데이터라이즈 박민성 CSO, DMI 2027 컨퍼런스 강연 발표

10월 13일, 데이터라이즈 박민성 CSO가 서울 양재동 엘타워에서 열린 '디지털 마케팅 인사이트 2027(DMI 2027)'에 연사로 참여했습니다. 이 자리에서 던진 질문은 하나였습니다. AI로 캠페인은 이렇게 많아졌는데, 왜 성과는 그대로일까요? 데이터라이즈 팀이 강연의 핵심만 추려 정리했습니다.

한눈에 보기

• AI로 실행은 늘었지만, 경쟁력은 정확한 진단에서 나옵니다.

• 고객사 880곳 분석 결과, 매출 하락의 원인이 광고인 경우는 절반뿐이었습니다.

• AI 데이터 분석이 틀리는 원인은 모델보다 데이터 구조에 있습니다.

• 담당 AM처럼 일하는 AI 에이전트가 고객사의 슬랙에서 일합니다.

• 검색 이용 고객은 방문자의 3.4%였지만, 매출의 28.9%를 만듭니다.

실행은 늘었는데 성과는 그대로인 이유

"실행은 위임할 수 있어도, 결과를 판단하는 일은 위임할 수 없습니다."

AI가 카피 생성부터 자동 집행까지 맡으면서 캠페인 수는 늘었지만, 무엇을 먼저 해야 하는지는 오히려 흐려졌습니다. 박민성 CSO는 “이제는 액션을 만드는 힘이 아니라, 정확한 진단에서 경쟁력이 나온다”고 말했습니다. 데이터 조회와 캠페인 세팅은 AI에게 맡기고, 사람은 목표를 정하고 결과를 검증하는 자리로 올라가야 한다는 것입니다.

고객사 880곳 분석으로 본 매출 하락의 원인

데이터라이즈의 고객사 중 880곳의 2026년 1~9월 데이터를 분석해 보니, 매출이 10% 이상 빠졌을 때 광고로 유입을 늘리는 처방이 맞는 경우는 약 절반뿐이었습니다.

매출을 방문자 수 × 구매 전환율 × 객단가로 나눠 보면 원인은 세 갈래로 갈립니다.

• 약 50% : 방문 자체가 줄어든 경우. 유입을 늘리면 회복됩니다.

• 약 30% : 전환율과 객단가가 떨어진 경우. 품절이나 묶음 행사 종료가 원인이라 광고를 늘려도 매출이 돌아오지 않습니다.

• 약 20% : 방문은 늘었는데 매출이 줄어든 경우. 구매 의도가 없는 유입이 몰린 것이라 전환을 개선해야 합니다.

원인은 같은 쇼핑몰 안에서도 바뀝니다. 두 번 이상 매출이 빠진 고객사의 78%는 하락할 때마다 원인이 달랐습니다.

데이터라이즈가 AI의 실행보다 진단을 집요하게 고도화하는 이유입니다. 그래서 데이터라이즈 에이전트는 매출이 왜 변했는지 먼저 짚고, 그 다음 지금 필요한 CRM 캠페인을 제안해 실행으로 이어 줍니다.

AI 데이터 분석이 틀리는 이유

AI 분석이 틀리는 원인은 대개 모델이 아니라, 데이터 구조에 있습니다. 같은 "구매 전환율"도 세션, 사용자, 장바구니, 결제 완료 중 무엇을 기준으로 삼느냐에 따라 달라집니다. 지표의 정의가 정해져 있지 않으면 AI는 그럴듯한 숫자 하나를 골라 맞장구를 칠 뿐입니다.

데이터라이즈는 이 문제를 데이터 기반부터 풀고 있습니다. 지표의 뜻을 하나로 고정하는 시멘틱 레이어(Semantic Layer)와 데이터 사이의 관계를 정의하는 온톨로지(Ontology)를 직접 구축해, 같은 질문에는 같은 기준의 숫자가 나오도록 만드는 것입니다. 데이터라이즈가 데이터 기반을 만드는 방식 보기

이 기반이 갖춰지면 마케터는 SQL 없이 자연어로 묻고 답을 받으며, 데이터 팀에 요청하고 기다리던 시간을 평균 72시간에서 30초까지 줄일 수 있습니다.

고객사 슬랙에 출근한 AI 에이전트

데이터라이즈는 담당 AM처럼 일하는 트윈 에이전트 'AMI'를 일부 고객사의 슬랙 채널에 설치해 베타로 운영하고 있습니다. 63일 동안 1,620건의 대화가 오갔고, "신규 회원 첫구매 리포트 만들어 줘"라는 요청에 리포트가 나오기까지 1분 41초가 걸렸습니다.

