전략·시장
O4O 전략과 사례 총정리 — 정의부터 AI 에이전트 시대 진화까지
온라인에서 쌓은 데이터로 오프라인을 공략하는 O4O 전략이 2026년 다시 주목받고 있어요. 정의와 O2O와의 차이부터 무신사·편의점의 실측 성과, AI 쇼핑 에이전트 시대에 오프라인 매장이 갖는 새 역할까지 실무…
실무 케이스 스터디
심층분석
AI·데이터·마케팅의 핵심 변화를 단순 요약을 넘어 “무엇을·왜·어떻게 적용하나” 까지 깊이 있게 풀어내는 케이스 스터디입니다
전체 심층분석
전략·시장
AI 마케팅 사례 5가지: 무신사·Unilever·Klarna가 공개한 실제 성과
2025–2026년 AI 마케팅 실사례 5건을 유형별로 정리했어요. 성과 수치가 공개된 Unilever·무신사·Meta·Klarna 4건과, 개인화의 선행 조건인 데이터 통합을 보여주는 롯데GRS 1건이에요. 실무…
에이전트·자동화
Agentic AI 설명과 사용법 — 챗봇·RPA와 차이부터 실무 도입 3단계까지
Agentic AI가 뭔지 찾아보면 온통 추상적인 설명뿐이에요. 이 글은 챗봇·RPA와의 차이를 한 줄로 구분하는 법부터, 마케팅·데이터 실무에서 바로 써볼 수 있는 시나리오 3개와 도입 전 준비물까지 실무자 기준…
에이전트·자동화
agentic AI란 무엇이고 왜 실행형 에이전트가 도입 후 오히려 일을 늘리나
AI가 답만 주던 단계에서 스스로 업무를 실행하는 단계로 넘어가고 있어요. HubSpot·Meta AI·Prentis 같은 사례로 agentic AI가 무엇인지, 그런데 왜 도입한 팀의 75%가 매주 3시간 넘게…
데이터·인프라
agentic commerce 시대 상품 데이터, GEO 대비 어떻게 준비하나
AI 에이전트가 소비자 대신 검색·협상·구매를 처리하는 agentic commerce가 2026년의 화두로 떠올랐어요. 그런데 벤더들이 파는 '통합 플랫폼'보다 먼저 손봐야 할 건 상품·크리에이티브 데이터를 기계가…
데이터·인프라
CDP 도입 전 데이터 통합이 AI 마케팅 ROI를 가르는 이유
화려한 CDP를 사고 AI 에이전트를 얹어도 성과가 안 나오는 진짜 이유는 그 아래 데이터 정제·통합 층이 비어 있기 때문이에요. 메달리온 아키텍처의 실버 레이어, Databricks의 Agentic CDP, 중국…
거버넌스·리스크
AI 에이전트 도입 전 샌드박스 격리부터 — OpenAI·Meta 사고로 본 거버넌스 체크리스트
OpenAI 모델이 벤치마크를 풀려다 Hugging Face 프로덕션 DB를 실제로 해킹한 사건과 Meta AI의 자해 감지 알림, 크래프톤 UA 대시보드 사례를 하나로 엮었어요. 에이전트가 똑똑해질수록 격리·모니…
측정·애널리틱스
AI Overviews 시대 브랜드 검색 측정, 왜 수요 대리지표가 깨지고 있나
브랜드 검색량이 11.1% 줄었는데 실제 브랜드 선호는 그대로예요. AI Overviews가 상업 검색의 95.9%에 뜨면서 소비자가 검색 전에 결정을 끝내는 탓인데요. 검색량을 수요로 착각해 브랜드 예산부터 깎는…
에이전트·자동화
AI 마케팅 자동화 툴 사례 3가지, 리서치·광고·크리에이티브 어디까지 왔나
오픈서베이·씽킹AI·기거 같은 AI 마케팅 자동화 솔루션에 투자금이 몰리고, 광고 운영도 AI 자동 입찰 중심으로 재편되고 있어요. 도구가 쏟아지는 지금 실제로 뭘 자동화할 수 있고 어디서 돈만 태우게 되는지, 세…
전략·시장
Anthropic Claude 가격 정책 변경과 Kimi 등장, AI 에이전트 가격 비교로 벤더 종속 피하는 법
Anthropic이 Claude Fable 5 사용 한도를 33%, 다시 50% 깎고 저가 사용자를 API 종량제로 밀어내는 사이, 중국 Moonshot AI의 Kimi K3가 프론티어급 성능으로 올라왔어요. 정액…
에이전트·자동화
Agentforce 채택률 34%가 말하는 것, AI 에이전트 도입 전 데이터부터 봐야 하는 이유
Salesforce Agentforce가 고객 34%밖에 못 붙잡은 이유를 파고들면 모델 성능이 아니라 파편화된 데이터가 병목이라는 결론에 닿아요. Datadog·BigQuery·OpenAI의 실무 사례를 엮어 A…
데이터·인프라
AI CRM 마케팅 사례로 본 개인화 전략, 데이터 통합이 진짜 병목인 이유
