브레이즈
마케팅 자동화(Marketing Automation)란?🔍
Team MAXONOMY ・ 2024.09.12
마케팅 자동화란?
마케팅 자동화(Marketing Automation)는 반복적이고 시간이 많이 소요되는 마케팅 활동을 디지털 도구를 활용해 자동화하는 것을 의미합니다. 과거의 마케팅은 매번 일회성 캠페인을 만들고, 고객 데이터를 하나하나 정리하며, 수동으로 성과 보고서를 만들어야 했지만, 오늘날의 마케팅 자동화 도구를 사용하면 훨씬 효율적으로 일할 수 있죠.
마케팅 자동화는 주로 다음과 같은 업무를 효율적으로 수행할 수 있습니다.
- 이메일 마케팅
- SMS 마케팅
- 모바일 마케팅(앱 푸시, 인앱 메시지 등)
- 크로스 채널 마케팅
- 캠페인 관리
- 테스트 및 최적화
- 성과 분석
마케팅 자동화가 중요한 이유
마케팅 자동화 도구를 잘 활용하면, 더 효율적으로 일할 수 있게되어 사소한 작업에 낭비하는 시간을 줄이고, 마케팅 전략에 대한 큰 그림을 고민할 수 있습니다. 뿐만 아니라, 고객과의 소통을 더 빠르고 쉽게 만들어주며, 각 고객 개인에게 최적화된 마케팅을 가능하게 합니다. 하버드 비즈니스 리뷰의 분석에 따르면, 고객의 요구는 시간과 상황에 따라 달라지며, 기업은 이러한 변화하는 요구에 즉각 대응할 수 있도록 현재 사용 가능한 기술을 활용해야 한다고 강조합니다.
만약, 100만 명의 고객에게 이름이 들어간 푸시 알림을 보낸다고 생각해봅시다. 마케팅 자동화 툴 없이 진행한다면, 그 100만 개의 메시지 각각에 고객의 이름을 수동으로 입력해야 하며, 이는 캠페인을 몇 주, 몇 달 동안 발송하지 못하게 할 수도 있습니다. 하지만 마케팅 자동화를 사용하면 개인화 도구를 통해 각 수신자의 이름을 자동으로 불러와 단 몇 분 만에 캠페인을 발송할 수 있습니다.
단순 이름뿐만 아니라, 과거 구매 이력을 기반으로 한 제품 추천 메시지부터, 고객이 주문한 상품에 변동 사항이 있을 때 이를 알리는 반응형 메시지까지 쉽게 발송 가능합니다. 이러한 메시지는 단순한 가치를 넘어서 브랜드와 고객 간의 관계를 더욱 긴밀하게 만들어 줍니다.
마케팅 자동화 주요 기능
다음은 마케팅 자동화의 주요 세부 기능입니다. 고려하고 있는 마케팅 자동화 도구가 다음 기능을 제공하는지 확인해보세요.
- 동적 세분화 및 타겟팅: 실시간 데이터를 기반으로, 세그먼트를 생성하고, 해당 세그먼트를 실시간으로 자동 업데이트합니다. 예를 들어, "최근 24시간 이내에 제품을 리뷰한 고객", "7일 이상 활동 기록이 없는 앱 사용자", "30,000 포인트 이상의 잔액을 보유한 고객"와 같은 세그먼트를 만들고 이들을 대상으로 캠페인을 집행할 수 있습니다.
- 라이브 프로필: 고객의 위치 데이터, 언어 선호도 등 다양한 출처로부터 고객에 대한 관련 정보와 활동 세부 사항을 하나의 소스에서 통합해 제공합니다.
- 개인화 기능: 개별 고객의 여정에 맞춰 1:1 맞춤 메시지를 제공하며, 고객의 상황에 맞춘 접근이 가능합니다. 이를 통해 고객에게 더 적절한 메시지를 전달할 수 있습니다.
- 채널 최적화: 고객이 가장 반응할 가능성이 높은 채널을 통해 메시지를 전송할 수 있습니다.
- 전송 시간 최적화: 고객이 메시지를 열거나 클릭할 가능성이 가장 높은 시점에 캠페인을 전달함으로써 참여도를 높일 수 있습니다.
마케팅 자동화 핵심 : 실시간 데이터
하지만 이 모든 것은 실시간 데이터에 기반을 두고 있습니다. 데이터가 중요하다는 사실은 누구나 알고 있지만, 정말로 데이터를 수집하고, 관리하며, 이해하고, 활용하는 기업은 그리 많지 않습니다.
