브레이즈 캔버스(Canvas)는 고객의 행동과 속성을 기준으로 개인화된 메시지 흐름을 설계하는 고객 여정 오케스트레이션 도구입니다. 단일 캠페인이 하나의 캠페인을 특정 조건에 따라 발송하는 데 초점을 맞춘다면, 캔버스는 고객의 행동에 따라 여러 메시지와 채널을 유기적으로 연결합니다.
예를 들어, 회원가입 후 7일까지의 유저 저니 설계, 첫 구매까지의 지속적인 구매 유도 메시지 발송 등 단일 순간에 그치지 않고 지속되는 기간 동안 유저 저니에 따라 메시지를 보낼 수 있습니다.
캔버스를 활용하면, CRM 마케팅을 ‘단발성 메시지 발송’에서, 지속적인 고객 경험 관리로 확장할 수 있습니다.
특히 고객 행동이 빠르게 변화하는 환경에서는, 잘 설계된 캔버스가 마케터의 반복적인 운영 부담을 크게 줄여줍니다.
브레이즈 캔버스는 크게 진입 조건(Entry), 액션(Step), 분기(Split)으로 이루어져 있습니다.
해당 속성을 잘 활용하면, CRM 마케터는 하나의 캔버스 안에서 다양한 시나리오를 운영할 수 있습니다. 그뿐만 아니라 고객의 입장에서도 ‘자연스러운 경험’이 가능해져 더 높은 전환 성과를 기대할 수도 있습니다.
브레이즈 캔버스는 강력한 도구이지만, 설계 목적이 명확하지 않으면 오히려 캠페인 운영이 복잡해질 수 있습니다. 하나의 캔버스에는 하나의 목표를 두고, 온보딩•전환•리텐션 등 목적별로 캔버스를 분리해 설계하는 것이 효과적입니다.
또한, 지나치게 많은 분기와 조건은 운영 중 오류나 누락을 유발할 수 있습니다. 초기에는 단순한 구조로 시작하고, 성과와 데이터를 기반으로 점진적으로 고도화하는 방법이 안정적입니다.
마지막으로 데이터 반영 시점을 고려하여 적절한 대기 시간과 조건을 설정해야 합니다.
캔버스는 한 번 만들고 끝나는 것이 아니라, 운영 후 지속적으로 점검하고 개선해야 성과로 이어집니다.
|
브레이즈, 믿을 수 있는
|
CRM 마케팅의 중요성이 높아지면서, 많은 기업에서 브레이즈(Braze)를 활용해 CRM 마케팅을 진행하고 있습니다. 간단하게는 푸시 메시지 발송부터, 깊게는 캠페인 자동화까지. 브레이즈는 많은 CRM 마케터들에게 익숙한 도구가 되었습니다. 하지만 실제로 현장에서 듣는 이야기는 조금 다릅니다.
“기능은 많은데, 어디까지 쓰고 있는지 모르겠다”
”이 정도면 잘 쓰고 있는 건지 감이 안 온다”
브레이즈를 사용하는 것과 잘 ‘활용’하는 것은 다른 문제이기 때문입니다.
마티니는 이러한 고민에서 출발해, 브레이즈 활용도를 자가진단 해볼 수 있는 질문을 마련했습니다. 자가진단의 목적은 단순히 점수를 매기는 것이 아니라, 현재 우리 팀의 CRM 운영이 어느 단계에 와 있는지, 그리고 다음 단계로 나아가기 위해 무엇이 필요한지를 스스로 인식할 수 있도록 돕는 데 있습니다.
실제로 자가진단에 참여한 기업들을 살펴보면, 캠페인과 자동화는 잘 운영되고 있지만, 데이터 활용, AI 기능, 신규 채널(RCS 등)은 아직 충분히 활용되지 못하고 있는 경우가 많았습니다.
브레이즈를 사용하고 있다면, 이제는 ‘얼마나 잘 활용하고 있는지’를 점검해야 할 시점입니다. 지금 바로 우리 팀의 브레이즈 활용도를 진단해 보세요.
자가진단 점수 구간에 따라 현재 브레이즈 활용도가 어느 수준인지 쉽게 확인해볼 수 있습니다. 결과 페이지에서는 현재 활용 단계에 따른 제안도 함께 확인해볼 수 있습니다.
마티니가 정리한 브레이즈 활용 인사이트와 실제 사례를 통해, CRM을 한 단계 더 고도화하는 방법을 확인해 보세요.
이제 브레이즈에서 RFM 세그멘테이션을 활용할 수 있게 되었습니다.
RFM 세그멘테이션은 최근성(Recency), 빈도(Frequency), 금액(Monetary)를 기준으로 각 지표를 스코어링하고, 점수별 유저 그룹의 특성을 정의하는 세그멘테이션 방식입니다.
브레이즈의 SQL Segment Extension에서 사전 정의된 템플릿을 활용해 간편하게 사용할 수 있습니다.
RFM 세그먼트에 대한 상세한 내용은 마티니의 RFM 분석 사례 아티클에서도 확인해보실 수 있습니다.
*쿼리문에서 일부 데이터를 조정하여 기준을 변경하는 것도 가능합니다.
Custom Attribute별로 각 데이터가 차지하는 비중을 확인할 수 있는 기능이 생겼습니다.
예를 들어, ‘멤버십’ 정보를 저장한 Custom Attribute에 각 멤버십 등급별 비중을 확인하거나, 유저가 ‘구매한 카테고리 리스트’에 가장 많이 담긴 카테고리 비중을 확인하는 등의 인사이트 확인이 가능합니다.
다만, 25만 명 이상으로 유저수가 큰 경우, 샘플링된 데이터로 제공되어 실제와 오차가 발생할 수 있는 점 참고가 필요합니다.
Data Settings > Custom Attribute 메뉴로 진입하여 보고 싶은 데이터의 우측 메뉴에서 View Usage 버튼을 눌러 확인할 수 있습니다.
지난 BrazeAI 신규 기능 소개에서 BrazeAI Decisioning Studio™를 소개드렸었습니다. BrazeAI Decisioning Studio™는 유저 행동 데이터를 바탕으로 적합한 메시지, 발송시간, 개인화 등 CRM 메시지에 필요한 모든 요소를 스스로 의사결정하는 신규 기능입니다.
AI가 직접 의사결정을 내림에 따라 A/B 테스팅, 개인화 구현, 목표 최적화 등에 들이는 시간을 최소화하고, 더 높은 성과까지 기대할 수 있습니다.
이번 릴리즈 노트에는 BrazeAI Decisioning Studio™를 사용하기 위한 가이드 문서가 업데이트되었습니다. 가이드 문서에는 연동, 에이전트 활용, 리포트 확인 관련 내용이 추가되었으며, 링크에서 확인하실 수 있습니다.
앞으로 AI를 활용한 CRM 마케팅이 마케터의 업무와 필요 역량에 큰 변화를 가져올 것으로 예상되니, 미리 파악해두시면 좋을 것 같습니다.
올해 브레이즈는 WhatsApp을 비롯하여 RCS, Line등 신규 채널 추가에 힘쓰고 있습니다. 이번 업데이트에서는 새롭게 추가된 RCS, Line에 대한 클릭, 발송 등 메시지 상호작용 관련 데이터도 Currents로 데이터를 전송할 수 있도록 추가되었습니다.
특히, 한국에서는 문자 대비 비용 효율이 좋고, 보다 양방향 소통이 가능한 채널인 RCS 활용량이 증가할 것으로 기대되는데요. 브레이즈에서 RCS가 신규 기능으로 출시되고 그에 대한 데이터 연결까지 수월해져, 브레이즈를 통한 RCS 메시지가 더욱 중요해질 것 같습니다.
CRM 마케터라면 모든 캠페인에 매 번 필터링으로 특정 유저들을 타겟에서 제외하거나, Frequency에 대한 고민을 가진 경험이 있으실텐데요. 이제는 Suppression List를 활용하여 편리하게 이 고민을 해결할 수 있습니다.
Suppression List는 특정한 세그먼트를 설정하여, 해당 세그먼트는 아무런 메시지도 받지 않도록 하는 기능입니다. 기존의 베타버전에서 General Access 버전으로 정식 출시되었습니다.
