Braze의 AI 기능으로 보는 마케팅 실행 방식의 변화 ⚖️ 'AI에게 선택을 맡기다'

AI는 더 이상 마케팅팀의 ‘실험 도구’가 아닙니다. 이제 AI는 마케터가 매일 반복해 온 선택의 과정, 즉 누구에게 / 무엇을 / 언제 / 어떻게 보낼 것인가 라는 질문의 한가운데로 들어오고 있습니다.

개인화, 자동화, 최적화라는 단어는 오래전부터 사용되어 왔지만, 실제 현장에서 마케터가 느끼는 부담은 크게 달라지지 않았습니다. 세그먼트를 나누고, 가설을 세우고, 테스트를 반복하며 조금씩 더 나은 선택을 찾아가는 방식은 여전히 많은 시간과 리소스를 요구합니다.

Braze가 선보인 AI 기능들은 이 지점에서 방향을 달리합니다.

AI를 단순히 실행을 돕는 도구로 두는 대신, 마케터가 매번 직접 내려야 했던 판단을 구조적으로 나누는 방식으로 확장하고 있기 때문입니다. 메시지, 채널, 타이밍, 빈도와 같은 선택을 사람의 경험과 직관에만 의존하지 않고, 데이터와 학습을 기반으로 조정하는 접근입니다.

이 글에서는 Braze의 AI 기능을 단순 기능 소개가 아니라, 마케터의 일하는 방식과 역할이 어떻게 재편되고 있는지를 중심으로 살펴봅니다.

BrazeAI Decisioning Studio™

고객별 ‘선택’을 자동으로 최적화하는 AI 의사결정 엔진

─ 고객 행동 데이터를 기반으로 메시지·채널·혜택·타이밍·빈도 등 모든 캠페인 선택을 비즈니스 KPI 기준으로 AI가 자동 최적화하는 의사결정 레이어

Decisioning Studio는 캠페인을 대신 실행해주는 기능이 아닙니다. 이 기능의 본질은 마케팅 실행 이전에 존재하던 ‘선택의 부담’을 AI가 대신 가져가는 구조에 있습니다. 기존 CRM 운영에서 마케터는 어떤 메시지가 나을지, 어떤 채널이 적절한지, 지금 보내야 할지 나중이 나을지를 끊임없이 선택하고 판단해야 했습니다. Decisioning Studio는 이 모든 요소를 하나의 의사결정 문제로 통합합니다.

AI는 고객 행동 데이터를 학습하며 메시지, 채널, 타이밍, 빈도, 오퍼를 동시에 고려해 지금 이 고객에게 가장 KPI에 기여할 가능성이 높은 선택을 결정합니다. 이 판단의 기준은 클릭률 같은 단기 반응이 아니라, 마케터가 설정한 비즈니스 KPI입니다. 개인화는 더 많은 세그먼트를 만드는 문제가 아니라, 더 나은 선택을 얼마나 일관되게 반복할 수 있는가의 문제로 전환됩니다.

마케터의 관점에서 보는 Decisioning Studio 실제 설정 흐름

설정 과정은 복잡한 모델링이 아니라 의사결정 구조를 정의하는 일에 가깝습니다.

먼저 AI가 최적화해야 할 KPI를 정의합니다. 이후 AI가 선택할 수 있는 옵션, 예를 들어 메시지 버전, 채널, 발송 시간대, 빈도, 제공 혜택 등을 정리합니다. 이 단계에서 중요한 것은 모든 경우의 수를 미리 규칙으로 정의하지 않는 것입니다.

데이터가 연결되면 AI는 고객 반응을 기반으로 지속적인 실험과 학습을 수행합니다. 마케터는 결과 리포트를 통해 AI의 선택이 KPI에 어떤 영향을 미쳤는지를 확인하고, 필요에 따라 목표나 선택지를 조정합니다. 판단을 직접 수행하기보다는, 판단이 잘 이뤄질 수 있는 환경을 설계하는 역할로 이동하는 것입니다.

시나리오로 보는 Decisioning Studio 적용 예시

Decisioning Studio의 개념은 이해했지만, 실제 운영에서는 “이걸 어디에 쓰면 좋은가”가 가장 궁금해집니다.

