ActiveCampaign이 최근 새로운 AI 기능 Active Intelligence: Wavelength를 공개했습니다. 핵심은 한 문장으로 정리됩니다. “업계 평균이 아니라, 당신 회사의 데이터에 맞춰 움직이는 마케팅 AI”입니다. 이메일 오픈율 벤치마크를 들이대며 “당신은 평균 이하입니다”라고 말하는 대신, 우리 고객이 실제로 언제 열고 언제 사는지를 기준으로 캠페인을 조율하겠다는 겁니다. 이메일과 자동화가 매출의 큰 축인 브랜드라면 흘려보내기 아까운 발표입니다.
30초 요약
- Wavelength는 ActiveCampaign이 최근 출시한 AI 기능으로, 정식 명칭은 Active Intelligence: Wavelength입니다.
- 핵심 차별점은 업계 평균 벤치마크가 아니라 각 비즈니스의 고유 데이터를 기준으로 캠페인을 개선한다는 점입니다.
- 업계 평균의 함정은 우리 브랜드의 고객이 평균적인 고객이 아니라는 데 있습니다. 평균에 맞추면 평균이 됩니다.
- 실전 활용은 발송 타이밍, 세그먼트 설계, 자동화 분기, 콘텐츠 변형 테스트 네 갈래로 나눠 접근하는 것이 현실적입니다.
- 주의점은 데이터가 얇으면 AI도 얇게 배운다는 것입니다. 도입 전 데이터 위생 점검이 먼저입니다.
1. Wavelength가 도대체 뭔가요
ActiveCampaign은 이메일 마케팅과 마케팅 자동화 분야에서 오래 자리를 지켜온 플랫폼입니다. 미국 중소 브랜드와 DTC 셀러들이 Klaviyo, Mailchimp와 함께 자주 저울질하는 이름이기도 합니다. 이번에 나온 Active Intelligence: Wavelength는 그 플랫폼 위에 얹히는 AI 레이어입니다.
이름부터 의도가 보입니다. Wavelength, 우리말로 하면 ‘주파수’입니다. “우리 고객과 주파수를 맞춘다”는 은유죠. 마케터라면 누구나 겪어본 상황이 있습니다. 정석대로 화요일 오전 10시에 뉴스레터를 보냈는데 반응이 미지근합니다. 그런데 어쩌다 목요일 밤에 보낸 메일이 유독 잘 됩니다. 왜인지는 모르겠고, 다음 달에는 또 정석으로 돌아갑니다. Wavelength는 그 ‘어쩌다’를 우연으로 두지 않고 데이터로 잡아내겠다는 접근입니다.
발표에 따르면 이 도구는 마케팅 캠페인을 개선할 때 업계 평균치가 아닌, 그 회사만의 고유한 비즈니스 데이터를 근거로 삼습니다. 세부 기능 목록이나 수치는 공식 발표와 도움말 문서를 직접 확인하시는 편이 정확합니다. 다만 방향성 자체는 충분히 명확합니다.
2. 왜 ‘업계 평균’이 문제였을까
마케팅 툴들이 오랫동안 우리에게 보여준 것은 벤치마크였습니다. “리테일 업계 평균 오픈율은 몇 퍼센트입니다”, “이 업종 평균 클릭률은 이렇습니다” 같은 숫자들이죠. 방향을 잡는 데는 도움이 됩니다. 문제는 그다음입니다.
비유하자면 이렇습니다. 한국 성인 남성 평균 신발 사이즈가 265mm라고 해서, 모든 남성에게 265를 신기면 대부분이 불편합니다. 평균은 존재하지만 평균인 사람은 거의 없습니다. 마케팅도 똑같습니다. 미국 시장에 진출한 한국 뷰티 브랜드의 고객층과 미국 로컬 스킨케어 브랜드의 고객층은 구매 동기도, 정보를 찾는 경로도, 메일을 여는 시간대도 다릅니다. K뷰티 얼리어답터는 밤에 유튜브 리뷰를 보다가 링크를 타고 들어오는 경우가 많은데, 업계 평균은 이런 결을 담지 못합니다.
그런데 대부분의 브랜드는 이미 이 답을 가지고 있습니다. 자기 계정 안에 쌓인 오픈 기록, 클릭 기록, 구매 이력, 이탈 시점 같은 것들이죠. 지금까지는 이 데이터를 사람이 대시보드를 뒤져가며 해석해야 했습니다. Wavelength가 겨냥하는 지점이 바로 여기입니다.