Suppresion List에 특정 유저들을 의도적으로 메시지 수신 대상에서 제외하거나, 메시지의 노이지함을 막기 위해 N일 내 메시지 열어본 사람을 대상에서 제외하는 등 다양한 조건을 적용할 수 있습니다.
제로카피 개인화(Zero-copy Personalization)는 별도로 브레이즈 내에 데이터 수집 과정을 거치지 않고 즉시 개인화에 데이터를 사용하는 방법입니다. 데이터 수집 과정이 없기 때문에 개발의 편리함도 챙길 수 있고, 동시에 Datapoint나 보안 문제 등으로부터 상대적으로 자유로워질 수 있습니다.
이제 브레이즈 캔버스(Canvas)에서 CDI(Cloud Data Ingestion)를 이용하여 DW에 수집된 데이터를 브레이즈로 보내어 데이터 저장 없이 개인화에 사용할 수 있습니다.
아직은 얼리 액세스 단계로, 사용을 위해서는 리셀러를 통해 오픈 요청을 해야하는 단계이며, 상세한 사용 방법은 링크를 통해 확인하실 수 있습니다.
이런 메시지, 매일 받고 계시나요? (*아마 CRM마케터라면 직접 보내고 계실지도 모릅니다.)
지금 우리는 메시지가 넘치는 시대에 살고 있습니다. 처음부터 성가시진 않았습니다. 하지만, 어느 순간부터 우리는 이러한 CRM 메시지에 무뎌지기 시작했습니다. 언제부터 우리는 피로감을 느끼게 된 걸까요?
2021년 경부터 개인정보 보호 정책이 강화되면서 퍼포먼스 마케팅 효율이 떨어졌습니다. 그 결과, 1st-party Data(기업이 직접 수집한 고객 데이터)를 중심으로 한 CRM 마케팅이 빠르게 부상했습니다. 민첩한 스타트업부터 시작해 SMB, 대기업까지 CRM을 안하는 곳을 찾기 어려운 시대가 되었습니다.
예전에는 몇몇 주요 서비스에서만 CRM 메시지를 보냈다면, 이제는 거의 모든 앱이 하루에 한 번 이상 메시지를 보냅니다. 2021년부터 지금까지, 메시지 피로도는 이렇게 꾸준히 쌓여왔습니다.
CRM 솔루션 브레이즈(Braze)는 피로도 높은 CRM 생태계의 현 상황을 ‘고객과의 대화(Conversation)’가 아닌 ‘Digital Shouting’, 즉 ‘디지털 외침’에 가깝다고 표현했습니다. 고객과 대화를 주고 받기보다는, 기업이 일방적으로 메시지를 쏟아내고 있다는 의미죠.
실제로 Push, LMS, 카카오(Kakao) 등 기존 CRM 채널 대부분은 일방향 소통 구조에 가깝습니다. 고객이 메시지를 받은 후 취할 수 있는 행동은 ‘링크 클릭’, ‘수신 거부’, 또는 ‘무시하기’ 3가지 뿐입니다. 관심 있는 메시지라면 링크를 클릭해 상호작용할 수 있지만, 관심 없는 메시지는 무시되거나 수신 거부당할 수밖에 없습니다. 고객의 니즈를 파악하거나 피드백을 받을 방법이 없는 것이죠.
그렇다면 고객에게서 다양한 반응을 유도하며 상호작용할 수 있는 채널도 있을까요? 이 질문에 대한 대답을 한 눈에 이해하기 쉽게 표로 정리해봤습니다.
고객과 상호작용을 이끌 수 있는 채널에는 대표적으로 인앱메시지가 있습니다. 인앱메시지는 1-Button, 2-button, 고객 직접 작성 응답 받기 등 형식을 다양하게 구성할 수 있기 때문에, 고객의 다양한 반응을 받으며 양방향 소통이 가능합니다. 또한 유저가 앱에서 활동 중일 때 노출되기 때문에 고객의 여정에 자연스럽게 녹아들고, 유저는 맥락에 맞춰 즉각적으로 반응할 수 있습니다.
하지만, 인앱메시지에는 치명적인 한계가 있습니다. 바로 유저가 앱을 실행해야만 메시지를 볼 수 있다는 점입니다. 아무리 고도화된 소통이 가능한 인앱메시지를 구현하더라도, 앱을 열지 않는 유저에게는 전달조차 되지 않습니다. 그렇기 때문에 Push, LMS, 카카오톡과 같은 아웃바운드 채널에 비해 도달 범위가 현저히 좁을 수 밖에 없습니다. 특히 휴면 유저나 이탈 위험이 있는 유저에게는 사실상 무용지물이죠.
RCS(Rich Communication Services)는 차세대 문자 메시지로, SMS/LMS의 진화형으로 볼 수 있습니다. 기존 문자와 다르게 특정 응답이나 액션을 제안할 수 있죠. 쉽게 말하자면, “문자를 IAM이나 친구톡처럼 만들 수 있는 채널”이라고 보면 됩니다. 게다가 앱에 들어오지 않아도 보낼 수 있다는 점에서 IAM보다 도달력이 높기도 합니다.
위 RCS 기능을 활용한다면, 일반 문자와 달리 IAM과 친구톡처럼 다양한 응답을 받을 수 있습니다. 일방적인 CRM 채널에 피로감을 느끼는 고객이 많은 현 시점에서 쌍방향 소통이 가능한 RCS는 새로운 돌파구가 될 수 있습니다. 실제로 브레이즈에 따르면 소비자의 74%가 SMS보다 RCS로 브랜드와 소통하는 것을 선호한다고 합니다.
브레이즈가 Braze Forge 2025에서 RCS 활용 사례를 최초로 공개했는데요, 마티니 CRM팀이 직접 현장에 보고 들은 내용을 공유합니다.
브레이즈는 Create Contextual 1:1 Interactions(맥락을 고려하는 1:1 상호작용을 만들기)의 예시로 위 사례를 공유했습니다. 블러셔 쇼핑을 고민하는 고객에게 ‘크림’, ‘파우더’, ‘액상’ 중 어떤 타입 블러셔를 원하는지를 묻는 첫번째 메시지를 보냅니다. 이 때 RCS 다중 버튼을 활용하여, 고객이 필요한 옵션을 쉽게 선택할 수 있도록 유도합니다.
고객이 특정 응답을 선택하면, 응답한 내용에 기반한 두번째 메시지를 발송합니다. 고객이 크림 타입을 선택했다면, 고객이 좋아할 만한 특정 상품을 추천하는 2차 메시지를 보내는 것이죠. 고객은 이러한 과정을 통해 브랜드와 진정한 소통을 한다고 느낄 수 있습니다.
RCS, 아직 국내에서는 모든 기능을 온전히 사용할 수 있는 상태는 아닙니다. 그럼에도 불구하고, 마티니 CRM팀은 RCS를 지금, 누구보다 빠르게 시작해야 한다고 보고 있습니다. 그 이유는 크게 3가지로 나눠볼 수 있습니다.
기존 채널의 CRM 성과가 확연히 떨어지고 있습니다. 가장 대표적인 것이 Push입니다. 실제로 현업 CRM 마케터 분들과 대화를 나눠보면 Push 오픈율과 전환율이 예전만 못하다는 걸 체감하고 있다고 합니다. 그래서 많은 기업이 IAM, 카카오 친구톡/알림톡, SMS/LMS 등으로 채널 다각화를 진행하고 있습니다.
하지만, 이 채널들 역시 피로도가 점차 쌓여가고 있습니다. 기존 채널에 대한 피로도가 높아질수록, 신선한 경험을 제공하는 신규 채널에 대한 관심은 더욱 커질 수밖에 없습니다. 바로 지금이 RCS를 시작해야 할 타이밍입니다.
RCS(SMS) 기준, 일반 SMS와 발송 단가는 비슷하면서도 더 많은 글자 수와 CTA 버튼을 포함할 수 있습니다. LMS와 비교하면 발송 비용도 1/3 수준으로 경제적이죠.
그렇다면, RCS로 기대할 수 있는 성과는 어떨까요? 브레이즈는 Forge 2025에서 RCS가 SMS 대비 최대 300% 높은 응답율과 최대 250% 더 높은 전환율을 기록했다고 발표했습니다. ROI 관점에서도 RCS는 지금 고려해야 할 채널이라고 볼 수 있습니다.
