맥싸이트-픽

25년 마케팅 트렌드 미리보기 (Part 2. AI)

Team MAXONOMY 2025.02.20

25년 마케팅 트렌드 미리보기 (Part 2. AI)

이제 인공지능은 어디에나 존재하며 어느새 나의 직장과 생활 속에 스며들었습니다. 배우자, 자녀, 동료와 친구, 심지어 나 자신과의 관계까지 다양한 방면에 영향을 주기 시작했죠. 이 말은 곧 나와의 모든 연결고리에 AI가 역할을 하기 시작했다고도 풀이해 볼 수 있을 것 같습니다. 그리고 때로는 예상치 못한 방식으로 AI를 통하여 인간과 인간이 연결될 수 있는 영역들이 점차 생겨나기 시작합니다.

어느날 아침 카드사에서 걸려온 전화에 "안녕하세요 AI 상담원 입니다." 라며 먼저 인사를 걸어오기도 하고, 고객센터에 문의 전화를 하면 AI 상담사가 먼저 대답을 해주는게 흔한 일이 되었습니다. 챗봇 서비스는 오래전부터 존재해왔지만 AI로 발전한 최근 챗봇 시스템에서는 기존의 서비스 제공 방식보다 훨씬 능동적인 자세로 발전하여 고객을 만나고 있습니다.

다만 여전히 실제 인간인 고객과의 상호작용에 있어 AI의 퍼포먼스는 부족한 점이 너무 많습니다. 간단한 단어나 요청을 제대로 이해하지 못하여 잘못된 방안을 제시받고 오히려 문제 해결에 오랜시간이 소요된 경험은 누구나 겪어봤을 것입니다. 우리는 AI와 더 친해질 수 있을까요? 이번 포스팅에서는 최근 빼놓고 이야기할 수 없는 AI를 중심으로 25년 마케팅 트렌드에 대해서 알아보겠습니다.







너도 나도 AI

AI 이야기를 하면 자연스럽게 ChatGPT와 같은 생성형 AI를 떠올리실 것 같은데요. 이 생성형 AI는 LLM(Large Language Model)의 학습 방식으로 개발된 AI로, 개인 단위에서부터 여러 산업에 이르기까지 가장 빠른 대중화를 이끌고 있죠. MIT Technology Review와 인터뷰한 어떤 가족의 생활을 예를 들면, 사소하게는 가족 생활에서 아들과의 민감한 문제를 해결하기 위한 조언을 ChatGPT로부터 얻고, 실제 ChatGPT가 제시한 방법들로 가족간의 육아 문제를 해결하는데 도움이 되었다고 합니다. 인간의 생활속 AI의 역할에 만족한 것인데요.

또한 DALL-E와 ChatGPT를 사용하여 자체적으로 콘텐츠를 생성하여 시장의 제품을 대체하는 것이 무척이나 쉬워졌습니다. 가령 자녀를 위한 컬러링북을 AI로 만드는 것이죠. 시중에 판매되는 상품들이 나의 요구에 맞게 생산하는 AI를 통해 대체되고 자급자족이 가능해지기 시작한 것입니다. 직접 개인이 생산한 콘텐츠들이 일반 기업의 상품과 비슷하거나 때로는 더 좋은 품질을 만들어주기 때문에 현재 시장에서 판매되는 상품들의 대체가 쉬워졌다는 뜻이기도 합니다. 마케터 입장에서는 굉장히 무서운 이야기지요.

글로벌 IT 서비스가 제대로 기를 못 피는 한국에서도(대표적으로 네이버, 카카오톡, 쿠팡 같은 서비스가 구글, 아마존, 왓츠앱 등과의 경쟁에서 밀리지 않죠) ChatGPT를 포함한 생성형 AI 활용을 활발히 하려는 추세입니다. 개인의 업무와 자기계발을 위한 용도로 ChatGPT를 너도 나도 활용하는중이고, 기업에서도 생성형 AI를 기업내 적용하는 방안들을 검토 중입니다. 그 중 네이버와 같은 기업은 자사의 여러 서비스에 적용시킬 AI 알고리즘을 직접 개발하는데 적극 리소스를 투자 중입니다.

이미지 출처: ChatGPT ❘ 너도나도 AI를 사용하는 현대 사회









AI 기술의 이면

한편으로는 SNS의 보편화와 함께 붉어진 가짜뉴스 문제가 AI와 결합되어, 더 막강한 영향력을 갖게되었습니다. AI 발전이 가짜 뉴스라는 문제를 해결시켜주는 방향보다는 가짜 뉴스의 생산을 증폭시키는데 기여를 하고 있는 것입니다.

또한 AI가 뉴스를 요약하거나 자동으로 선별하여 노출하는 것에도 문제가 있습니다. 네이버는 2019년부터 자체 기사배열을 중단하고, 언론사가 직접 편집한 기사를 사용자가 선택하는 구독 기반의 서비스를 제공하고 있습니다. 기사를 소비하는 국민들의 편리함도 물론 중요하지만, 고객에게 노출되는 언론사와 콘텐츠들에 제한이 생겨나는 양면이 있기 때문입니다. 기사를 생산하는 언론사의 자체적인 편집 권한도 중요하며, 이제는 언론사 스스로 개인화된 콘텐츠를 제공할 수 있게 되었고, 다양한 언론사들이 공정하게 경쟁할 수 있는 환경도 중요한 이슈였습니다.

최근 네이버 뉴스에 적용된 AI 기술 홍보 자료를 살펴보면, 환경의 변화와 기술의 발전적 시대 흐름 속에서, 언론사의 수많은 기사와 사용자가 남긴 로그데이터(Log Data)를 학습하는 인공지능 기술을 활용하게 된 배경을 이야기하는데요. 네이버 포털사이트에 등록되는 더 다양한 형태의 기사들이 소비될 수 있는 방식으로 개선 작업을 했다고 합니다.







25년 AI 규제는?

