마케터는 엔지니어가 되어야 한다 | AI, 데이터와 감의 역할

마케터는 엔지니어가 되어야 한다. 그런데 나는 ‘감’을 추종하는 사람이다.

데이터와 자동화를 믿으면서 측정할 수 없는 감을 믿는 일. 모순처럼 들린다. 하지만 좋은 엔지니어링은 모든 변수를 붙잡아 완벽하게 통제하는 일이 아니다. 무엇을 측정하고 무엇을 맡겨둘지, 어디까지 자동화하고 어디에서 사람의 판단을 개입시킬지 정하는 일이다.

어떤 문장이 먹힐지, 어떤 물건이 팔릴지, 지금 무엇을 내밀어야 할지. 오래 일한 사람은 종종 설명하기 전에 안다. 문제는 그 감이 표에 들어가지 않는다는 것이다. 측정할 수 없고 재현하기 어렵다. 그래서 데이터가 지배하는 회의에서 감은 가장 먼저 의심받거나 터부시된다.

이 글의 주장은 세 가지다

마케터는 이미 오래전부터 시스템을 운영해 왔다.
데이터는 현실 전체가 아니라 센서가 기록할 수 있었던 일부다.
앞으로의 실력은 더 많이 통제하는 능력이 아니라, 무엇을 통제하지 않을지 설계하는 능력이다.

예전에는 마케팅을 문과의 일이라고 생각했다. 광고 문구를 쓰고, 이미지를 만들고, 사람의 마음을 짐작하는 일. 숫자를 다루더라도 매출표나 시청률을 나중에 확인하는 정도였다. 엔지니어는 컴퓨터와 기계를 만지고, 마케터는 아이디어와 언어를 다룬다고 생각했다.

그런데 온라인 마케팅이 주류가 되면서 거의 모든 것이 측정되기 시작했다. 노출, 클릭, 체류, 장바구니, 구매, 재구매. 마케터 앞에 거대한 계기판이 생겼다.

퍼포먼스 마케터는 그 숫자를 보고 예산과 입찰가와 소재를 조절했다. 목표 CPA를 정하고, 결과를 보고, 다시 입력값을 바꿨다. 가만히 생각하면 이것은 광고 집행이라기보다 시스템 운영에 가깝다.

퍼포먼스 마케터는 일종의 시스템 엔지니어였다.

마케팅 시스템 엔지니어링이란 목표, 데이터, 자동화, 피드백과 사람의 판단을 하나의 운영 구조로 설계하는 일이다.

마케터는 이미 엔지니어처럼 일하고 있었다

물론 옛날 광고가 전부 감에 의존했던 것은 아니다. 클로드 홉킨스는 1923년 《Scientific Advertising》에서 광고를 세일즈맨에 비유하고, 쿠폰과 테스트 캠페인으로 결과를 비교했다. 서로 다른 헤드라인과 제안을 내보내고 어떤 쿠폰이 돌아오는지 확인했다.

쿠폰은 초기의 전환 추적 코드였다. 우편함은 대시보드였고, 회수율은 전환율이었다.

달라진 것은 원리가 아니라 속도와 해상도다. 과거에는 캠페인이 끝난 뒤 표본을 모아 결과를 봤다. 지금은 한 사람의 클릭이 몇 초 안에 기록되고, 다음 광고 경매의 입찰가에 반영된다.

인터넷은 광고에 센서를 달았다

1994년 HotWired에 등장한 초기 배너 광고는 단순한 디지털 간판이 아니었다. 광고가 클릭될 수 있었다. WIRED의 회고처럼, 마케터는 처음으로 몇 명이 광고를 보았고 그중 몇 명이 반응했는지를 직접 알 수 있게 됐다.

광고에 센서가 달린 것이다.

검색 광고가 등장하자 마케터는 키워드마다 입찰가를 넣고, 광고 문구를 나누고, 랜딩 페이지를 바꿨다. 데이터가 들어오면 조건문처럼 행동했다.

