숫자를 넘어 사람을 향하다, 카카오페이가 그리는 진짜 성장
마이데이터로 이탈을 예측하는 카카오페이 그로스 전략
정혜경 | 데이터마케팅팀 팀장, 카카오페이
The MAXONOMY는 CJ올리브네트웍스 팀 맥소노미가 주최하는 연례 컨퍼런스로, 마케팅과 테크의 경계를 넘어 데이터와 AI가 이끄는 비즈니스 혁신(AX)의 전략과 실행을 조명하는 자리입니다.
지난 6월 23일과 24일, 양일간 열린 The MAXONOMY 2026에는 1천여 명이 참석해, ‘Connect the Data, Accelerate the Work’를 주제로 데이터의 연결부터 업무 생산성의 가속화까지 실무적인 인사이트를 깊이 있게 논의했습니다. 1일차 'Marketing Intelligence Flow'에서는 데이터를 실질적인 성과로 연결하는 고도화된 고객 경험 전략을 다루었고, 2일차 'Business Agility Core'에서는 일의 방식을 근본적으로 바꾸는 AI 기반 기술과 조직의 변화를 집중적으로 살펴봤습니다.
마케터, 기획자, 개발자, 그리고 변화를 주도하는 비즈니스 리더들까지, AI와 데이터가 만들어갈 내일의 비즈니스를 준비하는 뜨거운 현장 ─ 글로벌 리더들과 현업의 최전선에서 혁신을 증명해 내고 있는 실무 담당자들이 전한 생생한 이야기를 세션 스케치로 하나씩 따라가봅니다.
송금하고, 결제하고, 투자를 확인하는 일까지 ─ 어느새 카카오페이는 대한민국 국민 10명 중 8명이 사용하는 플랫폼으로 우리 생활 곳곳에 자리 잡았습니다.
전체 사용자 수만 해도 4,300만 명에 달한다고 하는데요. 숫자만 놓고 보면 이미 충분히 성장한 플랫폼처럼 보입니다. 더 많은 사용자를 확보하는 것만으로는 그다음 단계의 성장을 설명하기 어려울 만큼 말이죠. 그래서 더욱 궁금해집니다.
“이미 국민 대다수의 일상에 자리 잡은 카카오페이는 어디에서 새로운 성장의 가능성을 찾고 있을까요?”
카카오페이가 찾은 답은 더 많은 사용자를 모으는 데 있지 않았습니다. 사용자가 서비스에 얼마나 깊이 머무르는지 살피고, 데이터에서 의미 있는 세그먼트를 발굴해 캠페인과 비즈니스 성과로 연결하는 ‘질적 성장’에 주목했습니다.
그 중심에는 약 2,300만 명의 마이데이터 가입자가 있었는데요. 카카오페이가 중요하게 본 것은 단순히 가입자 규모만이 아니었습니다. 사용자 한 명이 평균 7.3개의 기관을 연결하고 있다는 사실, 그리고 이처럼 연결된 데이터를 통해 한 개인의 금융 생활을 더욱 입체적으로 들여다볼 수 있다는 가능성이었습니다.
그렇다면 이렇게 축적하고 연결한 데이터는 실제 비즈니스에 어떻게 기여할 수 있을까요? 마이데이터와 자사 데이터를 결합하면 타겟은 얼마나 정교해질 수 있으며, 이미 떠난 사용자가 아니라 앞으로 떠날 가능성이 있는 사용자까지 미리 알아볼 수 있을까요?
카카오페이 데이터마케팅팀의 정혜경 팀장님이 The MAXONOMY 2026 무대에 올라 이에 대한 두 가지 사례를 소개했습니다. 결합 데이터로 타겟 정확도를 검증한 과정부터 이탈 가능성을 예측해 리텐션을 높인 사례까지, 데이터를 실질적인 비즈니스 성과로 연결한 방법을 전했는데요. 방대한 사용자 데이터 속에서 의미 있는 세그먼트를 발굴하고 리텐션을 높여가는 카카오페이의 데이터 마케팅 여정을 지금부터 따라가 봅니다.
왜 리텐션(Retention)인가? 질적 성장을 위한 핵심 지표
카카오페이는 사용자가 서비스에 얼마나 깊이 머무르는지를 보여주는 ‘리텐션’을 중요한 가치로 보고 있습니다. 발표에서 소개된 자료에 따르면 신규 고객 획득에는 기존 고객을 유지하는 것보다 최대 25배 많은 비용이 들며, 리텐션율을 5% 개선하면 이익률이 최대 95%까지 높아질 수 있다고 합니다.