이렇게 빠르게 변화하는 시장에서 민간 기업 보다 느릴 수 밖에 없는 정부 관련 서비스나 법령은 이 AI 기술이 여전히 과거에 머물러 있는 모습을 볼 수 있습니다.

자료 출처 : ChatGPT ❘ 정부의 AI 서비스보다 빠르게 앞서가는 민간 AI

특히 AI와 관련된 법률과 규정은 아직도 디딤돌을 다듬는 초기 단계에 있습니다. 25년 3월 이후가 되어서야 AI 기본법 시행령 초안이 잡혔습니다. 해당 초안에는 구체적으로 ▲AI기본법 시행령 및 시행규칙 ▲고영향 AI 기준과 예시에 관한 가이드라인(제33조) ▲고영향 AI 사업자 책무 가이드라인(제34조) ▲AI 안전성 확보 의무 고시(제32조) ▲AI 영향평가 가이드라인(제35조) ▲AI 투명성 확보 의무 가이드라인(제31조)이 들어있는데요.

여기서 저희가 주요하게 지켜봐야 하는 부분은 AI 신뢰성 확보와 위험 예방을 위한 규제와 관련된 내용입니다. 이 부분의 AI기본법은 지난 2020년 국회에서 법안이 처음 발의 되어 4년 넘게 논의가 되어오고 있습니다. 추가로, AI기본법 내 핵심 조항인 기업 규제 여부와 관련된 사항을 ‘고영향 AI’로 불리는데 이 고영향 AI는 신체·생명·재산 등에 직간접적인 영향을 미칠 것으로 예상되는 AI를 표현하고 있습니다. 기업을 위해 이 고영향 AI를 어디까지 영향을 끼치며, 어느 수준까지 허용해도 되는지, 아무런 기준도 검증도 하지 못하는 수준에서 정책이 논의되고 있지는 않을까 하는 생각도 듭니다.

또한 영향이라는 개념이 기업에만 해당되는 것이 아닌 국민 기본권과 밀접하게 연결되는 영역들을 빠뜨리면 안될 것이므로, 본격적인 법안 시행에 앞서 업계에서도 이 고영향 AI 판단 기준을 어떻게 따라야 하는지 혼란이 따라올수밖에 없을 것으로 보입니다. 쉽게말해 이전에 없던 새로운 것에 대한 법령을 만들고 그 법령과 규제를 처음 접하는 모든이들에게 규제에 대한 신뢰가 마련되지 않은 상태에서 불확실성이 또 다른 문제를 만들어낼 수 있다는 것입니다. 정부가 정의하는 고영향AI 가 광범위하고 추상적인탓에, 개인마다 다르게 해석될 수 있으며 이로 인해 구체적인 위험 관리에 대한 기준이 설정되지 않을 수 있다는 문제가 예상됩니다.

정부의 이런 움직임과 동시에 소비자 개인과 기업도 멈춰있지 않고 변화하고 새롭게 적용되는 것들에 대해 끊임없이 예의주시해야 할 수 밖에는 없습니다. AI의 학습 속도를 인간이 따라가는 것은 역부족이지만 AI가 배우는 동안 인간도 배움을 멈출 수가 없어야 지금의 사회가 더 혼란스러워지는것을 예방하고 AI와의 협업 가능한 수준으로의 발전을 같이 만들어야만 하는 것입니다.







AI를 넘어 하나의 인격체로

문화적인 측면에서 소비자들은, 특히 잘파세대(1990년대 중후반 2010년대 초반 출생)는 태어나 어린시절부터 AI와 관련된 기술과 서비스를 친숙하게 접한 덕분에 AI를 인공지능이라는 개념보다는 가상의 인간으로서 유대 관계를 형성하고 있습니다.

이미지 출처: 포춘코리아 ❘ 세계 인플루언서 시장 규모

AI 기술을 기반으로 발전 중인 버추얼 휴먼(가상 인간) 시장 규모 또한 급성장 중인데, 이 시장의 성장 배경에는 작년부터 맥사이트픽에서 다뤄왔던 디지털 콘텐츠 소비 방식의 변화가 주요하게 작용한 것을 알 수 있습니다. 가상이라는 환경을 이질감 없이 받아들이는 분위기 속 버츄얼 아이돌에게는 벌써 탄탄한 팬덤이 있으며 기존의 창작물들이 자리하던 기존의 소비 시장에 별다른 문제 없이 자리잡을 수 있었습니다. 오히려 버츄얼 아이돌의 콘텐츠, 음원차트 순위 그리고 콘서트와 같은 상품들은 최근 일반 가수들보다 더 큰 주목을 받고 가상 환경에서 생산된 콘텐츠 소비량은 급증하는 추세입니다.

AI를 기술이 아닌 나와 똑같은 인간으로 대하고, 콘텐츠로서 보여지는 그들의 생활 방식과 생각이 인간과 같을 것이라는 인식을 갖는 것이 잘파세대에게는 어렵지 않고 오히려 당연하다 생각합니다. 그리고 이 잘파세대는 앞으로 시장에서의 주요 소비층이 될 것 입니다. 2025년부터는 잘파세대를 포함 모든 세대와 글로벌에서 사회 전반에 AI에 도움을 받을 수 있는 영역을 확장시키는데 기업과 개인이 다같이 노력하는 해가 될 것으로 보입니다. AI가 그런 역할로 자리잡을 수 있도록, AI와 친해지기 위해서는 여전히 인간이 중심이 될 것입니다.







🚩 맥소노미가 PICK한 이유!

오늘은 2025년에도 여전히 핫할 AI에 대해 더 심도 있게 알아보았습니다. 특히 정부의 정책이나 법령은 당장 직접적인 영향을 미칠 수 있다는 점에서 항상 주시해야 할 것입니다. 어쩌면 정부 정책으로 장기적인 AI 산업의 방향성이 결정되고, 우리는 그 흐름에 적응해야 할지도 모르겠습니다.