전환율이 떨어지면 소재를 바꾼다.
CPA가 목표보다 낮으면 예산을 늘린다.
특정 검색어의 ROAS가 높으면 입찰가를 올린다.

코드를 쓰지 않았을 뿐, 규칙을 만들고 시스템을 튜닝했다.

대시보드는 현실이 아니라 센서다

온도조절기를 생각하면 쉽다. 원하는 온도를 정한다. 센서가 현재 온도를 읽는다. 차이가 생기면 냉난방기를 작동한다. 다시 온도를 읽고 조절한다.

퍼포먼스 마케팅도 비슷하다.

목표값, 제어기, 작동 장치, 센서와 피드백이 하나의 순환을 만든다.

목표값: CPA, ROAS, 매출, 재구매율
센서: 픽셀, 태그, 이벤트, CRM 데이터
제어기: 입찰 전략, 예산 규칙, 세그먼트, 캠페인 로직
작동 장치: 광고 노출, 이메일, 푸시, 프로모션
피드백: 클릭, 전환, 이탈, 고객 생애가치

마케터는 광고를 만드는 사람인 동시에 이 루프가 제대로 도는지 확인하는 운영자다. 센서가 잘못 설치되면 좋은 캠페인도 나쁜 것으로 보인다. 목표값을 잘못 정하면 시스템은 아주 효율적으로 엉뚱한 곳에 도착한다.

클릭만 목표로 잡으면 낚시성 제목이 늘어난다. 단기 매출만 보면 할인에 중독된다. 측정할 수 있다는 것과 제대로 측정한다는 것은 전혀 다르다.

측정은 언제나 일부만 본다

대시보드를 보고 있으면 일이 선명해진 것 같은 기분이 든다. 그래프가 꺾인 날짜가 보이고, 채널별 숫자가 나뉘고, 전환까지의 경로도 그럴듯하게 이어진다. 하지만 화면에 나타난 것은 현실 전체가 아니다. 우리가 미리 이름을 붙이고 수집하기로 한 신호들이다.

고객이 구매하지 않은 이유는 ‘미전환’이라는 한 칸에 들어간다. 그 안에는 제품에 대한 피로, 친구의 짧은 한마디, 설명하기 어려운 취향의 변화, 결제를 미루게 한 하루의 사정이 함께 섞여 있다. 시스템은 결과를 기록하지만 그 결과를 만든 모든 맥락까지 보존하지는 못한다.

그래서 측정은 발견인 동시에 편집이다. 무엇을 이벤트로 정의했는지, 어느 기간까지 기여로 인정했는지, 어떤 기기와 채널을 연결할 수 있었는지에 따라 같은 현실이 다른 숫자가 된다.

쿠키가 사라지고 고객의 행동이 여러 기기와 채널로 흩어지면 빈칸은 더 커진다. Google도 관찰되지 않은 전환을 머신러닝으로 보완하는 전환 모델링을 사용한다. 대시보드에는 직접 관측한 값과 모델이 추정한 값이 함께 놓일 수 있다.

이 사실이 숫자를 쓸모없게 만들지는 않는다. 다만 숫자의 역할을 바꾼다. 숫자는 결론이라기보다 어디를 더 살펴봐야 하는지 알려주는 좌표에 가깝다. 좋은 마케터는 좌표를 현실로 착각하지 않는다.

이 대목의 문제의식은 장홍석 님의 글 〈계산이 안 되는 게 하나 있다〉에서 출발했다. 원문이 원인과 결과 사이에 놓인 사람을 이야기했다면, 여기서는 그 생각을 측정 시스템의 한계와 마케터의 역할로 이어 보았다.

완벽한 제어를 포기한 문어 로봇

최근 문어를 닮은 수중 로봇에 관한 글을 읽었다. 보통 여덟 개의 팔을 정교하게 움직이려면 팔마다 모터와 제어 장치를 붙이는 방식부터 생각한다. 제어할 관절이 늘수록 부품과 알고리즘은 복잡해지고, 무게와 비용과 고장 가능성도 함께 늘어난다.

