← 목록으로

마케팅 엔지니어: AI 에이전트로 100배 더 많은 실험하기

요약
  • 마케팅 엔지니어는 AI 에이전트를 활용해 고객 조사부터 광고 생성까지의 마케팅 실행 과정을 시스템화하여 실험 속도를 극대화합니다.
  • 단순히 AI를 보조 도구로 쓰는 수준을 넘어 사업 맥락과 고객 데이터를 연결한 시스템을 구축함으로써 마케터의 역할을 단순 제작에서 시스템 개선과 의사결정으로 전환합니다.
  • 마케팅 엔지니어는 고객 조사, 페이지 제작, 광고 생성, 데이터 연결, 실험 실행을 직접 수행하며, 여러 AI 에이전트를 캠페인을 지속적으로 만드는 시스템으로 연결함
  • 마케팅의 병목은 아이디어보다 실행에 필요한 인력과 조율에 있었음. 아이디어를 내는 사람과 구현하는 사람이 하나가 되면, 한 사람이 하루 수십 건의 실험을 진행할 수 있음
  • 에이전트의 품질은 숫자가 아니라 사업 맥락과 고객의 실제 표현에 달려 있음. 사업 지식을 문서화하고 고객 언어 분석 에이전트부터 안정화해야 함
  • 캠페인 ID로 광고비부터 매출, 이탈까지 연결해 돈을 내고 남는 고객을 만든 마케팅을 판별함. 게시, 연락, 지출 승인은 도구와 코드에 넣어야 함
  • 사람의 역할은 대량 제작에서 아이디어 선택, 승인, 안목, 시스템 개선으로 이동함. 고객을 잘 이해하고 빠르게 실행하는 소수의 마케팅 엔지니어가 큰 조직보다 더 많이 실행할 수 있을 것으로 예상함
마케팅의 변화: 캠페인 제작에서 시스템 구축으로
  • 1950~1990년대에는 인쇄물, TV, 라디오, 옥외광고가 중심이었음. 캠페인에 수백만 달러와 수개월이 들고 결과 확인도 다음 분기에나 가능해, 연간 몇 번의 기회를 안목과 설득력, 직감에 걸어야 했음
  • Google AdWords의 2000년 출시와 Facebook 광고의 2007년 출시 이후 클릭 단위 측정이 가능해짐. SEO, 검색광고, 이메일, 디스플레이 등 채널과 대시보드를 관리하는 디지털 마케터가 등장했고, 한 달에 몇 차례 실험할 수 있었음
  • Sean Ellis가 2010년 이름 붙인 그로스 해커는 마케팅을 퍼널, 성장 루프, A/B 테스트를 갖춘 제품처럼 다룸
    • Hotmail의 이메일 하단 무료 가입 문구, Dropbox의 추천인과 친구 대상 무료 저장공간, Airbnb의 Craigslist 교차 게시가 대표 사례임
    • 다만 좋은 아이디어마다 제품 로드맵에 묶인 엔지니어가 필요해, 티켓을 쓰고 기다리는 시간이 길었으며 주 몇 차례 실험이면 좋은 성과였음
  • 2022년 말 ChatGPT가 등장하면서 문구와 이미지 제작은 빨라졌지만, 조직도와 회의, 6주짜리 작업 주기는 그대로인 AI 보조 마케팅이 확산됨. 많은 팀이 여전히 이 단계에 머물러 있음
  • 마케팅 엔지니어는 마케터이자 제작자이며, 창업자, 엔지니어, 운영 담당자, 1인 제작자 출신도 강점을 가질 수 있음
    • 작업 단위가 개별 캠페인에서 캠페인을 계속 생산하는 시스템으로 바뀜
    • 전체 변화의 공통점은 실험 비용 하락이며, 좋은 실험을 많이 할수록 더 빨리 학습할 수 있음
회사가 이미 가진 고객 지식을 실행으로 옮기기
  • 영업은 반복되는 구매 반대를, 지원팀은 환불로 이어지는 약속을, 분석팀은 오래 남는 고객을 유입시키는 페이지를 알고 있음. 창업자의 독자적인 견해까지 서로 다른 도구와 사람에게 흩어져 있어 캠페인에는 드물게 반영됨
  • 특정 틈새시장용 가격 계산기, 전날 영업 통화를 반영한 캠페인, 요청 기능이 출시된 날 과거 잠재고객 40명에게 보내는 연락처럼 작고 구체적인 실행도 디자이너, 개발자, 분석가와 회의를 거치다 밀리곤 했음
  • 마케팅 엔지니어는 이런 작업을 오후 한나절에 처리할 수 있으며, 구체적인 마케팅의 비용이 낮아지면 고객 이해도가 더 중요해짐