핵심 포인트: 업계 평균을 목표로 삼으면 잘해야 평균입니다. 우리 고객의 실제 행동 패턴을 기준으로 삼아야 평균을 넘습니다. AI가 새로 만들어주는 것이 아니라, 이미 우리가 가진 데이터를 읽어내는 속도를 바꿔주는 것입니다.
3. 자사 데이터 기반 AI는 어떻게 작동하나 (쉽게)
기술적으로 파고들면 복잡하지만, 개념은 단순합니다. 신입 마케터 한 명이 우리 회사에 들어왔다고 생각해보세요.
유형 A의 신입은 마케팅 교과서를 통째로 외우고 왔습니다. “화요일 오전 발송이 정석입니다”, “제목은 45자 이내가 좋습니다” 같은 일반론을 술술 말합니다. 나쁘지 않지만, 우리 브랜드에 대해서는 아무것도 모릅니다. 지금까지의 일반적인 마케팅 AI가 대체로 이쪽이었습니다.
유형 B의 신입은 입사하자마자 우리 회사의 지난 2년치 캠페인 기록을 전부 읽었습니다. 그리고 이렇게 말합니다. “우리 재구매 고객은 주말 오후에 유독 반응이 좋았습니다. 첫 구매 고객과는 패턴이 완전히 다릅니다.” Wavelength가 지향하는 방향이 유형 B입니다.
여기서 중요한 사실 하나. 유형 B의 신입이 똑똑해지려면 읽을 자료가 있어야 합니다. 캠페인을 세 번밖에 안 보낸 계정이라면 그 신입도 할 말이 없습니다. AI 성능 이야기 이전에 데이터 축적이 먼저인 이유입니다.
| 항목 | 기존 방식 (업계 평균 기준) | 자사 데이터 기준 AI |
|---|---|---|
| 발송 타이밍 | 업종 평균 최적 시간대에 일괄 발송 | 고객군별 실제 반응 시간대에 맞춰 조정 |
| 세그먼트 | 신규 / 기존 같은 큰 덩어리 구분 | 실제 행동 패턴에서 발견되는 그룹 단위 |
| 성과 판단 | “업계 평균보다 높다 / 낮다” | “우리 지난 성과 대비 어떻게 달라졌나” |
| 개선 속도 | 사람이 리포트를 열어 해석한 뒤 수정 | 데이터 해석 단계를 AI가 앞당김 |
| 필요 조건 | 거의 없음 (남의 데이터니까) | 일정량 이상의 자사 캠페인 이력 |
4. 이메일 마케팅 실전 활용법 4가지
4-1. 발송 타이밍을 ‘정석’에서 ‘우리 고객’으로
가장 먼저 손대볼 만한 영역입니다. 미국 시장을 대상으로 하는 브랜드는 시차 문제까지 겹칩니다. 한국 사무실 기준 오전에 보내면 미국은 한밤중입니다. 여기에 동부와 서부 3시간 차이까지 더해지죠. 업계 평균 시간대는 이런 사정을 하나도 모릅니다. 우리 계정에 쌓인 오픈 시각 데이터가 훨씬 정확한 답을 가지고 있습니다.
4-2. 세그먼트를 다시 그리기
많은 브랜드가 세그먼트를 ‘신규 구독자’와 ‘기존 고객’ 정도로만 나눕니다. 하지만 실제 데이터를 뜯어보면 전혀 다른 결이 나옵니다. 같은 ‘기존 고객’ 안에도 할인 알림에만 반응하는 그룹과 신제품 소식에 반응하는 그룹이 섞여 있습니다. 이 둘에게 같은 메일을 보내면 한쪽은 반드시 피로해집니다. AI가 이 구분선을 먼저 제안해주면, 마케터는 검증과 판단에 시간을 쓸 수 있습니다.
4-3. 자동화 플로우의 분기점 다듬기
웰컴 시리즈, 장바구니 이탈, 구매 후 시리즈 같은 자동화는 한번 만들어놓고 몇 달씩 손대지 않는 경우가 많습니다. 여기서 “2일 뒤 발송”으로 잡아둔 간격이 정말 최적인지, “3통째에서 이탈이 급증하는” 지점이 어디인지를 데이터로 확인하는 것만으로도 개선 여지가 큽니다. 자동화는 한번 손보면 이후 모든 고객에게 계속 적용되기 때문에 투자 대비 효율이 특히 좋습니다.
