보고서
최신 마케팅 데이터 스택 5th Edition
에이전틱 엔터프라이즈 거버넌스
최신 마케팅 데이터 스택 5번째 에디션에서는 최신 마케팅 데이터 스택의 진화를 다음과 같은 관점에서 살펴봅니다.
- AI 에이전트가 실험 단계를 넘어 실제 업무에 적용되기 시작했으며, 이를 확장하기 위한 핵심 요소로 거버넌스가 부상하고 있습니다.
- 기업들은 애플리케이션 중심의 마케팅 스택을 거버넌스가 적용된 데이터 중심으로 재편하고 있습니다.
- 구성 가능성, 신뢰, 통제가 새로운 아키텍처의 핵심 우선순위로 자리 잡고 있습니다.
보조하는 도구에서 실행하는 에이전트로 진화하는 AI
AI는 단순히 기능을 제공하는 단계를 넘어 업무 워크플로우의 일부로 자리 잡고 있습니다. 이제 AI 시스템은 인간의 개입을 최소화한 상태에서도 적절한 도구를 선택하고, 작업을 조율하며, 의사 결정을 지원합니다. 이러한 변화는 모든 마케팅 조직의 운영 모델을 바꾸고 있습니다.
개인정보 보호와 규제를 준수하면서도, 고객 데이터를 가치가 창출되는 모든 영역에서 활용하려면 어떻게 해야 할까요?
의사 결정의 주체가 사람이 아니라면, 그 의사 결정은 누가 거버넌스해야 할까요?
빠르기만 한 것이 아니라, 효과적이고 책임성과 신뢰를 갖춘 AI 시스템은 어떻게 구축할 수 있을까요?
본 보고서는 이러한 질문에 답하기 위해 마케팅 스택이 어떻게 재설계되고 있는지, 그리고 실질적인 진전을 이루고 있는 조직과 아직 실험 단계에 머물러 있는 기업을 가르는 요인이 무엇인지 살펴봅니다.
엔터프라이즈 규모의 환경에서는 AI로 인해 한 가지 변화가 불가피합니다. 바로 애플리케이션 중심의 파편화된 스택에서 비즈니스 성과 중심의 시스템으로 이동하는 것입니다. 스택은 운영 모델로서 거버넌스가 적용되어야 하며, 데이터와 프로세스, 의사 결정 방식을 지속적으로 재설계해 비즈니스 운영 방식을 끊임없이 혁신해야 합니다.”
Elise Cornille
데이터를 중심으로 재편되는 스택
도구를 연결하는 시스템은 이제 개별 애플리케이션만큼 중요한 요소가 되고 있습니다. AI 기반 워크플로우가 분석, 활성화, 측정, 협업 전반으로 확장되면서 핵심 질문도 '어떤 애플리케이션이 스택에 포함되어 있는가?'에서 '의사 결정 조율과 거버넌스가 적용된 데이터 접근, 통제된 자동화를 지원할 수 있는가?'로 바뀌고 있습니다.
그 결과, 마케팅 스택의 구조에도 다음과 같은 근본적인 변화가 나타나고 있습니다.
구성 가능한 아키텍처가 모놀리식 아키텍처를 대체하거나 함께 활용되고 있습니다. 하지만 거버넌스가 뒷받침되지 않은 구성 가능성은 또 다른 위험을 초래할 수 있습니다.
AI는 기존 도구 위에 새로운 제어 계층을 만들어냈습니다. 이 계층은 컨텍스트를 통합하고, 의사 결정을 조율하며, 스택 전반에서 실행을 이끕니다.
공유 시맨틱과 ID 식별 및 동의 관리는 AI를 대규모로 도입하는 기업에 점점 더 필수적인 기반 역량이 되고 있습니다.
본 보고서에서는 성공적인 도입 사례에서 나타나는 아키텍처 패턴과 최신 스택을 구성하는 카테고리 및 공급업체, 그리고 이를 효과적으로 운영하기 위해 필요한 거버넌스 기반을 살펴봅니다.
조직별 상황에 맞는 에이전틱 엔터프라이즈 운영 방식
모든 조직이 AI 에이전트를 도입할 준비를 마친 것은 아닙니다. 하지만 그렇다고 실패라고 할 수는 없습니다. 성숙도는 산업, 규모, 규제 노출 및 데이터 준비 상태에 따라 다릅니다. 하지만 지속 가능한 진전을 이루고 있는 조직들은 공통점이 있습니다. 바로 거버넌스, 시맨틱 및 신뢰를 먼저 갖췄다는 점입니다.
본 보고서에서는 다음 내용을 살펴봅니다.
