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