AI가 등장한 이후 CRM 마케팅 실행 방식이 재편되고 있어요. 메시지 제작부터 캠페인 설정, 테스트 운영까지 예전보다 훨씬 적은 리소스로도 실행이 가능해졌죠.
다만 AI가 실행의 속도를 높여줄수록, 오히려 더 선명해진 질문도 있어요. 메시지를 빠르게 보내는 건 AI가 할 수 있지만, 누구에게 왜 보내야 하는지 판단하는 일은 여전히 사람의 영역이라는 거예요.
그렇다면 CRM 마케팅에서 이 질문에 어떻게 답할 수 있을까요?
2026년 4월 열린 ‘Grow with Braze Seoul 2026’에서는 AB180 오담인 님과 메디컬뷰티플랫폼 바비톡 CRM Team Lead 박찬희 님이 각각 이 질문에 대한 인사이트와 실제 성과 사례를 공유했는데요.
두 세션을 중심으로 AI CRM이 실무에서 성과를 만들어 내는 방법을 살펴볼게요.
📌핵심 포인트
AB180은 Braze의 국내 공식 리셀링 파트너로 다양한 기업의 CRM 운영과 마케팅 고도화를 지원하고 있어요.
이번 Grow with Braze Seoul 2026에서는 AB180 Solutions Architect 오담인 님이 뉴 인텔리전스 시대, CRM 마케팅의 본질과 변화에 대해서 이야기했는데요.
특히 이번 세션은 AI를 활용한 실행 효율이나 기능 활용법을 넘어, CRM이 앞으로 어떤 질문을 중심에 두고 설계되어야 하는지 짚는 보다 큰 논의에 가까웠어요.
그동안 CRM은 주로 행동 데이터를 중심으로 발전해 왔어요. 장바구니에 담았지만 구매하지 않은 유저, 최근 특정 상품을 본 유저, 일정 기간 다시 방문하지 않은 유저처럼 ‘행동 이력’을 기준으로 대상을 나누고 메시지를 보내는 방식이 대표적이죠.
실제로 많은 조직이 이런 방식 안에서 세그먼트를 더 세분화하거나, 추천 상품을 바꾸거나, 메시지 문구를 조정하면서 성과를 높여 왔어요.
다만 오담인 님은 이런 접근이 일정 수준 이상에서는 한계가 있다고 말해요. 같은 행동이라도 유저마다 전혀 다른 동기를 갖고 행동할 수 있기 때문이죠.
예를 들어 같은 상품을 조회했더라도 누군가에게는 당장 필요한 구매일 수 있고, 다른 누군가에게는 단순한 비교 검토 단계일 수 있어요. 겉으로 드러나는 행동은 비슷해 보여도, 실제로 유저가 해결하려는 문제나 반응할 메시지는 전혀 다를 수 있다는 뜻이에요.
사용자가 비즈니스용 구두, 무거운 노트북을 담을 가방, 동생 생일 선물, 러닝화를 찾는다고 가정해볼게요. 이러한 개인적인 고민이은 앱 안에서 ‘신발 3회 조회’, ‘가방 검색 2회’, ‘장바구니 담기 없음’ 같은 행동 이력으로만 남게 돼요.
하지만 AI와 대화할 때 ‘맥락’을 넣으면 답변의 질이 좋아지는 것처럼, AI가 유저의 상황을 이해하면 더 정확한 추천이 가능하죠.
“러닝화 추천해줘”라고 프롬프트를 입력하면 인기 제품 목록이 나오지만, “러닝을 다시 시작했는데 무릎이 약해진 상태이고, 주 2회 5km 정도 뛸 것 같아”라고 말하면 전혀 다른 답이 돌아오는 것과 같은 원리예요.
오담인 님은 “행동 이력과 거래 패턴만으로 제품 추전을 최적화하는 데서 한 걸음 더 나아가, 유저가 어떤 상황에서 왜 이런 행동을 했는지를 함께 해석해야 같은 데이터에서도 다른 방향을 만들 수 있다”고 인사이트를 공유했어요.
데이터를 보고 있다면, 유저가 지금 어떤 상황에 있는지, 무엇을 해결하려는지, 어떤 제안이 구매로 이어질지 함께 읽어야 해요. 결국 개인화의 핵심은 행동 자체보다, 그 행동 뒤에 있는 맥락을 어떻게 해석하느냐에 더 가까워지는 거죠.