그렇다고 모든 기업이 리텐션을 똑같이 최우선 과제로 삼아야 하는 것은 아닙니다. 기업의 성장 단계와 비즈니스 상황에 따라 신규 고객 획득에 집중해야 할 수도 있고, 기존 고객과의 관계를 깊게 만드는 것이 더 중요할 수도 있는데요. 이미 상당한 사용자 규모를 확보하고 질적 성장을 준비하는 카카오페이는 후자에 무게를 두고, 리텐션 중심의 LTV 전략을 추진하고 있습니다.
이를 위해서는 단순히 ‘누가 카카오페이를 사용하는가’를 아는 것만으로는 충분하지 않습니다. 사용자가 어떤 금융 생활을 하고 있으며, 어떤 상황에서 서비스를 이용하고 이탈하는지까지 구체적으로 이해해야 합니다. 이때 카카오페이가 주목한 것이 바로 마이데이터입니다.
카카오페이 사용자 약 4,300만 명 가운데 약 2,300만 명은 마이데이터에 가입해 있다고 합니다. 그런데 카카오페이가 중요하게 본 것은 2,300만 명이라는 마이데이터 가입자 규모만이 아니었습니다. 이보다 더 주목한 지표는 ‘평균 연결 기관 수’였는데요. 사용자 한 명이 평균 7.3개의 기관을 연결하고 있어, 사용자의 금융 생활을 입체적으로 살펴볼 수 있는 위치에 있다고 판단한 것입니다.
이러한 사용자 이해를 뒷받침하는 기반이 바로 카카오페이의 CDP(Customer Data Platform)입니다. 카카오페이는 성향, 행동, 소비, 금융 위치, 관계 등 자사에서 확보한 퍼스트파티 데이터에 마이데이터와 가맹점 데이터를 결합해 약 4.3만 개의 프로파일을 구축했습니다. 이 프로파일은 광고 타겟팅뿐 아니라 개인화된 배너와 서비스 추천에도 활용되고 있는데요. 카카오페이 데이터마케팅팀의 역할은 이미 구축된 프로파일을 활용하는 데서 그치지 않습니다.
데이터마케팅팀은 여러 데이터 사이의 관계를 살펴보며 비즈니스에 기여할 수 있는 새로운 세그먼트를 발굴합니다. 발굴한 세그먼트를 바탕으로 어떤 사용자를 타겟으로 삼을지, 각 사용자에게 어떤 가치와 혜택을 강조할지, 어느 채널을 통해 전달할지까지 구체적인 전략을 수립합니다.
이후에는 실험군과 대조군을 나눠 다양한 채널과 혜택을 테스트하고 가장 높은 성과를 보인 위너 그룹을 찾아냅니다. 효과가 확인된 프로그램은 자동화하고 운영 과정에서 다시 성과를 점검하며 지속적으로 조정하죠. 한 번의 분석으로 결론을 내리는 것이 아니라, 전략 수립과 실험, 자동화와 최적화를 반복하는 구조입니다.
이러한 상시 튜닝을 가능하게 하는 배경에는 마케터와 데이터 분석가의 긴밀한 협업이 있습니다. 두 직군은 실시간으로 지표를 공유하며 캠페인의 변화를 함께 살펴보는데요. 페이지나 배너 역시 별도의 개발 과정 없이 마케터가 직접 설정할 수 있어 분석을 통해 얻은 인사이트를 빠르게 실행으로 옮길 수 있습니다. 데이터가 분석 단계에 머물지 않고 실제 액션으로 이어질 수 있도록 일하는 방식과 운영 구조까지 함께 설계한 셈입니다.
데이터 마케팅 활용 사례 ① 모수보다 정확도, 결합 데이터의 효과를 검증하다
마이데이터가 사용자에 대한 이해를 넓혀준다고 해도, 실제로 비용을 들여 활용할 만큼 비즈니스 가치가 있는지는 별개의 문제입니다. 특히 마이데이터 과금 이슈가 제기되면서 카카오페이 역시 데이터의 실질적인 효과부터 확인할 필요가 있었습니다.
약 4년 전, 카카오페이는 “비용을 들여 마이데이터를 활용할 만한 가치가 있는가?”라는 질문으로 테스트를 시작했습니다. 마이데이터를 추가로 결합했을 때 기존 자사 데이터만 활용한 경우보다 타겟 정확도가 얼마나 높아지는지를 직접 검증해 본 것이죠.
테스트 그룹은 다음과 같이 구분했습니다.
