고객이 한 번 사고 안 돌아온다면 — AI로 재구매율 높이는 CRM 자동화 실전법

신규 고객 한 명을 데려오는 데 드는 비용, 계산해본 적 있나요?

광고비, 프로모션, 쿠폰 할인까지 합치면 건당 8,000원에서 15,000원은 쉽게 나갑니다. 그런데 그 고객이 딱 한 번 사고 사라져요. 다시 데려오려면 또 같은 비용을 써야 하고요. 이게 반복되면 매출은 느는데 마진은 제자리입니다.

반대로, 한 번 산 고객이 세 번 더 사면 어떻게 될까요? 신규 고객 획득 비용(CAC)이 4분의 1로 줄어듭니다. 같은 매출을 훨씬 적은 마케팅 비용으로 만들 수 있다는 뜻이에요.

문제는 ‘재구매’라는 게 선물처럼 그냥 오지 않는다는 거예요. 고객이 다시 돌아올 이유를 만들어야 하고, 그 이유를 적절한 타이밍에 전달해야 합니다. 여기서 AI가 사람 대신 해줄 수 있는 일이 꽤 많아요.

왜 안 돌아올까부터 따져보자

재구매율을 올리겠다고 바로 쿠폰을 뿌리는 건 순서가 틀렸어요. 먼저 ‘왜 안 돌아오는지’를 알아야 합니다.

이커머스에서 고객이 재구매를 안 하는 이유는 보통 이 네 가지 중 하나예요.

잊어버림 — 상품에 불만은 없었는데, 다른 데서 비슷한 걸 사거나 그냥 기억 밖으로 밀려남
기대 불일치 — 상세페이지와 실물 사이 갭이 있었음. 나쁘진 않은데 ‘또 살 정도’는 아닌 경험
타이밍 미스 — 소모품인데 재구매 시점에 아무 연락도 없었음. 경쟁사가 먼저 치고 들어옴
가격 — 처음엔 쿠폰으로 싸게 샀는데, 정가가 경쟁사보다 비쌈

이 중에서 AI가 특히 잘하는 건 첫 번째와 세 번째예요. ‘잊어버린 고객을 적절한 타이밍에 다시 불러오는 것.’ 사람이 수천 명의 구매 주기를 외울 수 없지만, 데이터는 기억하니까요.

1단계: 구매 데이터에서 재구매 주기 뽑아내기

첫 번째 할 일은 내 상품의 재구매 주기를 파악하는 겁니다. “우리 상품은 소모품이 아닌데요?”라고 할 수 있지만, 케이스나 액세서리도 교체 주기가 있어요. 폰을 바꿀 때, 계절이 바뀔 때, 또는 단순히 질릴 때.

주문 데이터를 뽑아서 같은 고객이 두 번 이상 구매한 건을 필터링합니다. 첫 구매와 두 번째 구매 사이 간격의 중앙값(median)이 바로 그 상품군의 ‘자연 재구매 주기’예요.

ChatGPT나 Claude에 주문 CSV를 넣고 이렇게 물어보면 됩니다.

이 주문 데이터에서 동일 고객의 반복 구매 건을 추출하고,
첫 구매~재구매 사이 일수의 중앙값을 상품 카테고리별로 계산해줘.
재구매 간격 분포도 히스토그램으로 보여줘.

보통 결과를 보면 재구매 간격이 특정 구간에 몰려 있어요. 예를 들어 폰 케이스는 180~240일, 필름은 60~90일 같은 패턴이 나옵니다. 이 숫자가 나중에 알림을 보내는 기준점이 돼요.

2단계: 고객을 세 그룹으로 나누기

전체 고객에게 같은 메시지를 보내는 건 비효율적입니다. 최소한 세 그룹으로 나눠야 해요.

