<div id="readability-page-1" class="page"><div>
	온라인 쇼핑몰 이용자 A씨는 한 사이트에서 마음에 드는 겨울 외투를 발견하고 구매하려고 했다. 하지만 결제 과정에서 ○ ○페이에 오류가 나서 장바구니에 담아만 두고 나왔다.
A씨가 장바구니에 담아두고 최종 구매를 하지 않은 것을 본 온라인 쇼핑몰 마케팅팀은 구매 유도를 위해 10% 할인 쿠폰을 보냈다. 가격을 할인해주면 다시 구매를 할 것이라고 예상했다. 하지만 A씨가 구매를 멈춘 이유가 가격 때문이 아니었기 때문에 이 쿠폰은 효과를 발휘하지 못했다.
이어 A씨의 장바구니를 본 온라인 쇼핑몰 영업 담당자는 구매 유도를 위해 ‘무료배송’ 알림을 보냈다. 무료 배송이 고객의 관심을 끄는 동인이 될 것이라고 예측했다. 하지만 이 역시 효과가 없었다.
결국 시간이 흐르면서 A씨는 이 쇼핑몰 장바구니에 상품을 담아뒀다는 사실조차 잊었고, 다른 온라인 쇼핑몰에서 겨울 외투를 샀다.
이 쇼핑몰이 고객의 관심을 끄는 상품을 보유하고 있음에도 구매까지 연결시키지 못한 것은 고객의 마음을 몰랐기 때문이다. 고객이 왜 구매를 중도에 멈췄는지 알았다면 그 문제를 해결할 수 있었겠지만, 이 회사는 고객이 필요로 하지 않은 알림만 계속 보내다가 고객을 놓쳤다.
이 쇼핑몰이 고객의 마음을 몰랐던 이유는 데이터가 파편화되어 있기 때문이다. 고객이 특정 결제 수단을 선택한 후 결제 프로세스에서 이탈했다는 기록이 모든 부서에 공유되었다면 다른 대처가 가능했을 것이다. 예를 들어 고객이 사용했던 다른 결제 방식이 무엇인지 파악하고, △△페이로 결제 시 추가 포인트를 지급하는 혜택을 제안하는 등 선제적인 대응이 가능해진다.
데이터 홍수와 파편화의 문제
오늘날 기업들은 전례 없는 데이터 홍수 속에 표류하고 있다. 웹사이트 클릭 하나, 소셜 미디어 ‘좋아요’ 한 번, 모바일 앱 내 행동 하나하나가 모두 데이터로 쌓인다.
문제는 이 데이터가 부서별로 뿔뿔이 흩어져 있다는 점이다. 마케팅팀은 고객의 광고 반응률만 보고 있고, 영업팀은 구매 이력만 들여다보며, 고객 서비스팀은 문의 기록에만 매달린다.
한 고객에 대한 전방위적 이해는커녕, 동일한 고객이 마케팅팀과 고객지원팀에서 서로 다른 ID로 인식되는 경우도 많다. 마치 코끼리의 다리, 몸통, 코를 각자 만져보고는 서로 다른 동물이라 주장하는 장님들처럼, 기업은 고객을 하나의 완전한 존재로 이해하지 못하는 딜레마에 빠졌다.
이처럼 파편화된 정보로는 ‘초개인화’를 요구하는 고객의 기대치를 충족시키기 어렵다. 이제 고객들은 단순히 맞춤형 광고를 넘어, 자신도 모르는 사이 필요를 예측하고 먼저 제안하는 ‘선제적 고객 경험’을 원하기 때문이다.
특히 AI 혁명이 도래한 상황에서 파편화된 데이터는 AI 적용에 가장 큰 장애물이 된다. 대화형 AI든, 예측 모델이든, 그 기반은 언제나 정제되고 연결된 데이터다. 데이터가 준비되지 않으면, 어떤 AI 프로젝트도 효과를 내지 못한다는 사실은 이미 많은 기업의 실패 사례에서 입증됐다. 파편화된 데이터는 결국 AI가 내놓는 예측과 통찰의 정확도를 떨어뜨려 기업의 경쟁력을 갉아먹는다.
지금까지 데이터를 통합하는 방식으로는 데이터웨어하우스(DW), 데이터레이크(DL)가 주로 활용돼 왔다. DW나 DL에 데이터를 보관하고, 필요할 때 꺼내서 분석하는 방식이었다. 하지만 DW는 정형 데이터만 담을 수 있다는 한계가 있었고, DL은 비정형 데이터까지 저장할 수 있지만 활용하기가 까다로웠다. 또 이 둘은 과거 데이터를 분석하는 용도로 주로 쓰였다. 때문에 실시간으로 변화하는 고객의 현재를 이해하고 미래를 예측하는 데는 적합하지 않다는 평가를 받는다.
고객 중심의 데이터 플랫폼 ‘세일즈포스 데이터 360’
세일즈포스는 이런 문제를 해결하기 위한 솔루션으로 ‘데이터 360’을 내세운다. 세일즈포스 데이터360은 여러 시스템과 채널에 흩어져 있는 고객 데이터를 실시간으로 수집·통합·관리하고, 이를 바탕으로 분석·활용할 수 있도록 지원하는 클라우드 기반 데이터 플랫폼이다. DW, DL처럼 단순히 데이터를 저장하는 수준이 아니라, 데이터를 통합된 고객 뷰(Single Customer View)로 변환해 실행 가능한 비즈니스 인사이트를 제공하는 것이 핵심이다.