    • 시간 단위로 서비스를 파는 대행사가 먼저 영향을 받고, 창업자와 1인 마케터는 한 부서에 가까운 실행량을 확보할 수 있을 것으로 예상함
1단계: 에이전트 작업 환경 구성
  • Claude Code, Codex, Cursor 같은 작업 공간에서 시작함. 에이전트는 폴더 안 파일을 읽고 쓰며, 코드를 실행하고 연결된 도구를 사용할 수 있음
  • MCP로 HubSpot, Stripe, Notion, Slack 등과 연결해 CRM이나 매출 데이터를 읽게 할 수 있음. API만 제공되는 도구는 에이전트가 호출 코드를 작성하는 방식으로 연결할 수 있음
  • 예약 실행과 승인 절차도 코딩 에이전트로 구축함
    • 예를 들어 매주 월요일 오전 7시에 보고서를 Slack으로 보내고, 승인 버튼을 누른 뒤에만 후속 행동을 실행하도록 구현함
    • Zapier나 n8n으로 연결하던 작업을 직접 코드로 만들거나, Hermes, OpenClaw 같은 상시 실행 에이전트를 활용할 수 있음
    • 코드가 자신의 폴더에 있으므로 자연어 요청으로 각 부분을 수정할 수 있음
2단계: 사업 맥락을 담은 여섯 개 파일
  • 에이전트를 여러 개 띄워도 결과가 일반적이라면 맥락 부족부터 점검해야 함. 뛰어난 신입에게 온보딩 없이 일을 맡기듯, 사업을 설명하지 않으면 경쟁사와 비슷한 결과가 나옴
  • 다음 여섯 파일에 핵심 맥락을 담음
    • START-HERE.md: 회사가 하는 일, 고객, 이번 분기 우선순위, 다른 자료의 위치를 한 페이지로 정리함
    • company/customer-fit.md: 누가 구매하고 남으며, 누구에게 수익성 있게 서비스를 제공할 수 있는지 구체화함. 단순한 ‘중소기업’보다 ‘연매출 100만~1,000만 달러의 Shopify 매장이며 창업자가 장부를 직접 관리하고 이전 회계 서비스에 실망한 고객’이 유용함
    • company/offers.md: 상품, 가격, 허용되는 약속, 외부에 말하기 전 승인이 필요한 사항을 기록함
    • brand/voice.md: 좋아하는 이메일이나 광고 3개와 거절한 사례 2개에 이유를 붙임. ‘친근하지만 전문적’ 같은 형용사보다, 보장할 수 없는 30일 내 성과를 약속해 거절했다는 사례가 유용함
    • brand/founder-opinions.md: 창업자를 2시간 인터뷰해 시장, 고객, 경쟁사에 대한 뚜렷한 견해를 기록함. 같은 모델을 쓰는 경쟁사가 복제할 수 없는 맥락임
    • decisions/failed-campaigns.md: 무료 진단이 구매 여력이 없는 회사를 끌어들였거나 LinkedIn에서 리드는 많았지만 계약은 적었던 경험을 남겨, 비용이 큰 실수를 반복하지 않게 함
  • 에이전트의 추측은 evidence/에만 추가하고, company/로 옮기는 권한은 사람에게 둠. 추측이 조용히 회사 정책으로 굳는 일을 막기 위한 규칙임
3단계: 고객 데이터와 매출 연결
  • 통화는 Gong/Fathom, 지원 티켓은 Intercom/Zendesk, 거래는 HubSpot/Salesforce, 행동은 PostHog/Google Analytics, 매출은 Stripe 등에서 연결함
  • 처음에는 모든 연결을 읽기 전용으로 시작함. CRM 수정 권한은 신뢰가 쌓인 뒤 부여해야 함
  • 모든 캠페인에 고유 ID를 부여하고 링크의 UTM, 광고명, 이메일 시퀀스명, CRM 거래 필드까지 일관되게 전달함
  • Supabase나 스프레드시트에 캠페인당 한 행을 두고 ID, 지출, 리드, 적격 고객 통화, 계약, 매출, 이탈을 기록함
    • 캠페인별 클릭과 고객별 매출을 연결해야 돈을 내고 계속 남는 고객을 만든 마케팅을 판별할 수 있음
4단계: 고객 언어 에이전트부터 안정화