다시말하면, 데이터 관리를 제대로 한다면, 보유한 정보를 활용해 메시지 경험의 거의 모든 측면을 맞춤화하고 최적화할 수 있고 경쟁사보다 앞서갈 수 있습니다. 여기서 말하는 모든 측면이란 카피, 시각 자료, 메시지 발송 주기와 빈도 등을 말하죠.
또한, 단순히 데이터를 활용하는 것이 아닌 실시간으로 데이터를 수집하고 활용하는 것이 중요합니다. 이 데이터를 얼마나 신속하게 활용하느냐에 따라 브랜드 경쟁 우위가 달라집니다. 예를 들어, 사용자가 신발을 구매하려는 신호를 보였을 때, 그 거래를 마치도록 독려하는 메시지가 10분 후에 도착하면 구매로 이어질 가능성이 훨씬 높습니다. 그 메시지가 일주일 후에 발송된다면, 사용자는 이미 다른 회사에서 신발을 구매했을 가능성이 높겠죠.
배치 데이터 VS 스트리밍 데이터
기업이 고객에게 적시에 경험을 제공할 수 있는 능력은 시스템이 데이터를 처리하는 방식에 달려 있습니다. 마케팅 자동화 기술 생태계가 스트리밍 데이터를 기반으로 구축되어 있다면 더 빠르게 마케팅 대응을 할 수 있습니다. 반면, 배치 방식을 사용하고 있다면 이보다 훨씬 느리죠.
여기서 배치 데이터와 스트리밍 데이터의 차이는 무엇일까요? 배치 처리 방식은 마케팅 자동화 도구가 데이터를 개별 단위로 묶어서 처리합니다. 이 묶음은 시간 기반 스케줄(예: 매 24시간마다) 또는 특정한 데이터 양이 누적되었을 때(예: X량의 데이터가 모이면) 처리됩니다. 반면 스트리밍 방식은 특정 시간이나 임계값에 도달했을 때만 데이터를 처리하는 것이 아니라, 스트리밍 데이터 엔진이 각 데이터 단위를 개별적으로 처리하여 시스템 간에 실시간으로 정보를 지속적으로 흐르게 만듭니다.
스트리밍 데이터가 효과적인 마케팅 자동화를 지원하는 방법
추석을 대비하여 큰 프로모션 캠페인을 고객에게 보내려고 한다고 가정해봅시다. 고객에게 일반적인 프로모션 메시지를 보낼 수도 있지만, 오늘날 소비자의 90%가 관련 없는 메시지를 받으면 짜증을 내며, 개인화된 메시지가 평균적으로 10-30% 더 높은 수익을 창출한다는 사실을 무시할 수 없습니다. 배치 데이터를 기반으로 하는 마케팅 자동화 도구를 사용하여 개인화된 프로모션 캠페인을 보낸다면, 소비자 선호도와 행동의 변화가 반영되지 않을 위험이 있으며, 이는 고객이 더 이상 관심이 없을 수도 있는 제품을 추천하게 될 수 있습니다.
그러나 실시간 마케팅 자동화 도구를 사용하면, 이런 걱정은 없습니다. 대표적으로 Braze는 여러 소스에서 정보를 동적으로 가져와 마케팅 메시지를 풍부하게 구성할 수 있습니다. 고객이 앱이나 웹사이트에서 가장 최근에 본 제품 데이터를 자동으로 불러와 Braze SDK로 쉽게 수집된 데이터를 기반으로, 이메일이나 푸시 알림을 발송하는 즉시 이를 메시지에 자연스럽게 삽입할 수 있습니다. 고객과 더 스마트하고, 세심하며, 관련성 있는 소통을 하는 것이지요!
Braze 연구에 따르면, Liquid 개인화 같은 마케팅 자동화 도구를 사용하면 마케팅 이메일의 고유 클릭률이 1.7배 상승하고, iOS와 안드로이드 푸시 알림의 오픈율은 각각 1.3배, 1.5배 높아집니다. 스트리밍 데이터와 적절한 마케팅 자동화 도구를 사용하여 마케팅 캠페인을 간편하게 최적화하고, 전반적으로 더 나은 고객 경험을 제공해보세요.
