AI 마케팅 CDP를 3년째 운영하며 배운 데이터 통합의 난이도
2023년 3월 출시한 자체 CDP(고객 데이터 플랫폼)를 3년 넘게 운영하며 확인한 건, 데이터 수집보다 통합·세분화 단계에서 실패가 훨씬 많다는 점이었어요. 5단계 CDP 프로세스와 운영하며 배운 3가지 실무 기준을 정리했어요.
“고객 데이터를 다 모아뒀는데, 정작 마케팅에는 왜 못 쓰고 있을까요?” 저희가 자체 CDP(Customer Data Platform, 고객 데이터 플랫폼) 서비스 ‘D:VALUEUP’을 만들고 운영하면서 가장 많이 받은 질문이에요. 데이터를 모으는 것과 그 데이터를 실제로 활용하는 것 사이엔 생각보다 큰 간극이 있었어요.
1. 왜 CDP를 직접 만들고 운영하기로 했나
저희가 직접 만들고 운영하는 D:VALUEUP의 실제 화면이에요. 방문자 수, 주문 건수, 매출액, 객단가를 한 화면에 모으고 직전 기간과 비교한 증감을 함께 보여줘요.
이런 화면은 만들기보다 유지하기가 어려워요. 지표 정의가 조금만 흔들려도 숫자가 서로 안 맞기 시작하거든요. 예를 들어 ‘방문자’를 세션 기준으로 셀지 사용자 기준으로 셀지에 따라 값이 달라지고, 그 기준이 화면마다 다르면 사용자는 대시보드를 믿지 않게 돼요.
D:VALUEUP은 2023년 3월 출시한 마케팅 인텔리전스 플랫폼이에요. 쇼핑몰 데이터를 분석하고 사이트를 진단해서, AI(인공지능)로 마케팅 자동화를 지원하는 게 목적이었어요. 처음엔 저희 자체 마케팅에 쓰려고 만들었는데, 운영하다 보니 비슷한 고민을 하는 다른 기업에도 필요하다는 걸 알게 됐어요. 그래서 지금은 자체 서비스이면서 동시에 외부 기업에도 제공하는 B2B SaaS(Software as a Service, 구독형 소프트웨어) 솔루션으로 함께 운영하고 있어요.
2. CDP는 어떤 단계로 굴러가나요
CDP를 도입한다고 하면 보통 “데이터를 모으는 도구” 정도로 생각하는데, 실제로는 5단계가 순서대로 맞물려야 제대로 작동해요.
- 데이터 수집 — PC·모바일·서버·광고 등 여러 경로에서 들어오는 데이터를 모아요.
- 데이터 통합저장 — 흩어진 데이터를 클라우드 기반으로 한곳에 모아요.
- 고객 파일 분석 — 모인 데이터를 고객 단위로 정리해요.
- 고객 세분화 — AI 기반으로 고객을 그룹으로 나눠요.
- 활성화 — 인스타그램·유튜브·구글·이메일·SMS·푸시 등 실제 채널로 내보내요.
저희가 운영하면서 확인한 건, 이 다섯 단계 중 딱 한 곳만 부실해도 전체가 무너진다는 점이었어요. 특히 2단계 통합저장이 그래요.
3. 데이터 통합에서 실제로 어려운 지점 3가지
CDP의 핵심은 이 화면이에요. “첫 방문 고객”, “장바구니에 담은 뒤 7일 이상 구매하지 않은 고객”, “첫 방문 후 10초 안에 이탈한 고객”처럼 행동 조건으로 고객군을 나눠요.
3년 운영하며 배운 건, 분류 기준을 늘리는 것보다 쓰이는 기준만 남기는 게 어렵다는 거예요. 조건을 세밀하게 만들수록 그럴듯해 보이지만, 실제로 캠페인에 연결되지 않는 분류는 화면만 복잡하게 만들어요. 데이터 플랫폼을 발주하실 때 “얼마나 잘게 나눌 수 있나”보다 “나눈 다음에 무엇을 할 수 있나” 를 먼저 물어보시는 걸 권해요.