이전에는 수천 개 상품에 상황별 의미를 붙이는 것 자체가 비현실적이었지만, AI가 이 작업을 맡을 수 있게 되면서 비로소 '맥락 기반 개인화'가 실행 가능한 선택지가 된 거예요.
오담인 님은 AI가 맥락을 구조화해줄 수 있게 됐지만, 어떤 맥락이 우리 고객에게 의미 있는지 정의하는 건 마케터의 판단이라고 강조했어요. 유저를 이해한 뒤, 그 이해를 제품 추천과 서비스 기능에 어떻게 연결할지 설계하는 것이 핵심이라는 거예요.
발표에서는 Braze Catalog와 AI Operator, AI Agent Console을 활용해 이 과정을 어떻게 구현할 수 있는지도 구체적으로 소개됐어요. 변화한 방식은 아래와 같이 정리해 볼 수 있어요.
Before
기존 카탈로그는 주로 상품의 기본 정보만 담고 있었어요.
After
오담인 님은 발표에서 제품 정보도 유저의 고민처럼 여러 층위로 정리돼야 한다고 설명했어요.
예를 들어 같은 상품이라도 누군가에게는 ‘통근용’, 누군가에게는 ‘선물용’, 또 다른 누군가에게는 ‘비즈니스 출장용’으로 읽힐 수 있는데요. 이런 맥락이 카탈로그 안에 구조화돼 있어야 유저의 상황과 제품을 더 정확하게 연결할 수 있어요.
이때 브레이즈 카탈로그를 활용할 수 있는데요. 먼저 카탈로그에 기본 상품 정보를 업로드 한 뒤, AI Agent Console을 활용해 새로운 필드(열)을 추가할 수 있어요. 예를 들어 기존 카탈로그에 상품명, 카테고리, 주요 기능 같은 정보가 있다면, 이를 바탕으로 상품 감성, 사용 상황, 추천 맥락 같은 필드를 새로 생성할 수 있는 거죠.
이때 어떤 필드를 만들고, 어떤 기준으로 값을 생성할지 정하는 Insturction 작성이 중요한데요. 오담인 님은 이 과정에서 Braze AI Operator를 활용할 수 있다고 설명했어요. 예를 들어 “현재 카탈로그에는 상품명, 카테고리, 주요 기능 정보가 있다. 이를 바탕으로 ‘상품 감성’ 필드를 만들고 싶어. AI Agent가 이 값을 일관된 기준으로 생성할 수 있도록 인스트럭션 작성을 도와줘”와 같은 방식으로 요청할 수 있는 거죠.
오담인 님은 AI가 실행을 맡게 되면서 마케터의 역할이 바뀌고 있다고 이야기했어요. 줄어든 실행 시간은 단순히 여유가 아니라, 고객 맥락을 더 깊이 이해하고 브랜드의 방향을 점검하는 데 쓸 수 있는 새로운 공간이라는 거예요.
먼저 성과 분석 시간을 줄이기 위해 반응이 좋은 캠페인을 MCP에 물어보고 빠르게 인사이트를 확인할 수 있어요.
브레이즈 리포트 빌더에서 AI 오퍼레이터를 통해 성과가 유의미한 CTR을 만든 캠페인이 무엇인지 대시보드에서 한눈에 파악할 수 있어요.
더 정밀한 테스트를 원한다면 타이밍과 소재 단위로 분석이 가능해요.
Braze Currents와 Message Extras를 활용하면 메시지 타이밍, 특정 광고에서 강조한 혜택과 소재에 따라 전환이 누구에게 일어났는지 파악할 수 있어요. 이 조합을 교차 분석하면 단순 성과 수치가 아닌, 왜 캠페인이 성공적으로 이뤄지고 있는지 가설을 세워볼 수 있죠.
이 사이클을 한 바퀴 돌리고 나면, 성과 분석을 통해 캠페인 설계의 가장 초기 단계인 유저 맥락으로 돌아올 수 있어요.
이렇게 얻은 결과는 다음 캠페인 설계로 이어져야 해요.
유저 맥락과 캠페인 성공 요소를 빠르게 파악했기 때문에, 남는 시간에 더 정밀한 테스트를 실행할 수 있어요.