데이터에 대한 통제 없이 자동화를 서두를 경우, 효율성이 아니라 위험이 커지는 이유
레거시 도구와 구성 가능한 요소가 함께 운영되는 하이브리드 환경이 예외가 아니라 일반적인 모습인 이유
AI가 협업 방식을 바꾸고, 부서 간 전문성을 업무 초기 단계부터 반영하는 방식
본 보고서는 서로 다른 성숙도 단계에서 효과를 발휘하는 패턴을 정리하고, 현재 조직의 성숙도에 맞게 적용할 수 있는 권장 사항을 제시합니다.
협업이 이렇게까지 빨라질 줄은 미처 예상하지 못했습니다. 작가는 불과 몇 분 만에 스토리보드 초안을 잡고 아트 디렉터와 보다 심도 깊은 대화를 나눌 수 있습니다. 아이디어가 더 빠르게 움직이는 것이죠.”
Scott Mager
AI 에이전트 시대의 개인정보 보호, 동의 그리고 통제
소비자의 개인정보 보호에 대한 우려는 사라지지 않고 있으며, 관련 규제는 계속 늘어나고 있습니다. 게다가 이제는 AI 에이전트가 고객 데이터를 바탕으로, 수동 거버넌스로는 따라가기 어려운 속도와 규모로 의사 결정을 내리고 있습니다.
범용 옵트아웃 신호가 법적 의무로 자리 잡고 있습니다. 자동 삭제 요건이 지속적으로 확대되고 있습니다. 기업들은 규정 준수 통제를 사후 프로세스로 관리하지 않고 인프라에 직접 통합하고 있습니다.
AI는 새로운 위험도 가져옵니다. 의도하지 않은 데이터 보존, 무단 2차 사용, 접근해서는 안 되는 데이터로 학습한 모델들이 대표적입니다.
이러한 과제에 효과적으로 대응하는 기업들은 개인정보 보호를 단순한 규제 준수 항목이 아니라 운영 역량으로 간주합니다. 즉, 데이터에 접근하고 공유하며 활용하는 방식 전반에 개인정보 보호를 내재화하고 있습니다.
본 보고서는 개인정보 보호, 동의 관리, 거버넌스가 어떻게 하나의 아키텍처 과제로 통합되고 있는지, 그리고 이를 위해 선도 기업들이 어떤 접근 방식을 취하고 있는지 살펴봅니다.
신뢰할 수 있고 거버넌스가 잘 적용된 데이터가 없으면 AI에 대한 모든 기대는 그저 소음에 불과하고 위험할 뿐만 아니라 확장도 불가능합니다. 오늘날 성과를 내고 있는 조직은 무엇보다 먼저 데이터 파운데이션을 현대화하는 조직입니다."
Kate Mackie
최신 마케팅 데이터 스택 5th Edition
최신마케팅 데이터 스택을 구성하는 13개 카테고리를 대표하는 선도적 솔루션과 새롭게 떠오르는 마테크 트렌드가 궁금하시다면 지금 바로 보고서 전문을 다운로드하세요.
보고서 다운로드
방법론
연구 목적 및 범위
본 연구는 Snowflake 내에서 상당한 규모의 활성 고객 기반을 확보한 마케팅 기술을 파악하기 위해 수행되었습니다.
이 연구에서는 Snowflake의 2026 회계연도에 해당하는 기간인 2025년 2월 1일부터 2026년 1월 31일까지 12 개월 동안의 사용 현황 데이터와 관련 동향을 분석했습니다. 분석 대상에는 11,500곳 이상의 Snowflake 고객사 데이터가 포함되었습니다.
분석 대상 고객 모집단
이번 분석에서는 연구 기간 동안 Snowflake 활성 고객을 대상으로 사용 현황을 분석했습니다.
본 연구에서 활성 고객(active customers)은 유효한 종료일이 설정된 용량 기반 계약 또는 온디맨드/셀프서비스 계약을 보유하고 있으며, 지난 1년 이내에 Snowflake에 매출을 발생시킨 고객으로 정의했습니다.
고객 수, 사용량, 성장률 및 순위에 관한 모든 분석은 앞서 정의한 모집단을 기준으로 산출되었습니다.
기술 평가 대상 선정 기준
다음 요건 중 하나 이상을 충족하는 기술만 평가 대상으로 선정했습니다.
Snowflake Partner Network(SPN)의 활성 파트너
Snowflake와 이에 준하는 계약을 체결한 공급업체
Snowflake Marketplace의 해당 이용 약관에 동의한 Marketplace 공급자
별도 고려 사항
대규모 언어 모델(LLM) 카테고리에 포함된 기업은 Snowflake Cortex AI 서비스를 통해 Snowflake AI 데이터 클라우드 내에서 LLM을 직접 제공하는 공급자이며, 최신 마케팅 데이터 스택 평가 대상에서는 제외되었습니다.
