"우리는 데이터 드리븐 마케팅을 합니다."
요즘 어떤 마케팅 팀을 만나도 이 말은 거의 인사처럼 나옵니다. 그런데 막상 한 발 들어가서 "그래서 어떤 결정을 데이터로 내리고 있냐"고 물어보면, 의외로 답이 흐려집니다. 도구는 늘었는데 의사결정은 더 느려진 회사가 너무 많거든요.
오늘은 이 어색한 풍경이 왜 생겼는지, 그리고 2026년 마케팅 팀이 가장 먼저 손대야 할 한 가지가 무엇인지 정리해보려고 합니다.
조금 자극적인 숫자부터 던질게요.
올해 글로벌 마케팅 분석 리포트들이 입을 모아 짚는 통계 두 개가 있습니다. 첫째, CMO의 73%가 마케팅 분석 예산을 늘렸지만 형식화된 분석 프레임워크를 가진 곳은 44%에 불과합니다. 둘째, 마케터의 78%가 "정확한 어트리뷰션"을 최대 과제로 꼽고 있고, 그 문제로 평균 20~30%의 마케팅 예산이 효과 없는 채널로 흘러가고 있다는 추정이 나옵니다.
1조 원 예산이라면 2~3천억 원이 길을 잃었다는 얘기입니다. 적은 돈이 아니죠.
저는 이 통계가 무엇을 말하고 있는지가 더 중요하다고 봅니다. 데이터가 부족해서 마케팅이 안 되는 게 아닙니다. 데이터는 차고 넘칩니다. 도구도 차고 넘칩니다. 그런데도 30%가 새고 있다는 건, 문제가 입구가 아니라 운영에 있다는 뜻입니다.
가장 솔직한 진단을 하나 해드릴게요.
B2B 마케팅 팀의 67%는 여전히 last-touch 어트리뷰션을 씁니다. 마지막 클릭 한 번에 모든 공을 몰아주고, 그 앞의 수십 개 터치포인트는 지워버리는 방식이죠. 이게 부정확하다는 건 다 압니다. 그런데도 안 바뀝니다. 왜일까요.
저는 이게 모델의 문제가 아니라 조직의 문제라고 봅니다. CFO에게 last-touch 표 한 장을 들이미는 게 멀티터치 모델 결과를 설명하는 것보다 훨씬 쉬워요. 그래서 마케팅 리더들이 틀린 줄 알면서도 안 바꿉니다. 이건 기술 부채가 아니라 정치 부채입니다.
여기에 1st party data 이슈가 겹칩니다. 2027년이면 마케팅 데이터의 88%가 1st party 기반으로 옮겨갈 거라는 전망이 있죠. 그런데 막상 cross-channel identity resolution을 보면, 73%의 조직이 이걸 우선 과제로 두고 있는데 "good" 또는 "excellent" 수준의 품질을 확보한 곳은 38%에 그쳤습니다.
데이터는 회사에 들어왔는데, 그게 같은 사람인지 다른 사람인지 모른다는 뜻입니다. "한 명의 고객"을 정의하지 못한 채로 개인화를 외치고 있는 거예요.
한 가지 더 짚고 가야 할 게 있습니다. AI 분석 도입률은 올해 56%까지 올라왔습니다. 그런데 AI를 도입한 팀 중 그 ROI를 정량화할 수 있다고 답한 곳은 29%뿐이었어요. 콘텐츠 ROI를 정확히 측정한다고 답한 마케터는 21%에 그쳤고요.
이게 무서운 풍경이라고 저는 생각합니다. 돈 쓰는 속도는 빨라졌는데, 그 돈이 어디로 갔는지 설명하는 능력은 더 떨어지고 있다는 뜻이거든요. 대부분의 AI 실험이 정의된 유스케이스가 아니라 흥분에 의해 추진되고 있다는 외신 보도도 같은 맥락입니다. ChatGPT가 뜨면 카피팀이 도입하고, AI 분석 SaaS가 뜨면 데이터팀이 사고, 이미지 생성이 뜨면 크리에이티브가 손대고. 결과는 사일로입니다. 각자 다른 도구를, 다른 목적으로, 다른 평가지표로 굴립니다. 회사 전체로 보면 ROI가 안 보일 수밖에 없죠.
이걸 정리해서 Gartner가 한 예측이 흥미롭습니다. 2028년까지 멀티터치 어트리뷰션(MTA), 마케팅 믹스 모델링(MMM), AI 분석을 통합 운영하는 조직이 단일 방법론 조직보다 마케팅 효율 지표에서 40% 우위를 보일 거라는 거예요. 핵심은 "통합"입니다. 어떤 새로운 모델을 도입했냐가 아니라, 이미 가진 세 가지를 같은 의사결정 구조 안에서 굴리느냐의 문제죠.
그러면 무엇부터 손대야 할까요. 제 의견을 세 가지로 압축해서 드릴게요.