- 채널마다 데이터 형식이 다 달라요. 광고 플랫폼·자사몰·SNS 채널이 저장하는 고객 식별 값(이메일, 기기 ID, 계정 ID 등)이 제각각이라, 같은 고객인데도 다른 사람처럼 잡히는 경우가 흔해요.
- 실시간성과 정확성이 충돌해요. 실시간으로 데이터를 반영하려 할수록 검증 단계를 줄이게 되고, 검증을 꼼꼼히 하려 할수록 반영 속도가 늦어져요.
- 세분화 기준이 계속 바뀌어요. 마케팅 전략이 바뀔 때마다 고객 그룹을 나누는 기준도 함께 손봐야 하는데, 이 부분을 처음부터 유연하게 설계해두지 않으면 매번 개발 요청이 쌓여요.
4. 자체 서비스이자 B2B 솔루션으로 운영하며 확인한 것
D:VALUEUP을 저희 마케팅에 직접 쓰면서 동시에 외부에도 제공하다 보니, “만드는 입장”과 “쓰는 입장”을 동시에 겪게 됐어요. 이 경험에서 얻은 가장 큰 교훈은, 마케팅 리포트·유입경로 확인·맞춤형 마케팅·그룹 고객관리·매출성과 분석·사이트 분석 같은 기능은 화면만 잘 만든다고 끝나는 게 아니라는 점이에요. 실제로 매출 성과와 연결되려면 활성화 단계(채널로 내보내는 마지막 단계)까지 안정적으로 이어져야 하고, 이 마지막 연결 고리가 끊기면 앞의 4단계는 그냥 데이터 창고로 남아버려요.
데이터는 모았는데 마케팅 자동화까지 이어지지 않아 고민이시라면 저희가 직접 운영해본 CDP 경험을 바탕으로 함께 점검해드릴게요 →
5. Creative Soft가 외주 프로젝트에 적용하는 방식
저희는 CDP를 3년 넘게 직접 운영하며 배운 걸 외주 프로젝트에도 그대로 반영해요. 예를 들어 데이터 연동 프로젝트를 맡을 때는, 화면 디자인보다 “데이터 식별 값을 어떻게 통일할지”부터 먼저 정리해요. 자체 SaaS 4종을 운영하며 배운 건, 초기 기능보다 데이터·운영 구조가 더 자주 비용을 바꾼다는 점이었어요. 저희가 이런 구조 설계를 우선순위에 두는 이유이기도 하고요.
자체 SaaS 4종을 직접 운영해온 11년 차 개발사라서 할 수 있는 얘기예요. 그동안 50개 넘는 프로젝트를 진행하면서 롯데·캐논 같은 곳과도 함께했고요.
6. 자주 묻는 질문
CDP와 일반 마케팅 자동화 도구는 뭐가 다른가요?
일반 자동화 도구는 이미 정리된 데이터를 전제로 캠페인을 실행하는 데 초점이 맞춰져 있어요. CDP는 그 이전 단계, 즉 흩어진 데이터를 고객 단위로 통합하고 세분화하는 과정 자체를 다뤄요.
CDP를 도입하려면 데이터가 이미 많이 쌓여 있어야 하나요?
꼭 그렇지는 않아요. 다만 데이터 식별 값(이메일, 기기 ID 등)을 어떤 기준으로 통일할지 먼저 설계해두면, 데이터가 쌓이기 시작할 때부터 바로 활용할 수 있어요.
자체 SaaS를 운영하는 개발사와 일하면 뭐가 다른가요?
직접 운영해봤기 때문에 “화면에는 안 보이지만 실제로 비용과 시간을 잡아먹는 지점”을 미리 알고 설계에 반영할 수 있어요. 납품 후 끝나는 프로젝트와, 운영까지 고려한 프로젝트의 차이가 여기서 갈려요.
7. 정리하며
CDP를 3년 넘게 직접 운영하며 얻은 결론은 단순해요. 데이터를 “모으는 것”보다 “끝까지 이어지게 만드는 것”이 훨씬 어렵다는 점이에요. 저희는 이 경험을 자체 서비스뿐 아니라 외주 프로젝트를 설계할 때도 똑같이 적용해요.
관련해서 함께 보면 좋은 글이에요.