시장에 대한 관심도 놓을 수 없는데요. AI와 가장 빨리, 가장 먼저 친해질 수 있었던 잘파세대를 이해하고 나면 그 해답을 조금 더 쉽게 찾을 수 있지 않을까합니다. 이들에 대한 이해와 전망을 찾아내는게 앞으로의 마케팅에서 중요하게 작용할 것이라 생각합니다. 다음 포스트에서는 이런 잘파세대를 소비자로서 공략할 수 있도록 '소비자: 잘파세대'라는 주제로 집중 탐구해보겠습니다!



logo

팀맥소노미

YOUR DIGITAL MARKETING HERO

맥소노미의 마케팅 인사이트를
뉴스레터로 만나보세요

관련 글 보기

Amplitude Feature Experiment:  데이터 기반 실험의 시작

Amplitude Feature Experiment: 데이터 기반 실험의 시작

실험이 중요한 이유디지털 서비스를 운영하다 보면 다음과 같은 질문과 마주하게 됩니다. “이 버튼을 바꾸면 클릭률이 더 높아질까?” “새로운 기능을 모든 사용자에게 바로 공개해도 될까?” “프리미엄 사용자에게만 실험적으로 먼저 공개해보고 싶은데, 어떻게 관리하지?”대부분 경우 직감이나 내부 회의로 결정을 내리지만, 그 결과가 실제로 사용자 경험과 KPI에 긍정적인 영향을 주는지 알기 어렵습니다. 이로 인해 향후에 추가적인 실험 테스트를 수행하기 어려운 환경이 조성되어 버리기도 합니다.또한, 서비스를 운영하다보면, 서비스의 성장을 위해 여러 고민과 의사결정이 필요한 순간이 옵니다.✅ 새로운 기능을 모든 사용자에게 배포하기엔 위험할 때✅ 디자인이나 UI를 바꾸고 그 효과를 정확히 측정하고 싶을 때✅ 특정 사용자 그룹에게만 실험적으로 기능을 보여주고 싶을 때✅ 실험 결과를 클릭률, 전환율, 리텐션율 등의 지표로 분석하고 싶을 때따라서, 개발단의 리소스를 최소화하면서, 실제 사용자 데이터 기반의 결과 분석이 가능한 실험 체계를 도입할 필요가 있습니다. Amplitude Experiment는 고객에게 제공하는 기능 on/off 토글링부터 A/B 테스트, 점진적 릴리즈, 결과 분석까지 하나의 워크플로우 안에서 지원함으로써 "기능 실험 → 결과 측정 → 의사결정"을 오차없이 빠르게 수행할 수 있도록 도와줍니다.Amplitude Experiment에서는 다음 두 가지 방식으로 실험을 구성할 수 있습니다.Feature ExperimentWeb Experiment이름만 보아서는 비슷해 보이지만, 실제 사용 목적과 운영 방식에는 뚜렷한 차이가 있습니다. 이번 포스팅에서는 이중 Feature Experiment에 대해 집중적으로 알아보겠습니다.Feature Experiment: 기능 중심 실험Feature Experiment는 코드 기반으로 운영되는 실험 방식입니다. 개발자가 직접 고객에게 보여줄 화면을 만들거나 신규 기능을 구현한 후에 이것을 일부 고객들에게만 노출하고 원하는 효과를 보았는지 확인하고자 할 때 활용합니다.개발단에서는 변경된 화면이나 기능을 적용하고 예외 처리를 추가하여 특정 사용자에게만 노출될 수 있도록 구현하고, 실무자는 원하는 고객군과 모수 비율을 Amplitude 콘솔에서 언제든 수정하여 테스트를 수행 해 볼 수 있습니다.개발단 기능- 화면 구성- 조건 처리실무단 기능- 모수집단 선정, 비율 선택- 전환 목표 지정, 분석 방식 선정- 테스트 시작, 종료, 기간 선정- 실험 분석 결과 확인- Analytics로 추가 심화 분석 수행예시로 이해하는 Feature Experiment 활용1) 신규 기능 가설 세우기어느 날, 개발자가 추천 알고리즘 로직 개선 작업을 완료 하였습니다. 이 알고리즘을 서비스에 적용하면 굉장한 효과를 보여줄 것이라 기대하고 있지만, 바로 운영계에 적용하기에는 어떤 사이드 이펙트가 있을지 예상할 수 없었습니다. 가령 잘못된 상품 추천으로 고객에게 안 좋은 경험을 제공하면 이탈로 이어질 수 있죠.따라서, 전체 고객이 아닌, VIP 고객 중 10%에게만 새 알고리즘을 적용하고 클릭률, 구매율을 측정하기로 하였습니다. 결과 데이터가 나머지 고객들에 비해 5%이상 증가한다면 전체 사용자에게 확대 배포하는 거죠.2) 개발단 작업처음 실험을 진행하는 것이라면 Amplitude Experiment SDK를 적용하는 작업이 필요합니다. 신규 추천 알고리즘은 이미 개발 완료된 상황이고 SDK 적용은 큰 시간이 소모되지 않기 때문에 거의 바로 실험 진행이 가능합니다.(Amplitude Experiment SDK 라이브러리 탑재 및 초기화 후 고객마다 서로 다르게 제공하고자 하는 위치에서 조건문(if)을 구성)Android 적용법1. 라이브러리 추가 (build.gradle에 dependencies 추가)2. 초기화 (Application단에서 초기화)3. 현재 사용자의 experiment 관련 정보 수신4. 고객이 보유한 flag 값에 따라 제공 여부 결정( 새로운 추천 알고리즘이 제공될 10%의 VIP 고객은 "on"으로, 그 외 고객들은 모두 "off"로 적용)3) Amplitude 설정(Experiment UI 구성)3-1) Deployment 생성하기운영하는 서비스는 여러 환경으로 구분되어 있습니다.개발계(development) / 내부 QA 테스트 수행 환경(staging) / 운영 환경(production)Android, iOS, Web 등 제공 플랫폼 환경실험을 진행하고자 할 때, 특정한 환경에서만 진행하실 수도 있고, 여러 환경에서 동시에 진행해 보실 수도 있을 겁니다. 이 때, 어떤 환경에 실험을 배포할 것인지를 정의할 수 있도록 "Deployment"라는 작업이 필요합니다.하나의 프로젝트 내에서 배포할 환경마다 각각의 Deployment를 생성해주시면, 실험을 진행할 때, 이 실험을 어떤 환경에만 배포할지 지정할 수 있습니다.Experiment > Deployments 화면에서 제공하는 “Create Deployment”를 클릭하고 배포할 환경의 이름과 프로젝트를 선택하면 바로 Deployment 생성이 가능합니다.3-2) Experiment 생성하기이제 기본적인 세팅은 모두 완료 되었으니 실험을 만들어 볼 수 있습니다!Experiment > Experiments 메뉴에서 새로운 실험명과 사용할 키 값을 정하신 후 생성(Create)합니다.4) 실험 설계4-1) 목표 설정하기실험을 만들 때 가장 먼저 생각해야 할 부분은 "목표" 설정 입니다. 실험을 한다는 것은 결국, 무언가를 더 좋게 만들기 위해서이기 때문에, 반드시 “이 실험을 통해 무엇이 좋아지기를 기대하는가?”