세요. 바로 이 축적 노드가 경쟁사가 돈으로 살 수 없는 경쟁 우위를 만들어냅니다. 왜냐하면 이는 고객이 브랜드와 함께 쌓아온 누적된 행동 데이터로 구성되며, 그 기록은 오직 당신만의 것이기 때문입니다.
현재 사용 중인 시스템이 루프인 척하는 파이프라인인지 아닌지 파악하는 데 한 시간을 투자할 가치가 있습니다. (대부분의 시스템이 그렇습니다.) 아키텍처와 실제 고객 여정 데이터를 하나 가져오시면, 저희가 네 가지 노드를 함께 살펴보고 루프가 열려 있는 지점을 찾아내어 McDonald's China 규모에서 루프를 닫는 과정을 보여드리겠습니다. 데모를 예약하시면, 고객님의 데이터를 기반으로 노드별로 루프를 추적해 드립니다.
관련 자료
이 페이지와 가장 관련성이 높은 페이지를 계속 살펴보세요.
충성도 비용 위기: 프로모션이 수익 마진을 잠식하는 이유
평균적인 소매업체는 매출의 15~20%를 프로모션에 지출합니다. 대부분은 어차피 구매했을 고객에게 돌아갑니다.
더 자세히 알아보기 기사정밀 프로모션 플레이북: 매출의 20%에서 7%로
일괄 할인을 AI 기반 정밀 타겟팅으로 대체하는 단계별 가이드입니다.
더 자세히 알아보기 기사AI용 SaaS: 소프트웨어의 주요 사용자가 사람이 아닌 에이전트인 경우
"AI를 위한 SaaS"는 슬로건이 아닌 정확한 아키텍처 주장입니다. 에이전트가 주요 소비자가 되면 제품은 누가, 누구를 대신하여, 어떤 비용으로 행동할 수 있는지에 대한 거버넌스가 됩니다.
더 자세히 알아보기 기사하나의 어휘, 두 명의 대상: AI와 대시보드가 의미 계층을 공유해야 하는 이유
도구는 에이전트가 사용하는 동사입니다. 의미 계층은 이러한 동사의 정확성을 유지하는 공유 어휘입니다. 한 번 구축하고 이를 통해 사람과 에이전트에게 서비스를 제공하면 누가 묻든 number는 동일한 의미를 갖습니다.
더 자세히 알아보기 기사MCP는 커넥터가 아니라 에이전트 시대의 거버넌스 표면입니다.
대부분의 보도에서는 모델 컨텍스트 프로토콜을 단순한 기반 시설로 묘사합니다. 하지만 기업 관점에서 더 중요한 것은 MCP이 AI 도구 사용에 대한 신원 확인, 권한 부여, 로깅 및 비용 관리가 이루어지는 단일 감사 가능 지점이라는 점입니다.
더 자세히 알아보기 기사Claude Code 및 Slack에서 고객 플랫폼을 운영하세요.
이번 잠금 해제는 더 빠른 대시보드가 아닙니다. 완전히 다른 운영 모델입니다. 팀에서 이미 사용하고 있는 AI 도구 내부에 관리형 에이전트가 내장되어 데이터를 내보내거나 제어권을 포기하지 않고도 일반 언어로 답변하고 조치를 취합니다.
더 자세히 알아보기