팀맥소노미
YOUR DIGITAL MARKETING HERO
비즈니스 성장을 위한 최적의 솔루션과 무료 데모 시연, 활용 시나리오를 제안 받아보세요
24시간 프리미엄 열람권 받기
관련 글 보기
Tiket.Com 사례 : COVID-19 상황에서 활용한 크로스 채널 메세징
최신정보를 전달하기 위한 노력
Braze Predictive Suite의 예측 정확도 측정하기
인공지능(AI)과 머신러닝(ML)이 화려하게 등장했지만, 여전히 대부분의 사회에서는 향후 AI가 우리 모두를 파괴하는 인간형 로봇으로 이어지게 될지 여부에 대해서 논쟁 중입니다. 하지만 다행히도 마케팅의 영역에서는, 마케팅 담당자가 업무를 더 잘 할 수 있도록 도와주는 복잡한 알고리즘에 불과합니다.이 측면에는 약간의 진전이 있었습니다. 과대 광고와 편집증이 줄어들면서, 우리는 많은 가치를 제공할 수 있는 기술을 갖게 되었습니다. 하지만 신중하게 접근해야 합니다. 본 포스팅에서는 브랜드가 미래에 특정 행동을 할 가능성이 높은 성향을 확인하고, 이를 바탕으로 고객 세그먼트를 더 잘 이해하고 더 잘 생성할 수 있도록 지원하는 Braze(브레이즈) Predictive Suite를 소개합니다. 또한, 이 도구의 예측이 정확하고 실행 가능한지 확인하는 방법에 대해 살펴보겠습니다.Braze(브레이즈)의 인텔리전스 팀은 마케터가 AI/ML을 활용하여 고객을 더 잘 이해하고 커뮤니케이션 전략을 더 잘 실행할 수 있도록 돕는 Predictive Suite를 구축했습니다. 그러나 마케팅 환경에서 이러한 도구는, 수학적 도구와 마찬가지로 실제로 결과를 제공하는 경우에만 가치를 가져다 줄 수 있습니다. 마케터는 유사 AI나 잘못된 AI에 만족해서는 안 됩니다. Braze(브레이즈)는 모든 Braze(브레이즈) 사용자가 성공을 극대화하고, Braze(브레이즈)를 효과적으로 사용하기를 원합니다.Predictive Suite를 개발하는 과정에서 이러한 두 가지 목표를 모두 달성할 수 있는 유일한 방법은 다음과 같다는 것을 알게 되었습니다.1. 사용자의 니즈에 따라 맞춤형 예측 모델 제공2. 사용자가 활용하기 전에 이 모델이 정확한지 확인검증 우선순위 정하기첫 번째 목표는 까다로웠습니다. 각 모델의 예측 정확성을 두 번 검사하여 데이터의 예상치 못한 중단이나 문제를 탐지함으로써 일부 복잡성을 해결할 수 있었습니다(이 프로세스를 "검증"이라고 합니다). 다행이 이 목표를 달성함으로써 두 번째 목표를 달성하는 방법을 명확히 할 수 있었습니다. 즉, 주어진 예측에 대한 검증 결과를 사용자와 공유하여 모델의 예측 정확도를 여과 없이 측정할 수 있습니다.실제 방법은 다음과 같습니다.사용자는 고객 이탈에 대한 맞춤형 정의(예: 14일 동안 구매하지 않은 경우 vs 7일 동안 구매를 하지 않은 경우) 또는 구매에 대한 맞춤형 정의를 사용하여, Braze(브레이즈) 대시보드에 미리 보기 예측을 작성하는 것에서부터 시작합니다.Braze(브레이즈)는 자동으로 예측을 생성하고, 기록 데이터로 예상 정확도를 즉시 측정한 다음, 사용자가 정의한 예측을 기다렸다가 실제 결과와 비교하여 정확도를 다시 확인합니다.그 다음, 대시보드의 예측 퀄리티 지표를 통해 예상 정확도와 실제 정확도가 모두 공유됩니다.여기 흥미로운 점이 있습니다. 귀사의 브랜드에서 Predictive Suite를 구매하거나, 이를 활용하여 메시지를 발송하기 전에도 위의 모든 작업을 수행할 수 있습니다. 또한 이러한 예측 사항을 지속적으로 재평가하기 때문에, 예측 성능이 낮아질 경우 사용자에게 알려줍니다.