.webp)
CRM 마케터를 위한 Marketing AI 전략 소개
브레이즈는 최근 AI 기반 CRM 마케팅 개인화 서비스를 제공하는 오퍼핏(OfferFit)을 인수했습니다. 이를 통해 Braze AI Decisioning Studio 조직을 새롭게 구성하며, AI CRM으로서의 역량을 강화하고 있습니다.
올해 Braze Forge 2025에서는 이러한 변화가 더욱 명확히 드러났습니다. 신규 기능 대부분이 AI와 관련되어 있었고, 주요 세션들도 AI를 중심으로 진행되었습니다. 이러한 흐름은 CRM 마케팅 환경이 빠르게 변화하고 있음을 보여줍니다. AI를 활용한 개인화와 자동화는 이제 선택이 아닌 필수가 되고 있습니다.
그렇다면 CRM 마케터는 어떻게 AI를 효과적으로 활용하고, 어떻게 성과를 극대화 할 수 있을까요? 이번 아티클에서는 Braze Forge 2025의 내용을 바탕으로, CRM 마케터의 AI 활용 전략을 살펴보겠습니다.
브레이즈로 보는 마케팅 AI의 네 가지 기능
혹시 AI를 활용하면서 기대와 다른 결과로 인해 오히려 더 많은 리소스를 소모한 경험이 있지 않나요? 실제로 한 글로벌연구에 따르면, 약 60%의 마케터들이 AI 도입 후 생각보다 성과가 개선되지 않거나 약화되었다고 응답했습니다.
이러한 상황을 방지하려면 AI가 마케팅에서 어떤 역할을 수행할 수 있는지 명확히 이해해야 합니다. BrazeAI Decisioning Studio 리더인 George Khachatryan은 Forge 2025에서 AI의 기능을 다음과 같이 정의했습니다.
생성 (Generative AI)
ChatGPT, Claude 등 LLM(Large Language Model)의 대표적인 방법입니다.
이탈 예상 고객을 붙잡을만한 카피 작성해 줘.
이 방법은 AI 토큰 단위로 텍스트를 이해하고 처리하며, 기존 문맥을 토대로 원하는 요구사항에 맞게 업무를 처리할 수 있습니다. 마케팅에서는 AI를 활용한 카피라이팅, 이미지 제작, 세그먼트 쿼리 작성 등이 생생성 타입의 머신러닝 형태에 해당됩니다.
브레이즈는 AI Copywriting, AI Image Generator, AI Query Builder 등의 기능을 통해 생성형 AI를 제공합니다. 추가로 SQL Segment Extensions와 Liquid Assistant 기능도 마케터가 복잡한 작업을 쉽게 처리할 수 있도록 돕습니다.
예측 (Prediction)
유저가 이미 수행했던 과거의 행동 데이터를 바탕으로 미래의 행동을 예측하는 방법입니다.
이 유저가 재구매를 할까?
예측을 위한 머신러닝은 '예' 또는 '아니오'처럼 명확한 답이 있는 질문에 적합합니다. "이 주식 가격이 오를까?", "내일 비가 올까?"와 같은 질문이 대표적인 예입니다.마케팅에서는 이미 특정 행동을 수행한 유저들의 데이터를 학습합니다.
예를 들어, 과거에 이탈한 유저들과 구매한 유저들의 행동 패턴을 분석하여, 현재 유저 중 '이탈할 가능성이 높은 유저'나 '구매할 가능성이 높은 유저'를 예측합니다.
브레이즈는 이러한 예측 기능을 Predictive Suite로 제공합니다. Predictive Churn은 유저의 이탈 가능성을 예측하고, Predictive Events는 특정 전환 행동(구매, 가입 등)이 발생할 가능성을 예측합니다. 두 기능 모두 유저의 과거 행동 데이터를 학습하여 미래를 예측하는 방식으로 작동합니다.
패턴매칭 (Pattern Matching)
패턴매칭은 유저의 행동에서 특정 패턴을 찾아내는 머신러닝 방법입니다.
메시지를 몇 시에 보내는게 좋을까?
예측과 마찬가지로 유저의 과거 행동 데이터를 분석하지만, 명확한 정답이 정해져 있지 않다는 점에서 차이가 있습니다. '예' 또는 '아니오'로 답하는 대신, "이 유저는 오후 7시에 푸시 알림을 가장 잘 확인한다"처럼 구체적인 패턴을 찾아냅니다.
마케팅에서는 전환한 유저와 행동 패턴이 유사한 타겟을 찾는 유사타겟(Lookalike) 분석이나, 비즈니스 성장을 이끄는 핵심 지표인 북극성지표를 발굴하는 데 활용됩니다.