✅ A그룹: 카카오페이 자사 데이터만 활용
✅ B그룹: 마이데이터만 활용
✅ C그룹: 자사 데이터와 마이데이터를 결합해 활용
여러 업종에서 세 그룹의 타겟 정확도를 검증한 결과, 자사 데이터와 마이데이터를 결합한 C그룹에서 최대 80%의 정확도를 확인할 수 있었습니다. 예를 들어 신규 사용자를 타겟팅한 뒤 가맹점이나 제휴사가 보유한 정보와 대조했을 때, 실제 신규 사용자와 일치하는 비율이 80%까지 나타난 것입니다.
물론 두 데이터를 결합하면 활용할 수 있는 모수는 줄어들 수밖에 없습니다. 자사 데이터와 마이데이터를 모두 보유한 사용자만 타겟으로 삼아야 하기 때문인데요. 따라서 결합 데이터는 더 많은 사람에게 도달하기 위한 방법이라기보다는 정확성이 중요한 타겟을 더욱 정교하게 찾아내기 위한 방법에 가깝습니다.
카카오페이가 이 테스트에서 확인한 것도 바로 ‘규모와 정확도 사이의 선택’이었습니다. 모든 캠페인에서 무조건 결합 데이터를 사용하는 것이 아니라, 넓은 모수가 필요한지, 높은 정확도가 필요한지에 따라 데이터 활용 방식을 달리할 수 있다는 의미입니다. 특히 정확한 타겟 선별이 필요한 경우에는 마이데이터와 자사 데이터를 함께 활용함으로써 채널 피로도를 낮추고 정밀한 타겟팅을 실행할 수 있다고 판단했습니다.
마이데이터의 활용 범위는 타겟팅에만 머물지 않습니다. 카카오페이는 이를 자산 관련 서비스에 활용하는 것은 물론 외부 트렌드를 모니터링하고 새로운 인사이트를 발굴하는 데에도 사용하고 있는데요. 다음 사례는 이처럼 자사 플랫폼 밖에서 일어나는 변화를 마이데이터로 포착하고, 이를 리텐션 전략으로 연결한 과정입니다.
데이터 마케팅 활용 사례 ② 이탈을 감지하고 예측해 리텐션을 높이다
사례 ①에서 소개한 테스트를 통해 자사 데이터와 마이데이터를 결합했을 때 유의미한 결과를 얻을 수 있다는 사실을 확인한 카카오페이는 데이터를 보다 다양한 비즈니스 과제에 적용하기 시작했습니다.
그중 하나는 경쟁사의 강한 리워드 제공 이후 나타난 주말 결제 사용자 감소에 대응하는 일이었습니다. 자사 데이터만으로도 카카오페이의 주말 결제 사용자가 줄어드는 현상은 확인할 수 있었지만, 이 정보만으로는 사용자가 왜 이탈했는지까지 알기 어려웠습니다.
이에 카카오페이는 마이데이터를 활용해 경쟁사의 흐름을 함께 살펴봤습니다. 카카오페이 사용자가 감소한 시기에 강한 오퍼를 제공한 경쟁사의 사용자는 실제로 증가하고 있는지 확인한 것인데요. 그 결과 사용자가 해당 경쟁사로 이동하는 전환 트렌드를 파악할 수 있었습니다. 자사 데이터로 이탈 징후를 포착하고, 마이데이터로 그 이면의 외부 흐름까지 확인한 것입니다.
📌 1단계: 30일 이탈자를 대상으로 한 복귀 프로그램
가장 먼저 누구를 핵심 타겟으로 삼을지를 결정했습니다. 데이터 분석 결과 결제 후 30일이 지난 시점부터 주말 전환율이 급격히 낮아지는 흐름이 나타났는데요. 카카오페이는 이 구간에 해당하는 ‘30일 이탈자’를 핵심 타겟으로 선정하고, 이들의 복귀를 유도하는 Wake-up 프로그램을 기획했습니다.
이 과정에서도 하나의 혜택을 일괄적으로 제공하지 않았습니다. 다양한 A/B 테스트를 통해 채널과 혜택에 따른 성과를 비교하고 가장 효과가 좋은 위너 그룹을 찾았습니다. 이후 검증된 프로그램과 쿠폰 지급을 자동화해 운영 효율까지 높였죠.
그 결과 감소했던 주말 매출이 다시 상승하는 흐름을 확인할 수 있었습니다. 데이터로 이탈 시점을 찾아내고, 실험을 통해 효과적인 오퍼를 검증한 뒤, 이를 자동화된 복귀 프로그램으로 연결해 실제 매출 감소에 대응한 것입니다.
