이커머스 AI 솔루션 가이드 (2): 블프·연말 시즌 캠페인 자동화하기

11월이 되면 이커머스 마케터들은 바빠집니다. 블프와 광군제에 맞춰 캠페인 일정을 잡고, 예산을 정하고, DA/SA 제작을 시작하기 때문입니다. 특히 한국에서는 이 시즌이 유독 길어보이는데요. 코리아 그랜드 페스티벌부터 연말 행사까지 이어져 자체가 1~2주 짜리 행사가 아니라 11월 초부터 12월까지 이어지는 긴 구간이 되버기 때문입니다.

1편이 장바구니 이탈 고객을 되돌리는 루프 하나를 다뤘다면, 2편은 그 루프를 시즌 전체로 넓힙니다. 누구에게, 언제, 무엇을 보낼지 순서대로 짚고 어디까지 AI 에이전트에게 맡길지에 대해 이야기해보겠습니다.

1. 점점 길어지는 연말 캠페인

올해 마케팅 캘린더를 펼쳐놓고 보면, 블프를 전후로 캠페인 기간이 작년보다 길어졌음을 확인하실 수 있습니다.

데이터로 봐도 시즌의 시작이 해마다 빨라지고 있는 것을 확인할 수 있습니다. 네이버 데이터랩에서 9월부터 이듬해 1월 중순까지의 '블랙프라이데이' 검색을 연도별로 비교해 보면, 10월 말까지 쌓인 비중이 2022~2023년 15~17%에서 2024~2025년 20~24%로 올랐습니다. 11월 14일까지로 넓히면 40%대 중반에서 50~57%까지 늘어납니다. 정부 주관 행사인 코리아 그랜드 페스티벌의 시작일도 2023년 11월 11일에서 올해 10월 29일로 13일 앞당겨졌습니다. 행사 하나하나가 길어졌다기보다, 시작이 빨라지고 행사가 줄지어 붙으면서 시즌이 앞쪽으로 늘어나고 있습니다.

규모도 작지 않습니다. 지난해 11월 온라인쇼핑 거래액은 24조 1,613억 원으로 전년 같은 달보다 6.8% 늘었고 그중 77.0%가 모바일에서 나왔습니다.

문제는 운영입니다. 시즌이 길어지면 세그먼트 추출, 메시지 작성, 발송 설정, 결과 확인을 몇 주 동안 반복해야 합니다. 캠페인 수는 늘어나는데 담당자는 그대로입니다. 그래서 자동화를 시작하기 전에 어떻게 캠페인을 시작할지 부터 정해야 합니다.

2. 고객 세분화: 우리 시즌의 주인공은 신규인가 재구매인가

같은 시즌이어도 매출을 만드는 고객은 업종마다 다릅니다. 지난해 블랙프라이데이 기간 해외 브랜드 집계를 보면 식음료는 매출의 70.2%가 재구매 고객에게서 나왔습니다. 정반대로 리빙/데코는 67.5%, 스포츠용품은 64.7%가 신규 고객 몫이었습니다.

재구매 고객이 매출을 끄는 브랜드와 신규 고객이 끄는 브랜드는 같은 프로모션을 쓸 이유는 확실히 없습니다. 기획을 시작하기 전에 지난 시즌 매출을 신규와 재구매로 나눠서 분석하는 것이 필요합니다.

그다음에는 구매 이력에 행동 데이터를 더해 세그먼트를 나눕니다. 할인율 하나로 전체 발송을 하면 쿠폰 비용이 이미 사기로 결정한 고객에게도 나가게됩니다.

기준값은 예시입니다. 구매 주기가 짧은 식품과 구매주기가 긴 가전은 분명히 다른 기준이 필요하기 때문에 아이템의 맞는 구매 주기로 조정해야 합니다. AI CRM 툴을 고르는 기준에서 데이터 분석의 깊이를 첫 번째로 꼽은 이유도 여기에 있습니다.

3. 사람이 정할 일과 AI 에이전트에게 맡길 일을 나누자

세그먼트가 나왔다면 시기별로 역할을 나눕니다. 판단은 사람이, 반복은 AI 에이전트가 맡습니다.

시즌이 길어질 수록 고객은 블프 주간이 오기 전에 이미 여러 할인 관련 푸시를 받았을 가능성이 높습니다. 그래서 블프 주간에는 할인율 숫자 소구보다는 고객의 행동에 맞춘 시점과 혜택으로 차이를 만드는 편이 낫습니다.

사람의 승인 단계는 줄이지 않는 편이 좋습니다. 할인 조건을 잘못 보낸 메시지는 시즌 내내 리스크와 고객 응대 부담으로 돌아옵니다. 자동화는 사람을 빼는 일이 아니라 사람이 판단할 일만 남기는 일입니다.

4. A/B 테스트: 시즌 전에 끝내고 증분으로 판단하기

시즌이 시작되면 A/B 테스트를 만들고 결과를 분석할 여유가 없습니다. 블프 주간에는 이미 검증된 안을 넓게 쓰고, 테스트는 사람이 가장 몰리는 11월 중순 이전에 끝내는 일정을 권장합니다.