현재 국내에서 RCS는 안드로이드(Android) 환경에서만 사용 가능하고, Rich Card 같은 일부 기능도 제한적입니다. 완벽한 환경은 아닌 셈이죠. 하지만 바로 이 시점이 기회이기도 합니다. 아직 많은 기업이 RCS를 본격적으로 활용하지 않는 지금, 먼저 시작하면 고객에게 새로운 경험을 제공하는 선도 브랜드로 자리매김할 수 있습니다. 선두 주자가 쌓아올린 노하우와 브랜드 인지도를 후발 주자가 따라잡는 데는 상당한 시간이 걸리기 마련입니다. RCS 생태계가 완전히 성숙하기 전, 지금이 바로 우위를 선점할 골든타임입니다. RCS 활성화의 선두주자가 되어보는 건 어떨까요?
마티니는 이미 롯데ON과 브레이즈를 통한 RCS 발송 첫 사례를 만든 경험이 있습니다. 마티니에서 제작한 RCS 템플릿으로, 현재 롯데ON에서는 실무자들이 직접 쉽게 브레이즈에서 RCS를 발송하고 있습니다. 현재는 배민상회에서 RCS로 채널 다각화를 진행하고 있습니다. 생소한 RCS도 마티니와 쉽게 시작해 보세요.
|
|
고객과의 관계를 강화하는
|
사실 브레이즈에는 기존에도 CRM 업무 효율성을 높이고, 더 높은 성과를 가져오는 다양한 AI 기능들이 존재했습니다.
이번에는 기존에 존재했던 BrazeAI 기능들을 정리하겠습니다.
유저 행동 패턴에 따른 최적의 메시지 선택
Intelligence Suite는 고객의 기존 데이터를 바탕으로 패턴을 예측하여 메시지에 적용할 수 있는 기능입니다.
기존에 개별 유저들이 어떤 채널에 잘 반응하는지, 몇 시에 주로 메시지를 열어보는지 패턴을 분석합니다. 분석한 내용에 따라 ‘앱푸시(App Push)에 자주 반응 하는 그룹’ 처럼 타겟팅에 활용하거나, 개별 유저가 잘 반응 하는 시간에 메시지를 개별 발송 할 수도 있습니다.
Intelligence Suite에 포함되는 상세한 기능들은 아래와 같습니다.
유저의 행동을 예측
Predictive Suite는 유저의 기존 행동 데이터를 토대로 다음의 행동을 예측하는 기능입니다. BrazeAI에는 크게 두 가지의 예측 모델이 존재합니다.
Predictive Churn을 활용하여 이탈 예상 유저, 이탈 위험군 유저를 타겟하여 스페셜 오퍼를 제공하는 등 이탈 방지 캠페인에 활용할 수 있습니다. 반면 Predictive Events는 재구매 가능성이 높은 사람들을 타겟하거나, 카카오/문자 같은 유료채널을 구매 가능성이 높은 유저위주로 발송하여 비용 효율화에도 사용할 수 있습니다.
가장 효과적인 구매 유도 도구
상품추천 기능은 유저의 구매를 이끌어내기에 아주 효율적인 도구입니다. 다만, 상품추천을 하기 위한 엔진 개발이 마케터에게는 굉장히 어려운 일인데요. BrazeAI의 AI Recommendation을 활용하면 다양한 추천 엔진을 CRM 메시지에 활용할 수 있습니다.
상품추천은 유저의 구매 여정을 돕는 일종의 가이드 역할도 하기 때문에, CRM 자동화 캠페인에서 꼭 활용해보시길 권장드립니다.
마케팅 생산성의 극대화
브레이즈의 캠페인 셋팅 화면에서 즉시 메시지 카피를 생성하고 적용할 수 있습니다. 언어 뿐만 아니라 대략적인 문장 길이와 메시지 톤까지 설정할 수 있어 활용도를 높일 수 있습니다.
브레이즈 대시보드 내에서 DALL·E 3를 활용하여 이미지를 생성할 수 있습니다.
이미지 생성을 위한 가이드를 입력한 이후, 생성된 이미지 내에서 원하는 이미지를 선택하여 메시지에 즉각 활용할 수 있습니다.
기존 유저에게 발송되는 CRM 메시지의 특성상, 잘못된 메시지 발송의 리스크는 타 마케팅 대비 더 크다고 볼 수 있습니다.
그러나 BrazeAI의 Content QA를 활용하면 오탈자 검수, 문법 체크, 문체 조정 등 메시지에서 발생할 수 있는 리스크를 관리할 수 있습니다.
Liquid는 브레이즈에서 다양한 개인화를 가능하게 하는 효과적인 도구입니다. 그러나 처음에는 배우고 활용하기 어렵다는 문제가 존재하는데요. AI Liquid Assistant를 활용하면 자연어로 질문하고, 완성된 Liquid 구문을 받을 수 있습니다.
브레이즈의 Query Builder는 재구매 주기 파악, 연관 상품 분석 등 CRM 캠페인을 위한 분석을 확장해주는 유용한 도구입니다. SQL Query Builder에서도 AI를 활용하여 원하는 분석을 위한 쿼리를 제작할 수 있습니다.
Segment Extension은 Query Builder와 유사하게 쿼리문을 작성해서 활용합니다. Query Builder가 분석을 위한 도구라면, Segment Extension은 쿼리의 결과에 해당하는 유저들을 바로 캠페인의 타겟으로 활용할 수 있게 해줍니다.
AI SQL Generator를 활용하여 SQL Segment Extensions 활용을 위한 쿼리문을 간편하게 제작할 수 있습니다.
다음 콘텐츠에서는 CRM 마케팅에서 AI가 어떤 식으로 활용될 수 있을지, Forge 2025에서 공개된 내용을 바탕으로 개념을 정리하고 활용 사례를 공유드리고자 합니다.
.png)
마티니는 Braze팀의 공식 초청을 받아 지난 9월 28일부터 10월 1일까지, 샌프란시스코에서 열린 forge-2025에 참석했습니다.
Braze Forge는 매년 전 세계 마케터와 CRM 전문가들이 모이는 Braze의 대표 글로벌 이벤트로, 최신 프로덕트 업데이트와 실무 중심의 CRM 마케팅 인사이트가 공유되는 자리입니다. 이번 2025년 행사에서 가장 주목받은 키워드는 바로 BrazeAI였습니다.
현장에서는 BrazeAI에 새롭게 추가된 기능들을 바탕으로, 네트워킹 현장 곳곳에서 신규 기능에 대한 열띤 논의가 이어졌는데요. 이번 글에서는 Braze Forge 2025에서 공개된 BrazeAI의 주요 신규 기능을 자세히 살펴보겠습니다.
AI가 주도하는 마케팅 의사결정
.webp)
이번 Forge에서 공개된 신규 AI 기능 중 가장 큰 주목을 받은 기능은 BrazeAI Decisioning Studio입니다. AI를 활용해 생성, 예측 등에 그치지 않고 스스로 ‘의사결정’까지 가능하게 합니다.
기존의 자동화, 개인화는 결정적인 한계가 있었습니다. 모든 의사결정을 사람이 직접 내려야 했기 때문입니다. A/B 테스트를 반복하고, 세그먼트별로 전략을 설계하고, 타이밍과 메시지를 조율하는 과정은 많은 시간과 리소스를 소모합니다. 게다가 계속 누적되는 유저 행동 데이터를 실시간으로 반영하기란 사실상 불가능했습니다.
하지만 BrazeAI Decisioning Studio는 이 한계를 넘어섭니다. 유저의 행동 데이터를 기반으로 발송 시간, 할인율, 개인화 요소 등 CRM 마케팅의 핵심 의사결정을 AI가 실시간으로 처리합니다.
기존 규칙 기반 개인화를 넘어 완벽한 1:1 개인화까지 가능해지면서, 브레이즈는 CRM 마케팅에서 더욱 강력한 도구로 자리잡게 될 것으로 예상됩니다.