📌 2단계: 이미 이탈한 사용자에서 이탈 가능성이 있는 사용자로
하지만 한 번 효과를 확인한 프로그램이라고 해서 같은 성과가 계속 유지되는 것은 아닙니다. 카카오페이 역시 프로그램을 매주 주말 운영하는 과정에서 CTR과 결제 전환율이 점차 낮아지는 현상을 발견했는데요. 이에 채널 피로도를 어떻게 개선할 것인지 새로운 고민이 시작됐습니다.
기존 Wake-up 프로그램은 결제하지 않은 지 30일이 지난, 즉 이미 이탈한 사용자를 찾아 복귀를 유도하는 방식이었습니다. 카카오페이는 여기서 한 단계 더 나아가 “이미 떠난 사용자가 아니라, 앞으로 떠날 가능성이 있는 사용자를 미리 찾을 수 없을까?”라는 질문을 던졌습니다.
이를 위해 기존의 여러 테스트에서 확인한 유의미한 데이터를 바탕으로 이탈 가능성이 있는 사용자를 찾아내는 모델링을 진행했습니다. 과거의 행동을 기준으로 이미 이탈한 사용자를 구분하는 데서 나아가, 이탈 가능성을 사전에 파악해 적절한 시점에 대응할 수 있도록 전략을 고도화한 것입니다.
이탈 예측 모델은 매주 주말 운영하는 자동화 프로그램에 적용됐고, 그 결과 리텐션율이 약 9%포인트 상승했습니다. 사후 복귀에 집중했던 프로그램이 사전 이탈 방어로 확장되면서 사용자에게 더 적절한 시점에 접근할 수 있게 된 것이죠.
이와 같은 대응 과정을 통해 알 수 있는 카카오페이의 원칙은 처음부터 모델링이나 AI를 적용하지 않는다는 것이었습니다. 먼저 이탈 징후를 감지하고, 다양한 오퍼를 테스트해 위너 그룹을 찾은 뒤, 실제 프로그램을 운영하며 장기적으로 유의미한지 확인했습니다. 프로그램이 장기적으로도 유의미하다고 판단된 단계에서 분석가와 함께 모델링과 자동화를 진행한 것이죠.
기술을 먼저 도입하고 활용처를 찾은 것이 아니라 실제 비즈니스 문제에서 출발해 실험으로 가능성을 확인하고 검증된 방식을 기술로 확장한 것입니다. 이탈 감지에서 오퍼 테스트, 프로그램 운영, 모델링과 자동화, 다시 최적화로 이어지는 순환 구조가 카카오페이의 데이터 활용 방식을 잘 보여줍니다.
DX에서 AX로의 진화, 그럼에도 불구하고 본질은 '사람'
카카오페이는 이제 DX(Digital Transformation)에서 AX(AI Transformation)로 진화하기 위한 방향도 고민하고 있습니다. 금융 규제로 인해 AI를 유연하게 도입하기는 어렵지만, 데이터 기반 의사결정의 속도와 정밀도를 높이기 위한 시도를 이어가고 있는데요.
카카오페이가 그리고 있는 다음 단계는 사용자에게 최적의 금융 액션을 제안하는 에이전트로의 진화입니다. 실시간 트리거와 오퍼를 기반으로 사용자에게 필요한 순간에 개인화된 마케팅을 제공할 수 있는 플랫폼과 구조를 구상하고 있으며, 이를 위해 기존 모델링도 지속적으로 고도화하고 있습니다.
하지만 기술이 발전하고 의사결정이 더욱 빠르고 정교해지더라도 그 중심에는 결국 ‘사람’이 있어야 한다고 정혜경 팀장님은 강조했습니다.
카카오페이는 데이터를 바탕으로 사용자의 행동을 예측하고 그 예측이 실제 전환으로 이어졌는지 확인합니다. 그러나 단순히 데이터 속 숫자만 바라보는 것은 아닙니다. 사용자가 어떤 상황에 놓여 있는지, 그 순간 어떤 오퍼와 메시지를 건네야 하는지를 함께 고민하며 데이터 안에서 의미 있는 인사이트를 찾습니다.
AI는 사람을 향한 이러한 고민을 대신하는 것이 아니라 인사이트를 찾는 과정에 효율을 더하는 역할을 합니다. 데이터와 AI를 활용해 더 나은 사용자 경험을 만들고 그 경험을 통해 사용자와 신뢰를 구축하는 것 ─ 이것이 카카오페이가 그리고 있는 데이터 마케팅과 AX의 다음 방향입니다.