싱가포르국립대 연구진의 문어 모방 수중 로봇은 반대로 갔다. 여덟 개의 부드러운 팔을 두 개의 정속 모터와 우산처럼 펴지고 접히는 기구로 움직였다. 팔의 비대칭적인 유연성과 물의 저항을 이용해 회복 동작에서는 저항을 줄이고, 추진 동작에서는 힘을 만들었다. 실험에서 순간 최고 속도는 초당 314밀리미터였다.

2

정속 모터

8

부드러운 팔

314mm/s

실험 순간 최고 속도

핵심은 자연을 이겼다는 것이 아니다. 자연과 재료가 원래 하려는 일을 시스템 안으로 받아들였다는 것이다.

로봇공학에서는 이를 형태적 계산이라는 관점으로 설명한다. 모든 계산을 중앙의 제어기에 몰아넣지 않고, 몸의 형태와 소재가 제어의 일부를 담당하게 한다. 물과 싸우지 않고 물을 쓴다. 팔의 모든 궤적을 명령하지 않고 팔이 알아서 휘어지는 성질을 쓴다.

나는 이것이 마케팅과 비슷하다고 느꼈다. 고객의 모든 움직임을 추적하고 모든 접점을 자동화하면 완벽한 마케팅이 될 것처럼 생각한다. 태그를 더 달고, 세그먼트를 더 쪼개고, 대시보드를 더 만든다. 그런데 시스템이 복잡해질수록 왜 이런 숫자가 나왔는지 아는 사람은 줄어든다. 고장 날 곳은 늘어난다.

사람은 물과 비슷하다. 붙잡으려 하면 다른 틈으로 흐른다.

좋은 마케팅 시스템은 사람을 완벽하게 제어하는 장치가 아니다. 브랜드와 상품이 가진 구조, 고객이 원래 움직이는 흐름, 현장에서 일하는 사람의 감각을 이용해 적은 개입으로 좋은 움직임이 나오게 하는 장치에 가깝다.

측정의 도구가 발전할수록 마케터의 일은 조절에서 설계로 올라간다.

기계가 조절 손잡이를 가져간 뒤

예전 퍼포먼스 마케터는 키워드별 입찰가를 직접 올리고 내렸다. 이제 Google의 Smart Bidding은 매 광고 경매마다 전환 가능성과 가치를 예측해 입찰가를 정한다. 시간, 기기, 위치, 브라우저 같은 신호를 함께 보고 초당 수많은 결정을 내린다.

그렇다면 마케터가 필요 없어졌을까.

반대다. 조절 손잡이를 기계가 가져간 대신, 마케터는 기계가 무엇을 최적화할지 정해야 한다. 어떤 행동을 전환으로 볼지, 각 전환에 얼마의 가치를 줄지, 어떤 데이터는 사용하지 않을지, 언제 자동화를 멈출지를 결정해야 한다.

운전에서 액셀을 밟는 일보다 목적지와 경로를 정하는 일이 중요해진 셈이다. 자동화가 강해질수록 잘못된 목적지는 더 빨리 도착한다.

캠페인은 이미 소프트웨어다

우버의 사례는 이 변화가 광고 플랫폼 안에서만 일어난 것이 아니라는 점을 보여준다. 우버의 실험 플랫폼 XP는 제품 기능뿐 아니라 마케팅 캠페인과 프로모션, 머신러닝 모델까지 같은 시스템에서 실험한다. 한때 동시에 천 개가 넘는 실험이 돌아갔다.

마케팅, 제품, 데이터, 엔지니어링의 경계가 흐려진 것이 아니다. 실제 고객에게는 애초에 그 경계가 없었다. 푸시 알림도 제품이고, 추천 화면도 광고이며, 가입 과정도 마케팅이다.

