답변
CDP와 Braze 같은 CRM 툴을 연동할 때 핵심은 'Identity Resolution'입니다 — 웹·앱·오프라인·CRM 등 여러 소스에서 들어온 흩어진 데이터를 하나의 고객 프로필로 이어붙이는 작업인데, 이게 부실하면 같은 사람이 여러 명의 다른 고객으로 잡혀 캠페인이 중복 발송되거나 세그먼트가 왜곡됩니다. 매칭 방식은 두 가지로 나뉩니다. 결정론적(Deterministic) 매칭은 이메일, 전화번호, 로그인 계정 ID처럼 고유하고 명확한 식별자가 정확히 일치할 때만 같은 고객으로 연결하는 방식으로, 정확도가 가장 높습니다. 확률적(Probabilistic) 매칭은 IP 주소, 기기 유형, 행동 패턴 같은 간접 신호로 같은 고객일 '가능성'을 추정하는 방식인데, 더 많은 진짜 매칭을 잡아내는 대신 서로 다른 사람을 잘못 합치는 오탐 위험이 함께 커집니다. 원칙은 결정론적 매칭을 1순위 규칙으로 두고, 명확한 식별자가 없는 애매한 레코드에 한해서만 확률적 모델을 보조로 적용하는 하이브리드 구조입니다. 확률적 매칭만으로 전체를 병합하면 오탐 리스크가 CRM 데이터 전체 신뢰도를 갉아먹기 때문에, 처음부터 이메일·전화번호 같은 강한 식별자 수집 지점(로그인, 회원가입, 결제)을 늘리는 쪽이 장기적으로 더 유리합니다. 마지막으로 병합 규칙(merge rule)을 미리 정해야 합니다. 여러 소스가 같은 속성(최근 이메일, 최근 연락처 등)에 서로 다른 값을 갖고 있을 때 어느 값을 채택할지—최신 업데이트 시각 기준, 소스 우선순위(CRM 직접 입력이 API 연동보다 우선), 데이터 품질 점수 중 어느 걸 기준으로 삼을지—를 연동 설계 단계에서 문서화해두지 않으면, 나중에 특정 캠페인 발송 시점에 어떤 값이 왜 채택됐는지 추적이 안 되는 문제가 생깁니다.