이를 위해 ‘하나의 고객 프로필’을 구축하는 것이 반드시 필요하다. 웹사이트 방문 기록, 구매 이력, 서비스 문의 내역, 마케팅 캠페인 반응 등 모든 고객 데이터를 한곳에 모아 통합해야 한다. 그러면 기업의 모든 부서는 동일한 고객 정보를 실시간으로 공유하며 협업할 수 있다. 앞선 예시에서 데이터 클라우드가 있었다면, 그 온라인 쇼핑몰은 고객의 결제 오류 기록을 즉시 파악하고, 불필요한 할인 쿠폰 대신 고객이 선호하는 결제 방식의 혜택을 선제적으로 제공했을 것이다.
결국 데이터 360은 단순히 데이터를 모으는 도구가 아니라, 기업 내 흩어진 고객 정보를 실행가능한 정보 자산으로 전환하고, 이를 기반으로 신뢰할 수 있는 AI 혁신과 초개인화 경험을 실현하는 핵심 인프라다.
데이터 360의 가장 큰 특징 중 하나는 실시간성이다. 실시간으로 유입되는 고객 행동 데이터를 즉각적으로 통합하고 분석해, 고객의 다음 행동을 예측하고 민첩하게 대응할 수 있다는 것이다. 웹사이트에서 특정 상품을 본 고객이 이탈하기 전 고객의 마음을 알아내서 실시간으로 맞춤형 추천을 제공하거나 고객 서비스 문의가 들어오면 이미 고객의 구매 이력과 이전 상담 내역을 파악한 상태에서 대응하는 것이다.
세일즈포스 측은 “데이터360은 단순히 데이터를 저장하는 것을 넘어, 고객의 모든 행동을 파악하고 이에 맞춰 즉각적으로 반응하는 AI 및 CRM 혁신을 위한 핵심 인프라 역할을 한다”고 소개했다.
데이터 360의 다른 특징 중 하나는 ‘고객 데이터’만을 중심에 둔 데이터 플랫폼이라는 점이다. 기존의 DW나 DL과 같은 데이터 플랫폼은 조직 내 존재하는 모든 데이터를 저장, 처리, 분석하기 위한 용도로 존재했다. 하지만 데이터 360은 오직 고객 데이터에만 관심을 두고 있다. 웹사이트 문자, 모바일 앱 사용자, CRM의 영업 리드, 그리고 상담 기록 속 불만 고객까지, 파편화된 모든 데이터를 한 사람의 고객으로 연결해 종합적으로 이해할 수 있다. 이는 단순한 데이터 분석을 넘어, 고객 한 사람 한 사람에게 의미 있는 경험을 제공하는 출발점이 된다.
데이터 분석에 그치지 않고 실행으로 연결된다는 점도 데이터 360의 특징이다. 수집된 데이터를 고객 세그먼트로 나누고, 이 세그먼트에 맞춰 마케팅 캠페인, 영업 활동, 서비스 응대를 자동화한다.
AI 에이전트 시대에 맞는 데이터 플랫폼은?
AI 에이전트 시대를 맞아 데이터의 중요성은 더욱 커진다. AI가 단순히 답을 하는 도구가 아니라 실행까지 담당하는 도구가 되고 있기 때문이다. 예를 들어 고객이 “배송이 지연됐다”고 불편함을 호소했을 때 단순히 “죄송합니다”라고 응답하는 게 아니라, 주문 내역을 확인하고 배송 상태를 조회하며, 필요한 경우 환불이나 재발송까지 실행할 수 있는 것이 AI 에이전트다.
이 과정이 가능하려면, AI 에이전트는 반드시 정확한 데이터에 접근해야 한다. 만약 고객 정보가 시스템마다 다르게 기록되어 있다면, 에이전트는 잘못된 주문을 찾아 응답하거나 엉뚱한 보상을 제안할 수 있다. 즉, 데이터를 신뢰할 수 없으면 AI 에이전트의 판단과 행동도 신뢰할 수도 없다.
세일즈포스 측은 “AI 에이전트는 사용자의 질문이나 요청에 답할 때 단순히 미리 학습된 정보만을 활용하는 것이 아니라 데이터를 실시간으로 검색해 답변을 증강한다”면서 “데이터 360이 제공하는 신뢰성 높은 데이터는 AI 에이전트의 지식 기반이며, AI가 단순한 정보 제공을 넘어 실제 비즈니스 성과를 창출하는 실행자로 거듭나게 하는 핵심 인프라”라고 강조했다.
글. 바이라인네트워크 
&lt;심재석 기자&gt;shimsky@byline.network
</div></div>

심재석 | Byline Network

온라인 쇼핑몰 이용자 A씨는 한 사이트에서 마음에 드는 겨울 외투를 발견하고 구매하려고...

“고객을 하나의 뷰(View)로 바라봐야”…세일즈포스 데이터 360

댓글