캠페인 아이디어 하나가 실제로 발송되기까지 데이터 확인부터 메시지 설정, 검수까지 여러 단계를 거쳐야 해요. 이런 반복 작업을 AI가 줄여준다면, 마케터는 무엇에 더 집중할 수 있을까요?
Braze Connections Seoul 2026에서는 브레이즈의 새로운 기능을 소개하는 데서 나아가, AI와 함께 일하는 마케터의 역할을 이야기했어요. 키노트에 나선 Braze Account Executive 박재향 님은 내비게이션이 경로를 알려줘도 목적지는 운전자가 정한다는 비유와 함께 이렇게 말했어요.
"AI가 캠페인 준비나 반복적인 설정을 도와줄 수는 있지만 결국 우리에게는 고객한테 어떤 좋은 경험을 더 줄 수 있는지에 대한 고민은 결국은 마케터가 해야 된다라고 생각이 듭니다." (Braze Account Executive 박재향 님)
AI를 도입하는 것만으로는 큰 변화가 일어나지 않아요. 대신 AI에 실제 업무를 연결하고, 실행에 필요한 기준과 선택지를 준비해야 해요. Braze Connections Seoul 2026에서는 AI에 어떤 일을 맡기고, 마케터가 어떤 기준과 선택지를 준비해야 하는지 힌트를 얻을 수 있었어요.
📌 핵심 포인트
"올해의 질문은 같은 AI를 쓰면서 어떻게 다른 결과를 만들 것인가입니다."(AB180 Solutions Architect 박주렬 님)
같은 AI를 쓰더라도 브랜드와 고객의 맥락을 반영해야 다른 결과를 만들 수 있는데요. AB180 Solutions Architect 박주렬 님은 AI 자체보다 ‘우리 팀의 맥락을 어떻게 반영할지, 같은 AI를 쓰면서 어떻게 다른 결과를 만들 것인가’에 주목했어요.
브레이즈 자체 리서치에서도 이 맥락의 중요성을 알 수 있었는데요. 마케팅 리더의 93%는 AI로 고객 니즈를 정확히 파악하고 있다고 답했지만, 브랜드가 자신의 니즈를 잘 예측한다고 느끼는 소비자는 53%였어요.
AI가 우리 팀의 맥락을 파악하려면, 먼저 AI를 실제 업무 환경에 연결해야 해요. 현재 운영 중인 캔버스와 세그먼트, 이벤트 정보 등 구체적인 워크플로우를 확인할 수 있어야 메시지 작성에서 실제 설정과 실행으로 나아갈 수 있죠.
Braze Forge에서 소개된 미국의 한 신용 서비스 회사는 마케터 3명이 고객 여정을 설계하는 캔버스 50개 이상, 메시지 500개 이상을 운영했어요. 스크린샷을 피그마(Figma)로 옮겨 여정 맵을 만들었지만, 완성될 즈음이면 캠페인이 바뀌어 이미 낡은 문서가 되곤 했죠.
이 팀은 MCP를 활용해 아래와 같이 3단계로 문서 갱신을 자동화했어요.
그 결과 여정 맵을 13분 만에 만들고 매주 자동으로 갱신하게 됐어요.
BrazeAI Operator Connect를 활용하면 평소 쓰는 AI 도구에서 브레이즈의 캠페인을 만들고 분석·검수하는 작업까지 이어갈 수 있어요. AI가 제안한 내용을 사람이 다시 입력하는 대신, 실제 캠페인 정보를 바탕으로 작업을 진행하는 방식이죠.
AI가 실제 캠페인 정보를 확인하면 어떤 도움을 줄 수 있을까요? 정기수 님은 장바구니 이탈 고객에게 메시지를 보내는 시나리오로 BrazeAI Operator의 활용 방식을 시연했어요.
BrazeAI Operator는 자연어로 설명한 시나리오를 캔버스로 만드는 작업을 지원하는데요. 정기수 님은 장바구니 이탈 고객에게 메시지를 보내는 시나리오를 시연하며, 캠페인 생성 전에 누락된 운영 조건을 확인하는 과정을 보여줬어요.
요청한 시나리오는 장바구니에 담고 구매하지 않은 고객에게 푸시를 보내고, 반응이 없으면 카카오 브랜드 메시지와 LMS로 이어가는 흐름이었죠.
이후 재진입·구매 시 이탈·대기·채널 전환과 수신 동의 조건을 반영해 캠페인 흐름을 만들었어요. 요청을 그대로 구현하는 데서 그치지 않고, 현재 데이터와 대상 조건에 맞는지 먼저 살펴본 거예요.