에 대한 기준이 필요하며, 그것이 바로 목표 설정입니다. 우리가 설정한 목표를 달성했는지 여부를 가지고 이번 실험의 성공 여부를 파악해 보실 수 있겠지요.목표는 기존에 만들어 두었던 지표를 선택하실 수도 있고, 원하는 목표를 새롭게 생성하실 수도 있습니다.Unique, Event Total, Conversion 등 분석에서 활용해 보셨던 다양한 지표 옵션을 기반으로 목표 설정이 가능한데, 이번 실험에서는 클릭율이 5% 이상 증가하는 것을 목표로 잡았기 때문에, "화면 진입 > 버튼 클릭"으로의 전환율이 5% 이상 상승하는 것을 목표로 설정했습니다.4-2) 대안(Variant) 등록하기비교 테스트를 진행할 때, 대안은 하나일 수 있지만 여러 개가 있을 수도 있습니다. "내가 테스트하고 싶은 기능의 버전은 몇 가지이며, 각각 어떤 차이가 있을까?" 테스트 하고자 하는 대안의 수 만큼 Add a Variant 옵션으로 추가하여 정의할 수 있습니다. (단, 너무 많은 Variant는 분석을 어렵게 하므로 2~4개 이내를 권장합니다.)각 Variant의 Value 값은 SDK에서 분기 처리에 사용(e.g. variant.value)되므로 개발단에서 미리 지정하신 값이 있을 경우, 해당 값으로 기입되어야 하며, 미리 정의되어 있지 않았다면 여기에서 정의하시는 값으로 개발단의 코드 작업이 수행되어야 합니다.※Value 값이 수정될 경우, 앱의 재배포가 필요하므로 처음 생성 시 Amplitude에서 허용하는 명명규칙(숫자, 영문, 언더스코어, 하이픈만 허용)을 참고하시어 향후 변경하지 않을 값으로 지정이 필요합니다.4-3) 고객 그룹(Targeting) 정의하기[Audience]실험에 활용할 대안을 등록했다면, 누구를 대상으로 실험을 진행할 것인지 모수 집단을 선택하실 수 있습니다. All Users를 선택하여 전체 고객을 모수 집단으로 선정할 수 있으며, Target Users를 선택하여 특정 모수집단을 Segment로 정의할 수 있습니다.[Distribution]선정한 모수 집단을 각 대안에 어느 정도 비율로 할당 할것인지 지정할 수 있습니다. 기본 옵션인 evenly distribute로 동일한 비율로 지정하는 것을 권장 드리며, 원하실 경우 Customize 옵션으로 수동 설정이 가능합니다.(control로 할당되는 고객들은 실험에 참여는 하지만 실제로는 변경된 대안 UI가 노출되지 않는 그룹으로써, 대조군의 역할을 수행합니다.)[Rollout]지정하신 모수 집단 전체를 대상으로 실험을 수행하실 수도 있으나 그 중 일부를 대상으로만 진행하는 것도 가능합니다. Rollout 설정을 통해 전체 모수 집단 중 몇 %에 해당하는 고객들을 대상으로 실험을 진행할 것인지 범위를 지정할 수 있습니다.(Control vs. Rollout: control에 포함된 고객은 실험에 포함되어 향후 결과 분석 시 대조군 역할을 하지만, Rollout에서 제외된 고객은 실험 자체에 포함되지 않으므로 결과 또한 추적되지 않습니다.)5) 전달 구성5-1) Flag & Evaluation 정의Flag는 실험을 식별하는 고유 식별자로써, 실험을 생성하시는 시점에 key 항목으로 기입한 정보를 확인하실 수 있으며, 실험 시작 전까지는 변경이 가능합니다. 이 값은 SDK에서 실험 정보 요청에 사용(e.g.FLAG_KEY) 되므로 개발단에서 미리 정하신 값이 있다면 그 값으로, 없다면 여기에서 정의된 값으로 개발단의 코드 작업이 수행되어야 합니다.Evaluation Mode는 고객이 어떤 대안에 해당 되는지를 어디에서 계산할 것인지 선택하는 항목입니다. 일반적으로는 Amplitude에 수집된 정보를 실시간으로 확인하여 결정되나, 실시간 검토 방식은 통신 상의 약간의 딜레이(0.1~1초)가 발생하므로, 고객에게 즉각적으로 노출되어야 하는 UI에 대해서는 로컬에서 계산하는 방식을 선택하실 수도 있습니다.5-2) 배포 환경(Deployment) 선택지금까지 작성한 실험을 어떤 환경에 배포 할 것인지를 선택합니다. 특정 플랫폼이나 개발환경에만 적용하고자 하실 경우, 해당하는 deployment만 선택하여 배포가 가능합니다.6) 실험 시작모든 세팅을 완료했다면, 우측 상단 버튼을 이용하여 각 플랫폼 별로 적용할 수 있는 샘플 코드를 확인할 수 있습니다. 개발 담당자에게 해당 정보를 전달하여 적용을 요청할 수 있습니다.실험을 고객들에게 배포하기 전, 미리 등록해 둔 테스터만을 대상으로 선행적으로 배포가 가능하며, 예약 실행이나 feature flag만 활성화하고 실험 분석은 수행하지 않는 등 여러 옵션을 정의해 보실 수 있습니다.모든 사항의 확인이 완료되었다면, 최종적으로 Start Experiment를 클릭하여 실험 시작이 가능합니다. 실험을 종료할 때에는 초기 버전으로 롤백을 할 것인지, 아니면 특정 대안( Variant )으로 적용할 것인지 선정하여 실험을 마칠 수 있습니다.실험이 진행되는 동안 발생한 실험 참여(Assigentment), 실험 노출(Expouse) 및 목표로 잡은 정보들은 모두 고객별 프로필에 저장되므로 이를 기반으로 심층 분석(Analytics)을 바로 수행해 볼 수 있습니다. 또한, 처음 목표로 잡았던 것 이외에도 각 그룹별로 어떠한 변화가 있었는지 수집된 데이터를 기반으로 분석이 가능합니다.실험과 분석을 하나의 플랫폼 안에서실험과 데이터 분석은 이제 더 이상 따로 작업할 필요가 없습니다. 기존 A/B 테스트 도구들이 단순히 실험을 “실행”하는 데 집중했다면, Amplitude Feature Experiment는 실험 설계부터 분석, 최종 반영까지 추가적인 개발단 작업없이 한 번에 처리할 수 있는 실험 플랫폼 체계를 제공합니다.CUPED, Sequential Testing, Bonferroni 등 실험의 정확도를 높이는 기능이 기본으로 탑재되어 있어, 적은 트래픽으로도 빠르게 유의미한 결론을 얻을 수 있으며, Amplitude Analytics와 완벽히 연결되어 언제든 전환율,리텐션, 코호트 분석 등 심층적인 결과 분석을 바로 이어나갈 수 있습니다.또한 클라이언트 배포 없이, 서버-사이드 실험 연동을 지원하므로 고객들에게 끊김없는 실험 환경 제공이 가능합니다. 제품의 성과를 빠르게 검증하고, 그 결과를 정확히 해석해 다음 의사결정으로 이어가고 싶다면, Amplitude Feature Experiment는 더없이 강력한 선택이 될 것입니다.Feature Experiment 활용에 도움이 필요하나요?팀 맥소노미 Amplitude 도입문의 바로가기