  • 첫날부터 여러 에이전트를 연결하지 말고, 고객 언어 에이전트 하나를 충분히 개선한 뒤 확장함. 다른 모든 작업이 고객이 실제로 쓰는 표현에 의존하기 때문임
  • 최근 영업 통화 20~50건의 기록을 evidence/calls/에 넣고 읽게 한 뒤, 직접 기억하는 통화 내용과 결과를 비교함
    • 초기 결과는 약 70% 정도 맞는 수준을 예상하며, 말이 많은 한 고객을 과대평가하거나 고객 집단을 마케팅 용어로 분류하는 오류를 점검함
    • 오류마다 지시를 고치고 decisions/에 남기며, 3~4회 반복해 품질을 높임
  • 배관 및 냉난방 업체용 일정 관리 소프트웨어라면 “저녁 먹다가 전화를 받는 데 지쳤다” 같은 고객의 말이 광고, 제목, 영업 첫 문장이 될 수 있음. 기능명인 ‘자동 일정 관리’보다 고객이 바꾸고 싶은 상황을 직접 드러냄
  • 안정화한 뒤에는 매주 월요일 지난주 통화와 티켓을 읽고 evidence/customer-language/에 보고서를 저장하게 함
5단계: 나머지 다섯 에이전트 추가
  • 각 에이전트에 workflows/ 아래 별도 폴더, 지시, 일정을 주고 하나씩 추가함
  • 구매 계기 에이전트

    • 두 번째 매장 개설, 도매 판매 시작, 투자 유치와 영업직 채용, 연동 제품의 신규 기능처럼 수요를 만드는 사건을 찾음
    • Clay에서 customer-fit.md에 맞는 기업 목록을 만들고 채용, 투자, 신규 지점, 웹사이트 변경을 확인하는 열을 추가함
    • 연락처 보강에는 Apollo를 활용할 수 있음
    • CRM에서 이미 대화 중인 기업을 제외한 뒤, “이 사건이 이 문제를 만들고, 우리 제품은 이렇게 해결한다”는 한 문장을 완성함
    • 연결이 모호하면 보류하고, 명확하면 사건으로 시작하는 짧은 이메일 초안을 만들어 사람의 검토를 기다림
  • 검색 에이전트

    • 구매 직전에 묻는 질문을 찾기 위해 Search Console, 영업 통화, ChatGPT/Claude/Perplexity의 답변을 함께 사용함
    • 매주 구매자의 질문을 AI에 묻고 추천 기업과 출처를 기록해, 모델이 신뢰하는 자료와 자사가 드러나지 않는 지점을 확인함
    • 단순 최적화보다 실질적으로 유용한 페이지 제작에 집중함
    • 상업용 주방 공급업체라면 첫 식당 개업 안내서에 공간과 예산에 맞는 장비 계산기를 붙일 수 있음
    • 계산기를 만들어 Next.js와 Vercel에 배포하거나, 빠른 제작을 위해 Framer를 활용함
  • 광고 제작 에이전트

    • 고객 언어 보고서, offers.md의 승인된 약속, 실제 제품 영상과 스크린샷, 선호 광고를 입력으로 사용함
    • 같은 제목 50개보다 서로 다른 구매 이유를 실험함. 구체적인 계산 사례, 고객 이야기, 가공을 최소화한 제품 시연처럼 형식을 달리하고 Nano Banana나 Veo로 제작함
    • BK014_dinner-angle_ugc_v2처럼 광고명에 캠페인 ID, 소구점, 형식을 남겨, 무엇이 성과를 냈는지 재사용 가능한 학습으로 축적함
    • Meta Ads API로 광고를 일시중지 상태로 업로드하고 사람이 실행함
    • 매일 결과를 확인하는 스크립트로 일정 지출 뒤 CTR 1% 미만인 광고를 중단하는 식의 규칙을 둘 수 있음
    • 시작 전에 지출액, 기간, 성공 기준을 정해야 수백 개의 광고가 모두 결론 없는 실험으로 끝나는 일을 피할 수 있음
  • 계약 실패 고객 재접촉 에이전트

    • CRM의 실패한 거래와 메모, 통화 기록을 다시 읽어 실제 실패 이유와 재접촉 조건을 기록함
    • 경쟁사 계약이 3월에 갱신됨, SSO가 필요함, 내부 지지자가 퇴사함처럼 구체화함
    • 기능 출시, 계약 갱신 시점, 담당자의 이직을 감지해 과거 대화를 인용한 개인화 초안을 작성함