브레이즈는 이러한 패턴매칭 기능을 Intelligence Suite로 제공합니다. Intelligent Timing은 유저별 최적의 메시지 발송 시간을, Intelligent Selection은 가장 효과적인 메시지 변형을, Channel Filter는 유저가 선호하는 채널을 학습하여 제안합니다.
의사결정 (Decisioning)
말 그대로 AI가 의사결정을 하게 만드는 것이 목표입니다.
지금 우리 뭘 해야할까?
앞서 살펴본 예측, 패턴매칭, 생성형 AI는 모두 결과물을 제시하고 최종 의사결정은 사람이 내린다는 공통점이 있었습니다. 반면 의사결정형 AI는 설정된 KPI를 최적화하기 위해 스스로 판단하고 행동할 수 있습니다.
마케팅에서는 개인화와 상품 추천에 주로 활용할 수 있습니다. 어떤 유저에게 어떤 메시지를 보낼지, 어떤 제품을 추천할지, 심지어 메시지를 보낼지 말지까지 AI가 직접 결정합니다.
브레이즈는 이러한 의사결정형 AI를 여러 기능으로 제공합니다. 이번에 새롭게 공개된 AI Decisioning Studio와 AI Agent Console을 비롯해, AI Recommendation 기능을 통해 고객 데이터 기반의 AI 기반 의사결정을 실행할 수 있습니다.
CRM 마케팅에서의 AI 활용 전략 3단계
그렇다면 CRM 마케터들은 어떻게 활용 수준을 파악하고, 더 적극적으로 AI를 활용할 수 있을까요? CRM 마케팅을 위한 AI 활용 전략은 크게 세 단계로 구분할 수 있습니다.
Generation 1
AI를 사용하지 않거나 생성형 AI만 일부 쓰는 경우
AI를 전혀 사용하지 않거나, 생성형 AI만 제한적으로 활용하는 경우 해당되는 단계입니다. 이 단계에서는 분석, 콘텐츠 생성, 의사결정의 부분에서 대부분을 사람이 직접 수행하기 때문에 작업 속도가 느립니다.
Generation 2
생성형 AI로 생성·예측·패턴 분석을 하지만, 최종 의사결정은 사람이 수행하는 경우
생성형 AI, 예측 모델, 패턴매칭을 활용하지만 최종 의사결정은 사람이 수행하는 단계입니다.
의사결정을 위한 분석과 실행 과정에서 효율이 크게 향상됩니다. 다만, 분석 결과를 바탕으로 한 룰 기반 개인화가 이루어질 뿐, 진정한 1:1 매칭 개인화라고 보기는 어렵습니다.
Generation 3
모든 의사결정을 AI 기반으로 진행하는 경우
생성, 예측 모델, 패턴 매칭에 더불어 AI의 의사결정까지 활용하는 경우 해당되는 단계입니다.
모든 유저의 개별 데이터를 바탕으로 분석하고 의사결정을 내리기 때문에, 진정한 1:1 개인화가 가능합니다.
이 단계는 모든 과정이 AI를 통해 자동화되어 훨씬 빠르고 유연하게 대응할 수 있습니다. 이 단계에서 마케터는 AI가 학습하고 의사결정을 내릴 방향성과 전략을 제시하는 지휘자 역할을 할 수 있기 때문에, 반복 작업에서 벗어나 더 상위차원의 업무를 수행하며 유저의 만족도를 높일 수 있습니다.
앞으로의 CRM 마케팅과 AI
몇 년 전 '자동화'와 '개인화'는 CRM 마케팅의 패러다임을 바꾸며, 마케터의 업무 방식과 핵심 역량을 완전히 새롭게 정의했습니다.앞으로 AI를 통해 수행할 수 있는 CRM 마케팅 업무는 더욱 다양해질 것입니다.
이는 CRM 마케팅이 비즈니스에 미치는 영향력이 더욱 커진다는 의미이기 때문에, 마케터의 역할도 변화할 것으로 예상됩니다. 마케터는 고객과 소통하기 위한 실행 업무보다는, (메시지 구성, 타겟 설정, 발송 시점 결정) 전략을 수립하고 주어진 리소스를 효율적으로 배분하는 역할이 더 중요해질 것입니다.
브레이즈는 이러한 변화에 대응하기 위해 AI 기능을 지속적으로 강화하고 있습니다. 브레이즈의 AI를 활용해 마케팅 업무를 효율화하고, 성과를 내는 본질에 집중하고 싶다면 지금 바로 마티니에 문의해 보세요.
|
성과를 내는 CRM,
|