A그룹 — 충성 고객 (3회 이상 구매)
이 사람들은 이미 팬이에요. 굳이 쿠폰을 줄 필요 없어요. 신상품 먼저 알려주거나, 리뷰 작성을 부탁하는 게 더 효과적입니다. 이 그룹의 리뷰가 쌓이면 상세페이지 전환율도 자연스럽게 올라가요.

B그룹 — 이탈 위험 (1회 구매, 재구매 주기 초과)
한 번 사고 자연 재구매 주기가 지난 고객. 가장 중요한 그룹이에요. 이 사람들은 한 번은 우리를 선택했지만 두 번째는 아직 안 왔어요. 여기에 집중 투자해야 합니다.

C그룹 — 신규 구매자 (1회 구매, 아직 주기 이내)
아직 재구매 시점이 안 된 사람들. 지금은 건드리지 마세요. 너무 빨리 연락하면 스팸으로 느껴져요. 대신 재구매 주기가 다가오면 자동으로 B그룹으로 넘어가도록 세팅해놓습니다.

이 분류는 스프레드시트로도 할 수 있지만, AI를 쓰면 더 정밀하게 갈 수 있어요. RFM 분석(Recency, Frequency, Monetary)이라고 하는데, 최근성·빈도·금액 세 축으로 고객을 점수 매기는 방식입니다.

이 고객 데이터로 RFM 분석을 해줘.
- Recency: 마지막 구매로부터 경과 일수
- Frequency: 총 구매 횟수
- Monetary: 총 구매 금액
각 항목을 5분위로 나누고, 종합 점수 기준으로 
상위 20%, 중간 60%, 하위 20%로 그룹을 나눠줘.

3단계: 타이밍 자동화 — 적절한 때에 적절한 메시지

그룹을 나눴으면 이제 각 그룹에 맞는 메시지를 적절한 타이밍에 보내야 합니다. 여기가 자동화의 핵심이에요.

B그룹(이탈 위험)에게 보내는 메시지 설계:

재구매 주기 도달 3~5일 전에 첫 번째 메시지를 보냅니다. 쿠팡이라면 스마트스토어 알림톡, 자사몰이라면 이메일이나 카카오 알림톡을 쓸 수 있어요.

메시지 내용은 AI한테 맡기되, 두 가지 규칙만 지키세요.

할인이 아니라 ‘이유’를 먼저 줘야 해요. “10% 쿠폰 드려요”보다 “지난번 사신 케이스, 요즘 이런 색상이 새로 나왔어요”가 클릭률이 높습니다.
한 가지만 말하세요. 신상품도 알리고, 쿠폰도 주고, 리뷰도 부탁하고 — 이러면 아무것도 안 해요.

AI에게 메시지 초안을 뽑아달라고 할 때 이렇게 지시하면 괜찮은 결과가 나옵니다.

다음 조건으로 재구매 유도 메시지 3가지 버전을 만들어줘.
- 대상: 폰 케이스를 180일 전에 구매한 고객
- 톤: 친근하지만 가볍지 않게, 브랜드 느낌 유지
- 핵심 메시지: 새 시즌 컬러 출시
- 글자 수: 80자 이내
- 금지: 느낌표 남발, "특별한 혜택", "놓치지 마세요" 같은 상투적 표현

4단계: 광고 리타겟팅과 연결하기

메시지만으로 안 돌아오는 고객도 있어요. 이때 광고 리타겟팅을 함께 돌리면 효과가 올라갑니다.

B그룹 고객 리스트를 광고 플랫폼에 커스텀 오디언스로 올리고, 이 사람들에게만 재구매 유도 광고를 노출하는 거예요. 전체 모수에 뿌리는 것보다 CPC가 낮고 전환율은 높아요. 이미 한 번 산 사람이니까 신뢰 장벽이 낮거든요.

여기서 AI가 도와줄 수 있는 건 크리에이티브 테스트예요. 같은 고객군에 메시지 A(“새 색상 나왔어요”)와 메시지 B(“지난번 구매하신 제품, 리뷰 평점 4.8입니다”)를 동시에 돌려서 어떤 게 더 반응이 좋은지 보는 겁니다.

