AI 의사 결정: 고객 참여와 1:1 개인화의 새로운 발전
2026-03-07 21:38 Diff
https://www.braze.com/ko/resources/articles/ai-decisioning-evolution-personalization

최근 마케팅 분야에서는 "인공지능"과 "개인화"라는 두 단어가 뜨거운 감자입니다. 그 이유는 쉽게 알 수 있습니다. 산업 분야의 하나로서 마케팅은 일대일 마케팅이라는 목표에 가까워지고 있으며, 신기술이 그 꿈을 실현하는 데 기여하고 있습니다. 하지만 그러한 혁신은, 특히 인공지능(AI)이 업무의 많은 부분을 장악하게 된 지금, 비현실적인 기대를 만들어내고 있습니다.

각종 신기술과 관련해서 비슷한 주장을 수도 없이 듣고 있는 상황에서 "AI 의사 결정이 마케터가 데이터를 활용해 경험을 개인화하는 방식에 혁신을 불러올 수 있다"라는 말은 공허한 약속처럼 들릴 수 있습니다. 그러나 그 속을 자세히 들여다보면 차이가 있습니다. 새로운 BrazeAI Decisioning Studio™는 강화 학습 에이전트를 사용하여 자율적으로 실험을 실행하고 고객 행동을 끊임없이 학습합니다. 이러한 에이전트는 브랜드가 고객에게 제공하고 제시하는 모든 것들을 개인화하고 궁극적으로 브랜드의 수익에 실질적인 증진 효과를 불러옴으로써 고객과의 지속 가능한 관계를 구축할 수 있습니다.

최적의 다음 행동: 그다지 개인적이지 않은 개인화 모델

마케터에게 있어서 AI는 새로운 것이 아닙니다. 대부분의 기업 브랜드는 지난 수년간 생애주기 캠페인을 개인화하는 데 다양한 형태로 머신 러닝을 활용해 왔습니다. 그리고 그중 다수가 각 고객에 대해 취해야 할 다음 행동을 마케터에게 알려주는 최적의 다음 행동(NBA) 모델을 기반으로 합니다. 간단히 말해 이론상 최적의 다음 행동이란 고객 데이터를 입력으로 받아 해당 데이터를 기반으로 취할 행동을 추천하는 알고리즘을 말합니다.

실제 실행 시에 NBA 모델은 원시 고객 데이터를 받아 "지난 90일간의 구매 건수"나 "지난 주문 10건의 평균 주문 금액" 같은 고객 특성을 계산하는 것부터 시작합니다. 그런 다음 이러한 특성을 일련의 예측 모델에 피드로 제공합니다. 즉, 재구매, 이탈, 특정 카테고리의 제품 구매 등 다양한 행동을 취할 가능성에 따라 고객에게 점수를 매기는 모델들이죠. 이런 점수에 비즈니스 규칙을 적용하여 최종 추천 내용을 결정하는 것입니다.

최적의 행동을 제대로 찾지 못하는 최적의 다음 행동 모델

최적의 다음 행동 모델과 같은 AI 모델은 개발될 당시에는 혁신적인 것이었지만 곧 그 한계를 드러냈습니다. 고객이 다음으로 구매하기에 좋은 제품으로 특정 신발을 추천하는 NBA 모델을 예로 들어보겠습니다. 어떤 식으로 작동할까요? 아마도 해당 고객은 "신발" 카테고리에서 "친밀도" 점수가 높은 고객일 것입니다. 즉, 과거 구매 행동을 기준으로 할 때 다음으로 구매할 가능성이 가장 높은 제품은 신발일 것입니다. 그러면 비즈니스 규칙에서 특정 카테고리에 대한 이 친밀도 점수가 높은 고객에게 이후 해당 카테고리에 대한 메시지를 보내도록 규정합니다.

그런데 여기에는 몇 가지 문제가 있습니다. 첫째, 고객이 과거에 신발을 구매했다고 해서 신발을 마케팅하는 것이 가장 가치가 높은 행동이라고 단언할 수는 없습니다. 둘째, 대부분의 기업은 고객들이 쇼핑하는 카테고리를 확장하고자 하는 반면, 이 전통적인 NBA 접근 방식에서는 단순히 이전에 구매한 상품을 추천하는 편향된 추천 구조를 만들어낼 뿐입니다. 셋째, 이 NBA 접근 방식이 마케팅할 제품에 대해 (최선은 아니지만) 합리적인 추천을 만들어내더라도 고객이 이메일, 푸시 알림 또는 문자 메시징에 반응하도록 동기를 부여할 요인을 예측하지는 못합니다. 고객이 다음 구매를 하도록 가장 효과적으로 유도할 시점, 채널, 빈도 또는 크리에이티브 요소를 선택하지 못합니다.