Guides & Surveys: 사용자 행동과 피드백을 연결하는 가장 쉬운 방법

Guides & Surveys: 사용자 행동과 피드백을 연결하는 가장 쉬운 방법

고객들이 서비스에서 수행하는 행동만으로는 알 수 없는 ‘진짜 이유’, 어떻게 알 수 있을까?

[세션 스케치] 찾아가는 세미나 with Braze ─ CJ올리브영 편

[세션 스케치] 찾아가는 세미나 with Braze ─ CJ올리브영 편

팀 맥소노미와 Braze가 함께한 'CJ올리브영을 찾아가는 세미나' ─ 후기를 공유합니다.팀 맥소노미는 '데이터', 'DT'에 관심이 있는 기업을 직접 방문하여 맞춤형 데이터 활용 전략과 업계의 유즈 케이스를 전달하는 '찾아가는 세미나'를 정기적으로 진행하고 있습니다.이번 찾아가는 세미나는 Braze의 전략 컨설팅 VP, Mariam Asmar(마리암 아스마르)님께서 함께해 주셨는데요. CJ올리브영 임직원 분들을 찾아뵙고 "BEAUTY INDUSTRY GROWTH STRATEGY"를 주제로 글로벌 뷰티 산업에서 창의적인 마케팅 캠페인 전략을 통해 고객 경험과 브랜드 충성도를 높인 다양한 사례를 공유해 주셨습니다. 한시도 눈을 뗄 수 없었던 흥미로운 사례와 이를 통해 공유주신 주요 인사이트를 정리해 보았습니다. 1. 데이터 기반의 맞춤형 마케팅Mariam님은 먼저 오프라인 데이터를 온라인에 통합한 창의적 마케팅 사례를 공유해 주셨습니다. 멕시코의 한 항공사 는 미국인들의 멕시코 여행을 장려하기 위해 DNA 테스트를 통해 멕시코 혈통의 비율에 따라 항공권 할인 혜택을 제공했고, 캠페인을 성공적으로 마무리했습니다. 이를 통해 재미와 참여를 유도하고 국가 간의 심리적 장벽을 효과적으로 허물 수 있었습니다.또한 다른 사례로 아르헨티나의 한 유명 배달앱 사례를 공유 주셨는데요. 축구를 사랑하는 아르헨티나 국민들의 관심사를 이용하여 월드컵 우승 트로피의 비행 경로를 앱 알림을 통해 실시간으로 공유했고, 엄청난 바이럴 효과를 거두었습니다. 2022년 FIFA 월드컵에서 아르헨티나가 우승한 후, 실제 우승 트로피가 아르헨티나로 돌아오는 여정을 실시간으로 추적하여 공유하여 팬들과의 소통을 강화한 것이죠. 이러한 사례들은 브랜드가 대중의 관심을 끄는 이벤트와 연계하여 실시간 정보를 제공함으로써 사용자 참여를 유도하고 브랜드 인지도를 높이는 효과적인 마케팅 전략으로 평가받고 있습니다.2. 오프라인은 디지털로 가는 입구가장 최근 뷰티 리테일 업계의 핵심 이슈 중 하나는 온·오프라인 고객 경험의 통합 전략입니다. Mariam님은 고객이 해외여행 시 현지와 글로벌 앱 간의 전환 문제를 해결하기 위해 매장 내 QR코드를 활용한 앱 다운로드 유도, 현지 특화 혜택 제공과 같은 구체적인 방법을 제안했습니다.또한, 고객 경험의 단순한 온·오프라인 통합이 아닌, 개인화가 함께 이루어지는 것의 중요성을 강조하였습니다. Braze를 사용하는 한 뷰티 앱은, 매장 내 피부 진단 기기를 통한 개인 맞춤형 제품 추천 서비스를 제공하고 있는데요. 해당 사례를 통해 고객의 만족도와 개인화를 강화하는 전략을 살펴볼 수 있었습니다.인플루언서 마케팅을 통해 고객 인게이지먼트를 높이는 전략도 다뤘습니다. 뷰티 산업에는 인플루언서의 영향력이 큰 만큼 고려해볼만한 전략인데요. 고객들이 앱 내에서 특정 미션이나 도전을 완료하면 인플루언서들과 함께 하는 특별한 여행이나 이벤트 참여 기회를 제공하는 등 시도해볼 수 있는 다양한 방식이 있습니다.3. 스토리텔링과 유머를 결합한 브랜딩Mariam님은 고객 채널을 통해 스토리텔링과 게임 요소를 결합하여 고객과 소통하는 캠페인도 제안했습니다. 