다만 시즌 테스트는 평소처럼 읽으면 틀립니다. 블프에는 메시지를 보내지 않아도 사는 고객이 많습니다. 그래서 어느 안이 더 팔렸는지가 아니라, 보내지 않았을 때보다 얼마나 더 팔렸는지를 봐야 합니다.

시작 전에 표본부터 계산합니다. 구매 전환을 6%에서 7%로 올리는 차이를 잡으려면 그룹당 약 9,500명이 필요합니다(유의수준 5%, 검정력 80% 기준). 그룹당 1,300명이라면 6.1%와 7.0%의 차이는 우연과 구분되지 않습니다. 표본이 모자라면 장바구니 담기처럼 더 자주 일어나는 행동을 보조 지표로 쓰고, 결과를 보다가 유리할 때 멈추지 않습니다.

첫째, 대조군과 비교해 증분 매출을 봅니다. 세그먼트 일부에는 아무것도 보내지 않고 남겨 둡니다. 그다음 취소와 반품을 뺀 1인당 매출을 대조군과 비교하면 캠페인이 실제로 만든 증분(incrementality)이 나옵니다. 아래 예시에서 무료배송 안의 1인당 매출은 약 1만 4,300원, 대조군은 약 6,300원이라 증분은 약 8,000원입니다. 쿠폰 안의 증분은 약 5,400원입니다. 여기서 쿠폰과 배송비를 빼야 실제로 남는 돈이 보입니다. 푸시 실험은 발송 성공이 곧 노출이 아니니, 실제로 본 고객만 모수로 잡습니다.

둘째, 세그먼트별로 승자를 따로 봅니다. 전체 평균에서 이긴 안이 모든 고객에게 이긴 것은 아닙니다. 재구매 고객에게 쿠폰은 어차피 살 사람의 할인이 될 수 있고, 첫 구매를 망설이는 고객에게는 같은 쿠폰이 결정적일 수 있습니다. 다만 세그먼트를 나눌수록 표본이 줄어드니, 어떤 세그먼트를 볼지는 테스트 전에 정해 둡니다.

셋째, 시즌이 끝난 뒤 구매 앞당김을 확인합니다. 시즌 매출의 일부는 12월이나 1월에 있었을 구매가 앞당겨진 것일 수 있습니다. 대조군을 시즌 뒤까지 유지해 60일, 90일 누적 매출을 비교해 보세요. 초반에 벌어진 차이가 시간이 지나며 좁혀진다면 새 매출이 아니라 앞당긴 매출입니다.

5. Agentic Engine: 시즌 캠페인을 한 흐름으로 잇기

지금까지의 과정을 수작업으로 하면 분석, 발송, 시험 결과를 오가는 리소스가 많이 듭니다. 씽킹AI의 Agentic Engine은 이 단계를 한 플로우로 묶습니다.

예를 들어 마케터가 Agentic Engine에 이렇게 요청합니다.

"지난 시즌 구매 고객을 신규와 재구매로 나누고, 올해 기획전을 보고 결제하지 않은 고객을 찾아서 혜택 안 두 개로 테스트해 줘."

AI 에이전트는 자연어 요청을 받아 분석 데이터를 조회하고 다음 단계를 잇습니다.

• 세그먼트와 트리거: 행동 순서나 '기획전은 봤지만 결제는 안 한' 조건을 앱과 웹에서 바로 감지합니다.
• 발송: 카카오 브랜드 메시지와 앱 푸시, 앱·웹 안 메시지로 보내고, 이미 쓰는 발송 도구는 웹훅으로 연결합니다.
• 실험: A/B 분기마다 성과지표를 붙이고, 푸시 실험은 지정한 이벤트를 트리거한 유저만을 모수로 잡아 정합성을 높입니다.
• 검증: 시즌 전체의 고객 여정에서 단계별로 터치 이후 행동을 쫓아 어느 지점에서 성과가 나고 끊기는지 봅니다.

발송 전 승인은 사람이 맡습니다. 승인 기준을 정해 두면 담당자는 데이터 추출 대신 혜택과 메시지 판단에 시간을 씁니다.

올해 블랙프라이데이 프로모션을 준비한다면 지난 시즌 매출부터 열어 보시기 바랍니다. 재구매 고객이 매출을 끌었다면 선공개와 재구매 혜택부터 짭니다. 신규 고객이 끌었다면 시즌 뒤 두 번째 구매로 이어지는 흐름부터 짭니다. 세그먼트, 시기별 역할, 사전 테스트 중 하나만 빠져도 연말까지 루프가 돌지 않습니다. 시즌이 끝난 뒤 남는 일은 리텐션을 높이는 방법에서 이어집니다.

이커머스 인터랙티브 데모 체험하러 가기

비즈니스의 성장을 이끄는 Agentic Engine이 궁금하세요? ThinkingAI 솔루션 전문가와 상담해보세요.