"최선의 모든 다음 것들" 개인화 개념을 제시하는 AI 의사 결정

NBA 모델이 (불완전할지라도) 고객에게 적합한 추천을 제시할 수도 있겠지만, AI 의사 결정은 고객이 행동을 취하도록 유도할 수 있습니다. AI 의사 결정은 강화 모델을 사용하여 최선의 모든 다음 것들이라는 생애주기 마케팅 접근 방식을 취합니다.

AI 의사 결정은 강화 학습 기법을 사용하는 새로운 개인화 방식입니다. AI 의사 결정은 최선의 다음 제품 오퍼뿐만 아니라, 최선의 채널, 시간, 요일, 빈도, 메시지, 크리에이티브 요소 등 고유 고객이 전환하도록 유도하는 데 필요한 모든 요소까지 찾아낼 수 있습니다.

AI 의사 결정 에이전트는 일련의 행동 중 하나를 반복적으로 선택하여 긍정적인 성과가 나타날 경우 보상을 받고 그러한 보상을 통해 학습하여 그 학습 내용을 바탕으로 다른 행동을 선택하는 식으로 환경을 학습합니다.

AI 에이전트는 백그라운드에서 끊임없이 실험을 실행하므로 수동으로 테스트할 필요가 없습니다. 따라서 모델이 지속적으로 학습하고 적응하여 시장이나 고객 행동에 변화가 나타날 때 유연하게 대처할 수 있습니다. 또한 모델이 이용 가능한 모든 고객 특성에 대한 모든 퍼스트파티 데이터를 사용하므로, AI 의사 결정은 세그먼트가 아니라 개인에 대해 진정한 1:1 의사 결정을 내릴 수 있습니다.

고객 참여의 미래

AI 의사 결정 기술은 마케터가 1:1 개인화를 제공하는 방식을 완전히 바꿔놓고 있습니다. BrazeAI Decisioning Studio™는 풍부한 퍼스트파티 데이터를 사용하여 연관성 높은 경험과 개인적인 관계를 창출함으로써 마케터가 인게이지먼트를 증진하고 의미 있는 비즈니스 결과를 실현하는 데 도움을 줍니다.

Braze는 AI 에이전트를 통해 마케터가 구성 가능하고 지능적인 기능을 전략적으로 조합할 수 있는 AI 기반 마케팅의 미래를 만들어가고 있습니다. AI 의사 결정은 고객의 전환을 유도하는 행동을 고객별로 제시함으로써, 마케터가 실질적인 비즈니스 결과를 이끌어낼 1:1 개인화를 중심으로 캠페인을 준비하는 데 도움을 줍니다.

지금 바로 BrazeAI Decisioning Studio™ 페이지에서 자세히 알아보세요.

미래 예측 진술

이 블로그 게시물에는 1995년 증권민사소송개혁법의 '세이프 하버' 조항의 의미 내에서 '미래 예측 진술'이 포함되어 있으며, 여기에는 BrazeAI Decisioning Studio™를 비롯한(이에 국한되지 않음) Braze 및 그 제품과 기능의 성능과 예상되는 이점에 관한 진술이 포함되며 이에 국한되지 않습니다. 이러한 미래 예측 진술은 Braze의 현재 가정, 기대 및 신념을 기반으로 하며, 실제 결과, 실적 또는 성과가 미래 예측 진술에 표현되거나 암시된 미래의 결과, 실적 또는 성과와 실질적으로 다를 수 있는 상당한 위험, 불확실성, 상황의 변화를 수반할 수 있습니다. Braze의 실적에 영향을 미칠 수 있는 잠재적 요인에 대한 자세한 정보는 2025년 9월 5일에 미국 증권거래위원회에 제출한 2025년 7월 31일로 마감되는 회계 분기의 10-Q 양식 분기 보고서와 미국 증권거래위원회에 제출한 Braze의 기타 공개 서류에 포함되어 있습니다. 이 블로그 게시물에 포함된 미래 예측 진술은 이 블로그 게시물 작성일 현재의 Braze 견해만을 나타내며, Braze는 법률에서 요구하는 경우를 제외하고는 이러한 미래 예측 진술을 업데이트할 의무가 없으며 업데이트할 의도도 없습니다.