정확도를 측정하는 방법그렇다면, 정확히 Braze(브레이즈)는 어떻게 예측 정확도를 측정할까요?Braze(브레이즈) Predictive Suite에 있는 것과 같이, 특정 고객이 향후에 구매할 것인지 여부를 결정하는 예측 변수가 있다고 가정해 보겠습니다. 예측자는 그 고객의 데이터를 가져와 관련 알고리즘을 통해 전달한 후 성향 점수를 도출할 것입니다. 그 다음 담당자가(아마도 여러분이겠죠?) 해당 점수를 받은 고객을 잠재적인 구매자로 간주해야 하는지 여부를 살펴보고 평가합니다. 예를 들면, 이를 통해 특정 임계값을 초과하는 구매 가능 점수를 가진 고객에게만 특별 프로모션을 보낼 수 있습니다.이 시나리오에서는 특정 고객이 미래에 구매할 것인지의 여부를 예측합니다. 예측 변수를 처음 만들 때 과거 데이터를 사용하면 실제 결과도 알 수 있습니다. 즉, 특정 고객이 구매를 할 지 예측할 수 있고, 그 예측이 실현되었는지 확인하기 위해 실제로 수행한 행동을 살펴볼 수 있습니다.가능한 예측과 가능한 실제 결과를 함께 사용하여 일명 "혼돈 매트릭스"를 만들 수 있습니다. 여기서 행은 Braze(브레이즈)가 예측한 내용을 나타내고, 열은 고객이 실제로 수행한 행동을 나타냅니다. 민감도, 특이성, 정밀도, 리콜, 포지티브 예측값, 잘못된 발견률 등 다양한 결과를 정량화하는(그리고 그렇게 함으로써 예측 변수 자체의 정확성을 정량화하는) 여러 가지 방법이 있습니다. 각 측정값은 일반적으로 위의 표에 설명된 다양한 결과의 비율에 해당하며, 서로 다른 측정값은 서로 다른 종류의 결과의 중요성을 강조(또는 덜 강조)합니다.주어진 예측을 활용하는 것이 궁극적으로 매출을 높이는 데 도움이 될지 여부를 결정하려면, 가능한 각 결과의 비용/편익뿐만 아니라 최대화하려는(또는 최소화하려는) 지표를 아는 것이 중요합니다. 그런 의미에서 A/B 테스트의 p-값과 비슷합니다. 즉, 주어진 예측이 실제로 도움이 되는지 여부를 확인할 수 있는 숫자 지표를 제공합니다.실제 예측 정확도 측정Braze(브레이즈)는 Predictive Suite를 사용하여 만든 각 예측에 대해 ‘예측 퀄리티(Prediction Quality)’라는 지표를 제공합니다. 이 지표는 시뮬레이터에서 선택할 수 있는 모든 가능한 메시징 대상에 대해 예측이 얼마나 긍정적인지를 설명합니다. 이것은 단순한 0-100 척도에서 요약된 숫자를 제공하며, 이 예측이 추측과 비교하여 얼마나 상승 효과를 제공하는지 전반적으로 보여 줍니다. 이 지표는 예측이 생성될 때 과거 데이터에서 한 번 계산되고 실제 사용자 결과에서 다시 한 번 계산되므로 정확성을 추적할 수 있습니다. (예측 퀄리티 지표를 계산하는 방법에 대한 자세한 내용은 여기를 참조하십시오.)다음의 구체적인 예는 이것이 실제로 무엇을 의미하는지 보여주는 데 도움이 될 것입니다. 특히 전략에 예측을 사용하는 방법을 신중하게 결정하기 위해서, 여기에서 true positives와 false positives를 고려해야 합니다. 위의 예를 보면, 잠재적으로 구매 가능성이 있는 약 50만 명의 고객을 대상으로 작업하고 있습니다. 구매 가능성 점수가 75점 이상인 고객에게만 메시지를 보낸다면 26,541명의 사용자에게 도달하게 됩니다. 이 고객의 과거 구매 행태와 예측의 정확성을 바탕으로 약 11,000명의 고객이 구매를 하게 될 것으로 추정되며, 이는 녹색 진행률 표시줄에서 볼 수 있듯이 전체 구매자의 약 25%에 불과합니다. 따라서, 그 비율은 true positive 비율입니다.빨간색 진행률 표시줄은 또 다른 주요 정보를 제공합니다. 구매 가능성이 가장 높은 모집단의 개인을 대상으로 하고 있음에도, 이 설정은 구매하지 않을 15,385명의 사용자도 대상으로 하고 있습니다. 