언제든지 조언을 구할 수 있는 AI 기반의 CRM 마케팅 파트너
BrazeAI Operator는 챗봇 형태로 구성이 되어 있으며, Braze 대시보드 내 어디에서든 자유롭게 사용이 가능합니다. 자연어로 요구사항을 입력하면, BrazeAI에서 그에 대한 응답을 제공하고 대시보드내 실제 반영까지 가능합니다.
BrazeAI Operator를 활용하는 다양한 예시는 다음과 같습니다.
BrazeAI Operator의 가장 큰 차별점은 AI가 제안만 하는 것이 아니라, 대시보드 내에서 직접 실행까지 연결된다는 점입니다. 지금 AI의 의견을 반영하여, 바로 고객에게 적합한 메시지를 기획해보세요.
자사 비즈니스 데이터 기반의 맞춤형 CRM AI
BrazeAI Agent Console은 마케터가 직접 용도에 맞게 AI를 생성, 관리, 배포할 수 있는 브레이즈 내 플랫폼입니다. 별도의 엔지니어링 기술이 없어도 BrazeAI Agent Console을 이용하면 몇 번의 클릭 만으로 AI를 생성하고, 학습시킬 수 있습니다.
이 기능은 마케터가 기술적 배경 없이도 AI를 생성하고 자사 데이터로 학습시킬 수 있습니다. 또한 기존 AI 기능처럼 프롬프트에 의존하는 단순 챗봇이 아닌, 반복적이고 복잡한 업무를 자동으로 수행하며 전략적 업무까지 처리할 수 있을것으로 기대됩니다.
전체 고객 경험을 설계하는 AI
이제 Canvas내에서도 AI를 활용한 Canvas Step을 활용할 수 있습니다. Canvas의 Agent Step은 앞서 설명한 BrazeAI Agent Console을 이용하여, AI가 직접 의사결정하고 컨텐츠를 생성할 수 있는 Step입니다.
Agent Step은 크게 두 가지 용도로 활용 될 수 있습니다.
의사결정:
기존 유저 데이터와 문맥을 읽고, 직접 의사결정을 통해 해당 유저를 Canvas내에서 스코어링합니다. 해당 스코어를 바탕으로 유저를 다음 Step으로 보내거나, Canvas에서 Drop시킬 수 있습니다.
개인화:
개별 유저의 메시지 상호작용을 분석하여, 개인화된 메시지를 구성할 수 있습니다.
브랜드의 톤&매너를 준수하는 더욱 강화된 생성형 AI
AI 기반 카피라이팅 활용이 늘어나면서, 무작위한 AI 기반의 콘텐츠 형성이 아닌 브랜드 가이드라인을 준수한 콘텐츠 생성이 중요해지고 있습니다. 브레이즈는 이를 해결하기 위해 브랜드 가이드라인 기반 프롬프트 사전 설정 기능을 출시했습니다.
많은 마케터들이 AI를 사용하면서 겪는 공통적인 불편함이 있습니다. "AI가 생성한 문구가 우리 브랜드 느낌이 아니라서 결국 다시 써야 한다"는 점입니다. 프롬프트를 매번 다르게 입력하거나, 생성된 결과를 일일이 검토하고 수정하는 일은 오히려 업무를 늘립니다.
Braze AI의 Brandguideline 기능을 통해 브랜드 가이드라인을 미리 설정해두면, AI가 브랜드에 맞는 톤으로 메시지를 작성해줍니다. 또한 자주 쓰는 AI엔진을 Braze와 연동하여 더 쉽고 간편하게 수정 시간을 줄이고 즉시 사용 가능한 메시지를 얻을 수 있습니다.
해당 기능은 현재 Global Access 단계로, 브레이즈 대시보드에서 바로 사용할 수 있습니다. 지금 Brand Guideline를 사용하여 더 쉽고 간편하게 CRM 메시지를 기획해보세요.
Braze는 Forge 2025에서 AI로 인해 마케터 역할이 진화될 것이라고 의견을 밝혔습니다.
AI 시대에서 마케터의 역할은 축소되는 것이 아니라 확장되며, 기계적인 업무에서 벗어나 전략적 지휘자로서 더 본질적인 업무에 집중하게 될 것입니다. 따라서 단순한 가속화를 넘어 업무 방식의 근본적 변화가 필요하고 부가가치가 낮은 업무는 자동화되지만, 전략 수립과 품질 관리는 여전히 인간의 영역으로 남을 것이다.
이처럼 BrazeAI를 포함한 AI 기술들이 마케팅 실무에 깊숙이 스며들며, 마케터는 단순 작업을 자동화 하여 반복 작업으로부터 자유로워질 수 있을것으로 기대됩니다.
AI 시대의 마케터는 전략적 지휘자로서 전략 수립, 고객 경험 설계, 브랜드 일관성 유지 같은 고차원적 업무에 집중하게 될 것입니다. 결국 AI는 마케터를 대체하는 것이 아니라, 더 본질적인 가치를 만드는 일에 몰입할 수 있도록 돕는 도구가 될 것입니다.
다음 글에서는 Forge 2025에서 새롭게 공개된 신규 BrazeAI 기능 외에도 기존에 존재하던 AI 기능들에 대한 글로 찾아뵙겠습니다.
|
단순 반복 업무를 자동화하고,
|
Landing Page 기능이 베타 버전으로 배포되었습니다.
브레이즈 Landing Page를 활용하여 랜딩페이지 제작뿐만 아니라 랜딩페이지 내 유저의 상호작용 데이터를 바로 브레이즈에 수집할 수도 있어, 다양한 시나리오를 통해 전환과 인게이지먼트를 이끌어낼 수 있습니다.
Landing Page와 관련하여 주목할만한 점은 아래와 같습니다.
이제 CDI(Cloud Data Ingestion) 기능을 활용하여 Amazon S3와도 연결이 가능해졌습니다.
CDI를 활용하면 별도 개발 없이도 DW(Data Warehouse)의 데이터를 Braze로 전송하여, 보다 민첩한 데이터 활용이 가능해집니다. 수집할 데이터에 변동사항이 잦거나, 개발 리소스 확보가 어려운 고객사에서 특히 유용하게 사용될 수 있습니다.
이제 Canvas에서 시나리오별 템플릿(Template)이 제공됩니다.
템플릿을 활용하여 캠페인 기획 및 세팅에 소요되는 시간을 절약할 수 있고, 템플릿을 기반으로 아이디어를 확장시킬 수도 있습니다.
아직 Canvas를 활용하지 않고 있거나, Canvas가 익숙하지 않으신 분들은 Canvas 템플릿으로 시작해보셔도 좋을 것 같습니다.
Canvas에서 변경사항들을 트래킹할 수 있는 편의기능이 추가되었습니다.
Canvas는 유저 저니에 맞춰 CRM 시나리오를 구현하는 기능으로 다양한 시나리오들을 구성할 수 있습니다. 그만큼 메시지를 구성하는 스텝들도 많아져, 수정사항 발생 시 히스토리 확인에 어려움이 있으셨을텐데요.
이제는 대시보드에서 Changes Since Last Viewed 버튼을 눌러 그 변경 기록들을 확인해볼 수 있습니다.
.webp)
마케터들이 가장 두려워는 지표가 있습니다. 바로 '이탈률'입니다. 지난달 대비 이탈률이 또 올랐다면, 많은 담당자들은 급하게 이탈 고객 복귀(윈백) 캠페인을 기획하거나 할인 쿠폰을 발송하는 등 ‘발등에 불 떨어진’ 캠페인을 진행하곤 합니다.
하지만 문제는, 이탈률 상승을 확인하는 시점에는 이미 고객들이 떠난 상태라는 점입니다. 사후 분석으로는 무엇이 잘못되었는지 파악할 수 있지만, 이미 이탈한 유저를 되돌리기는 어렵습니다.
.webp)
실제로 한 글로벌 연구에 따르면, 신규 고객 확보 비용은 기존 고객 유지 비용보다 5~7배 더 많이 소요된다는 연구 결과가 있습니다. 반대로 생각해보면, 고객 이탈을 미리 감지해 고객 유지율을 단 5%만 높여도 25%에서 95%까지 수익을 증가시킬 수 있다는 의미입니다.