    • 수신 거부와 연락 선호를 존중해야 함
  • 성과 분석 에이전트

    • 매주 월요일 캠페인 표를 읽고 유지, 중단, 수정, 실험 중 하나의 결정으로 끝나는 짧은 메모를 작성함
    • 전환율 4%지만 리드 절반이 서비스 대상보다 작은 기업인지, 어떤 광고의 적격 통화당 비용이 가장 낮은지, 리타기팅에 3,000달러를 쓰고 영업 대화는 2건뿐인지 등을 점검함
    • 유지율, 환불, 이익까지 연결함. 저렴하게 확보했지만 60일 안에 이탈하는 고객은 대시보드에서 좋아 보여도 손실을 만들 수 있음
6단계: 안전장치는 프롬프트가 아니라 도구에 구현
  • “보내기 전에 항상 물어봐”라는 문장만 믿지 말고, 최소 권한과 코드 수준 승인을 적용함
    • 연락 에이전트에는 이메일 초안 작성 권한만 부여함
    • 광고는 일시중지 상태로 만들고 예산 권한은 사람이 유지함
    • Slack 승인 버튼을 누르기 전에는 실제 행동 코드가 실행되지 않도록 함
  • 지출 한도, 발송 제외 목록, 중복 제거는 일반 코드로 처리하고, 고객 적합성이나 브랜드에 맞는 문장인지 같은 판단에 모델을 사용함
  • 각 에이전트에 업무와 경계를 담은 짧은 작업 계약을 작성함
    • 완료란 허용 범위 안의 모든 출처를 확인하고, 실패한 항목도 보고한 상태임
    • 조회 실패를 조용히 건너뛰는 대신 어떤 출처가 작동하지 않았는지 알려야 함
7단계: 회계 서비스 캠페인 전체 실행 예시
  • 전자상거래 고객을 늘리려는 회계 회사가 “반품, 배송비, 수수료를 빼면 실제로 돈을 벌었는지 모르겠다”는 말을 지난달 고객 11명에게서 발견한 상황을 가정함
  • 월요일에는 서비스 담당자에게 해결 가능성을 확인한 뒤, 연매출 100만~1,000만 달러 매장 대상 무료 수익성 검토를 offers.md에 승인하고 캠페인 ID BK014를 부여함
  • 화요일에는 에이전트들이 같은 고객 표현을 바탕으로 작업함
    • 광고는 수익이 사라지는 지점, 월간 보고서 예시, 실제 고객 이야기의 세 방향으로 제작함
    • 검색 페이지에는 회사가 검증한 수치를 사용하는 수익 계산기를 만듦
    • 연말 이후 재논의하자던 과거 잠재고객 60명에게 개인화 연락 초안을 준비함
    • 다채널 판매로 장부가 복잡해질 수 있는 Amazon 신규 진출 매장을 찾음
  • 수요일에는 보장할 수 없는 절감 효과를 약속한 광고를 제외하고 2,000달러 규모 테스트를 승인함
  • 2주 뒤에는 지출부터 상담 예약, 계약까지 연결함. 이 예시에서는 계산기 페이지의 전환이 가장 좋고 Amazon 진출 목록의 통화 예약이 가장 많지만, 표본이 아직 작다는 한계도 함께 확인함
  • 고객의 원래 표현을 캠페인 폴더에 유지해, 여러 요약과 수정 과정에서 일반적인 광고 문구로 희석되지 않게 함
8단계: 주간 검토와 피드백 순환
  • 시스템 구축 뒤의 업무는 제작보다 편집과 개선에 가까워짐
    • 월요일에는 성과 메모를 읽고 유지, 중단, 수정을 결정함
    • 화요일과 수요일에는 새 실험을 만들고 지난주 품질이 낮았던 작업 흐름을 고침
    • 목요일에는 영업과 지원팀 통화에서 다음 아이디어를 찾음
    • 금요일에는 결과물을 검토하고 맥락 파일을 갱신함
  • 검토 대기열의 각 항목은 1분 이내에 판단할 수 있게 구성함. 변경 내용, 영향을 받는 광고나 이메일, 근거를 함께 보여줘야 함
  • 거절 이유를 다음 실행의 입력에 반영함
    • 너무 작은 기업을 끌어오는 광고였다면 customer-fit.md를 수정함
    • 제안을 오해한 고객이 있었다면 점검 항목을 추가함
    • 실험 기록에는 무엇을, 왜 시험했고, 결과와 다음 행동이 무엇인지 남김