이러한 고객은 false positives 입니다. 즉, 예측에서는 구매를 할 것으로 보였지만 실제로는 구매하지 않는 개인입니다. 이 경우 구매하지 않을 고객 447,000명 중 약 3.3%인 15,000여 명만 메시지를 받게 됩니다. 낮은 비율이지만, 귀사의 특정 고객과 비즈니스 모델은 그것이 귀사의 비즈니스에 허용 가능한 수준의 오류인지 여부를 알려줍니다.이는 잠재적인 접근 방식 중 하나일 뿐입니다. 구매 가능성 점수가 50점 이상인 모든 사용자에게 메시지를 보내도록 선택할 수도 있습니다. 그러면 전체 고객에서 실제 구매자의 약 90%(녹색으로 진행률 표시), 즉 약 40,000명의 사용자에게 도달할 수 있습니다. 그러나 빨간색 막대에 표시된 230,000명 이상의 사용자에게도 메시지가 보내지게 됩니다. 이는 잠재적인 비구매자의 절반 이상에 해당됩니다.이 접근 방법이 그럴만한 가치가 있을까요? 고객, 메시징 전략, 메시지에 포함된 프로모션 또는 인센티브 비용, 추가 구매와 관련된 이점, 이 프로모션이 사용자 행동을 바꿀 가능성, 비즈니스와 관련된 기타 모든 변수에 따라 달라집니다. 핵심은 비용 대비 이점이며, 대시보드의 선택기를 통해 다양한 시나리오를 시뮬레이션하고 다양한 결과를 계획하여 귀사의 브랜드에 가장 적합한 접근 방식을 선택할 수 있습니다.장기적으로 볼 때, AI는 여러분이 알고 있는 모든 컨텍스트와 비즈니스 로직에 접근할 수 없기 때문에, AI가 아무리 정확하다고 하더라도 여러분이 활용할 수 있는 모든 예측에 대해 이러한 종류의 분석이 필요합니다.마지막으로true 및 false positive와 같은 일부 개념이 생소할 수 있습니다. 그러나 AI/ML이 오늘날 고객 참여의 중심이 됨에 따라, 앞으로는 p-값과 같은 개념만큼 어디서나 쉽게 볼 수 있게 될 것으로 예상됩니다. Braze(브레이즈)는 이러한 도구와 개념을 최대한 쉽게 실천할 수 있도록 노력하고 있습니다.Braze(브레이즈)의 Predictive Suite가 실제로 브랜드에서 어떻게 작동하는지 궁금하신가요? 글로벌 브랜드 Delivery Hero와 8fit이 각각 Predictive Churn과 Predictive Purchase를 사용하여 어떻게 비즈니스 목표에 도달했는지 방법을 확인해 보십시오.
전환(Conversion) 뜻, 의미, 정의, 종류
캠페인 전환은 무엇인가요?
이메일 전략 : 인증(Authentication) 이란?
이메일을 이용하는 팀에서 항상 궁금해하는 점들이 있습니다. "이메일은 잘 전달되고 있나?" "고객들은 어떤 이메일에 반응하고, 어떤 이메일을 싫어하지?" 하지만 이러한 반응을 보기 위해서는 이메일을 연동하고 지속적으로 유지하기 위해 확인해야 할 여러 사항들이 존재합니다. IP Pool 셋업, 서브도메인 파악 및 IP 워밍 작업 등과 같은 기술적인 장벽 뿐만 아니라 가장 어려워하는 이메일 인증(authentication)에 대해서도 알아 두어야 합니다.이메일 인증이란 무엇이고 왜 필요할까요?이메일 인증을 자세히 알아보기 시작하면 복잡하고 기술적인 전문용어들을 마주하게 될텐데요, 요점만 파악해보자면, 이메일이 악의적인 목적으로 대량으로 전달되고 있는지를 ISP(internet service providers)들이 파악하기 위해 "인증"이라는 절차를 거친다고 볼 수 있습니다.한 사기꾼이 이메일 주소를 가진 모든 사람들에게 "1만원을 보내면 부자가 되게 해 드립니다!"라며 그럴싸한 스토리를 담는다면 어떻게 될까요? 대부분은 무시하겠지만 단 0.1%의 사람들이라도 커피 몇잔 값 버린다치고 도전 해볼수도 있으며, 사기꾼은 많은 돈을 벌 수 있을 것입니다. 