그렇다면 고객이 떠나기 전에 이런 신호를 조기에 포착하고, 장기 고객으로 전환시킬 수 있는 방법은 무엇일까요? 이 아티클에서는 이탈 예방을 위해 주목해야 할 지표와 행동 패턴, 그리고 고객 리텐션을 높이는 실무 전략을 알아보겠습니다.
먼저 고객의 이탈을 방지하기 위해서는 이탈의 본질을 제대로 파악하는 것이 중요합니다. 이탈에는 두 가지 일반적인 유형이 있습니다.
결제 오류나 시스템 장애로 인한 비자발적 이탈은 마케터가 통제하기 어렵습니다. 하지만 고객 행동 데이터에서 나타나는 자발적 이탈 신호들의 패턴들(로그인 감소, 사용량 감소, 메시지 참여도 하락 등)은 충분히 사전에 감지할 수 있습니다. 그렇다면 많은 팀들은 왜 여전히, 고객이 보내는 신호를 놓치고 있는것일까요?
.webp)
바로 '이탈률'이라는 결과에만 집중하기 때문입니다.
대부분의 마케터들은 해당 지표에 대한 뒤늦은 대응으로 이미 떠난 고객에게 이탈 고객 복귀(윈백) 캠페인 예산을 쓰고, 할인 쿠폰을 보내고, 이메일을 발송하는 일만 반복하곤 합니다.
하지만 진짜 중요한 건 고객이 떠나기 전 보이는 행동 변화의 패턴을 먼저 읽는 것입니다. 고객 이탈은 갑작스러운 결정이 아니라 고객이 보내는 여러 신호들을 놓친 결과이기 때문입니다.
'자발적 이탈 신호'든 '비자발적 이탈 신호'든, 이를 방치하면 팀 효율성, 캠페인 성과, 브랜드 건강 모두에 부정적인 영향을 미칠 수 있기 때문에, 데이터에서 '무엇을' 봐야 하는지, '어떻게' 대응해야 하는지만 알면 충분히 막을 수 있습니다. 그렇다면 어떤 지표로 이탈 직전 신호를 포착할 수 있을까요?
글로벌 CRM 솔루션 브레이즈는 모든 이탈 방지 모델에 아래 주요 신호들이 필수적이라고 강조합니다.
이런 신호들을 데이터로 포착하기 위해서는, 명확한 행동 지표 설정이 필요합니다. 구체적으로는 '유지 및 이탈 지표', '참여 및 행동 신호', '경험 및 만족도 측정 항목' 세 가지 영역으로 나눌 수 있습니다.
.webp)
이런 부정적인 신호들을 지표를 통해 관리하면, 실제 유저 이탈의 문제가 발생했을때 미리 감지하여 대처할 수 있습니다.
.webp)
문제를 인식했다면 이제 이탈 예정 유저에게 어떤 전략을 펼칠지 고민해야 합니다. 이탈 방지의 핵심은 속도와 정확성입니다. 브레이즈를 사용하면 이탈 신호를 자동으로 감지하고 즉시 대응할 수 있습니다.
브레이즈는 실시간 세분화와 개인화된 고객 여정을 통해 단순한 문제 발견을 넘어 고객 라이프사이클 전반에 걸쳐 연결된 경험을 제공합니다. 실제로 이런 전략이 어떻게 작동하는지, 위 사례를 통해 브레이즈의 핵심 기능들을 바탕으로 구체적인 이탈 방지 방법을 살펴보겠습니다.
.gif)
브레이즈의 Dynamic Segment 기능을 사용하면 고객 행동에 기반한 그룹을 쉽게 만들 수 있습니다. '제주도 여행 검색 후 3일간 미접속', '장바구니 3회 이상 포기', '푸시 오픈율 30% 이하 하락' 같은 구체적인 위험 신호별로 고객 그룹을 자동 생성할 수 있습니다. 이런 세그먼트는 실시간으로 업데이트되어 위험 고객을 놓치지 않습니다.
Braze Predictive Suite를 통해, 각 고객이 언제쯤 떠날지 미리 예측 가능한 시스템을 구축할 수 있습니다. 고객의 검색 패턴, 접속 간격, 참여도 변화를 종합 분석해 이탈 위험도를 점수로 매깁니다. 예를 들어 7일간 여행 상품을 검색하다가 갑자기 접속이 끊긴 고객에게 높은 이탈 위험 점수를 부여해 우선 대응 대상으로 분류합니다.
.webp)
Canvas 기능을 통해 마케터가 이메일, 푸시, SMS, 앱 내, 웹 등 다양한 채널에서 메시지를 효과적으로 전달할 수 있습니다. 접속이 끊긴 고객에게 첫 번째는 푸시로 여행 상품을 추천하고, 반응이 없으면 이메일로 할인 쿠폰을 보내고, 그래도 반응이 없으면 SMS로 마지막 어필을 하는 단계적 접촉 시나리오를 브레이즈 Canvas로 자동화할 수 있습니다. 각 단계에서 고객이 반응하면 여정을 종료하도록 설정하면 됩니다.
브레이즈는 Liquid 템플릿, Connected Content, AI 기반 아이템 추천 등 다양한 개인화 도구를 지원합니다. 이런 기능을 통해 브랜드는 각 사용자의 상황, 행동, 선호도에 맞춰 콘텐츠를 맞춤화하여 재참여 및 장기 고객 유지 가능성을 높일 수 있습니다.
예시로, "안녕하세요 고객님" 대신 "지난번 관심 보이신 제주도 여행 패키지에 특가 혜택이 추가되었어요"처럼 실제 검색 이력을 반영한 메시지를 보낼 수 있습니다.
이탈 방지 전략은 고정되어 있지 않기 때문에, 다양한 채널을 통해 어떤 메시지가 더 효과적인지 확인하고 계속 개선해야합니다.
"지금 예약하면 30% 할인" vs "내일까지만 특가" 같은 메시지 톤 차이나, 오전 9시 vs 오후 7시 발송 시간, 할인율 차이를 A/B 테스트로 비교 분석합니다. 마티니에는 이런 최적화를 통해 검색 후 이탈 고객의 재참여와 전환을 이끌어낸 경험이 있습니다.
결국 핵심은 고객의 미세한 행동 변화부터 복합적인 이탈 신호까지 브레이즈 같은 하나의 플랫폼에서 통합 분석하고, 개인별 맞춤 대응 전략을 자동 실행해야한다는 점입니다. 마티니는 국내 브레이즈 공식 파트너사로 이런 예측 모델 구축부터 크로스채널 캠페인 최적화까지 체계적으로 지원하고 있습니다.
.webp)
고객의 이탈 신호를 놓치지 않으려면 단편적인 대응이 아닌 통합 시스템이 필요합니다. 모든 고객 데이터를 하나로 연결하고, 위험 신호를 실시간으로 감지하며, 적합한 시기에 개입할 수 있는 구조를 만들어야 합니다.
이를 위한 통합 시스템 구축 방법으로는 먼저 고객 데이터의 통합(중앙화)를 추천드립니다. 행동 신호, 참여 내역, 지원 상호작용, 제품 사용 데이터를 통합된 고객 뷰로 연결해야 실시간 대응이 가능합니다. 그다음에는 위험 고객군 파악을 통해 지난 14일간 미참여 유저나 취소 페이지 방문 후 이탈하지 않은 고객 등을 자동으로 분류할 수 있는 시스템이 있어야 합니다.
하지만 가장 중요한 것은, ‘실제로 이탈이 발생하는것을 막기 위한’ 신속한 대응입니다. 로그인 실패나 장바구니 포기 같은 이탈 신호가 나타나는 즉시 자동화된 재참여 여정이 시작되어야 합니다. 또한 목표 달성을 위한 단계별 계획 수립을 통해 온보딩 중단 유저와 기존 고객 이탈에 각각 다른 접근법을 적용해야 합니다.
이런 체계적인 이탈 방지 시스템을 구축하려면, 브레이즈 같은 전문 플랫폼 도입을 권장합니다. 실시간 고객 분석, 여러 채널을 통한 메시지 발송, 이탈 예측 기반 대응을 수작업으로 처리하기엔 한계가 있기 때문입니다. 자동화된 시스템으로 효과적인 고객 유지 전략을 실행할 수 있습니다.
