매출이 오르는데 이익이 안 느는 이유
광고비를 올리면 주문이 늘어난다. 그런데 이상하게 통장 잔고는 그대로다. 이 현상의 원인은 대부분 같은 곳에 있다. 신규 고객 유치에 돈을 쏟고, 이미 산 고객은 방치하는 구조다.
숫자로 보면 명확하다. 신규 고객 한 명을 데려오는 데 드는 비용(CAC)은 기존 고객을 유지하는 비용의 5~7배다. 그런데 많은 셀러가 전체 광고 예산의 80% 이상을 신규 유치에 쓴다. 기존 고객에게는 가끔 쿠폰 하나 뿌리는 게 전부다.
이건 구조적 문제다. 감이 아니라 데이터로 풀어야 한다.
고객을 ‘한 덩어리’로 보면 돈이 샌다
문제의 핵심은 고객을 구분하지 않는 데 있다. 한 번 사고 사라진 사람, 3개월마다 꾸준히 사는 사람, 장바구니만 채우고 결제는 안 하는 사람. 이 셋에게 같은 메시지를 보내고 같은 할인을 적용하고 있다면, 이미 돈을 흘리고 있는 것이다.
이걸 바꾸려면 고객을 나눠야 한다. 그런데 엑셀로 주문 데이터를 정리하고, 구매 주기를 계산하고, 세그먼트별 캠페인을 짜는 건 1인 셀러나 소규모 팀에게는 불가능에 가깝다. 여기서 AI가 진짜 쓸모있어진다.
AI 고객 세분화는 뭐가 다른가
전통적인 고객 분류는 단순하다. 구매 금액이 높으면 VIP, 낮으면 일반. 이 기준으로는 ‘지난달에 50만원 쓰고 다시는 안 올 사람’과 ‘매달 5만원씩 2년째 사는 사람’이 같은 그룹에 들어간다.
AI 기반 세분화는 다르게 접근한다.
- RFM 분석 자동화: 최근 구매 시점(Recency), 구매 빈도(Frequency), 구매 금액(Monetary)을 조합해서 고객을 5~8개 그룹으로 자동 분류한다
- 이탈 예측: 구매 주기가 늘어지거나 장바구니 이탈이 반복되는 패턴을 감지해서, 완전히 떠나기 전에 잡을 수 있다
- 구매 패턴 클러스터링: 사람이 보지 못하는 구매 조합 패턴을 찾아낸다. 예를 들어 ‘케이스를 산 사람이 2주 안에 보호필름을 살 확률이 68%’같은 인사이트
핵심은 이 작업이 자동으로 돌아간다는 점이다. 매일 새로운 주문 데이터가 쌓이면 세그먼트가 실시간으로 업데이트된다.
실전: 세그먼트별로 다르게 대응하는 법
AI가 고객을 나눠줬다. 그다음이 중요하다. 각 그룹에 맞는 액션을 연결해야 효과가 난다.
충성 고객 (높은 빈도 + 높은 금액)
이 그룹은 할인이 아니라 특별한 경험이 필요하다. 신상품 먼저 보여주기, 한정판 우선 구매권, 개인화된 추천 메시지. 이 그룹의 LTV(고객 생애 가치)가 전체 매출의 40~60%를 차지하는 경우가 흔하다. 여기에 투자하는 게 ROAS가 가장 높다.
광고비 효율에 대해서는 광고비를 매일 태우면서 ROAS를 안 보고 있다면에서 자세히 다뤘다. 기존 고객 리타겟팅이 신규 유치보다 ROAS가 3~5배 높다는 데이터가 이미 있다.
이탈 위험 고객 (과거 활발 → 최근 침묵)
이 그룹이 돈이 되는 구간이다. 완전히 떠나기 전에 잡으면 재활성화 비용은 신규 유치의 1/5 수준이다. AI가 이탈 징후를 감지하면 자동으로 개인화 메시지를 보낸다. ‘지난번 사신 OO 제품, 리필 시기 아닌가요?’처럼 맥락이 있는 메시지가 일반 쿠폰보다 전환율이 2~3배 높다.