단, 초기에 브랜드 가이드라인을 명확히 세워두는 작업은 꼭 필요해요. 실행 시간이 짧아진 만큼, AI가 캠페인 문구를 바꾸더라도 브랜드 톤앤매너가 달라지지 않을지, 우리 브랜드가 지켜야 할 표현 원칙은 무엇인지 점검할 필요가 있어요.
이는 AI가 실행을 빠르게 해줄수록 마케터에게 남는 질문은 더 본질적인 것이 되기 때문이에요. 우리 고객은 지금 어떤 맥락에 있는 사람인지, 우리 브랜드는 그 맥락에서 어떤 역할을 해야 하는지, 이 판단이야말로 AI 시대에 마케터만이 할 수 있는 일이니까요.
이어진 바비톡 세션에서는 AI CRM을 통해 타겟팅 인프라를 구축한 사례가 소개됐어요.
바비톡은 성형·시술 후기와 특가 정보, 예약·상담 기능까지 제공하는 메디컬뷰티 플랫폼인데요.
바비톡 CRM Team Lead 박찬희 님이 발표자로 나서, 유저별 재시술 가능 시점을 예측해 마케팅 캠페인을 성공적으로 이끈 방법을 공유했어요.
박찬희 님은 이번 사례의 출발점을 일상의 경험에서 찾았다고 설명했어요.
미용실에서 머리를 자를 때가 됐다는 문자를 받고 다시 예약하게 된 경험을 바탕으로, 바비톡에서도 적절한 시점에 다시 시술받을 가능성이 높은 유저에게 메시지를 보내는 아이디어를 떠올린 거죠.
실제로 시술은 한 번으로 끝나기보다 일정 주기로 반복 관리가 필요한 경우가 많아, CRM 마케팅 관점에서도 충분히 시도해볼 만한 가설이었어요.
문제는 재시술 주기를 단순화하기 어렵다는 데 있었어요. 바비톡에서 다루는 시술은 종류가 매우 다양하고, 특정 시술은 몇 주 단위로 다시 찾게 되지만 훨씬 더 긴 간격을 두고 반복되는 시술도 존재해요.
여기에 유저별 건강, 심리, 동기 등의 차이까지 더해지면 같은 카테고리 안에서도 재방문 타이밍은 크게 달라질 수밖에 없죠.
결국 이쯤이면 다시 받을 때가 됐겠다는 식의 일괄적인 추정과 주기적인 메시지만으로는 실제 유저 반응을 이끌어내기 어려웠어요. 시술별 주기 차이와 유저별 편차가 큰 환경에서는, 사람의 직감만으로 타이밍을 맞추는 데 구조적인 한계가 있었던 셈이에요.
바비톡은 기존 유저별로 재시술 가능성이 높아지는 시점을 예측하는 방향으로 접근을 바꿨어요.
박찬희 님은 이를 위해 CRM 마케터의 아이디어, AI 엔지니어의 모델링, 데이터 엔지니어의 데이터 적재 파이프라인이 함께 맞물리는 형태로 프로젝트를 진행했다고 설명했어요.
카탈로그에는 오늘 자 기준으로 재구매 가능성이 높은 유저들만 쌓일 수 있도록 매일 업데이트되게 처리해 두었고, 웹훅 캠페인을 통해 카카오톡 메시지를 자동으로 전송할 수 있도록 구성했어요.
마케터라면 브레이즈 카탈로그(Braze Catalog)를 구체적으로 사용한 방식이 가장 궁금하실 텐데요.
일반적으로 카탈로그는 커머스 환경에서 상품 ID, 상품명, 가격, 이미지 URL 같은 정보를 담아 추천 메시지에 활용하는 경우가 많죠. 하지만 바비톡은 이 구조를 상품이 아니라 유저 기준의 개인화 테이블처럼 사용했어요.
즉 카탈로그에 쌓인 것은 상품 정보가 아니라, 유저별로 예측된 재시술 정보였어요.
특정 유저가 지금 다시 받을 가능성이 높은 시술 카테고리는 무엇인지, 지난번 어느 병원에서 시술받았는지 같은 정보가 유저 ID 기준으로 정리됐고, 이 데이터는 매일 업데이트됐죠.