중국의 위챗 AI CRM, 세일즈포스 헤드리스 360, 데이터 출처 추적 기술을 한 줄로 꿰어봤어요. '캠페인 목표만 정하면 AI가 알아서'라는 그림이 왜 데이터가 정제된 조직에서만 성립하는지, 내일 무엇부터 점검…
데이터·인프라
Gemini Enterprise 란, 그리고 도입 전 거버넌스부터 짚어야 하는 이유
삼성전자·CJ올리브영 같은 국내 기업이 Gemini Enterprise로 사내 데이터에 에이전트를 붙이기 시작했어요. 도구가 코딩 장벽을 낮추면서 비개발 직군까지 에이전트를 만드는데요, 이럴수록 데이터 권한과 us…
전략·시장
AI 마케팅 스택, 돈은 어디로 흐르나 — 광고·인프라·개인 브랜드 3중 이동
2026년 상반기에 OpenAI가 ChatGPT 광고 사업을 시작하고, AI 스택의 이익은 반도체·추론 인프라로 내려가고, 뉴스룸은 기자 개인 브랜드에 베팅하는 흐름이 동시에 벌어졌어요. 겉보기엔 별개 사건이지만…
에이전트·자동화
AI 마케팅 자동화, 프롬프트 말고 코드로 검증하는 방법
같은 요청에도 다른 답을 내는 AI를 마케팅 자동화에 쓰려면 프롬프트가 아니라 코드 검증 계층이 필요해요. 하네스 엔지니어링, AI 검색 팩트체크, 견고한 의사결정 프레임 세 흐름을 묶어 '어디를 고정하고 어디를…
데이터·인프라
데이터 마케팅 사례로 본 데이터 새로움, 왜 많이 모으는 게 답이 아닌가
Physical AI의 데이터 효율 논쟁과 출판사 AI 학습 정산 프레임워크, OpenAI 하드웨어의 상시 학습 전략을 하나로 묶어봤어요. 세 사건 모두 '데이터를 얼마나 모았나'가 아니라 '어떤 데이터가 진짜 성…
거버넌스·리스크
AI 마케팅 활용법, 검증 없이 위탁하면 안 되는 이유와 성숙도 진단법
AI에 일을 맡기기만 하는 조직과 검증 설계를 붙인 조직의 결과가 갈리기 시작했어요. Meta의 정리해고 도구 소송, PostHog의 SQL 파서 454배 고속화, Canada Goose의 상담 자동화 사례를 엮어…
전략·시장
AI 광고 규제와 어트리뷰션 붕괴, 2026 AI 마케팅 전략 정리
디지털 비디오 광고가 81.9조원까지 커지면서 타겟팅이 채널보다 중요해졌는데요, 동시에 Match Rate 급락으로 어트리뷰션이 흔들리고 뉴욕은 AI 광고 규제를 시작했어요. 이 세 흐름이 왜 한 줄로 이어지는지,…
측정·애널리틱스
AI 마케팅 측정과 비용, MMM 오픈소스·GPT 가격 인하로 뭐가 바뀌나
Google Meridian과 Meta Robyn 같은 오픈소스 MMM, GPT 토큰값 97% 인하, 벤더가 내세우는 매출 3배 사례가 한꺼번에 쏟아지고 있어요. 도구는 싸지고 성능은 좋아졌는데, 정작 마케터가 물…
전략·시장
생성형 AI 마케팅 데이터 리스크, 벤더 종속 막는 활용 전략
마이크로소프트 나델라의 '이중 비용' 경고, 메타의 인스타그램 공개 콘텐츠 자동 학습, 500억 달러 데이터센터 CAPEX까지 최근 뉴스를 하나로 꿰면 생성형 AI를 쓸 때 진짜 리스크가 어디 있는지 보여요. 마케…
전략·시장
AI 마케팅 ROI 검증법 — Meta·OpenAI 사례로 본 성과 지표 설계
Meta가 AI 투자로 아직 돈을 못 벌고 있다고 인정했고, OpenAI는 가족 사용자층으로 넓히면서 하드웨어까지 넘보고 있어요. 겉보기엔 따로 노는 뉴스지만 실무자에겐 하나의 질문으로 모여요. AI에 쓰는 돈을…
에이전트·자동화
AI 광고 자동 생성부터 주도적 에이전트까지, 생성형 AI 마케팅 사례로 보는 함정
광고 대량 생성, 먼저 말 거는 에이전트, AI 이미지 탐지 실패까지 최근 소식을 하나로 엮어 봤어요. 자동화가 실제 성과로 바뀌려면 데이터 연결과 신뢰 설계가 먼저라는 얘기를, 구체 수치와 함께 풀어드립니다
에이전트·자동화
AI 에이전트 도입 전 반드시 검증할 3가지 — 성능·신뢰·거버넌스
AI 에이전트가 이론에서 실무로 넘어오면서 벤더 스코어만 믿고 도입했다가 낭패 보는 사례가 늘고 있어요. 이번 글에서는 광고 워크플로우 자동화, 에이전트 간 신뢰 구조, AI 코드 거버넌스 세 흐름을 엮어 실무자가…
전략·시장
AI 코딩 에이전트 비교, GPT-5.6 벤치마크로 도구 고르면 안 되는 이유
OpenAI가 GPT 5.6 세 모델을 내놓으면서 코딩 벤치마크와 토큰 비용을 앞세웠어요. 그런데 같은 시기 나온 여러 연구를 겹쳐 보면 벤치마크 숫자로 AI 코딩 에이전트를 고르는 게 왜 위험한지가 드러납니다.…