가격 민감 고객 (할인할 때만 구매)
이 그룹에는 무조건 할인을 뿌리면 안 된다. 할인 없이는 절대 안 사는 습관을 강화시키기 때문이다. 대신 번들 구성이나 포인트 적립처럼 ‘가격은 유지하되 가치를 높이는’ 방식이 효과적이다. AI 가격 최적화를 세그먼트 단위로 적용하면, 마진을 지키면서도 이 그룹의 전환율을 올릴 수 있다.
일회성 고객 (1회 구매 후 사라짐)
전체 고객의 60~70%가 여기에 해당한다. 전부를 되살리려 하면 비용만 늘어난다. AI가 이 중에서 ‘재구매 가능성이 높은 하위 그룹’을 골라준다. 구매 상품, 유입 채널, 첫 구매 금액 등을 기반으로 재구매 확률이 30% 이상인 고객만 타겟팅하면 된다.
비싼 도구 없이 시작하는 방법
AI 고객 세분화를 하려면 Salesforce나 HubSpot 같은 고가 CRM이 필요하다고 생각하기 쉽다. 하지만 1인 셀러나 소규모 팀이라면 그런 도구는 과잉투자다.
실제로 필요한 건 세 가지뿐이다.
- 주문 데이터 CSV: 스마트스토어, 쿠팡, 자사몰 어디든 주문 내역 다운로드가 된다
- AI 분석 도구: ChatGPT나 Claude에 주문 데이터를 넣고 RFM 분석을 요청하면 5분 안에 세그먼트가 나온다
- 자동화 연결: 세그먼트별 메시지를 카카오 알림톡이나 이메일 도구에 연결한다
처음부터 완벽한 시스템을 만들 필요 없다. 주문 데이터를 한번 뽑아서 AI에 던져보는 것만으로도, 그동안 보이지 않던 고객 구조가 드러난다. 경쟁사 리뷰 1000개를 AI에 던져본 것처럼, 데이터를 AI에 맡기면 사람이 며칠 걸릴 분석이 몇 분 안에 끝난다.
세분화 다음이 진짜 승부처다
고객을 나누는 것 자체는 시작일 뿐이다. 진짜 차이는 세그먼트별 대응을 자동화하는 데서 난다.
예를 들어 이런 흐름이다.
- AI가 이탈 위험 고객 50명을 감지한다
- 각 고객의 과거 구매 이력을 기반으로 개인화 메시지가 자동 생성된다
- 카카오 알림톡이나 이메일로 자동 발송된다
- 반응 데이터가 다시 AI로 돌아가서 다음 세분화에 반영된다
이 루프가 돌기 시작하면 셀러가 직접 고객 관리에 쏟는 시간은 줄어들고, 재구매율은 올라간다. 실제로 이런 AI 기반 개인화를 도입한 이커머스 브랜드들은 재구매율이 30~80% 상승했다는 사례가 반복적으로 보고되고 있다.
뺄셈으로 생각하자
정리하면, AI 고객 세분화의 핵심은 ‘더 많은 고객을 데려오는 것’이 아니다. 이미 있는 고객 중에서 가장 가치 있는 사람에게 집중하고, 나머지에는 돈을 덜 쓰는 것이다.
신규 유치 광고를 끄라는 말이 아니다. 전체 예산에서 기존 고객 유지에 20~30%만 배분해도 결과가 달라진다. 같은 100만원의 광고비로 신규 고객 10명을 데려오는 것과, 기존 고객 50명의 재구매를 이끌어내는 것. 어느 쪽이 더 남는 장사인지는 계산기 없이도 답이 나온다.
오늘 주문 데이터를 한번 뽑아보자. AI에 넣어서 고객을 나눠보자. 그 5분이 광고비 100만원보다 값진 인사이트를 줄 수 있다.
