옴니채널 CDP가 국내 시장에 본격 들어오는 배경은 무엇인가

2026년 4월 브레이즈는 한국 시장 투자를 확대하며 국내 데이터센터 구축과 함께 카카오톡 메시징 채널을 공식 출시한다고 발표했습니다. 브레이즈는 앱 푸시, 이메일, SMS, 인앱 메시지, 웹 푸시 등 다양한 채널을 하나의 플랫폼에서 통합 관리하는 CDP로, 이번 한국 출시로 카카오톡까지 지원 채널에 추가됐습니다. 이는 해외계 CDP가 한국의 대표 메시징 채널인 카카오톡을 자사 오케스트레이션 안으로 끌어들였다는 의미에서, 옴니채널 CRM 인프라의 국내 성숙도가 한 단계 올라간 사건으로 볼 수 있습니다.

국내 데이터센터 구축은 단순한 인프라 확장이 아니라 '데이터 주권' 요구에 대응하려는 선제적 조치로 해석됩니다. 국내 규제(개인정보보호법)를 준수하려면 고객 데이터가 국내에 저장·처리되는 것이 유리한 경우가 많고, 이 때문에 기존에 해외 데이터센터를 쓰던 고객사는 국내 데이터센터로의 마이그레이션을 권유받을 수 있습니다. 다만 이런 대형 CDP는 월간 활성 사용자(MAU) 기반의 과금 구조로 비용이 상당히 크므로(연간 고객당 수십만 달러 수준으로 알려짐), 모든 조직에 적합한 선택은 아닙니다. 발송 볼륨이 크지 않은 조직은 솔라피 같은 경량 메시징 API로도 충분한 경우가 많습니다.

이메일 채널의 '오픈'이라는 지표 자체가 왜 흔들리고 있는가

2026년 EDM 벤치마크에서 B2C 오픈율은 19.7%, B2B는 15.1%로 집계되지만, 이 수치는 Apple의 메일 개인정보 보호(MPP) 기능과 스팸 필터 강화로 과거 벤치마크보다 하락한 상태입니다. MPP는 애플 메일 앱에서 발신자가 실제 오픈 여부를 정확히 추적하지 못하도록 이미지 프리로드 방식을 바꾼 기능으로, 이 때문에 '오픈'이라는 지표 자체의 정의와 신뢰도가 예전과 달라졌습니다. 오픈율을 기준으로 발송 시간이나 카피를 최적화해온 조직이라면, 2025년 이전 데이터와 2026년 데이터를 그대로 비교해 판단을 내리면 안 되고, 클릭율이나 실제 전환처럼 MPP의 영향을 덜 받는 지표로 최적화 기준을 옮겨가는 전환이 필요한 시점입니다.

'AI가 유저별 최적 발송 시간을 자동 분석한다'는 기능은 지금 어디까지 검증됐는가

이 강의 제목에서 언급한 것처럼, 유저마다 주로 메시지를 확인하는 시간대를 AI가 자동으로 학습해 그 시간에 맞춰 발송을 최적화하는 기능은 CRM·CDP 업계에서 논의되는 방향성 중 하나입니다. 개념적으로는 유저별 과거 오픈·클릭 시각 데이터를 학습해, 캠페인 발송 시점을 유저마다 다르게 예약하는 방식입니다. 다만 이번 조사의 facts.json에는 특정 벤더가 이 기능으로 실제 얼마나 개선 효과를 냈는지 보여주는 구체적 수치나 사례가 확인되지 않았습니다 — 도입을 검토 중이라면 벤더가 제시하는 효과 수치를 그대로 받아들이기보다, 자사 데이터로 파일럿 테스트(9강에서 다룬 Test-Control 비교)를 거쳐 실제 증분 효과를 직접 검증하는 절차가 필요합니다.

또한 이런 자동 최적화 기능도 4강의 컴플라이언스, 7강의 피로도 상한과 별개로 작동해서는 안 됩니다. 예를 들어 AI가 특정 유저의 최적 시간을 오후 9시 이후로 판단했다면, 그 시간대는 정보통신망법상 사전 동의 없이는 발송할 수 없는 시간이므로 시스템이 자동으로 최적 시간이 아닌 법적 허용 시간 내로 조정해야 합니다. 최적화 기능을 도입할 때는 이 기능이 기존 컴플라이언스·피로도 로직 위에서 작동하는지, 아니면 별도 시스템이라 충돌 가능성이 있는지를 먼저 확인해야 합니다.

신규 솔루션 도입을 검토할 때 어떤 순서로 판단해야 하는가

새로운 CRM·CDP 솔루션의 기능 목록에 끌려 도입을 결정하기보다는, 1강에서 정리한 자사 채널 포트폴리오와 조직 규모에 실제로 맞는지를 먼저 따져야 합니다. 카카오톡·앱 푸시·이메일 중 이미 잘 쓰고 있는 채널이 있다면 그 채널과의 통합 품질을, 아직 안 쓰는 채널(예: 카카오톡 통합)이 새 솔루션으로 처음 열린다면 그 채널의 실제 도달률·비용 구조를 먼저 검증해야 합니다. MAU 기반 과금처럼 발송량이 아니라 활성 유저 수로 비용이 산정되는 솔루션은, 유저 수가 늘어날수록 비용이 자동으로 커지는 구조이므로 3~5년 뒤 예상 유저 규모까지 감안한 총비용을 미리 시뮬레이션해보는 편이 안전합니다.