대시보드가 아니라 판단을 만드는 팀, RevDrill이 일하는 방식

분석은 판단으로, 판단은 실행으로. RevDrill 프로덕트 리더와 나눈 이야기를 정리했습니다.

분석은 판단으로, 판단은 실행으로.
RevDrill 프로덕트 리더와 나눈 이야기를 정리했습니다.

RevDrill - 광고비부터 매출까지, 퍼널 전체를 한 줄로 연결해 측정합니다

Q. RevDrill을 만들게 된 계기는 무엇이었나요?

처음 이 문제를 마주한 건 마케팅 데이터 프로젝트를 여러 개 거치면서였어요. 광고 관리자, 웹 분석 툴, CRM, 콜 시스템 등 각 팀이 저마다 좋은 툴을 쓰고 있는데도, 정작 "이 광고가 매출로 이어졌는가"라는 가장 기본적인 질문에는 아무도 답을 못 하는 상황을 반복해서 봤습니다.

숫자는 넘치는데 판단은 못 하는 거예요. 대시보드는 매일 늘어나는데, 회의 시간에 나오는 결론은 여전히 "느낌상 이게 잘 되는 것 같다"는 수준이었죠. 그 간극이 저를 계속 붙잡았습니다.

그러던 중 이 문제를 제품으로 풀어보자는 생각을 하기 시작했어요. 인상적이었던 건, 이걸 단순히 "더 좋은 대시보드"로 정의하지 않았다는 점입니다. 대시보드는 보여주는 것에서 끝나지만, 우리가 풀고 싶었던 건 "보여준 다음에 무엇을 할 것인가"였거든요. 그 지점에서 RevDrill의 방향이 잡혔습니다.

Q. 제품을 만들면서 가장 먼저 집중했던 부분은 무엇인가요?

기능부터 쌓지 않았어요. 가장 먼저 한 건 "무엇을 하나의 지표로 볼 것인가"를 정의하는 작업이었습니다.

광고비, 유입, 행동, 상담, 구매. 이 다섯 단계는 각자 다른 시스템에, 다른 기준으로, 다른 담당자의 머릿속에 흩어져 있었어요. 이걸 하나로 잇겠다고 결정하기 전에, 먼저 "연결됐다"는 게 정확히 무엇을 의미하는지부터 팀 안에서 정리해야 했습니다. "어떤 클릭을 어떤 상담과 연결할 것인가", "어떤 상담을 어떤 매출로 귀속시킬 것인가" 이 정의가 틀어지면 아무리 정교한 알고리즘도 신뢰할 수 없는 숫자를 만들어내니까요.

그래서 저희 팀에서는 지금도 새로운 지표나 기능을 붙이기 전에, 데이터부터 파기보다 정의부터 맞추는 걸 원칙으로 삼고 있어요. "이 숫자가 정확히 무엇을 의미하는가"에 대한 합의가 먼저고, 분석은 그다음입니다.

소재 단위 실매출 ROAS, '어떤 콘텐츠가 돈을 버는가'에 즉답하도록 설계했습니다

Q. RevDrill이 생각하는 '측정'은 무엇인가요?

많은 마케팅 툴이 측정을 "숫자를 정확히 세는 일"로 여겨요. 저희는 조금 다르게 봅니다. 측정은 결국 다음 행동을 결정하기 위한 도구여야 한다고 생각해요.

퍼널을 한 줄로 연결하는 것도 그 자체가 목적이 아니에요. 연결된 데이터로 "어떤 소재를 다뤄야 하는가", "어떤 소재를 꺼야 하는가", "예산을 어디로 옮겨야 하는가"라는 판단에 곧바로 닿을 수 있어야 의미가 있죠. 그래서 소재 단위 실매출 ROAS, 부재율 같은 지표를 설계할 때도 항상 같은 질문을 던졌습니다. "이 숫자를 본 사람이 바로 다음 행동을 정할 수 있는가?"

결국 측정이라는 건, 비즈니스를 계산 가능한 구조로 바꾸는 작업이라고 봐요. 감으로 하던 판단을 근거로 바꾸는 것, 그게 저희가 정의하는 측정입니다.

업계 유일 '부재율' 추적, 클릭은 많은데 전화를 안 받는 소재를 데이터로 적발합니다

Q. 다른 마케팅 분석 툴과의 차별점이 있다면요?

가장 큰 차이는, 분석에서 끝나지 않는다는 점이에요. 저희는 "이 정도 데이터를 보여줬으니 이제 당신이 알아서 판단하세요"라는 방식을 지양했습니다.

RevDrill의 AI 에이전트 팀원들인 전략을 보는 마루, 광고 운영을 보는 오토, 디자인을 만드는 디바, 평판을 조사하는 에코, 콘텐츠를 쓰는 바로는 데이터를 보여주는 역할이 아니라 판단을 함께 만드는 역할을 합니다. 이들이 근거와 함께 다음 액션을 제안하고, 사람은 그걸 검토하고 결정하죠. 분석 자체가 목적이 되지 않고, 실행에 도달하기 위한 도구가 되도록 설계했습니다.

같은 풀퍼널 데이터를 보는 AI 팀원들 마루, 오토, 디바, 에코, 바로

Q. 마케팅 조직에서 흔히 판단이 무너지는 순간은 언제라고 보시나요?

데이터도 많고 분석도 많이 하는데, 대부분 "현황 진단"에서 끝나는 경우를 정말 많이 봤어요. "이번 달 CPL이 올랐다", "이 소재의 CTR이 낮다" 여기까지는 다들 잘합니다. 문제는 그다음, "그래서 무엇을 바꿀 것인가"로 못 넘어가는 지점이에요.

원인은 대부분 같아요. 바꿀 기준을 미리 정해두지 않은 채로 데이터부터 들여다보기 때문입니다. 그러다 보면 데이터는 계속 쌓이는데, 정작 액션으로 이어지지 않고 복잡도만 올라가는 상태가 됩니다.

RevDrill의 승인 게이트 구조도 이 문제의식에서 나왔어요. AI가 "이 소재를 꺼야 한다"는 판단 기준과 근거를 먼저 명확하게 올리고, 사람은 그 판단을 검토해서 승인만 하면 되도록 만들었습니다. 판단 기준을 뒤로 미루지 않는 것, 그게 설계에서 가장 신경 쓴 부분이에요.

오토가 근거와 함께 제안하면, 승인 버튼 하나로 매체에 반영됩니다. "결정은 사람의 몫"

Q. 앞으로 RevDrill이 풀고 싶은 다음 문제는 무엇인가요?

지금은 광고비부터 구매까지의 퍼널을 연결하는 데 집중했다면, 다음은 그 판단의 속도를 사람 없이도 유지하는 방향이에요. 자리를 비운 사이에도 요청형 알림에는 에이전트가 즉시 대응하는 컴패니언 모드나, 하나의 AI 판단이 아니라 여러 관점의 검증을 거치는 AI 아레나도 같은 맥락에서 나온 기능입니다.

결국 저희가 계속 던지는 질문은 하나예요. "이 팀이 사람 없이도 다음 판단까지 얼마나 정확하게 도달할 수 있는가." 그 질문에 답을 좁혀가는 게 RevDrill이 계속 풀어갈 다음 문제입니다.

축적된 자산과 빠른 액션까지. RevDrill AI 팀 로스터

데이터를 보는 팀에서, 판단을 만드는 팀으로. RevDrill은 그 전환을 계속 실험하고 있습니다.