돈을 번 사기꾼은 더 많은 스팸메일을 발송하기 시작 하겠지요. 사기나 스팸메일은 날로 교묘해지고 있으며, 이메일을 사용하는 사람들은 언제나 이러한 위험에 노출되어 있습니다. 그래서 ISP는 우리가 받는 이메일이 실제 "발신자"로 등록된 사람들로 부터 온 것인지 더 쉽게 확인함으로써 통신 채널을 보호하는 업무를 하고 있습니다. ISP는 스팸메일이 우리의 편지함에 전달되지 않도록 노력하며 우리가 받고 싶어하는 메일만 받을 수 있도록 노력하고 있습니다.인증은 어떻게 진행되나요?사기꾼은 고객에게 믿음을 주기 위해 유명한 브랜드를 사칭하므로 이러한 스팸메일로 인한 피해는 사칭당한 브랜드에게도 영향을 주게 됩니다. ISP는 인증 프로세스를 통해 메일을 받는 고객을 보호할 뿐만 아니라, 발신자, 즉 사칭당하는 브랜드를 보호하는 역할도 하게 됩니다. 궁극적으로 인증이란, 수신한 이메일이 실제 등록되어 있는 "송신자(또는 브랜드)"로 부터 전송 되었는지 확인하는 것 입니다. 하지만 이메일이 오고가는 통로(SMTP) 상에는 인증 작업을 염두하지 않았기 때문에, 이 문제를 대처하고자 효과적인 이메일 인증을 지원하는 다양한 표준(standards)이 등장 하였습니다.SPF 어디서 많이 본 단어 같지요? 자외선 차단 지수를 생각하셨을 수 있겠지만, 발신자 정책 프레임워크(Sender Policy Framework)에서 나온 단어입니다. 여기서는 발신자(등록하고자 하는 자)는 자신이 되므로, 우리가 이메일 도메인(e.g. @회사명.com)을 발송할 수 있는 IP 주소를 선택하는 것으로 볼 수 있습니다. 선정된 이메일 도메인과 IP 주소는 DNS 레코드에 게시되게 됩니다. SPF는 메일박스(이메일 클라이언트) 제공자들이 "전송된 메일의 IP 주소"와 "DNS 레코드에 공개된 허가된 IP 주소"를 비교함으로써 스팸메일을 발견할 수 있도록 정보를 제공합니다. 쉽게 말해, 다른 사람들이 함부로 우리의 이메일 도메인을 사용할 수 없도록 막을 수 있다는 것이지요.DKIM DKIM(Domain Keys Identified Mail)은 이메일을 작성하거나 전송할 때, 아무것도 수정되지 않았음을 보장하는 것으로, 각 메세지에 암호키와 디지털 서명을 제공합니다. 이를 통해, 이메일이 고객에게 이동하는 중간에 악의적인 3자에 의해 내용이 변조되지 않고 원본 그대로 전달되는 "무결성"을 보장할 수 있습니다.DMARC 쉽게말해 SPF와 DKIM에서 각각 제공하는 안전장치를 DMARC 하나로 제공된다고 볼 수 있습니다. DMARC는 발신자와 메일박스 제공자가 서로 통신하는 통로라고 생각할 수 있습니다. 메일박스 제공자는 메일이 전달되어져 오면 메일을 보낸 사람에게 메일 내용을 보고하고, 발신자는 이에 대한 처리방침을 메일박스 제공자에게 안내합니다. 수신 이메일에 대한 확인 절차를 진행함으로써 악의적인 3자의 행위를 예방할 수 있는 것이지요.인증이 무엇인지, 인증이 어떻게 작동하는지 그리고 인증이 왜 중요한지를 파악하게 된다면, 열심히 작업한 이메일이 고객에게 도달되지 못하는 불상사를 예방할 수 있을 것입니다.주의사항 : SPF와 DKIM 모두 설정이 비교적 간단하며 현재 사용 중인 ESP(이메일 제공 업체)에 의해서도 실행이 가능하지만, DMARC 구현에는 개발 팀의 더 많은 참여가 필요하다는 점 참고 바랍니다.마치며 위에서 소개드린 각 과정과 용어들은 승인된 서버에서 이메일이 적합한 방법으로 전송되고, 고객의 메일 수신함에 안전하게 도착되도록 하기위한 절차입니다. 이메일 인증은 메일박스 제공자, ESP 및 마케팅 담당자 간의 간극을 좁혀, ROI 향상이라는 최종 목표에 도달할 수 있는 길(도메인 평판 및 이메일 전달 보장)을 제시합니다.