지금 마티니와 함께 국내 비즈니스에 딱 맞는 브레이즈 도입을 통해, 데이터 기반 고객 이탈 방지 전략을 세워보세요.
Braze는 고객 경험을 더 풍부하게 만들고, 마케터가 보다 효율적으로 CRM 캠페인을 운영할 수 있도록 꾸준히 프로덕트를 발전시키고 있습니다. 마티니는 브레이즈의 공식 파트너사로서, 지난 한 달 간 브레이즈에서 업데이트 된 기능과, 새롭게 공유된 소식을 가장 빠르게 전달합니다.
앞으로도 마티니 블로그와 링크드인, 인스타그램을 통해 브레이즈 업데이트 소식을 가장 먼저 만나보세요.
현재 얼리액세스 단계인 Canvas Context Step에서의 Date Type 데이터 사용 시, 자동으로 Timezone은 UTC로 적용됩니다.
우리나라는 UTC와 9시간 시차가 발생하여, 저장한 데이터에 따라 날짜가 바뀌어버리는 경우가 발생할 수도 있습니다. 따라서 Liquid를 통해 timezone을 설정하고 사용할 것을 권장합니다.
Timezone 설정 예시
사전 알람 신청한 A이벤트가 {{canvas_entry_properties.${event_start_date} | time_zone: 'Asia/Seoul' | date: "%Y-%m-%d %H:%M"}}에 시작돼요!
시간 계산을 위한 Liquid 예시
{% assign new_start_date{{canvas_entry_properties.${event_start_date} | date:'%s" | minus: 32400 %}
{{context.${example_variable_name}}}와 같은 형식으로 사전 저장된 Step을 호출할 수 있습니다.
Segment Funnel Statistics를 통해 유저의 Funnel별 전환율을 확인할 수 있게 업데이트 되었습니다.
Segment 생성 또는 Campaign의 Target Audience에서 타겟 설정 시 각 필터를 걸 때마다 전환율을 확인할 수 있습니다.
기존에는 단순 모수만 표기되어 전환율/이탈율 확인에 불편함이 있었는데요, 이번 업데이트로 필터별 전환율/이탈율 확인이 훨씬 수월해졌습니다.
더불어 이번 업데이트로 Segment 기능은 단순 타겟팅을 위한 용도 외에도 Funnel별 전환율을 확인하기 위한 용도로도 사용될 수 있습니다. 특히, 모수가 큰 필터부터 작은 필터까지 순서대로 걸면 Funnel 전환율 확인에 더욱 용이할 것 같습니다.
/campaigns/details Endpoint는 캠페인의 상세 정보를 불러올 수 있는 API입니다.
이 API를 사용하여 아래 정보들을 불러올 수 있습니다.
이를 통해 현재 운영 중인 캠페인 현황을 확인하거나 히스토리를 파악하기에 용이한데요.
위 이미지와 같이 우리 서비스가 보내고 있는 모든 메시지들을 일괄 관리할 수 있습니다. 여기에 이번 업데이트로 푸시 이미지 정보도 함께 불러올 수 있게 되었습니다.
푸시 이미지는image_url, large_image_url object를 통해 불러올 수 있습니다.
Braze 공식 문서에서 BrazeAI를 활용한 Use Case 아티클이 신규 게재되었습니다.
BrazeAI는 AI를 통해 유저 이탈/전환을 예측, 상품 추천, 발송 타이밍 개인화, 실험 변수의 개인화된 적용 등 다양한 기능들을 제공하고 있습니다.
이번에 추가된 Use Case는 아래에서 살펴볼 수 있습니다.
*본 기능은 현재 베타 버전입니다.
MCP(Model Context Protocol)은 AI 에이전트가 다른 플랫폼과 데이터를 연결하기 위한 프로토콜입니다.
이번 업데이트로 Braze에서 MCP 서버를 제공하여, AI로부터 Braze의 데이터를 열람하고, 분석을 요청할 수 있게 되었습니다.
MCP를 통해 Braze와 AI 에이전트를 연결하면, 아래와 같은 분석들이 가능해질 것으로 보입니다.
CRM 마케팅이 중요해지면서 많은 기업들이 Braze를 도입하고 있다.
대부분 앱 푸시 발송과 개인화 마케팅을 위해 Braze를 사용하지만, 다양한 기능을 활용해 마케팅을 고도화하는 경우는 많지 않다.
아직 Braze 관련 학습 자료나 강의가 부족해 공식 문서에만 의존해야 하다 보니, 많은 마케터들이 Braze의 기능을 제대로 활용하지 못하고 있다.
이 글에서는 Braze를 제대로 활용하고 있는지 점검하고, 놓치고 있는 유용한 기능들을 소개하려 한다.
아래 Braze 용어 중 내가 사용한 적이 있거나, 사용하지 않았더라도 들어본 용어가 있는지 확인해 보자.
(Braze 이용자라면 누구나 사용하는, 꼭 알아야 하는 기능은 빼두었다.)
3개 이상 사용해 봤다면 Braze를 잘 활용하고 있는 셈이다.
하나도 사용해 보지 않았더라도 걱정하지 말자. 지금부터 각 기능의 활용법을 자세히 설명할 예정이다.
Frequency Cappping이란 사용자가 받는 메시지 수를 제한해 피로감을 줄여주는 기능이다.
설정 예시
위와 같이 채널별로 기간과 수신 횟수를 설정할 수 있고, Campaign이나 Canvas에 Tag를 추가하면 특정 캠페인에만 제한을 걸 수도 있다.
예를 들어 이벤트 태그가 있는 캠페인은 하루 1개만 발송하는 식이다.
"푸시가 너무 많이 와요", "인앱메시지가 자주 떠서 불편해요" 같은 VOC를 자주 받는다면 Frequency Capping을 적극 활용해보자. 사용자 경험도 개선하고 고객 만족도도 높일 수 있다.
Braze에서 자주 쓰는 필터로 'X Custom Event Property In Y Days'와 'X Purchase Property In Y Days'가 있다. 실시간으로 반영된다는 장점이 있지만, 몇 가지 제한사항이 있다.
반면 Segment Extension은 아래와 같은 장점이 있다.
예를 들어 일반 필터로는 '지난 30일간 패딩 구매자'만 찾을 수 있지만, Extension으로는 '지난 1년간 패딩 구매자' 세그먼트를 만들 수 있다.
단, Extension은 실시간 업데이트가 아닌 정해진 주기로 업데이트된다. 기존에는 매일 오전 12시마다 업데이트 되었는데, 최근 Weekly, Monthly 옵션이 추가됐다.
Webhook으로 카카오톡, 문자 메시지를 보내는 것 뿐만 아니라 빈 웹훅인 Spacer를 발송하여 A/B Test를 진행하거나, 성과를 측정하는 것도 가능하다.
Spacer 활용 사례
또한 잘못 설정된 Conversion 지표를 보완할 때도 유용하다.
Connected Content는 API를 통해 외부 데이터를 실시간으로 가져와 메시지에 활용하는 기능이다.
활용 가능한 데이터:
이러한 데이터는 Braze에 저장되지 않아 보안성이 높고, 실시간 데이터로 더 정확한 개인화가 가능하다.
API Response 값을 메시지에 바로 사용하거나, Liquid 구문으로 메시지 발송 조건으로 활용할 수도 있다.
API 개발이 필요하지만, 활용하면 한층 더 다양한 개인화 메시지를 만들 수 있다.
Connected Content 사용 사례
1. Open API 활용 : 누구나 이용할 수 있는 Open API를 활용하여 다양한 캠페인을 진행할 수 있다.
2. 내부 API 활용 : 기개발된 API가 있다면 해당 API를 활용하여 다양한 캠페인 운영이 가능하다.
.png)
Query Builder는 SQL Query를 사용해 데이터를 출력하는 기능이다.
Campaign Analytics와 Engagement Report를 통해 캠페인 발송 수와 전환 수는 확인할 수 있지만, 유저가 어떤 상품을 구매했는지, 혹은 다른 이벤트가 발생했는지는 알 수 없다.
유저 행동을 더 자세히 분석하고 싶다면 쿼리빌더를 활용해보자. SQL에 익숙하다면 직접 쿼리를 작성할 수 있고, 그렇지 않다면 Query Template이나, AI Query Builder를 통해 쿼리를 생성하여 사용하면 된다.
