맥싸이트-픽
AI가 바꿀, 어쩌면 이미 바꾼 3가지
Team MAXONOMY ・ 2025.09.10
처음 인터넷이 보급되었을 때, 처음 스마트폰이 세상을 바꾸었을 때, 무척 새롭고 신기했던 기억이 납니다. 이제는 언제 어디서든 인터넷에 접속해 모바일 디바이스로 정보를 얻는 것이 당연하게 되었습니다. 나아가 얻은 정보를 공유하고, 재가공하며, 모두가 정보의 생산자가 되어가고 있습니다. 아침에 읽은 뉴스가 오후에는 벌써 이미 옛날 정보가 되어버릴 정도로 세상은 빠르게 변화하고 있습니다.
이런 빠른 변화 속에서 더 빠른 변화를 가속할 새로운 전환점을 맞이하고 있습니다. 바로 AX(AI 대전환)입니다. 또 다시 변화할 세상을 서둘러 준비하기 위해 국가와 기업은 그 어느때보다 분주한 시간을 보내고 있습니다.
거대한 변화에는 크고작은 변화가 함께하기 마련이죠. 이번 맥사이트픽에서는 AI가 바꿀, 어쩌면 이미 바꾼 3가지 요소에 대해서 알아보겠습니다.
인프라 산업: 데이터 고속도로의 확장
최근 뉴스들을 보면 ‘데이터 고속도로의 확장’이란 표현이 자주 등장합니다. 데이터가 다니던 기존의 3G,4G, LTE 그리고 5G 속도를 넘어 더빠른 데이터가 수용되고 처리될 수 있는 데이터 고속도로를 구축해야한다고 이야기하는 것인데요. 데이터 고속도로 확장은 국가에서 누구보다 목소리 높여 주장하고 있습니다.
정부는 AI활용의 일상화를 위한 통신량이 2033년에 이르면 지난 2023년의 이용량 대비 최소 4배에서 많게는 9배 수준으로 급증될 것이라 예측했습니다.*
*이코노믹 데일리(2025-08-24) AI '데이터 고속도로' 4배 넓힌다...국가 백본망 2030년까지 4배 증설
지금은 AI 활용 방식 중에서도 거대언어모델(LLM)만을 주로 이용하는 수준이라, AI 대중화와 상용화에 따른 트래픽 증가가 현시점에서는 큰 부담을 주고 있지는 않습니다. 하지만 서서히 인공지능 로봇, 자율주행차 등 피지컬 AI 도입이 확산되었을 때, 그리고 산업 분야에서 인공지능이 보편화되었을 때, 이에 맞춰 트래픽 또한 급증 될 수 밖에 없습니다.
기존의 네트워크가 고도화되면 AI 연산 작업을 위해 사용되는 그래픽처리장치의 물리적 용량 등 컴퓨팅 자원을 기존보다 효율화시킬 수 있지만, 개선만으로는 거대한 AI 변화를 대비하기 부족할 수 있습니다. 국가가 나서서 백본망 통신의 용량 확충 등을 발표하며, 미래 확대 가능한 수준을 검토하는 이유입니다.
AI 확산은 단순 기술 혁신으로만 이해되어서는 안될 것입니다. 다시말해, 교통, 에너지, 의료, 금융 같은 핵심 산업들 모두 디지털 데이터를 활용하고 의존하는 비중이 커져있는 현 단계에서 AI 확산은 데이터 경제를 가속화할 것입니다. AI 인프라 구축은 어쩌면 도로, 철도 건설보다도 훨씬 더 신중해야 하는 작업이 될 것입니다.
광고 산업: 창의의 사고방식을 바꾸다
이렇게 실물경제에서 AI가 주요한 역할로 자리잡고 있을 때, 인간의 고유 영역으로 여겼던 ‘창의’에서도 AI는 여전히 끊임없이 발전을 시도하고 있습니다. AI를 통해 광고를 생성하고, 심지어 광고 대회에서 수상했다는 뉴스를 심심치 않게 접하지 않나요?
지난 NBA 결승전에서도 AI로 제작한 광고가 등장했습니다. AI로 광고를 만든다는게 더는 새로운 사실은 아니지만 광고를 제작하는데 투입되는 비용과, 광고를 만들기까지 시간을 기존과 비교해보면 놀라지 않을 수가 없습니다. 그래서 사실 AI는 광고 산업에서 벌써 게임체인저라 불리며, 광고업계에 환호와 동시에 업계 관련자들에게 긴장감을 주고 있는데요.