4-4. 콘텐츠 변형을 감이 아니라 이력으로
제목 A/B 테스트를 매번 처음부터 하는 대신, 지난 캠페인에서 어떤 유형의 제목이 우리 고객에게 통했는지 누적된 패턴을 참고하는 방식입니다. 숫자를 넣은 제목이 잘 먹혔는지, 질문형이 나았는지, 이모지 유무가 영향을 줬는지 같은 것들이죠. 여기서 주의할 점은 AI가 뽑아준 제목을 그대로 쓰지 않는 것입니다. 특히 한국 브랜드의 영문 이메일은 브랜드 톤이 미묘하게 어긋나기 쉬워서, 사람이 마지막에 다듬는 단계가 반드시 필요합니다.
5. 이메일 밖으로: 광고와 콘텐츠에 응용하기
Wavelength 자체는 ActiveCampaign 안에서 돌아가는 기능이지만, 여기서 나온 인사이트는 채널 밖으로 흘려보낼 수 있습니다. 이게 실무에서 훨씬 큰 값을 만듭니다.
이메일에서 반응이 좋았던 메시지는 광고 소재로 옮겨볼 가치가 있습니다. 이미 우리 고객이 손을 들어준 문구니까요. 메타나 틱톡 광고 카피를 백지에서 짜는 것보다 훨씬 승률이 높습니다. 반대로 자주 열리는 메일의 주제는 블로그 콘텐츠나 상세페이지 상단에 배치할 후보가 됩니다. 고객이 궁금해하는 것을 이미 알려준 셈이니까요.
아마존을 운영하는 브랜드라면 이메일에서 검증된 소구점을 리스팅 불릿포인트나 A+ 콘텐츠 문구로 옮겨볼 수 있습니다. 아마존은 테스트 사이클이 느리고 비싼 채널이라, 다른 곳에서 미리 걸러낸 메시지를 들고 들어가는 편이 안전합니다.
6. 주의점과 한계
첫째, 데이터가 얇으면 AI도 얇습니다. 자사 데이터 기반이라는 것은 뒤집으면 자사 데이터에 의존한다는 뜻입니다. 이제 막 리스트를 만들기 시작한 브랜드라면 초기에는 업계 상식과 사람의 판단이 여전히 더 나을 수 있습니다.
둘째, 과거는 미래가 아닙니다. 자사 데이터 학습은 본질적으로 과거 패턴을 읽는 일입니다. 신제품 카테고리로 확장하거나 새로운 고객층을 공략할 때, AI는 “지금까지 통했던 것”을 계속 추천할 수 있습니다. 새로운 시도를 할 때는 AI 제안을 잠시 옆으로 밀어두는 판단이 필요합니다.
셋째, 개인정보와 컴플라이언스는 여전히 사람 몫입니다. 미국 시장은 CAN-SPAM을 비롯한 규제와 각 주별 개인정보 보호 규정이 걸려 있습니다. AI가 세그먼트를 잘 나눠준다고 해서 수집 동의나 수신 거부 처리 문제가 없어지지 않습니다. 오히려 정교한 타기팅일수록 근거가 되는 데이터의 적법성이 중요해집니다.
넷째, 도구를 바꿔도 전략이 없으면 그대로입니다. 새 AI 기능이 나오면 툴을 갈아타고 싶어지지만, 성과가 안 나오는 원인이 도구인 경우는 생각보다 드뭅니다. 보낼 말이 없어서, 혹은 보낼 대상이 정리가 안 돼서인 경우가 훨씬 많습니다.
핵심 포인트: AI 기능 도입 전에 체크할 것은 세 가지입니다. 우리 리스트가 실제로 살아있는가, 최소한의 캠페인 이력이 쌓여 있는가, 그리고 AI가 제안한 것을 검증할 사람이 있는가. 이 세 가지가 없으면 어떤 AI를 붙여도 결과는 비슷합니다.
7. 자주 묻는 질문
Q1. Active Intelligence: Wavelength는 무엇인가요?