첫째, 도구를 줄이는 것부터입니다. 분석 SaaS 6~8개 중에 같은 숫자를 다르게 보여주는 도구가 절반은 됩니다. 줄이는 게 늘리는 것보다 훨씬 어렵지만, 줄이지 않으면 그 다음 단계가 보이지 않습니다. 회의 첫 30분을 "어느 숫자가 맞느냐"로 까먹는 회사가 데이터 드리븐일 수는 없으니까요.
둘째, "고객 한 명"의 정의를 통일하는 일입니다. 이메일 기준인지, 디바이스 ID 기준인지, 로그인 ID 기준인지. 팀마다 다르면 무엇을 측정해도 어긋납니다. 이 정의 작업은 데이터 엔지니어가 아니라 마케팅 리더가 직접 끌고 가야 한다는 게 제 생각이에요. 정의가 흔들리면 그 위에 쌓는 모든 분석이 모래성입니다.
셋째, last-touch 보고서를 임원 데크에서 빼는 협상입니다. 데이터팀에 떠넘기지 말고, 마케팅 리더가 임원진과 직접 부딪쳐야 합니다. 그 자리에서 멀티터치나 MMM 결과를 임원이 이해할 수 있는 언어로 번역해주는 게 진짜 데이터 리더십입니다.
여기에 한 가지 더 얹어드리고 싶은 게 있어요. 가설 단위 운영으로 옮기는 일입니다. 분기 캠페인 단위가 아니라, 주 단위 가설로 굴리는 거죠. 빨리 던지고, 빨리 죽이고, 빨리 다시 세웁니다. 이때 가장 중요한 건 가설을 "기각하는 기준"을 미리 박아두는 거예요. 기준이 없으면 모든 가설이 살아남고, 그게 어느 순간 캠페인이 되고, 그 캠페인이 분기 보고서가 되고, 결국 누구도 죽이지 못하는 좀비 마케팅이 됩니다. 사실 30%의 예산이 어디로 새는지 짚어보면 대부분이 이 좀비 캠페인들이에요.
저는 이 세 가지가 정리되기 전에 AI 분석을 도입하면 오히려 더 빠르게 더 잘못된 결정을 한다고 보는 쪽입니다. AI는 의사결정 구조의 가속기일 뿐이지, 구조 자체를 만들어주지 않거든요.
마지막으로 한 가지만 더 말씀드리고 싶습니다.
데이터 드리븐 마케팅을 잘 하는 팀의 공통점은 데이터에 능숙한 게 아닙니다. 자신이 무엇을 모르는지를 정확히 아는 팀들이에요. 모르는 영역을 데이터로 메꾸려고 합니다. 반대로 잘 안 되는 팀은 자기 직감을 데이터로 정당화하려고 합니다. 같은 도구를 써도 결과가 완전히 갈리는 이유가 여기에 있습니다.
제가 실제로 봐온 풍경 하나만 더 공유할게요. 가장 잘하는 마케팅 팀들은 의외로 도구 스택이 단순했습니다. 분석 SaaS 두세 개, BI 한 개, CDP 한 개. 대신 그 안에서 정의가 무섭게 통일돼 있었어요. 회의에서 "전환"이라고 말하면 그 뜻이 한 가지였습니다. 반대로 잘 안 되는 팀은 도구가 늘 많았고, 회의 첫 30분을 "어느 숫자가 맞느냐"로 까먹었죠. 1년이면 수백 시간이 정의 다툼으로 사라집니다. 그 시간이 그대로 의사결정 지연으로 누적되고요.
정리하면 이렇습니다. 2026년의 데이터 드리븐 마케팅은 새로운 모델을 도입하는 게임이 아니에요. 이미 가진 것들의 운영 방식을 다시 짜는 게임입니다. 도구는 충분하고 데이터도 충분합니다. 부족한 건 단 하나, "우리는 어떤 결정을 내리기 위해 이 데이터를 보고 있는가"라는 질문입니다. 이 질문에 답을 못 하면 어떤 분석 도구를 사도 똑같이 막힙니다.
여기까지가 압축된 진단입니다. 그런데 솔직히 말씀드리면, 이 글에 담지 못한 부분이 더 결정적이에요. 원문에서는 제가 데이터 드리븐 마케팅을 어떻게 새로 정의해야 한다고 보는지, 가장 잘하는 팀의 공통된 한 가지 습관이 무엇인지, AI를 가장 마지막에 붙여야 하는 이유가 무엇인지, 그리고 2026~2027년 격차가 정확히 어디서 갈릴지를 정리해뒀습니다. 결론 직전에 한 번 더 뒤집히는 지점이 있어서, 그 부분까지 보셔야 본전이 나옵니다. 마케팅 예산이 새는 자리를 정확히 짚고 싶으시다면, 지금 바로 원문으로 넘어가시는 게 가장 빠른 길입니다.
원문 보기: https://medium.com/p/de57a0129045?postPublishedType=initial
의견을 남겨주세요