이 또한, 단순한 기술 혁신을 넘어 창의성 영역의 확장 모습으로 이해해볼 수 있습니다. 막대한 제작비와 전문 스튜디오를 가진 대기업만 할 수 있었던 일이, 이제는 누구나 가능해졌습니다. 영상·이미지·카피를 생성하는 도구들이 대중화되면서, 창작은 권력에서 해방되어 모두의 손으로 넘어가고 있다는 것을 대중들까지도 곧 받아들이게 될 것입니다.
물론 이 과정에서 현실과 허구의 경계가 희미해지는 문제도 생깁니다. 하지만 이것을 단순한 부작용이 아니라 새로운 창작 문화의 시작이라고 보는 시각도 존재합니다. 과거 인쇄술이 가짜 뉴스도 함께 퍼뜨렸지만 결국 지식의 대중화를 이끌었듯, AI도 혼란과 함께 새로운 창작 문화를 정착시킬 것입니다. 이러한 현상들을 큰 흐름에서 보게되면 결국 AI가 사회의 구조와 문화 그리고 인간의 사고방식 자체를 점차 바꿔나가고 있는 모습들이 선명히 드러납니다.
인간-기계 새로운 관계
인프라와 광고 업계 모두 특수한 산업이기 때문에 아직은 나와 크게 연관되어 있지 않다고 생각될 수 있지만, 사실 우리는 오래전부터 꽤 AI와 가깝게 생활하고 있었습니다. 대표적으로 로봇 청소기가 있죠.
많은 소비자가 로봇 청소기를 마치 살아있는 생명 같다고 느낀 적이 있다고 말합니다. 인간은 기본적으로 무생물을 의인화할 수 있는 능력을 가지고 있는데요. 가끔 로봇에게 말을 걸기도, 가끔은 고마움과 미안함을 느끼기도 하죠. 일부 소비자들은 기계가 고장 나면 더 이상 제품 불량이나 고장으로 단순하게 생각하는 것이 아니라, 일종의 배신이라는 감정까지 느낀다고 합니다.
앞으로 더욱 발전될 AI 소프트웨어에 정교한 하드웨어가 결합하면, 인간이 얼마나 더 깊은 감정을 이입하게 될지 예측이 안됩니다. 이미 Chat GPT와 연애 중이라 말하는 사람이 전세계 곳곳에 등장하고 있으니까요.
이는 기술에 대한 기대치가 단순한 도구적 수준을 넘어섰다는 의미입니다. 소비자는 AI 기기를 인간처럼 대하며, AI는 그런 감정을 수집하여, 이를 기반으로 향상된 서비스를 제공하고 있습니다. 가정용 기기를 포함한 모든 생활 속 AI는 앞으로 인간-기계 관계라는 새로운 사회적 맥락 속에서 새롭게 평가될 것입니다.
마치며
오늘의 인공지능, AI는 더 이상 특정 분야의 기술 혁신이 아니라, 사회 전반의 규칙을 다시 쓰는 도구이자 원동력으로 볼 수 있습니다. 인프라에서 창의성, 인간의 본질, 생활의 감정까지 AI는 사회의 모든 차원을 동시에 흔들고 있습니다. AI로부터 흔들릴 것인지, 불안에 떨 것인지 아니면 AI로부터 더 큰 만족도를 얻을 수 있도록 인간이 AI를 먼저 잘 가이드 해줄 것인지를 신중하고 과감하게 선택해야 하는 시기입니다.
AI와 관련된 규제와 검토가 늦춰질 수록 AI를 받아들이는 사회는 혼란과 불평등이 먼저 심화 될 수 밖에 없습니다. 결국 AI를 어떻게 생활과 사회에 흡수 시킬지에 대한 방법을 찾는게 관건입니다. AI는 산업의 논리, 문화의 규칙, 인간의 가치, 생활의 감각을 동시에 바꾸고 있으므로 국민 모두가 어떤 사회를 원하는지에 대한 다방면적인 성찰을 해야 합니다. 그리고 그 선택을 반영한 더 정확한 프롬프트를 AI에게 제공해야할 때입니다.