뷰티 업계에서 특히 효과적인 전략인데요. VIP 고객이나 인플루언서를 대상으로 차별화되고 흥미로운 경험을 제공하는 데 효과적일 가능성이 높습니다.사례로 소개해주신 '도플갱어 이메일' 캠페인은 이메일 마케팅이 얼마나 창의적이고 효과적일 수 있는지를 잘 보여주었습니다. 도플갱어 이메일 캠페인은 고객이 동시에 동일한 메뉴를 주문한 다른 고객을 찾아 연결해주는 독특한 이메일 캠페인으로, 높은 오픈율과 매출 증대를 기록했습니다.4. 팬덤과 게임화(게이미피케이션)의 융합인플루언서 마케팅도 단순 노출에서 참여형 콘텐츠로 진화하고 있습니다. 고객이 직접 캠페인에 참여하고 포인트를 쌓거나 가상의 미션을 수행해 인플루언서 트립과 같은 보상을 받는 구조입니다. 이런 방식은 뷰티, 게임, 엔터테인먼트 산업에서 특히 효과적이며 평범한 '소비자'를 브랜드의 '팬'으로 진화시키는 역할을 한다고 합니다. 국내에는 주로 카카오톡을 활용하여, 친구 간의 경쟁이나 최대한 많이 공유하기를 유도하는 식으로 고객 채널과 게임화를 결합한 캠페인을 진행하는데요. 이런 독톡한 사례를 참고하여, 뷰티 업계의 특성에 맞는 창의적인 캠페인을 기획해볼 수 있을 것 같습니다.마치며이 외에도 다양한 사례를 통해 글로벌 뷰티 업계가 고객 참여와 개인화를 극대화하기 위해 얼마나 다양하고 창의적인 전략을 사용할 수 있는지 확인할 수 있었습니다.가령, 침대 매트리스 프로모션을 위해 한밤중에 "자니?"라는 메시지를 발송한 캠페인은 고객과의 유머러스한 소통을 통해 브랜드 친밀감을 높이고 매출 증대 효과를 거둔 사례로 소개되기도 하였습니다.종합해보면, 요즘 마케팅의 공식은 "데이터 + 크리에이티브 + 유머 + 참여" 네 키워드로 정리할 수 있을 것 같습니다.각 브랜드가 자신만의 언어로 고객과 소통하려면 무엇을 바꿔야 하는지 많은 고민을 하게 했던 시간이었는데요. 더불어 국내에서도 이런 유쾌한 실험들이 더 많아지면 좋겠다는 작은 바람이 들기도 했습니다.산업별 특성에 맞는 혁신적인 전략과 보다 창의적인 아이디어를 통해 고객 경험과 브랜드 가치를 더욱 높여가실 수 있는 계기가 되셨기를 바라며 이만 후기를 마치겠습니다. 😊팀 맥소노미의 '찾아가는 세미나'란?CJ올리브네트웍스의 디지털 마케팅 전문가 그룹 팀 맥소노미가 '데이터'와 '마케팅', 'DT'에 관심있는 기업의 담당자 분들을 직접 찾아뵙고 진행하는 완전 맞춤형 세미나입니다.우리 기업에 딱 맞는 데이터 활용 전략 은 무엇인지, 다른 기업에서는 어떻게 데이터를 활용하고 있는지 유즈케이스가 궁금하시다면 팀 맥소노미에게 연락주세요. 원하시는 그 곳으로 달려가겠습니다!🤗💌 팀 맥소노미의 찾아가는 세미나 문의: marketing@team.maxonomy.net

여러분의 고객 데이터는 안전한가요? (feat. DX·AX)

여러분의 고객 데이터는 안전한가요? (feat. DX·AX)

최근 여러 기업에서 개인정보 유출 사고가 발생 중인 상황에서 기업은 어떻게 대응해야 할까? DX와 AX의 흐름 속 개인정보 보호가 나아가야 할 방향.

 

 

 

이제 인공지능은 어디에나 존재하며 어느새 나의 직장과 생활 속에 스며들었습니다. 배우자, 자녀, 동료와 친구, 심지어 나 자신과의 관계까지 다양한 방면에 영향을 주기 시작했죠. 이 말은 곧 나와의 모든 연결고리에 AI가 역할을 하기 시작했다고도 풀이해 볼 수 있을 것 같습니다. 그리고 때로는 예상치 못한 방식으로 AI를 통하여 인간과 인간이 연결될 수 있는 영역들이 점차 생겨나기 시작합니다. 