  • 에이전트마다 예시 입력 10개와 기대 출력을 보관하고 지시를 바꿀 때마다 재실행해 품질 저하를 확인함
  • 하루 종일 출력물을 고치고 있다면 앞단의 사업 맥락이나 작업 계약부터 점검해야 함
광고 소재 엔진: 비슷한 변형보다 다른 아이디어
  • Meta의 Andromeda는 2025년 말 전 세계 적용을 마쳤으며, 광고 자체를 읽어 누구에게 보여줄지 판단함. 이미지, 첫 관심 유도 문구, 대본이 과거 관심사 타기팅의 역할을 맡음
  • 비슷하게 보이는 광고를 묶어 하나처럼 취급하므로, 같은 제목의 변형 50개로는 서로 다른 광고 50개의 도달 효과를 얻기 어려움. 성과가 좋은 광고의 소진 주기도 기존 6주에서 2~3주로 짧아짐
  • voice.md와 최신 고객 언어 보고서를 Claude나 GPT에 입력해 8~12개의 서로 다른 콘셉트와 콘셉트당 2~3개의 도입 문구를 만듦
    • 문제 상황, 구체적인 사례, 고객 이야기, 창업자의 강한 견해, 비교, 통념 반박 등으로 구분함
    • 전략은 이 단계에 있으므로 사람의 시간을 집중해야 함
  • 이미 작동하는 퍼널에서 출발할 수도 있음. Boring Funnels는 매주 실제 퍼널을 광고부터 마지막 이메일까지 분석하고 각 단계를 코딩 에이전트용 프롬프트로 바꾸는 서비스임
  • 이미지 제작에는 Nano Banana, GPT Image, Midjourney를 사용하되 실제 제품 사진을 입력해 제품은 정확히 유지하고 주변 장면을 바꿈
  • 영상은 Veo, Kling, fal, 다국어 AI 출연자는 Arcads, HeyGen, Creatify, 음성은 ElevenLabs, 편집은 CapCut이나 Captions를 활용함
  • AI 출연자로 검증하고 실제 사람으로 확장하는 방식을 권장함
    • 크리에이터 영상 한 편 비용으로 하루에 대본 20개를 시험할 수 있음
    • 성과가 좋은 대본을 실제 사람이 전달하면 일반적으로 성과와 신뢰가 더 좋아지며, AI 콘텐츠 표시를 요구하는 플랫폼에도 유의해야 함
  • 에이전트가 일시중지 상태로 올리고 사람이 실행하며, 코드가 탈락 광고를 중단하고 성과 에이전트가 다음 실험을 추천함. 사람은 아이디어와 안목에 집중함
자연 유입 소셜 엔진
  • 자연 유입 콘텐츠를 광고의 시험장으로 사용함. TikTok, Reels, X에서 도입 문구 10개를 시험한 뒤 반응이 좋은 아이디어에만 광고비를 배정함
  • 팟캐스트, 웨비나, 창업자의 긴 발언 하나를 짧은 영상 20개로 재가공할 수 있음
    • Opus Clip으로 주요 장면과 자막을 만들고, 에이전트가 플랫폼별 게시 일정을 관리함
  • 얼굴이 필요 없는 슬라이드쇼와 캐러셀도 활용함. 고객 언어 보고서에서 슬라이드와 이미지를 생성하고 사람이 주말에 일괄 승인하는 방식임
  • Reddit, X, TikTok 댓글, 경쟁사 리뷰에서 불만과 요구, 관심사를 먼저 수집함
    • 제품이 실제 도움이 되는 대화에는 유용한 답변 초안을 만들되 사람이 직접 게시함
    • 특히 Reddit에서는 스팸성 답변이 계정 차단으로 이어질 수 있음
  • founder-opinions.md에서 매일 게시물 초안을 만들고 창업자가 자신의 말투로 편집함. 누구나 콘텐츠를 생성할 수 있을수록 실제 사람의 독자적인 견해가 희소해짐
  • 플랫폼이 요구하는 경우 AI로 만든 인물과 장면을 표시하고, 최종 게시 권한은 사람이 유지함
상위 수준의 마케팅 엔지니어가 집중할 네 가지
  • 구매 의사결정 도구를 만듦. 배송비를 줄이는 상자 크기 계산기나 이전 가능한 설정을 확인하는 소프트웨어 마이그레이션 점검기처럼, 구매자가 저장해두고 다시 찾는 도구를 일주일 안에 거친 초기 버전으로 구현함