콘텐츠 더 읽어보기
팀맥소노미
YOUR DIGITAL MARKETING HERO
맥소노미의 마케팅 인사이트를
뉴스레터로 만나보세요 💌
관련 글 보기
전환율(Conversion Rate)이란?🔍(feat. 전환율 계산 및 개선법)
전환율(Conversion Rate)이란?전환율이란, 마케팅 활동이나 특정 행동 유도(Call to Action)에 반응하여 원하는 행동을 취한 사용자의 비율을 의미합니다. 여기서 전환으로 간주되는 행동은 비즈니스 목표에 따라 다양할 수 있으며 제품 구매, 회원가입, 구독 등이 대표적인 전환입니다. 전환율을 구하는 공식은 다음과 같습니다.전환율 = (전환 수 / 방문자 수) x 100전환율은 캠페인, 웹사이트, 판매 채널의 효과에 대한 중요한 인사이트를 제공하여, 마케팅 전략을 수립하는 데 유용하게 사용할 수 있습니다. 높은 전환율은 사용자들이 대체로 긍정적인 경험을 하고 있음을 나타내며, 낮은 전환율은 개선의 여지가 있음을 시사합니다전환율 계산 방법앞서 설명 드렸듯, 전환율은 전환 수에 방문자 수를 나누어 구할 수 있는데요. 방문자가 따로 없는 경우는 '방문자 수' 대신 '기회 수'를 넣어 계산할 수 있습니다. 전환율을 구하는 상세한 과정은 다음과 같습니다.전환 이벤트 확인: 전환으로 측정할 구체적인 행동을 정합니다. 예를 들어 구매, 회원가입, 구독, 특정 링크 클릭 등이 전환 이벤트가 될 수 있습니다.데이터 수집: 전환 수와 특정 기간 동안의 방문자 수(혹은 전환될 기회의 수)를 수집합니다.공식 적용: 숫자를 공식에 대입합니다. 예를 들어 1,000명의 방문자 중 60번의 전환이 발생했다면 다음과 같이 계산할 수 있을 것입니다.전환율 = (60 / 1,000) x 100 = 6%전환율이 중요한 이유비즈니스에서 가장 중요한 것 중 하나는 결과를 확인하는 것입니다. 어떤 결과가 있었는지, 그 결과가 비즈니스에 어떤 의미를 가지는지 이해하고 개선점을 찾아 적용해야 합니다. 전환율(Conversion Rate)은 비즈니스가 성공하고 있는지, 구체적으로 어떤 모습으로 성공하고 있는지 잘 보여주는 지표입니다. 전환율을 추적하고 관리한다면 다음과 같은 이점을 얻을 수 있습니다.마케팅 캠페인의 효율성 측정: 전환율을 통해 마케팅 캠페인이 얼마나 효과적인지 평가할 수 있습니다.수익 흐름의 건강 상태 파악: 전환율을 통해 수익 창출 경로가 잘 작동하고 있는지 확인할 수 있습니다.판매 퍼널에서 개선이 필요한 부분 발견: 전환율은 고객이 구매로 이어지는 과정에서 약점이나 개선이 필요한 부분을 식별하는 데 도움을 줍니다.마케팅 채널 및 캠페인 전략에 대한 의사 결정: 전환율을 분석하면 어떤 채널과 캠페인이 가장 효과적인지에 대한 판단을 할 수 있어, 더 나은 전략 수립이 가능합니다.투자 대비 수익(ROI)을 극대화할 수 있도록 마케팅 캠페인을 최적화: 전환율을 높임으로써 ROI를 높일 수 있는 방향으로 캠페인을 조정하고 최적화할 수 있습니다.이처럼 전환율은 마케팅 활동의 성과와 수익성을 높이는 데 핵심적인 역할을 합니다.어떤 전환 이벤트(Conversion Event)를 설정할 수 있을까?전환 이벤트(conversion event)는 가치 있다고 여겨지는 고객의 모든 행동이나 활동을 의미합니다. 제품 구매, 회원가입, 구독이 대표적이지만, 비즈니스 목표나 시장, 제품 유형 등에 따라 다양하게 정의될 수 있습니다.전환 이벤트를 설정할 때는 비즈니스 또는 마케팅 캠페인의 구체적인 목표 및 핵심 성과 지표(KPI)에 맞춰 설정하는 것이 좋습니다. 쉽게 말해 성공적인 결과로 이어지는 사용자 행동을 선택해야 하죠. 실제 실무에서 자주 사용되는 전환 이벤트의 예시는 다음과 같습니다.