 

어느날 아침 카드사에서 걸려온 전화에 "안녕하세요 AI 상담원 입니다." 라며 먼저 인사를 걸어오기도 하고, 고객센터에 문의 전화를 하면 AI 상담사가 먼저 대답을 해주는게 흔한 일이 되었습니다. 챗봇 서비스는 오래전부터 존재해왔지만 AI로 발전한 최근 챗봇 시스템에서는 기존의 서비스 제공 방식보다 훨씬 능동적인 자세로 발전하여 고객을 만나고 있습니다.

 

다만 여전히 실제 인간인 고객과의 상호작용에 있어 AI의 퍼포먼스는 부족한 점이 너무 많습니다. 간단한 단어나 요청을 제대로 이해하지 못하여 잘못된 방안을 제시받고 오히려 문제 해결에 오랜시간이 소요된 경험은 누구나 겪어봤을 것입니다. 우리는 AI와 더 친해질 수 있을까요? 이번 포스팅에서는 최근 빼놓고 이야기할 수 없는 AI를 중심으로 25년 마케팅 트렌드에 대해서 알아보겠습니다.

 

 

 

 

 







너도 나도 AI

AI 이야기를 하면 자연스럽게 ChatGPT와 같은 생성형 AI를 떠올리실 것 같은데요. 이 생성형 AI는 LLM(Large Language Model)의 학습 방식으로 개발된 AI로, 개인 단위에서부터 여러 산업에 이르기까지 가장 빠른 대중화를 이끌고 있죠. MIT Technology Review와 인터뷰한 어떤 가족의 생활을 예를 들면, 사소하게는 가족 생활에서 아들과의 민감한 문제를 해결하기 위한 조언을 ChatGPT로부터 얻고, 실제 ChatGPT가 제시한 방법들로 가족간의 육아 문제를 해결하는데 도움이 되었다고 합니다. 인간의 생활속 AI의 역할에 만족한 것인데요.

 

또한 DALL-E와 ChatGPT를 사용하여 자체적으로 콘텐츠를 생성하여 시장의 제품을 대체하는 것이 무척이나 쉬워졌습니다. 가령 자녀를 위한 컬러링북을 AI로 만드는 것이죠. 시중에 판매되는 상품들이 나의 요구에 맞게 생산하는 AI를 통해 대체되고 자급자족이 가능해지기 시작한 것입니다. 직접 개인이 생산한 콘텐츠들이 일반 기업의 상품과 비슷하거나 때로는 더 좋은 품질을 만들어주기 때문에 현재 시장에서 판매되는 상품들의 대체가 쉬워졌다는 뜻이기도 합니다. 마케터 입장에서는 굉장히 무서운 이야기지요.

 

글로벌 IT 서비스가 제대로 기를 못 피는 한국에서도(대표적으로 네이버, 카카오톡, 쿠팡 같은 서비스가 구글, 아마존, 왓츠앱 등과의 경쟁에서 밀리지 않죠) ChatGPT를 포함한 생성형 AI 활용을 활발히 하려는 추세입니다. 개인의 업무와 자기계발을 위한 용도로 ChatGPT를 너도 나도 활용하는중이고, 기업에서도 생성형 AI를 기업내 적용하는 방안들을 검토 중입니다. 그 중 네이버와 같은 기업은 자사의 여러 서비스에 적용시킬 AI 알고리즘을 직접 개발하는데 적극 리소스를 투자 중입니다.

 

이미지 출처: ChatGPT ❘ 너도나도 AI를 사용하는 현대 사회









 

AI 기술의 이면

 

한편으로는 SNS의 보편화와 함께 붉어진 가짜뉴스 문제가 AI와 결합되어, 더 막강한 영향력을 갖게되었습니다. AI 발전이 가짜 뉴스라는 문제를 해결시켜주는 방향보다는 가짜 뉴스의 생산을 증폭시키는데 기여를 하고 있는 것입니다. 

 

또한 AI가 뉴스를 요약하거나 자동으로 선별하여 노출하는 것에도 문제가 있습니다. 네이버는 2019년부터 자체 기사배열을 중단하고, 언론사가 직접 편집한 기사를 사용자가 선택하는 구독 기반의 서비스를 제공하고 있습니다. 기사를 소비하는 국민들의 편리함도 물론 중요하지만, 고객에게 노출되는 언론사와 콘텐츠들에 제한이 생겨나는 양면이 있기 때문입니다. 기사를 생산하는 언론사의 자체적인 편집 권한도 중요하며, 이제는 언론사 스스로 개인화된 콘텐츠를 제공할 수 있게 되었고, 다양한 언론사들이 공정하게 경쟁할 수 있는 환경도 중요한 이슈였습니다.

 

최근 네이버 뉴스에 적용된 AI 기술 홍보 자료를 살펴보면, 환경의 변화와 기술의 발전적 시대 흐름 속에서, 언론사의 수많은 기사와 사용자가 남긴 로그데이터(Log Data)를 학습하는 인공지능 기술을 활용하게 된 배경을 이야기하는데요. 네이버 포털사이트에 등록되는 더 다양한 형태의 기사들이 소비될 수 있는 방식으로 개선 작업을 했다고 합니다.

 

 

 

 

 







25년 AI 규제는?

이렇게 빠르게 변화하는 시장에서 민간 기업 보다 느릴 수 밖에 없는 정부 관련 서비스나 법령은 이 AI 기술이 여전히 과거에 머물러 있는 모습을 볼 수 있습니다.

 

자료 출처 : ChatGPT ❘ 정부의 AI 서비스보다 빠르게 앞서가는 민간 AI

 

특히 AI와 관련된 법률과 규정은 아직도 디딤돌을 다듬는 초기 단계에 있습니다. 25년 3월 이후가 되어서야 AI 기본법 시행령 초안이 잡혔습니다. 해당 초안에는 구체적으로 ▲AI기본법 시행령 및 시행규칙 ▲고영향 AI 기준과 예시에 관한 가이드라인(제33조) ▲고영향 AI 사업자 책무 가이드라인(제34조) ▲AI 안전성 확보 의무 고시(제32조) ▲AI 영향평가 가이드라인(제35조) ▲AI 투명성 확보 의무 가이드라인(제31조)이 들어있는데요.