카카오페이의 사례는 마이데이터와 자사 데이터를 결합하는 것이 실제 마케팅 성과에 어떻게 기여할 수 있는지를 보여줍니다.
첫 번째 사례에서는 자사 데이터와 마이데이터를 결합한 그룹의 타겟 정확도가 최대 80%까지 나타나는 것을 확인했습니다. 두 번째 사례에서는 자사 데이터로 이탈 징후를 포착하고, 마이데이터로 경쟁사 전환 흐름을 확인한 뒤 이를 복귀 프로그램과 이탈 예측 모델로 발전시켰습니다. 그 결과 리텐션율은 약 9%포인트 상승했습니다.
여기서 중요한 것은 데이터의 양이나 기술의 복잡성 자체가 아니었습니다. 어떤 비즈니스 문제를 해결할 것인지 먼저 정의하고, 타겟과 오퍼 전략을 세운 뒤, 실험을 통해 효과를 검증하는 과정이 선행됐습니다. 모델링과 자동화는 그 가능성이 확인된 다음 단계에서 적용됐죠.
결국 카카오페이가 보여준 핵심은 얼마나 많은 데이터를 보유했는지가 아니라 보유한 데이터를 어떻게 비즈니스 실행으로 연결하느냐에 있습니다. 자사 데이터와 마이데이터를 연결해 사용자를 입체적으로 이해하고, 타겟을 정교하게 구분하며, 필요한 순간에 적절한 오퍼와 메시지를 제공하는 것이죠. 이러한 과정을 반복하면서 데이터는 단순한 기록을 넘어 실제 비즈니스 성과를 만드는 기반으로 확장됩니다.
그리고 그 모든 데이터와 기술이 향하는 곳은 결국 사용자, '사람'입니다. 숫자 이면의 행동과 맥락을 살펴보고, 더 나은 경험을 통해 신뢰를 쌓는 것. 카카오페이의 사례를 통해 숫자를 넘어 사람을 향하는 데이터 기반 그로스 전략의 방향을 확인할 수 있었습니다.
다음 세션 스케치에서 전해드릴 또 다른 비즈니스 혁신 여정에도 계속해서 많은 기대 부탁드립니다.
📺 숫자 너머의 사용자를 읽는 데이터 활용법,
이탈 가능성을 예측하고 리텐션을 높인 카카오페이의 그로스 전략 영상으로 다시보기
────୨ৎ────
The MAXONOMY 컨퍼런스는 2027년에 다시 돌아옵니다.
The MAXONOMY 2027에서 만나요!🤗
그로스, 행동분석, 리텐션, 데이터 분석, 고객 이탈, 예측, The MAXONOMY 2026, 카카오페이
![[세션스케치 | 카카오페이] 마이데이터로 이탈을 예측하는 카카오페이 그로스 전략](https://d302mq5mw4yo36.cloudfront.net/upload/BoardThumbnail/44074/TMXNM2026_썸네일_카카오페이-블로그.webp "[세션스케치 | 카카오페이] 마이데이터로 이탈을 예측하는 카카오페이 그로스 전략")
![[세션스케치] Braze♥Kakao | Next-level Channel Orchestration Powered by Kakao](https://d302mq5mw4yo36.cloudfront.net/upload/BoardThumbnail/41696/251125-BCS_블로그-008.webp "[세션스케치] Braze♥Kakao | Next-level Channel Orchestration Powered by Kakao")
![[세션스케치 | 보닥] 마테크 조직 없이도 가능한 기능 실험](https://d302mq5mw4yo36.cloudfront.net/upload/BoardThumbnail/41262/TMXNM2025_썸네일_T3_보닥_블로그-001.webp "[세션스케치 | 보닥] 마테크 조직 없이도 가능한 기능 실험")
![[세션스케치 | 티빙] OTT 산업의 사용자 데이터 분석 및 활용](https://d302mq5mw4yo36.cloudfront.net/upload/BoardThumbnail/41169/TMXNM2025_썸네일_T3_티빙_블로그-001.webp "[세션스케치 | 티빙] OTT 산업의 사용자 데이터 분석 및 활용")
![[더맥소노미2024 세션 스케치X] 개인화와 반응형 메시지를 통한 고객 인게이지먼트 강화](https://d302mq5mw4yo36.cloudfront.net/upload/BoardThumbnail/38873/aaIij55w.webp "[더맥소노미2024 세션 스케치X] 개인화와 반응형 메시지를 통한 고객 인게이지먼트 강화")