실제 구매 완료(주로 이커머스 서비스)회원 가입소프트웨어 체험판 및 e북을 다운로드앱 다운로드 및 실행뉴스레터 구독랜딩 페이지나 특정 기사 페이지에서 일정 시간 이상 머무는 행동정기적으로 사이트에 방문하는 행동소셜 미디어 게시물에 좋아요를 누르거나 공유하는 행동광고를 클릭하여 사이트에 방문하는 행동이처럼 전환 이벤트는 다양한 사용자 행동을 추적할 수 있으며, 비즈니스 성과를 높이는 데 중요한 역할을 합니다.이상적 전환율이상적 전환율은 산업, 전환 이벤트의 유형, 사이트 트래픽의 품질, 타겟 리드의 정확성에 따라 크게 달라질 수 있으며, 일괄적으로 적용되는 기준은 없습니다. 이 외에도 제품, 타겟 고객, 시장 경쟁력, 사이트 품질 등 다양한 요소가 전환율 수치에 영향을 줍니다.일반적으로는, 목표 성과 및 기대치를 기준으로 전환율의 좋고 나쁨을 평가할 수 있습니다. 종종 벤치마크 데이터를 참고 지표로 사용하기도 합니다. 예를 들어, 이커머스 기업의 평균적인 전환율은 약 2-3% 수준입니다. 5% 이상의 전환율을 달성한 기업이 있다면, 전환율 지표가 굉장히 좋다고 볼 수 있겠죠.전환율은 단순히 1회성 측정에서 끝나는 것이 아닌 지속적으로 추적하고 개선하는 것이 중요하며, 이를 통해 점진적인 성장과 최적화를 목표로 해야 합니다. '최고의 전환율'은 비즈니스의 목표와 업계 표준에 부합하면서도 지속적인 개선이 있어야 합니다.전환율 최적화(CRO) 방법전환율 최적화(CRO)는 전환을 증가시키기 위해 제품(서비스)이나 캠페인을 개선하는 활동을 의미합니다. 주로 사용자 행동을 분석하고, 제목, 이미지, CTA 버튼과 같은 요소를 테스트하는 등 데이터 기반의 조정이 필요합니다. 때문에 일반적으로는 A/B 테스트, 사용자 조사, 데이터 분석, 반복 실험 등의 방법을 사용하여, 사용자 여정을 최적화합니다. 이를 통해 전환율 지표를 개선할 수 있으며, 궁극적으로 수익, 리드 및 기타 KPI를 증가시키는 효과가 있습니다. 다음은 실제 실무에서 적용할 수 있는 전환율 최적화 방법입니다.고객 또는 사용자 페르소나(persona) 만들기: 고객 페르소나를 통해 타겟 고객의 욕구, 필요, 문제를 더 잘 이해하고 이를 바탕으로 전환율을 개선할 수 있습니다.A/B 테스트: 랜딩 페이지, 마케팅 콘텐츠, 제품 설계 등의 여러 버전을 테스트하여 어떤 버전이 더 성과가 좋은지 파악하는 방법입니다. 성과가 더 좋은 선택지를 찾아 적용하고, 이 과정으로 반복하여 캠페인과 제품을 고객이 원하는 형태에 맞게 지속 개선할 수 있습니다.명확한 행동 유도(call-to-action, CTA): 웹사이트의 각 페이지에는 방문자에게 원하는 행동을 명확히 안내하는 매력적인 CTA가 필요합니다. 해당 CTA를 개선하여 전환율을 직접적으로 개선할 수 있죠. 앞서 설명드린 페르소나, A/B테스트 기법을 활용할 수 있습니다.페이지 로딩 속도와 고객 경험 개선: 로딩이 느리거나 사용자 경험이 좋지 않은 웹사이트는 방문자의 전환을 저해할 수 있습니다.소셜 프루프(social proof) 활용: 소셜 프루프는 고객 리뷰, 후기, 수상 경력, 소셜 미디어 공유 등을 포함하며, 사이트의 신뢰성과 신뢰감을 높이는 방법입니다.Amplitude를 활용한 전환율 극대화Amplitude는 제품 분석 업계의 리더로서, 단순히 데이터를 분석하는 것에서 그치지 않고, 이를 실제 전략으로 전환하는 방법을 제시해줍니다. Amplitude의 데이터 분석 및 사용자 행동 추적 도구를 활용해 전환율을 극대화해보세요. Amplitude는 전환율을 극대화할 수 있는 다양한 기능과 노하우를 제공합니다. 비즈니스의 모든 영역에 대한 상세한 데이터를 제공하고, 고객의 행동을 분석하고, 어떤 요소가 고객의 관심을 끄는지에 대한 데이터를 수집할 수 있습니다. 콘텐츠 더 읽어보기퍼널(Funnel) 분석과 사용 사례전환(Conversion) 뜻, 의미, 정의, 종류구매 전환율을 높이는 6가지 전략
고객 Lifecycle 분석의 핵심 열쇠 "행동 코호트"