 

여기서 저희가 주요하게 지켜봐야 하는 부분은 AI 신뢰성 확보와 위험 예방을 위한 규제와 관련된 내용입니다. 이 부분의 AI기본법은 지난 2020년 국회에서 법안이 처음 발의 되어 4년 넘게 논의가 되어오고 있습니다. 추가로, AI기본법 내 핵심 조항인 기업 규제 여부와 관련된 사항을 ‘고영향 AI’로 불리는데 이 고영향 AI는 신체·생명·재산 등에 직간접적인 영향을 미칠 것으로 예상되는 AI를 표현하고 있습니다. 기업을 위해 이 고영향 AI를 어디까지 영향을 끼치며, 어느 수준까지 허용해도 되는지, 아무런 기준도 검증도 하지 못하는 수준에서 정책이 논의되고 있지는 않을까 하는 생각도 듭니다. 

 

또한 영향이라는 개념이 기업에만 해당되는 것이 아닌 국민 기본권과 밀접하게 연결되는 영역들을 빠뜨리면 안될 것이므로, 본격적인 법안 시행에 앞서 업계에서도 이 고영향 AI 판단 기준을 어떻게 따라야 하는지 혼란이 따라올수밖에 없을 것으로 보입니다. 쉽게말해 이전에 없던 새로운 것에 대한 법령을 만들고 그 법령과 규제를 처음 접하는 모든이들에게 규제에 대한 신뢰가 마련되지 않은 상태에서 불확실성이 또 다른 문제를 만들어낼 수 있다는 것입니다. 정부가 정의하는 고영향AI 가 광범위하고 추상적인탓에, 개인마다 다르게 해석될 수 있으며 이로 인해 구체적인 위험 관리에 대한 기준이 설정되지 않을 수 있다는 문제가 예상됩니다. 

 

정부의 이런 움직임과 동시에 소비자 개인과 기업도 멈춰있지 않고 변화하고 새롭게 적용되는 것들에 대해 끊임없이 예의주시해야 할 수 밖에는 없습니다. AI의 학습 속도를 인간이 따라가는 것은 역부족이지만 AI가 배우는 동안 인간도 배움을 멈출 수가 없어야 지금의 사회가 더 혼란스러워지는것을 예방하고 AI와의 협업 가능한 수준으로의 발전을 같이 만들어야만 하는 것입니다. 

 

 

 

 

 







AI를 넘어 하나의 인격체로

문화적인 측면에서 소비자들은, 특히 잘파세대(1990년대 중후반 2010년대 초반 출생)는 태어나 어린시절부터 AI와 관련된 기술과 서비스를 친숙하게 접한 덕분에 AI를 인공지능이라는 개념보다는 가상의 인간으로서 유대 관계를 형성하고 있습니다. 

 

이미지 출처: 포춘코리아 ❘ 세계 인플루언서 시장 규모

 

AI 기술을 기반으로 발전 중인 버추얼 휴먼(가상 인간) 시장 규모 또한 급성장 중인데, 이 시장의 성장 배경에는 작년부터 맥사이트픽에서 다뤄왔던 디지털 콘텐츠 소비 방식의 변화가 주요하게 작용한 것을 알 수 있습니다. 가상이라는 환경을 이질감 없이 받아들이는 분위기 속 버츄얼 아이돌에게는 벌써 탄탄한 팬덤이 있으며 기존의 창작물들이 자리하던 기존의 소비 시장에 별다른 문제 없이 자리잡을 수 있었습니다. 오히려 버츄얼 아이돌의 콘텐츠, 음원차트 순위 그리고 콘서트와 같은 상품들은 최근 일반 가수들보다 더 큰 주목을 받고 가상 환경에서 생산된 콘텐츠 소비량은 급증하는 추세입니다. 

 

AI를 기술이 아닌 나와 똑같은 인간으로 대하고, 콘텐츠로서 보여지는 그들의 생활 방식과 생각이 인간과 같을 것이라는 인식을 갖는 것이 잘파세대에게는 어렵지 않고 오히려 당연하다 생각합니다. 그리고 이 잘파세대는 앞으로 시장에서의 주요 소비층이 될 것 입니다. 2025년부터는 잘파세대를 포함 모든 세대와 글로벌에서 사회 전반에 AI에 도움을 받을 수 있는 영역을 확장시키는데 기업과 개인이 다같이 노력하는 해가 될 것으로 보입니다. AI가 그런 역할로 자리잡을 수 있도록, AI와 친해지기 위해서는 여전히 인간이 중심이 될 것입니다.

 

 

 

 

 







🚩 맥소노미가 PICK한 이유!

오늘은 2025년에도 여전히 핫할 AI에 대해 더 심도 있게 알아보았습니다. 특히 정부의 정책이나 법령은 당장 직접적인 영향을 미칠 수 있다는 점에서 항상 주시해야 할 것입니다. 어쩌면 정부 정책으로 장기적인 AI 산업의 방향성이 결정되고, 우리는 그 흐름에 적응해야 할지도 모르겠습니다.

시장에 대한 관심도 놓을 수 없는데요. AI와 가장 빨리, 가장 먼저 친해질 수 있었던 잘파세대를 이해하고 나면 그 해답을 조금 더 쉽게 찾을 수 있지 않을까합니다. 이들에 대한 이해와 전망을 찾아내는게 앞으로의 마케팅에서 중요하게 작용할 것이라 생각합니다. 다음 포스트에서는 이런 잘파세대를 소비자로서 공략할 수 있도록 '소비자: 잘파세대'라는 주제로 집중 탐구해보겠습니다!



인공지능(AI), 마케팅 트렌드