"AI가 만든 메시지를 사람의 검토 없이 고객에게 바로 보내도 된다라고 하시는 분이 있을까요?"(AB180 Solutions Architect 박주렬 님)
캠페인이 만들어졌다면 검수를 해야 하는데요. AI가 만든 캠페인이 팀의 공통 기준을 지켰는지는 어떻게 확인할까요? AI가 만든 메시지를 어디까지 믿고 발송할 수 있을까요?
AI가 만든 캠페인을 AI에게 검수를 맡길 수도 있어요. 단, 검수를 맡기기 전에 무엇을 확인할지부터 구체적으로 정해야 해요. 여기서 Braze Agentic Standards를 활용하면 팀의 QA 체크리스트를 규칙으로 만들고, 캠페인과 캔버스가 그 기준을 지키는지 검사할 수 있어요.
팀에서 정할 수 있는 검사 규칙은 다음과 같아요.
검사 결과에서 문제를 수정하고, 통과 여부와 변경 이력까지 확인할 수 있어요. 규칙 초안은 BrazeAI Operator에 요청할 수도 있어요.
세션에서 소개된 호주의 한 대형 기업은 성수기에 주당 50건 이상 QA를 진행했는데요. 규제 위반 시 과징금 위험이 있어 기획서·체크리스트·설정 화면을 대조했지만, 99%를 확인해도 Liquid 오류 하나가 남으면 발송에 문제가 생길 수 있었어요.
Braze Agentic Standards를 도입한 뒤에는 제작자가 동료 검수 전에 오류를 찾아 고칠 수 있게 됐어요. 베타 사용 3주 만에 QA 체계 자체의 재설계를 검토했다고 하는데요. 검사 속도뿐 아니라 오류를 발견하고 수정하는 시점이 달라졌다고 볼 수 있어요.
영국의 한 통신 회사가 QA 시간을 6시간에서 20초로 줄인 사례도 소개됐어요. 이는 모든 검수에 같은 결과가 나온다는 뜻이 아니라, 반복 작업 시간을 줄일 가능성을 보여주는 사례였어요.
Braze Agentic Standards에 국내 광고성 메시지 요건을 규칙으로 입력하면, 메시지에서 빠진 항목을 확인하는 데 활용할 수 있어요.
정기수 님은 직접 받은 메시지를 대상으로 이 과정을 시연했는데요. 먼저 광고 표기 누락 등 두 가지 문제를 짚은 뒤, 정보통신망법의 광고성 정보 관련 요건을 자연어 규칙으로 입력해 두 메시지를 검사했어요. 검사 결과에서는 처음 발견한 문제 외에도 여러 위반 항목이 드러났죠.
이처럼 검수 기준을 규칙으로 정해두면, 제작자가 놓친 항목을 동료 검수 전에 찾아 수정하는 데 활용할 수 있어요.
공통 기준을 지키는 캠페인을 만들었다면, 다음은 고객마다 무엇을 다르게 보낼지 결정해야 해요. 여기서는 ‘전체 대상에게 좋은 안’과 ‘각 고객에게 맞는 안’을 구분하는 것이 중요했어요.
둘의 차이는 메시지를 선택하는 단위에 있어요. 이때 BrazeAI에서는 다음 2가지 기능을 활용할 수 있어요.
AI가 고객별로 메시지를 고르더라도, 어떤 선택지를 제공하고 무엇을 성과로 볼지는 마케터가 정해야 해요. BrazeAI Decisioning Studio의 Go와 Pro도 이 목표에 맞춰 활용할 수 있어요.
이메일 반응을 빠르게 검증하려면 마케터가 직접 설정하는 Go를, 매출처럼 여러 채널에 걸친 비즈니스 목표를 다루려면 브레이즈 데이터 사이언스 팀과 함께하는 Pro를 검토하는 방식이죠.
Go에서 마케터는 다음 3가지를 준비해야 해요.
Go는 이 범위 안에서 고객별 조합과 발송 요일·시각을 선택하고 반응을 학습해요. 따라서 개인화를 시작할 때는 AI 설정뿐 아니라 고객에 따라 다르게 제안할 만한 선택지가 준비돼 있는지 살펴볼 필요가 있어요. 제목만 조금씩 바꿀지, 서로 다른 혜택이나 상품을 제안할지에 따라 AI가 비교하고 학습할 내용도 달라지기 때문이죠.
개인화가 실제로 더 나은 반응을 만드는지 확인할 기준도 필요해요. 아래와 같이 설정이 다른 2개 그룹을 만들 수 있는데요. 예를 들어, 전체 중 최소 5%를 무작위 대조군으로 둘 수 있어요.