특히 이 카탈로그에는 모든 유저가 아니라, 당일 기준으로 재시술 가능 시점이 도래한 유저들만 쌓이도록 설계한 점이 핵심이었어요.
이렇게 적재된 정보로 인해 더 개인화된 메시지 전송이 가능해졌죠. 예를 들면, “지난번 A 병원에서 받으신 B 시술 효과가 떨어질 때가 됐는데, 다시 한번 받아보시겠어요?”와 같은 식이죠.
바비톡은 메시지가 실제로 재구매율을 높이는지까지 검증하는 구조를 함께 설계했어요.
단순히 예측 기반 메시지를 발송하는 데 그치지 않고, 대조군 대비 성과 차이가 실제로 유의미한지를 확인하기 위해 A/B 테스트를 진행한 것이죠.
바비톡은 해당 테스트를 진행할 때, 단순 캠페인 단위가 아니라 캔버스 안에서 A/B 테스트를 운영했어요.
이유는 성과를 보기 위해서만이 아니라, 실험군과 대조군 집계에서 생길 수 있는 오류를 줄이기 위해서였는데요.
이를 위해 브레이즈 캔버스 안의 Context Step 기능을 활용해, 메시지를 받을 수 없는 유저를 먼저 걸러낸 뒤 실제 발송 가능한 대상만 남겨 A/B 테스트를 진행했어요.
즉 메시지 발송 여부와 실험 집계 대상이 어긋나지 않도록, 사전 필터링을 통해 실험의 정합성을 높인 거예요. 정리하면 바비톡의 테스트 설계는 아래와 같아요.
이 사례가 보여주는 것은 단지 예측 타이밍이 맞았다는 사실만이 아니에요.
그 예측이 실제 성과로 이어졌는지, 그리고 그 결과를 얼마나 신뢰할 수 있는지까지 함께 설계해야 AI CRM이 실무에서 의미 있는 성과를 만들 수 있다는 거죠.
바비톡은 이번 예측형 CRM 테스트를 통해 두 자릿수의 재구매율 상승을 확인했다고 밝혔어요.
발표에서도 박찬희 님은 인간의 감에 의존해 ‘이쯤이면 다시 받을 때가 됐겠다’라고 판단하던 방식보다, 유저의 탐색 데이터를 학습해 재시술 가능 시점을 예측한 방식이 훨씬 높은 정확도를 보였다고 설명했어요
이전에는 시술별 주기 차이와 유저별 편차를 사람이 직접 반영하기 어려웠기 때문에, 캠페인을 촘촘하게 운영하려고 할수록 리소스 부담도 함께 커질 수밖에 없었죠.
반면 최근 바비톡이 도입한 방식은 예측 결과를 기준으로 타이밍과 대상을 선별할 수 있게 되면서, 유저별·카테고리별 차이를 더 정교하게 반영하면서도 운영 효율까지 함께 높일 수 있었다는 점에서 효과적이었어요.
더 나아가 박찬희 님은 이번 사례를 시작으로 특정 시점에 가장 관심이 높을 카테고리를 태깅하거나 첫 구매 가능성을 예측하는 방식으로 브레이즈의 활용 범위를 넓히고 있다고 설명했는데요.
이는 AI CRM이 한 번의 캠페인 성과 개선에 그치지 않고, 이후 타겟팅과 메시지 전략 전반을 고도화하는 기반이 될 수 있다는 점도 함께 보여준 사례라 할 수 있어요.
AB180과 바비톡은 성과로 이어지기 위해 AI CRM을 어떻게 설계해야 하는지 보여줬어요.
중요한 것은 유저의 맥락을 읽고, 반응 가능성이 높은 대상을 선별해 맞춤형 메시지로 연결하는 일이었죠.
여러분도 데이터 뒤에 있는 맥락을 더 유심히 들여다보고, 지금 반응할 고객에게 통하는 캠페인을 설계해 보세요.
또 다른 국내외 유수 기업의 인사이트를 담은 ‘Grow with Braze Seoul 2026’의 이야기는 다음 편에서도 이어져요.
브레이즈와 함께 실질적인 성과를 만드는 AI CRM 구조를 설계하고 싶다면, 지금 바로 AB180에 문의해 보세요.
Written by 프리랜서 에디터 강혜라