ActiveCampaign이 최근 출시한 AI 기능입니다. 업계 평균 벤치마크가 아니라 각 비즈니스의 고유한 데이터를 활용해 마케팅 캠페인을 개선하는 것이 핵심 방향입니다.
Q2. 기존 마케팅 AI와 무엇이 다른가요?
기존 도구들이 “업계 평균은 이렇습니다”를 기준으로 제안했다면, 이쪽은 “당신 계정의 데이터는 이렇게 말하고 있습니다”를 기준으로 삼습니다. 같은 AI라도 참조하는 기준점이 다릅니다.
Q3. 이제 막 이메일 마케팅을 시작하는 브랜드도 효과를 볼 수 있나요?
자사 데이터 기반 기능은 이력이 쌓일수록 정확해지는 구조입니다. 초기에는 기본기(리스트 정리, 웰컴 시리즈 구축, 발송 주기 확립)에 집중하고, 데이터가 어느 정도 쌓인 뒤 AI 기능을 본격적으로 활용하는 순서를 권합니다.
Q4. Klaviyo나 Mailchimp를 쓰고 있는데 갈아타야 하나요?
기능 하나 때문에 플랫폼을 옮기는 것은 비용이 큽니다. 다만 이번 발표가 보여주는 흐름, 즉 업계 평균에서 자사 데이터로 무게중심이 옮겨가는 방향은 어느 플랫폼을 쓰든 참고할 가치가 있습니다. 지금 쓰는 도구에서도 비슷한 관점으로 데이터를 다시 볼 수 있습니다.
Q5. AI가 제안한 발송 시간이나 세그먼트를 그대로 따라도 되나요?
출발점으로 삼되 그대로 확정하지는 않는 편이 좋습니다. 특히 신제품 출시나 시즌 프로모션처럼 과거 패턴과 다른 상황에서는 AI 제안이 오히려 보수적일 수 있습니다. 제안을 가설로 받아들이고 소규모로 검증하는 방식이 안전합니다.
Q6. 한국 브랜드가 미국 고객에게 보내는 이메일에도 유효한가요?
오히려 더 유효할 수 있습니다. 미국 업계 평균 벤치마크는 미국 로컬 브랜드 기준으로 만들어진 숫자라, 한국 브랜드의 미국 고객층과는 결이 다른 경우가 많습니다. 이럴 때 자사 데이터가 훨씬 믿을 만한 기준이 됩니다. 다만 영문 카피의 톤 조정은 여전히 사람의 손이 필요합니다.
8. 정리하며
이번 발표에서 눈여겨볼 것은 기능 목록이 아니라 관점의 전환입니다. 지난 몇 년간 마케팅 AI 경쟁은 “얼마나 많은 데이터를 학습했나”였습니다. 이제는 “누구의 데이터를 학습했나”로 질문이 옮겨가고 있습니다. 세상의 모든 이메일을 학습한 AI보다, 우리 고객 3만 명을 정확히 아는 AI가 더 쓸모 있다는 이야기입니다.
그래서 준비할 것도 달라집니다. 남들보다 좋은 도구를 먼저 붙이는 경쟁이 아니라, 우리 데이터를 쓸 수 있는 상태로 정리해두는 경쟁입니다. 리스트가 정돈되어 있고, 캠페인 이력이 일관되게 쌓여 있고, 무엇을 성과로 볼지 정의되어 있는 브랜드는 어떤 AI가 나와도 바로 올라탈 수 있습니다.
미국 시장에서 이메일과 자동화를 제대로 굴려보려는데 어디부터 손대야 할지 애매하다면, 캘리와이어에 가볍게 물어보셔도 좋습니다. 2014년부터 미국 본사에서 브랜드들의 채널 운영을 다뤄오며 쌓인 감각으로, 지금 상태에서 AI를 붙일 만한지, 아니면 기본기부터 정리할 때인지 솔직하게 말씀드리겠습니다.
참고 자료
- MarTech Series: ActiveCampaign Launches Active Intelligence: Wavelength, Marketing AI Tuned to Your Business, Not the Industry Average
- Morningstar (Business Wire): ActiveCampaign Launches Active Intelligence: Wavelength
- ActiveCampaign Help Center: Active Intelligence 3.0: Wavelength
- ActiveCampaign Community: Introducing Active Intelligence 3.0: Wavelength