Decisioning Studio Go의 역할 분담과 학습 구조. 마케터가 대상·선택지·운영 범위를 정하고, AI가 고객별 조합을 선택해 반응을 학습해요.
두 그룹 모두 이메일을 받으므로, 개인별 선택이 무작위 선택보다 얼마나 효과적인지 확인할 수 있어요.
그리고 윈백, 재참여, 리워드처럼 반복 운영하는 이메일 하나를 골라, 선택지를 준비하고 대조군과 비교해 보는 방식으로 적용할 수 있어요.
고객별 메시지를 설계하려면 어떤 데이터를 고객의 맥락으로 활용할지 정해야 해요. 티머니모빌리티는 버스와 기차, 택시, 따릉이를 한 앱에 담은 티머니GO에서 예매 및 결제 이벤트의 도착지와 출발, 도착 시각을 광고와 알림에 활용했어요.
티머니모빌리티는 고속·시외버스 예매 완료 이벤트에 담긴 도착지를 활용해 특정 지역으로 가는 고객에게 광고를 보여줬어요. 모든 고객에게 같은 광고를 보여줄 때보다 클릭률이 높게 나오자, 조회 수가 연 3억 건인 예매 과정과 예매 내역 화면으로 광고 사업화를 추진했죠.
이때 필요했던 것은 광고 지면뿐 아니라, 대행사가 수백~수천 개 캠페인을 운영할 환경이었어요. 자체 관리자 메뉴는 폐쇄망 안에 있어 외부 관리 화면을 별도로 개발해야 했기 때문이죠.
그래서 그 대안으로 선택한 Braze Content Cards에는 노출할 화면과 도착 지역, 노출 순서를 담았어요. 앱은 조건에 맞는 카드만 보여주고, 대행사는 부여받은 브레이즈 계정과 권한으로 광고를 운영하는 방식이죠.
자체 개발했다면 관리자 기능 개발에 수개월 정도 걸렸을 것으로 예상했는데, 이를 생략하면서 매출 시점을 수개월 이상 앞당겼어요.
이동 데이터는 택시가 필요한 시점을 정하는 데도 쓰였어요. 고속·시외버스 이용자에게 출발 3시간 전과 도착 30분 전에 택시 쿠폰을 보내 다른 교통수단으로의 교차 이용을 유도했죠.
기존에는 외부 시스템을 호출하는 웹훅으로 발송을 예약했는데요. 결제 1건마다 웹훅이 2건씩 필요했고, 취소와 재결제까지 더해 하루 수십만 건 이상 호출이 쌓였어요. 예매를 취소해도 발송 예약이 남는 문제도 있었죠.
개선 후에는 Context 단계와 Personalized Delay로 시간 계산과 대기를 처리하고, 발송 직전에 취소 여부를 확인해 쿠폰을 발급하는 구조로 바뀌었는데요. 하나의 캔버스에서 사용자별 발송 시각을 계산하고, 해당 시각까지 기다린 뒤 취소 여부를 확인할 수 있어요.
이렇게 예약 캠페인과 쿠폰 발급 캔버스를 통합해 전체 웹훅 사용량을 35% 줄였어요. 고객의 이동 시점에 맞춘 쿠폰 발송은 최근 한 달간 택시를 쓰지 않았던 사용자의 재이용으로도 이어졌죠.
"필요한 순간, 적절한 타이밍에 쿠폰을 보냄으로써 최근 한 달간 택시를 이용하지 않았던 유저 중 30%가 택시를 이용하시도록 유도할 수 있었습니다."(티머니모빌리티 플랫폼사업팀 조수빈 님)
이렇게 티머니모빌리티는 이미 수집하던 데이터에서 ‘어디로 가는가’와 ‘언제 필요한가’를 찾아 광고와 알림에 반영했어요. 티머니모빌리티 사례를 토대로, 우리 서비스에서도 고객의 다음 행동을 도울 정보가 기존 이벤트에 담겨 있는지 한번 살펴보는 건 어떨까요?
"같은 AI를 써도 차이는 결국 사람의 판단에서 나옵니다. 어떤 목표를 정했는지, 어떤 선택지를 준비했는지, 무엇을 우리의 성공으로 평가했는지에 따라서 결과는 모두 바뀌게 됩니다."(AB180 Solutions Architect 박주렬 님)
박주렬 님은 세션 마지막에 BrazeAI를 실무에 적용하기 위한 준비 3가지를 강조했어요.
브레이즈를 사용 중이거나 도입을 검토하고 있다면, 이번 행사에서 소개된 기능을 우리 팀 업무에 적용할 방법을 AB180과 이야기 나눠 보세요.