• 막힌 설정 우회 (식품 브랜드, 1분 29초) : 생일 쿠폰 당일 발급 문의에 우회 방법을 AM 개입 없이 안내

• 분석에서 실행 준비까지 (식품 브랜드, 1분 54초) : 9월 캠페인 47개를 분석해 오디언스 카드 2개 생성

• 맞장구 대신 데이터로 (뷰티 브랜드, 4분 31초) : "클릭률 하락은 신규 회원 탓"이라는 가설을 신규 회원 7.52%, 기존 고객 2.25% → 1.13%라는 데이터로 반박

데이터라이즈 팀이 가장 눈여겨본 건 세 번째 사례입니다. 에이전트가 고객의 가설에 맞장구를 치는 대신 데이터로 반론했습니다. 앞에서 말한 '실행보다 판단'이 제품 안에서 일어난 장면입니다.

키워드가 아닌 의도로 찾는 AI 상품 검색

데이터라이즈의 고객사 L사에서는, 사이트 내 검색을 이용한 고객이 전체 방문 고객의 3.4%였지만 매출의 28.9%를 만들었습니다. 구매 전환율은 9.32%로 검색하지 않은 고객(0.92%)의 10.1배였습니다.

데이터라이즈는 같은 데이터 기반 위에서 CRM을 넘어, 검색과 진열까지 넓혀 가고 있습니다. 그중 검색은 고객이 원하는 것을 가장 직접적으로 말하는 신호입니다. 데이터라이즈 AI 상품 검색은 이 신호를 고객의 의도로 읽고, 표현이 달라도 원하는 상품을 찾아 검색이 구매로 이어지도록 합니다.

AI를 만드는 회사의 AX 전환 사례

데이터라이즈는 AI를 만드는 회사이기 전에, 조직부터 AI로 일하는 방식을 바꾸고 있습니다. 기준은 AI 도입이 아닌 AI-Native입니다. 단순히 기존 업무 위에 AI 도구를 하나 더 얹는 게 아니라, 업무 프로세스를 처음부터 다시 설계했습니다.

리더가 먼저 AI 도구를 직접 써 본 뒤 각 직무로 전파했고, 지금은 비개발자를 포함해 전직원이 사내 플랫폼 AI Studio에서 에이전트를 직접 만들어 씁니다.

• CX 봇이 약 1,000곳 고객사의 반복 문의에 먼저 답합니다.

• 마케팅팀은 에이전트 39개와 정기 자동 작업 38개를 운영합니다.

• 정산 업무에서 현금 결제의 83% 이상을 자동으로 맞춥니다.

• AM 1명이 알림톡 템플릿 62개 검수를 30분 만에 끝냅니다.

에이전트가 반복 업무를 맡은 만큼, 사람은 기획과 판단에 집중합니다. '실행은 AI에게, 판단은 사람에게'를 데이터라이즈가 먼저 실천하고 있습니다.

마케터가 이번 주부터 해 볼 수 있는 3가지

"여러분의 맥락이 가장 강력한 데이터입니다."

AI의 판단이 우리 브랜드에 맞게 정확해지려면, 마케터의 머릿속에만 있는 암묵지를 꺼내 건네야 합니다. 데이터라이즈가 제안한 실천 항목은 세 가지입니다.

1. 이번 주: 반복하는 판단 하나를 글로 적기 (예: "이 브랜드는 30% 넘게 할인하지 않는다")

2. 이번 달: 기획서, 회의록, 성과 리포트를 한곳에 모으기

3. 다음 분기: 주간 리포트 초안처럼 반복되는 업무 하나를 에이전트에게 맡기기

데이터라이즈는 CRM부터 상품 추천, AI 검색까지 고객사 1,000여 곳의 성장을 돕는 이커머스 AI 마케팅 플랫폼입니다. 도입이 궁금하시다면 아래에서 문의해 주세요.

→ 데이터라이즈 도입 문의하기

→ 데이터라이즈 무료로 시작하기

행사 정보

• 행사: 디지털 마케팅 인사이트 2027 (DMI 2027), 테크42 주최

• 일시·장소: 2026년 10월 13일(화), 서울 양재동 엘타워

• 행사 공식 페이지: DMI 2027

• 관련 기사: 회사 데이터 알수록 똑똑해진다…데이터라이즈 “AI에 업무맥락 가르쳐야”