다음은 CRM 마케터가 실제 현장에서 자주 마주하는 상황을 기준으로, Decisioning Studio를 어떻게 적용할 수 있는지를 정리한 예시입니다.

📌시나리오 1: 구매 전환을 목표로 한 멀티채널 캠페인 운영

한 이커머스 마케터가 신규 방문자와 재방문 고객을 대상으로 구매 전환을 높이는 캠페인을 운영하고 있다고 가정해봅니다. 기존 방식이라면 푸시, 이메일, 인앱 메시지를 각각 나누어 설계하고, 어떤 고객에게 어떤 채널이 더 효과적인지를 확인하기 위해 A/B 테스트를 반복했을 것입니다. 캠페인 설계 과정에서 가장 많은 시간을 차지하는 부분 역시 “이 고객에게는 어떤 채널과 메시지가 맞을까”라는 판단이었을 가능성이 큽니다.

Decisioning Studio를 적용하면 접근 방식이 달라집니다. 마케터는 우선 KPI를 ‘구매 전환’으로 설정하고, AI가 선택할 수 있는 옵션으로 메시지 버전, 채널(푸시·이메일·인앱), 발송 시간대를 정의합니다. 이후 AI는 고객의 행동 데이터를 학습하며 각 고객에게 어떤 채널과 메시지 조합이 구매 전환에 더 기여하는지를 스스로 판단합니다.

이 과정에서 마케터가 더 이상 “푸시가 좋은가, 이메일이 좋은가”를 직접 결정할 필요는 없습니다. 대신 AI가 충분히 학습할 수 있도록 선택지가 적절하게 구성되어 있는지, 그리고 KPI 설정이 비즈니스 목표를 정확히 반영하고 있는지에 집중하게 됩니다. 선택의 주체가 사람이 아닌 시스템으로 이동하면서, 마케터의 고민 역시 실행 단위가 아닌 의사결정 구조 자체로 옮겨갑니다.

📌시나리오 2: 과도한 메시지로 인한 이탈 위험 관리

메시지 빈도 조절은 CRM 마케터에게 늘 어려운 문제입니다. 너무 적게 보내면 반응이 떨어지고, 너무 많이 보내면 이탈 위험이 커집니다. 기존에는 하루 혹은 주 단위 발송 제한 규칙을 두거나, 특정 세그먼트에만 메시지를 줄이는 방식으로 대응해왔을 가능성이 큽니다.

Decisioning Studio에서는 빈도 역시 하나의 의사결정 요소로 포함됩니다. AI는 고객의 과거 메시지 반응, 최근 활동, 메시지 수신 패턴을 학습해 “지금 이 고객에게 메시지를 보내는 것이 KPI에 도움이 되는가”를 판단합니다. 그 결과, 동일한 캠페인이라도 고객별로 메시지를 받는 횟수와 시점이 달라질 수 있습니다.

이 방식의 핵심은, 메시지 빈도 조절이 더 이상 규칙의 문제가 아니라 의사결정의 문제로 전환된다는 점입니다. 모든 고객에게 동일한 기준을 적용하는 대신, 각 고객의 상태와 맥락에 따라 다른 선택이 이뤄지는 구조입니다.

🤖 함께 읽으면 좋은 글 [바로가기↗]

A/B 테스트를 넘어: 실시간 개인화를 최적화하는 방식

─ BrazeAI Decisioning Studio로 고객마다 다른 메시지·타이밍·경험을 만드는 방법

BrazeAI™ Agents

　Beta　

판단을 실행으로 옮기는 지능형 AI 에이전트

─ 마케터가 정의한 목표와 기준에 따라 콘텐츠 생성, 데이터 업데이트, 여정 경로 설정 등 '실행'을 수행하는 AI 에이전트

Decisioning Studio가 ‘무엇을 할지’를 결정한다면, Agents는 그 결정을 실제 실행으로 옮기는 역할을 합니다. Agent는 단순 자동화 규칙이 아니라, 주어진 목표와 기준 안에서 맥락을 이해하고 행동하는 실행 주체입니다.