Query Builder를 통해 N Day Retention과 같은 데이터도 확인할 수 있다.
N Day Retention 활용 사례 보러가기
어트리뷰트 데이터 테이블은 지원하지 않지만, 캠페인, 캔버스, 이벤트, 세션 정보 같은 유용한 데이터는 쉽게 추출할 수 있다. 다양한 분석을 원한다면 Query Builder를 적극 활용하자.
(단, Query Builder는 매월 사용할 수 있는 크레딧이 있으니, 쿼리 실행 시 크레딧이 줄어드는 점을 주의해야 한다!)
앞서 언급한 기능 외에도 Braze를 더 깊이 활용할 수 있는 방법은 많다.
실무로 바빠서 Braze를 자세히 살펴볼 시간이 없더라도, 틈틈이 다양한 기능을 활용해 보다 효율적이고 정교한 CRM 마케팅을 진행하길 바란다.
또한 기존 기능에 새로운 요소가 추가되거나 새로운 기능이 출시되니, 매월 업데이트되는 Braze Release Note를 확인하는 것을 추천한다.
*글의 원문은 최영아님의 브런치스토리 에서도 읽어보실 수 있습니다.
.png)
지난 편에서는 각 솔루션별 데이터 수집 방법(바로가기)에 대해서 알아보았습니다.
1. Third Party 데이터 수집 자동화
2. 수집된 데이터 전처리하기
3. 시각화하기
이번에는 수집된 데이터를 활용하여 어떻게 전처리 해야 되는지 알아보겠습니다.
각 데이터 셋들은 분석하려는 차원(dimension)을 기준으로 집계(group by)를 통해서 동일한 형태로 전처리한 후 조인 연산을 통해 데이터를 통합하는 과정이라고 생각하시면 됩니다.
마케팅 성과를 분석하기 위해서 필요한 데이터 다음과 같습니다.
Dimension : 날짜(일별), 유입소스(GA4 = utm_source, Appsflyer = Media_source), 캠페인
Metric : 구매수, 매출, 인스톨 수
GA4가 웹, 앱 모두 트래킹을 할 수 있지만 WEB은 GA4, APP은 MMP로 성과를 합쳐서 보실 겁니다.
GA4, Firebase는 앱과 웹 내 고객 행동 분석에 주로 쓰이는 툴이고 MMP 는 광고 성과를 측정하는 툴이니깐요
그러면 이렇게 됩니다.
<GA4 데이터 집계> - WEB
Dimension : 날짜(일별), 세션 소스, 캠페인
Metric : 구매수, 매출
<MMP 데이터 집계> - APP
Dimension : 날짜(일별), Media_source, 캠페인
Metric : 구매수, 매출, 인스톨 수
집계된 두개의 테이블을 UNION 다시 한번 집계를 해줍니다.
이렇게 하면 집계된 웹앱 데이터 통합이 되었습니다. (MMP 데이터 전처리 과정은 생략)
Dimension : 날짜(일별), Media_source, 캠페인
Metric : 구매수, 매출, 인스톨 수
브레이즈 커런츠(braze currents)데이터는 유저 인게이지먼트 데이터입니다.
여기에는 유저별로 어떻게 우리 서비스로 참여를 하고있는지를 기록한 데이터들이 기록되어 있으니 메시지 발송 수단별로 노출, 클릭 성과들이 들어있습니다. 하지만 우리는 성과(구매) 판단은 MMP, GA4로 해야 하므로 서로 다른 데이터들을 어떻게 통합해서 볼지를 알아보겠습니다.
커런츠 데이터는 아래와 같이 구성이 되어있습니다.
위와 같은 데이터를 일자, 메세지 발송 타입, 캠페인 or 캔버스별 발송수, 노출수, 클릭수 데이터를 집계를 하기 위해서는 유니크한 ID를 나타내는 차원 데이터를 만들어 줘야 합니다.
동일한 유저라도 캠페인, 캔버스, 베리에이션 등 다양한 형태로 타겟이 될 수 있으므로, 아래와 같이 유니크한 차원 데이터를 만들기 위해 새로운 아이디를 생성합니다. (해당 아이디는 발송 타입별로 카운트하기 위해 활용됩니다.)
차원의 이름은 원하시는대로 명명하시면 되고 저는 user_id_dispatch_id 이렇게 명명하였습니다.
-- 태블로 계산식
IFNULL([User Id],'') + '-' +
IFNULL([Campaign Id],'') + '-' +
IFNULL([Message Variation Id],'') + '-' +
IFNULL([Canvas Id],'') + '-' +
IFNULL([Canvas Variation Id],'') + '-' +
IFNULL([Canvas Step Message Variation Id],'') + '-' +
IFNULL([Dispatch Id],'')
다음으로 캠페인 단위로 성과를 집계할 예정이기 때문에 캠페인 차원을 만들어줘야 합니다.
왜냐하면 브레이즈에는 캠페인과 캠버스로 나뉘는데 campaign_name 값이 존재하면 canvas_name 이 빈값이고 거꾸로 canvas_name 값이 존재하면 campaign_name이 빈값이기 때문입니다.
-- 태블로 계산식
IFNULL([Campaign Name],[Canvas Name])
{send_type}_click 이런 식으로 차원 이름을 명명하고 아래와 같은 태블로 계산식으로 차원을 만들어줍니다.
이렇게 되면 email_click, push_click, in_app_message_click 이벤트별로 ID(user_id_dispatch_id)를 생성됩니다.
-- 태블로 계산식
{ FIXED [user_id_dispatch_id],[Event Type] : COUNTD(IF CONTAINS([Event Type], 'inappmessage_click') THEN [user_id_dispatch_id] END)}
최초에 S3에 적재된 currents 데이터(avro 파일)를 DW에 적재할 때 파일별 Event 구분을 위해 Event_Type 칼럼을 생성하였습니다. (이전 글을 참고해 주세요)
['users.messages.email.Open.avro',
'users.messages.email.Click.avro',
'users.messages.pushnotification.Send.avro',
'users.messages.inappmessage.Click.avro',
'users.messages.email.Delivery.avro',
'users.messages.pushnotification.Open.avro',
'users.messages.inappmessage.Impression.avro']
-- 태블로 계산식
IF CONTAINS([Event_Type], 'email') then 'email'
elseif CONTAINS([Event_Type], 'push') then 'push'
elseif CONTAINS([Event_Type], 'inappmessage') then 'iam' end
이제 집계를 위한 전처리는 완료되었습니다(세세한 전처리 과정은 생략됨)
이제 위에서 만들었던 차원을 가지고 집계를 합니다.
일자별, send_type, campaign/canvas, device_category 별 오픈, 클릭, 노출, delivery 데이터는 아래와 같이 집계되었습니다.
통합된 GA4 / MMP 데이터와 커런츠 데이터를 통합해야 되는 과정이 또 남았습니다.
어떻게 이 두 데이터를 엮어야 될까요?
조인키를 위에서 집계한 차원 데이터로 잡고 Full Outer Join으로 데이터를 조인합니다.
이유는 특정 날짜에 브레이즈 커런츠 데이터는 존재하는데 성과 데이터(GA4, MMP) 데이터가 존재하지 않는다면 매칭될 수 없으니 누락이 되어버립니다. 거꾸로 성과 데이터(GA4, MMP) 데이터가 존재하는데 브레이즈 커런츠 데이터가 존재하지 않을 경우 누락이 되어버리기 때문입니다.
광고 성과 데이터 전처리하는 예시를 통해 Full Outer JOIN 이 어떻게 데이터를 처리되는지 예시를 통해 잠깐 확인해 보겠습니다
2024년 1월 1일 twitter 채널의 e 캠페인에서 비용이 1000원 소진했습니다. 그런데 GA4, MMP 데이터에는 해당 광고 채널의 캠페인에서 전환이 아예 일어나질 않았습니다. 하지만 비용이 발생했기 때문에 이 데이터를 버릴 수는 없겠죠? 무조건 살려야 됩니다.
거꾸로 광고 데이터에서 비용은 발생하지 않았는데 Attribution Window로 인해 전환이 발생했습니다. 이것도 버릴 수 없겠죠?