2주 정도 돌려보고 결과 데이터를 AI에 넣으면, 어떤 메시지 유형이 어떤 고객 세그먼트에서 잘 먹히는지 패턴을 잡아줍니다. 이걸 반복하면 리타겟팅 ROAS가 점점 올라가요.

5단계: 재구매 주기를 줄이는 트리거 만들기

여기까지는 ‘자연 재구매 주기에 맞춰 알림을 보내는 것’이었어요. 한 단계 더 가면, 재구매 주기 자체를 당길 수 있는 트리거를 만들 수 있습니다.

예를 들어:

보완재 추천 — 케이스를 산 고객에게 30일 후 같은 기종 필름을 추천. 같은 상품의 반복 구매가 아니라 크로스셀이라 저항감이 적어요.
이벤트 트리거 — 새 폰 출시 시점에 이전 기종 구매자에게 새 기종 호환 상품 알림. 트렌드 데이터를 보고 있다면 출시 전에 미리 준비할 수 있어요.
번들 제안 — 단품 구매자에게 세트 상품을 제안. “이전에 사신 클리어 케이스 + 필름 세트가 따로 사는 것보다 3,000원 저렴합니다” 식으로.

이런 트리거를 AI로 자동화하려면, 구매 데이터에서 ‘같이 사는 상품 조합’을 먼저 분석해야 해요.

주문 데이터에서 동일 고객이 90일 이내에 함께 구매한 
상품 조합을 빈도순으로 정리해줘.
연관 구매율(support)이 5% 이상인 조합만 보여주고,
각 조합의 평균 구매 간격도 계산해줘.

주 1회 30분 점검 루틴

이 모든 걸 세팅했으면 유지보수는 생각보다 가볍습니다. 주 1회 30분이면 돼요.

5분 — 이번 주 B그룹 → 재구매 전환 수 확인. 목표 대비 달성률 체크
10분 — 메시지/광고 A/B 테스트 결과 확인. 승자를 기본값으로 세팅, 새 테스트 시작
10분 — 다음 주 재구매 주기 도래 고객 수 확인. 메시지 초안 AI로 생성
5분 — 보완재 추천 성과 확인. 잘 되는 조합은 유지, 안 되는 건 교체

이 루틴이 돌아가기 시작하면, 신규 고객 획득에 쏟던 광고비의 일부를 기존 고객 유지로 돌릴 수 있어요. 같은 예산으로 더 많은 매출을 만드는 구조가 됩니다.

빠지기 쉬운 함정 두 가지

마지막으로, 재구매 자동화에서 흔히 빠지는 함정을 짚고 넘어갈게요.

첫 번째, 할인에 의존하는 재구매. 쿠폰으로 돌아온 고객은 다음에도 쿠폰이 없으면 안 와요. 할인은 최후의 수단이어야 합니다. 먼저 ‘이유’를 주고, 그래도 안 오면 그때 인센티브를 쓰세요.

두 번째, 너무 잦은 연락. 주 2회 이상 메시지를 보내면 차단당합니다. 고객 입장에서 “이 브랜드 또 왔네”가 되는 순간 끝이에요. 메시지는 ‘보낼 이유가 있을 때만’ 보내야 합니다. AI가 최적 빈도를 계산해주지만, 일반적으로 월 1~2회가 상한선이에요.

정리하면

재구매율을 올리는 건 결국 세 가지예요. 고객을 알고, 타이밍을 맞추고, 적절한 이유를 주는 것. AI는 이 세 가지를 사람보다 정확하게, 수천 명 규모로 동시에 해줍니다.

복잡한 CRM 솔루션을 도입하지 않아도 됩니다. 주문 데이터 CSV 하나, AI 챗봇 하나, 알림톡 발송 도구 하나면 시작할 수 있어요. 작게 시작하고, 숫자를 보면서 늘려가세요.