여정 경로 설정, 콘텐츠 생성, 데이터 계산처럼 조건이 많고 경우의 수가 다양한 작업은 규칙 기반 자동화로 관리하기 어렵습니다. Agents는 이런 판단이 필요한 실행 구간을 맡기기 위한 도구입니다.

Agent 설계 가이드: 프롬프트를 어떻게 설계해야 할까

Agent 설계의 핵심은 정답을 가르치는 것이 아니라, 판단 기준을 명확히 주는 것입니다. 좋은 Agent 프롬프트는 “무엇을 만들어라”가 아니라 “어떤 기준으로 판단하라”에 가깝습니다.

📌시나리오 1: 메시지 콘텐츠 자동 생성

프롬프트 예시: “고객의 최근 행동 맥락을 고려해 친근하지만 과도하지 않은 톤으로 메시지를 작성한다. 할인보다는 혜택의 가치를 강조하고, 클릭을 유도하는 명확한 CTA를 포함한다.”

→ 마케터는 톤과 방향을 정의하고, 실제 문구 생성은 Agent가 수행합니다.

📌시나리오 2: 여정 경로 판단

프롬프트 예시: “최근 7일 내 구매 가능성이 높아 보이는 고객은 혜택 중심 메시지로, 반응이 낮은 고객은 정보성 메시지로 안내한다.”

→ 조건을 모두 코드로 나열하지 않고, 판단의 방향을 제시합니다.

📌시나리오 3: 데이터 업데이트 및 계산

프롬프트 예시: “고객의 최근 활동 데이터를 기반으로 관심 카테고리를 추정하고, 해당 값을 프로필 속성으로 업데이트한다.”

→ 반복적인 계산과 업데이트 작업을 Agent에게 위임합니다.

Agent는 이렇게 반복되지만 매번 판단이 필요한 영역, 기준은 명확하지만 사람이 직접 하기엔 비효율적인 영역에 적합합니다.

Agent 설계 체크리스트

Agent를 설계할 때 가장 흔한 실수는 “AI가 뭘 해줬으면 좋겠다”는 기대만 앞서고, 판단 기준을 충분히 정리하지 않는 것입니다. 다음 체크리스트는 Agent 프롬프트를 설계하거나 검수할 때 참고할 수 있는 기준입니다.

1️⃣ 목적이 명확한가

Agent가 수행해야 할 목표가 분명한지 확인합니다. “콘텐츠를 생성한다”가 아니라 “전환을 유도하는 메시지를 생성한다”처럼 결과 지향적으로 정의되어야 합니다.

2️⃣ 판단 기준이 서술되어 있는가

Agent는 정답을 아는 존재가 아니라, 기준을 따라 판단하는 존재입니다. 톤, 우선순위, 피해야 할 표현, 강조해야 할 가치 등이 프롬프트에 포함되어 있는지 점검합니다.

3️⃣ 맥락 정보를 활용하도록 설계되었는가

고객의 최근 행동, 상태, 여정 단계 같은 맥락 정보를 어떻게 참고해야 하는지 프롬프트에 드러나 있는지 확인합니다. 맥락이 빠진 Agent는 단순 자동화와 다르지 않습니다.

4️⃣ 결과를 직접 통제하려 하지 않는가

“이 문장을 반드시 포함해라”처럼 결과를 과도하게 고정하면 Agent의 장점이 사라집니다. 결과보다 방향과 기준을 제시하고 있는지 점검합니다.

5️⃣ 사람이 개입해야 할 지점이 명확한가

모든 것을 Agent에게 맡길 필요는 없습니다. 검수, 승인, 리포트 확인 등 사람이 개입해야 할 지점이 명확히 구분되어 있는지 확인합니다.

이 체크리스트의 목적은 Agent를 더 똑똑하게 만드는 것이 아니라, 마케터의 판단을 더 잘 전달하는 것입니다.

BrazeAI Operator™

　Beta　

마케터의 작업 방식을 바꾸는 맥락 인식형 AI 어시스턴트

─ 현재 작업 중인 화면과 맥락을 이해하고 자연어 프롬프트로 캠페인·분석·설정을 지원하는 AI 어시스턴트

Operator는 의사결정이나 실행을 대신하는 기능이 아닙니다. 이 기능이 담당하는 영역은 마케터의 작업 경험 자체입니다. 캠페인 설정, QA, 데이터 분석, Liquid 코드 수정처럼 기존에는 여러 메뉴와 화면을 오가며 처리해야 했던 작업을 자연어 기반으로 빠르게 수행할 수 있도록 돕습니다.