Amplitude의 행동 코호트는 충성 고객을 식별하고 유치하여 고객 라이프 사이클의 세 가지 중요한 단계 (획득, 참여, 유지)를 보다 효율적으로 만들도록 설계되었습니다.고객은 우리 사이트를 방문할 때마다 매번 동일한 목적을 가지지 않습니다. 때로는 구매를 위해서, 때로는 단순히 가격 탐색을 위해서, 혹은 콘텐츠 소비를 위해서 방문합니다. 따라서 우리는 개개인의 목적을 그룹핑하여 그들의 변화를 파악하고 사전에 대비해야 합니다. Amplitude(앰플리튜드) 내에서는 행동 집단을 만들어 이러한 행동 변화를 설명하고 계획할 수 있습니다. 이렇게 하면 이전에 설명하지 않았던 다른 숨겨진 사용자 페르소나를 파악할 수 있습니다. 고객 기반의 다양한 세그먼트를 정의하고 분석하여 라이프 사이클의 여러 부분에서 고객에게 동기를 부여하는 요소를 배우고 이해할 수 있습니다. 고객 라이프 사이클이란 무엇일까요?고객 라이프 사이클은 제품, 웹 사이트, 애플리케이션 또는 지원 시스템에 참여하기 전, 도중 및 후에 사용자가 따르는 경로입니다. 이 수명주기는 사용자가 가입하기 훨씬 전에 시작되며 고객이 행여나 흥미를 잃은 후에도 계속됩니다.고객 라이프 사이클의 주요 이정표에는 획득, 참여 및 유지가 포함됩니다. 이 세 단계에는 인식, 전환, 구매, 활성화, 갱신 및 추천이라는 점진적인 단계가 있습니다.인식은 고객 라이프 사이클의 첫 번째 단계입니다. 여기에서 잠재 고객이 제품을 발견하고 알게 됩니다.전환은 잠재 고객이 귀사의 솔루션을 경쟁 업체와 차별화하는 포인트로 탐색을 진행하는 지점입니다. 궁극적인 목표는 고객이 자신의 요구 사항을 가장 잘 충족시킬 수 있다고 느끼도록 해야 합니다.구매 단계는 제품의 선택 및 구매를 포함합니다. 제품 마케팅 전략과 코호트의 참여가 주요합니다.활성화 단계는 사용자가 첫 긍정적 인상을 유지하도록 하는 게 매우 중요합니다.리텐션은 고객이 만족도를 명확하게 나타내는 단계입니다. 그들은 그들이 당신의 플랫폼을 가치 있게 생각한다는 것을 보여줌으로써 (사용한 돈, 소요 시간, 기간 및 참여 깊이를 통해) 유지는 또한 고객 평생 가치를 높일 수 있는 가장 큰 부분입니다. 갱신 : 사용자가 비즈니스 약관을 갱신하거나 추가 제품을 구매하거나 구독을 모두 업그레이드하는 부분입니다.추천 : 사용자가 친구 및 동료에게 제품을 홍보하거나 추천 프로그램에 적극적으로 참여할 때 발생합니다.사용자는 이러한 단계 중 어느 단계에서든 자연스럽게 고객 라이프 사이클에서 벗어날 수 있습니다. Amplitude(앰플리튜드)와 같은 제품 분석을 통해 행동 코호트를 활용함으로써 제품 팀은 고객의 행동 주기를 파악하여 기존 메시징, 채널 및 경험을 식별하고 활용할 수 있습니다.그렇다면 이러한 코호트를 추출하는데 주요한 진단 질문 예제를 살펴볼게요.코호트 추출 시, 주요 진단 질문이렇게 준비된 질문 중에서, "얼마나 많은 고객이 Appboy(=Braze) email을 통해 인해 신규 가입을 했는가?"라는 질문에 대해 가정해보고, 코호트를 추출한다면 다음과 같은 구성으로 쉽고 간단하게 Amplitude(앰플리튜드)를 통해서 코호트를 추출할 수 있습니다.고객 라이프 사이클을 정기적으로 재점검하세요.고객 라이프 사이클은 사용자의 우선순위와 선호도가 시간이 지남에 따라 진화함으로 제품 전략 또한 지속적으로 진화해야 합니다. 사용자가 주요 workflow를 계속 진행할 수 있도록 하려면 고객 라이프 사이클의 각 단계에서 대상 행동 집단을 일관되게 검토하는 것이 중요합니다. 행동 코호트를 정기적으로 검토하면 성공적이고 맞춤화 된 고객 라이프 사이클을 위해 고관여 고가치 고객을 계속 확보, 참여 및 유지할 수 있습니다.
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.
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.