  • 구매에 영향을 주는 사람을 별도로 공략함. 여러 고객에게 소프트웨어를 추천하는 회계사, 도구를 고르는 대행사, 보안을 검토하는 IT 담당자에게 필요한 자료를 제공함
  • 온보딩 내부의 고객 확보 문제를 고침. 광고보다 첫 주의 혼란이 이탈 원인이라면, 지원 티켓에서 막히는 지점을 찾는 에이전트가 더 큰 성장 효과를 낼 수 있음
  • 채널마다 역할을 구분함. 검색은 질문에 답하고, 소셜은 대화를 시작하며, 이메일은 특정 순간에 도착해야 함. 모든 채널에서 같은 말을 반복하면 같은 노출에 여러 번 비용을 쓰게 됨
역할별 도구 구성
  • 도구 이름은 몇 달마다 바뀌므로 제품명보다 역할별 범주를 익히고 교체할 수 있어야 함
  • 에이전트 실행과 생성 작업에는 다음 도구를 활용할 수 있음
    • 작업 공간: Claude Code, Codex, Cursor, Google AI Studio를 사용함
    • 상시 에이전트: Hermes, GrokBot, Codex를 활용함
    • 글쓰기와 전략: Claude, ChatGPT, Gemini를 사용함
    • 이미지: Nano Banana, GPT Image, Midjourney를 사용함
    • 영상: Veo, Sora, Kling, Runway, Fal을 활용함
    • AI 출연자와 UGC: Arcads, HeyGen, Creatify를 사용함
    • 음성은 ElevenLabs, 편집과 클립 제작은 CapCut, Captions, Opus Clip, 퍼널은 Boring Funnels를 활용함
  • 고객 데이터와 배포, 측정에는 다음 도구를 활용할 수 있음
    • 고객 목소리: Gong, Fathom, Intercom, Zendesk, G2에서 수집함
    • CRM은 HubSpot/Salesforce, 구매 신호와 정보 보강은 Clay/Apollo를 사용함
    • 검색과 AI 노출은 Ahrefs, Semrush, Google Search Console로 확인함
    • 광고는 Meta Ads API와 Google Ads API, 이메일과 외부 연락은 Customer.io, Resend, Instantly를 활용함
    • 웹은 Vercel에 배포한 Next.js, Framer, Webflow를 사용함
    • 측정은 PostHog, Stripe, Supabase로 구성함
배워야 할 역량과 시작 순서
  • 마케팅 역량으로는 고객 인터뷰, 포지셔닝, 할인과 구별되는 구매 제안, 관심을 붙잡는 제목, 채널별 노출 방식, 우연과 실제 성과를 구분할 통계 지식이 필요함
  • 구현 역량으로는 에이전트가 쓸 수 있는 맥락 작성, 코드가 요청대로 동작하는지 읽고 판단하는 능력, API와 MCP, 기본 SQL, 페이지 배포, git, 테스트 작성, 실행 비용 파악이 필요함
    • 코드는 에이전트가 작성해도 책임은 운영자에게 있음
    • 주말에 AI 코딩 도구로 미완성에 가까운 랜딩 페이지라도 직접 배포하는 방식으로 시작함
  • 역할별 첫 작업을 작게 잡음
    • 마케터는 최근 영업 통화 20건으로 고객 언어 에이전트를 만듦
    • 엔지니어는 영업 통화 5건에 참여한 뒤 특정 고객군용 계산기를 만듦
    • 창업자는 2시간을 확보해 founder-opinions.md를 작성함
  • 게시, 연락, 지출은 신뢰를 확보할 때까지 승인 후에만 실행하고, 한 작업 흐름을 안정화한 뒤 다음 것을 추가함
  • 2028년에는 마케팅 엔지니어 1~2명이 수십 개의 에이전트를 운영하며 10배 규모 부서보다 더 많이 실행할 수 있을 것으로 예상함. 확정된 결과는 아니며, 고객 이해와 실행 속도가 조직 규모보다 중요해질 것이라는 예상에 바탕을 둠
  • 관련 심화 자료로 마케팅 엔지니어를 다룬 Startup Ideas Podcast 에피소드가 있음
그냥 목록으로
원문 보기 ↗