기존 CRM 환경에서는 “이 설정이 어디 있었지?”, “이 필드는 어떤 의미였지?”처럼 툴을 다루는 데 드는 인지 비용이 적지 않았습니다. Operator는 이런 부담을 줄이는 데 초점을 둡니다. 마케터가 자연어로 의도를 전달하면, Operator는 현재 작업 중인 화면과 맥락을 이해한 상태에서 적절한 액션을 제안하거나 수행합니다.

Operator의 핵심은 단순한 질의응답이 아니라 맥락 인식입니다. 현재 보고 있는 화면, 설정 단계, 작업 흐름을 이해한 상태에서 동작하기 때문에, 마케터는 메뉴 구조나 설정 위치를 기억하는 데 에너지를 쓰지 않고 목적과 의도에 집중할 수 있습니다. 이는 단순히 “편해진다”는 차원을 넘어, 설정 오류를 줄이고 반복 작업의 일관성을 높이는 방향의 변화입니다.

또 하나 중요한 점은, Operator가 전략을 대신 세우거나 판단을 내리지 않는다는 것입니다. 어떤 KPI를 선택할지, 어떤 메시지가 맞는지는 여전히 마케터의 영역입니다. Operator는 그 판단이 툴 안에서 정확하게 구현되고, 빠르게 검증될 수 있도록 돕는 작업 파트너에 가깝습니다. 그 결과 마케터는 툴을 ‘조작하는 사람’이 아니라, 의도를 전달하고 결과를 검토하는 역할에 더 집중할 수 있게 됩니다.

한눈에 보는 Braze AI 기능 비교

마무리하며

Braze의 AI 기능들은 마케팅을 자동화하기 보다는 마케터의 사고 구조를 재정의하는 방향에 가깝습니다.

Decisioning Studio는 선택을 시스템화하고, Agents는 판단이 필요한 실행을 위임하며, Operator는 그 모든 과정이 안정적으로 이어지도록 작업 경험을 정리합니다.

선택은 시스템이 맡고, 실행은 AI가 수행하며, 마케터는 그 기준과 방향을 설계합니다. 이 변화는 단순히 일을 줄여주는 문제가 아닙니다. 더 많은 실험을 가능하게 하고, 더 일관된 판단을 만들며, 결과적으로 마케팅의 품질 자체를 끌어올립니다.

특히 중요한 점은, 이 구조가 마케터의 역할을 약화시키지 않는다는 것입니다. 오히려 반복적인 판단과 조작에서 벗어날수록 마케터는 더 본질적인 질문에 집중할 수 있게 됩니다. 어떤 경험이 고객에게 의미 있는지, 어떤 선택이 장기적인 관계를 만드는지, 그리고 그 기준을 어떻게 시스템에 녹여낼 것인지에 대한 고민입니다.

AI는 이 고민을 대신해 주지 않습니다. 대신, 마케터가 정의한 기준이 실제 운영 과정에서 얼마나 일관되게 실행되고 있는지를 끊임없이 검증하고 확장합니다. 그 결과 마케팅은 감에 의존한 실행에서 벗어나, 의도와 판단이 구조로 남는 활동으로 진화하게 됩니다.

이 변화는 아직 완성형이 아닙니다. 하지만 분명한 것은, AI를 ‘도구’로 다루는 팀과 ‘판단의 파트너’로 설계하는 팀 사이의 격차는 점점 더 벌어질 것이라는 점입니다. 그리고 Braze의 AI 기능들은 그 전환을 준비하는 마케터에게 현실적인 출발점을 제공합니다.

<출처>

─ 본 콘텐츠는 Braze의 유저 가이드를 바탕으로 마케팅의 실무 관점에서 재구성되었습니다.

🔗 2025 Braze AI Announcements

🔗 BrazeAI Decisioning Studio – User Guide

🔗 BrazeAI Agents – User Guide

🔗 BrazeAI Operator – User Guide