좋은 문구 하나보다 문구를 누구에게, 언제, 어떤 조건으로 보여주고 무엇을 학습할지 정하는 시스템이 더 큰 결과를 만든다.

AI가 코드를 지우면 마케터에게 무엇이 남을까

2026년 8월, James Douma는 반세기 전 컴파일러를 믿고 어셈블리 코드를 더는 들여다보지 않게 된 경험을 AI 코딩에 빗댔다. 일론 머스크는 여기에 동의하며 “소스 코드가 어셈블리어처럼 되기 직전”이고, 다음 단계는 AI가 소스 코드 없이 효율적인 바이너리를 직접 만드는 것이라고 썼다.

https://x.com/elonmusk/status/2084304083851034949

이것은 아직 예측이다. 하지만 비유는 흥미롭다.

1950년대 이전의 프로그래머는 기계어와 어셈블리어에 가까운 명령을 직접 다뤘다. 1957년 상용화된 Fortran은 사람이 쓴 수식에 가까운 문장을 컴파일러가 기계어로 번역하게 했다. IBM의 기록에 따르면, 이 추상화는 프로그래밍을 소수의 전문가 바깥으로 넓히고 생산 비용을 크게 낮췄다.

고급 언어가 등장했다고 엔지니어가 사라지지는 않았다. 엔지니어가 다루는 문제가 한 단계 위로 올라갔다. 메모리 주소 대신 구조를, 기계 명령 대신 의도를 설계하게 됐다.

AI도 비슷할 수 있다. 코드를 쓰는 비용이 낮아질수록 무엇을 만들지 설명하는 능력, 제대로 만들어졌는지 검증하는 능력, 여러 도구를 연결하는 능력이 더 중요해진다.

AI 시대의 마케터가 설계해야 할 여섯 가지

AI에게 카피 백 개를 쓰게 하는 것은 시작일 뿐이다. 그것만으로는 엔지니어링이 아니다. 새로운 마케터는 다음을 설계해야 한다.

문제를 명세한다. ‘매출을 올려줘’가 아니라 누구의 어떤 행동을 어떤 제약 안에서 바꿀지 정의한다.
측정 장치를 만든다. 이벤트 이름, 전환 기준, 데이터의 출처와 누락을 확인한다.
도구를 연결한다. 광고, CRM, 분석, 콘텐츠와 AI 에이전트 사이에 데이터가 흐르게 한다.
실험을 설계한다. 무엇을 바꾸고 무엇을 고정할지, 성공과 실패를 어떻게 판정할지 정한다.
오류를 관찰한다. 숫자가 튀었을 때 성과인지 태그 오류인지, 모델의 착각인지 구별한다.
사람의 판단을 남긴다. 자동화하면 안 되는 결정과 브랜드가 지켜야 할 선을 정한다.

SQL과 파이썬을 알면 물론 좋다. API와 웹훅을 이해하면 더 많은 일을 직접 할 수 있다. 하지만 특정 언어를 외우는 것이 핵심은 아니다. AI가 문법을 대신할수록 더 필요한 것은 시스템을 보는 눈이다.

감은 데이터의 반대말이 아니다

마이클 폴라니는 암묵지를 설명하며 “우리는 말할 수 있는 것보다 더 많이 안다”고 했다. 자전거를 타는 사람은 균형을 잡는 모든 물리법칙을 설명하지 못해도 넘어진다 싶으면 몸을 움직인다. 숙련된 사람의 감도 비슷하다. 수많은 장면과 실패와 미세한 반응이 말로 풀리기 전에 하나의 판단으로 압축된다.

감은 데이터의 반대가 아니다. 아직 표의 열로 나뉘지 않은 경험의 압축본일 수 있다.

그렇다고 모든 감을 믿자는 뜻은 아니다. 대니얼 카너먼과 게리 클라인은 숙련된 직관이 생기는 조건으로 어느 정도 규칙적인 환경과 충분한 학습 기회, 빠르고 명확한 피드백을 들었다. 반복해서 보고 결과를 확인한 사람의 감과 한 번 떠오른 확신은 다르다.