이 두 데이터에서 LEFT JOIN 또는 RIGHT JOIN을 수행하게 되면 조인키에 대응하지 않은 데이터는 매칭이 안되어 누락이 되어 버립니다. 이를 방지하기 위해서 INNER, LEFT OUTER, RIGHT OUTER 조인 집합을 생성하는 FULL OUTER JOIN을 수행합니다.
결과를 보면 각 테이블의 모든 데이터들이 출력이 되는 걸 알 수 있습니다.
본론으로 돌아와서!
Full Outer Join을 수행하기 전에 앞서 GA4, MMP 데이터를 합친 후 우리는 CRM 데이터만 필요하기 때문에 CRM 데이터만 필터를 합니다.
이제 Braze Current 데이터와 성과 데이터(GA4, MMP)를 날짜, 유입소스명, 캠페인명을 조인키로 두고 Full Outer Join 을 수행합니다.(분석하고자 하는 차원데이터가 추가로 더 있다면 추가로 필요한 차원도 조인키로 활용하시면 됩니다.)
이와 같은 방식으로 Paid 성과 데이터를 전처리 할 때도 위와 같은 방법으로 수행하면 됩니다.
데이터를 전처리 할 때 중요한 건 분석하고자 하는 결과물을 먼저 그려본 뒤에 결과를 도출하기 위해서 각 테이블을 어떻게 만들어 갈 것인지 생각하면서 만들어가면 됩니다. 실제로 전처리하다 보면 자잘하게 처리해야 되는 부분이 상당히 많습니다.
특히 데이터를 통합하기 위해서는 무엇보다 네이밍 컨벤션이 가장 중요한 점은 강조하지 않을 수 없습니다.
데이터 수집까지 잘했는데 캠페인 네이밍 컨벤션이 서로 다르다?.. 데이터 통합은 불가능합니다..
네이밍 컨벤션은 말 그대로 명명 규칙입니다.
위에서 언급한 대로 우리가 데이터 통합을 위해 차원 데이터를 조인키로 활용한다고 했었는데 캠페인 차원이 MMP, GA4, Braze or 광고 데이터가 모두 다르면 안 되겠죠? 아래와 같이 통일을 시켜야만 데이터를 연결할 수 있습니다.
여기까지 마케팅 데이터 수집부터 전처리 과정까지 알아보았습니다.
다음 글에서는 이 데이터를 활용해서 시각화 하는 방법을 살펴보겠습니다.
업무 시간을 데이터 수집과 데이터 전처리에 시간을 쓰는 마케터와 데이터 수집 자동화된 환경에서 성과 분석과 기획에 더 많은 시간을 쓰는 마케터 누가 더 많이 성장할까요?
답은 알고 계실 거에요. 당연히 성과 분석과 기획에 더 많은 시간을 쏟는 마케터가 장기적으로 많은 성장을 하겠죠
회사 내에서 GA4, MMP(AppsFlyer), Braze를 사용하고 있는데 엑셀로 데이터 수집해서 가공하는 시간을 대부분을 사용하고 있다면.. 하루 빨리 마케팅 데이터 수집 자동화하고 BI 구축을 시도해보세요.
관련 주제는 내용이 많기도 해서 3개로 나눠서 발행할 예정입니다.
이번 편에서는 MMP(AppsFlyer), GA4, Braze 데이터 수집을 자동화 시키는 프로세스를 설명해보려고 합니다.
데이터를 적재하고 시각화까지의 프로세스를 간단하게 도식화하면 아래와 같습니다.
브레이즈 currents 는 유저의 engagement 이벤트의 실시간 데이터 스트림입니다. 이 데이터를 Avro 파일로 제공해서 BI 및 분석 할 수 있게 지원을 해주는 장점이 있습니다. 단점은 가격이..
브레이즈 어드민에서 아래처럼 어떤 데이터를 보낼지 선택해서 어디에 저장할지 S3, Cloud Storage, Azure Blob Storage 중 선택해서 적재를 시작합니다. (가이드 링크)
예를 들어 Amazon S3 적재를 시작하게 되면 아래처럼 이벤트 별로 폴더가 생성되어 분리 적재됩니다.
브레이즈 Currents 는 At-least-once delivery 정책으로 1시간 단위로 데이터를 적재합니다.
각 폴더 안에는 Avro 파일(각 파일의 Schema는 동일한 형태)이 들어 있는데 이 파일 내에는 이벤트를 구분하는 필드가 없습니다.
일단 여기서 필요한 이벤트 데이터들을 지정해서 합쳐야 되는데 여기서 문제가 있습니다.
그래서 파일 안에 어떤 이벤트의 파일인지 지정해줘야 합니다.
아래와 같이 Avro 파일 명을 확인하여 event_type 필드의 key 값을 추가 필요합니다.
앱 데이터를 측정하는 앱스플라이어도 마찬가지로 데일리 리포트를 만드려면 OS별, UA, RT(리타겟팅)별로 csv 파일을 12번 클릭해서 받아 정리해야 되지만 API 를 활용하면 충분히 자동화 할 수 있습니다.
다만 앱스플라이어 데이터를 어떻게 볼지 기준에 대한 합의를 유관 부서와 먼저 하시는 걸 권장드리고 대행사에게도 우리 기준으로 맞춰 달라고 요청을 해야 되겠죠?
이런 기준으로 데이터를 쌓고 있었는데 데이터를 집계하는 기준이 서로 차이가 있다면 .. 다시 작업해야 되는 불상사가 생길 수 있습니다.
이게 무슨 말이냐면 앱스플라이어 Media Source 중 SRN 매체들의 경우 개인정보 보호 이슈로 rawdata에 포함되지 않아서 집약형 데이터를 활용합니다.(가이드 링크)
그래서 SRN 매체를 사용 중이시라면 집약형 데이터를 활용해서 집계를 해야 하는데 집약형 데이터는 LTV 데이터라서 조회 시점마다 Total Revenue 값이 달라집니다. (관련글 보러가기 링크)
1/1 데이터를 1/7일에 조회했을 때랑 1/14일에 조회했을 때의 total revenue가 달라진다는 의미입니다. 이러게 되면 가장 최근에 조회한 일자일 수록 ROAS가 높게 나오겠죠?
또한 skan 리포트도 마찬가지로 SRN 매체 광고를 운영 중에 있다면 해당 리포트도 받아야겠죠? 이것도 마찬가지로 조회시점마다 성과 숫자가 달라질 수 있습니다
앱스플라이어 데이터 자동화 수집을 위해선 크게 3가지 api 가 필요하고 세부적으로는 인스톨과 인앱이벤트 데이터를 가져와야 합니다. (추후에 앱스플라이어 데이터를 전처리하는 방법에 대해서 포스팅 해보겠습니다.)
GA4 빅쿼리는 실무에서 쓰고 있는 조직이 있나 싶을 정도로 .. 사용하기가 좀 꺼려집니다. 원시 데이터라서 데이터 가공의 자유도가 엄청나게 높지만.. 집계를 하는 입장에서는 굉장히 머리 아픕니다. 정합성을 어디다가 맞춰야 되는지..
그래서 광고 데이터 성과를 집계할 때는 특별한 이유가 없다면 GA4 API 데이터를 소싱하는 게 정합성 의심의 여지가 없기 때문에 무조건 낫다고 봅니다.
GA4 데이터를 소싱할 때 진짜 진짜 주의해야 할 점이 바로 샘플링입니다.
샘플링 진짜 …. 데이터량이 많으면 더 심해집니다.
GA4 API 를 14일치만 호출해도 샘플링된 양이 상당합니다.
GA4 Query Explorer 에서도 조회해도 어드민이랑 큰 차이가 있어서 구글 측에 문의를 해보니 여기도 데이터 조회 일자 범위가 넓으면 샘플링이 적용된다고 합니다. 추후에 해당 이슈 해소하겠다고 합니다.
일단 우리는 샘플링 되지 않을 정도의 날짜 범위로 api 를 호출해서 적재를 하는 것이 좋습니다.
이번 편은 마케팅 데이터 수집 자동화에 대해서 알아보았고 다음 편에서는 인사이트 도출을 위한 데이터 전처리 방법에 대해서 알아보겠습니다!