마케팅은 이 조건이 까다로운 분야다. 시장은 계속 바뀌고 결과는 늦게 오며 인과관계는 흐리다. 그래서 감은 필요하지만 자주 틀린다. 데이터도 필요하지만 늘 늦고 불완전하다.

둘 중 하나를 고르는 일이 아니다. 데이터로 감을 죽이는 것도 아니고, 감으로 데이터를 무시하는 것도 아니다. 숫자가 말하지 못하는 것을 감으로 발견하고, 감이 만든 가설을 가능한 범위에서 측정해 보는 일이다.

엔지니어처럼 일한다는 것은 숫자를 맹신하는 태도가 아니다. 센서의 한계와 모델의 가정을 의심하고, 고장 날 경우를 생각하며, 시스템 바깥에 남은 신호를 오래 보는 태도다.

사람은 시스템의 부품이 아니다

AI가 오기 전에도 마케터는 시스템을 운영했다. AI가 온 뒤에는 그 사실을 모른 척하기 어려워졌다.

앞으로 마케터는 카피라이터이면서 데이터 설계자이고, 미디어 바이어이면서 제품 운영자이며, 브랜드의 감각을 기계가 이해할 수 있는 규칙으로 번역하는 사람이 될 것이다.

하지만 모든 감각을 규칙으로 바꾸려 해서는 안 된다. 문어 로봇이 물과 부드러운 팔에 움직임의 일부를 맡겼듯, 좋은 마케터는 사람과 현장에 남겨둘 몫을 안다. 설명되지 않는다고 지워버리지 않고, 측정되지 않는다고 없는 것으로 취급하지 않는다.

코드를 한 줄도 쓰지 않을 수도 있다. 그래도 엔지니어처럼 생각해야 한다. 그리고 좋은 엔지니어처럼, 무엇을 통제하지 않을지도 설계해야 한다.

무엇을 넣었는가.
무엇이 나왔는가.
그 사이에서 무슨 일이 일어났는가.
고장 나면 어떻게 알 수 있는가.
그리고 이 시스템은 누구를 위해 움직이는가.

마케팅은 사람의 마음을 움직이는 일이었다. 이제는 사람의 마음을 움직이는 시스템까지 만드는 일이다.

다만 사람은 시스템의 부품이 아니다.

자주 묻는 질문

마케터가 엔지니어가 된다는 것은 코딩을 배운다는 뜻인가?

코딩은 유용하지만 핵심은 아니다. 목표와 입력값, 측정 방식, 자동화 규칙, 피드백과 실패 조건을 하나의 시스템으로 보는 능력이 더 중요하다.

AI 시대에 마케터에게 가장 중요한 역량은 무엇인가?

AI가 무엇을 최적화할지 명확히 정의하고, 데이터의 누락과 모델의 오류를 발견하며, 자동화하면 안 되는 결정을 구분하는 능력이다.

감과 데이터 중 무엇을 믿어야 하나?

둘 중 하나를 고르는 문제가 아니다. 데이터가 설명하지 못하는 신호를 숙련된 감으로 발견하고, 그 감이 만든 가설을 측정 가능한 범위에서 검증해야 한다.

퍼포먼스 마케팅은 왜 제어 시스템인가?

CPA나 ROAS 같은 목표값을 정하고, 태그와 CRM으로 현재 상태를 읽고, 예산과 입찰, 소재를 조절한 뒤 전환 결과를 다시 입력하기 때문이다.

좋은 마케팅 시스템은 무엇을 통제하지 않아야 하나?

고객의 모든 행동과 현장의 모든 판단을 규칙으로 바꾸려 해서는 안 된다. 브랜드의 감각, 맥락에 따른 예외, 사람이 직접 책임져야 할 결정은 시스템 밖에 남겨야 한다.

마케터는 엔지니어가 되어야 한다. 무엇을 통제하지 않을지도