Snowflake 소비 유형에 따른 기술 분류
공급업체는 제품 아키텍처와 사용 사례에 따라 Snowflake의 AI 데이터 클라우드와 다양한 방식으로 통합됩니다. 기술의 도입 수준과 시장 리더십을 평가하기 위해, Snowflake 소비 유형을 기준으로 기술을 분류했습니다.
분석에서는 다음과 같은 카테고리별로 기술을 평가했습니다.
데이터 통합, 변환 및 분석 워크로드에 Snowflake를 사용하는 기술
데이터 협업 솔루션을 제외한 기술 가운데, Snowflake의 협업 워크로드를 활용해 자사 제품 오퍼링을 통합하는 기술
데이터 협업 오퍼링을 제공하기 위해 Snowflake의 협업 워크로드를 활용하는 기술(본 보고서에서는 ‘협업’ 카테고리로 분류)
각 카테고리는 해당 통합 모델과 관련된 Snowflake 사용 양상을 반영하기 위해 서로 다른 지표와 가중치를 사용합니다.
도입 수준 및 성공 측정 지표
도입 성공은 파트너 기술이 Snowflake 기능을 활용하는 방식에 맞춘 카테고리별 지표를 사용하여 측정했습니다.
데이터 통합, 변환 및 분석 워크로드 측정 지표
주로 데이터 통합, 변환 및 분석에 Snowflake를 사용하는 기술의 경우, 다음 항목을 기준으로 평가했습니다.
해당 기술을 사용하는 총 활성 고객 수
해당 기술에 귀속된 Snowflake 크레딧 총소비량
고객 수 및 크레딧 소비량 증가율
제품 통합 측정 지표(데이터 협업 솔루션 제외)
제품 오퍼링을 통합하기 위해 Snowflake의 협업 워크로드를 사용하는 기술(데이터 협업 솔루션 제외)의 경우, 다음 항목을 기준으로 평가했습니다.
해당 기술을 포함하는 총 스테이블 엣지 수
해당 기술이 사용하는 데이터 공유로 인해 발생한 Snowflake 크레딧 총소비량
스테이블 엣지 및 크레딧 소비량 증가율
스테이블 엣지는 데이터 공급자와 데이터 소비자 간의 지속적인 관계를 나타냅니다. 스테이블 엣지는 다음 조건을 모두 충족하는 데이터 공유로 정의됩니다.
컴퓨팅 리소스를 사용한 트랜잭션이 20건 이상 발생하고,
제품 매출이 인식되었으며,
연속된 두 번의 3주 기간 각각에서 위 조건이 충족된 경우
데이터 협업 오퍼링 측정 지표
데이터 협업 오퍼링을 제공하는 기술의 경우 다음 항목을 기준으로 평가했습니다.
해당 기술을 포함하는 총 스테이블 엣지 수
해당 기술이 사용하는 데이터 공유로 인해 발생한 Snowflake 크레딧 총소비량
총 고유 소비자 수(데이터 공급자와 1개 이상의 스테이블 엣지를 구축한 소비자로 정의)
성장률 산출 방법론
성장률은 2025년 2월 1일부터 2026년 1월 31일까지 12개월 동안 각 카테고리 기술의 사용량 변화를 직전 12개월과 비교해 산출했습니다.
성장률 분석에는 2025년 2월 1일 기준 활성 상태인 모든 용량 기반 고객 및 셀프서비스 고객 중, 이후 1년 동안 Snowflake에 실제 매출을 발생시킨 고객이 포함되었습니다.
Snowflake 침투 지수 산정
시장 도달 범위와 사용 강도를 함께 평가하기 위해 Snowflake는 기술이 Snowflake와 얼마나 깊고 폭넓게 상호작용하는지를 반영하는 침투 지수를 개발했습니다.
지수는 각 Snowflake 소비 카테고리의 특성에 맞게 가중치를 적용한 기준에 따라 산정했습니다.
너비와 깊이는 12개월 분석 기간을 기준으로 산출했습니다.
1. 데이터 통합, 변환 및 분석 지수
이 지수는 다음 가중치를 적용하여 너비(breadth), 깊이(depth), 성장(growth)을 종합해 산정합니다.
너비(40%): Snowflake에서 해당 기술을 사용하는 활성 고객의 수
깊이(40%): 해당 기술에 귀속된 Snowflake 크레딧 총소비량
성장(20%): 다음 항목으로 구성
10%: 활성 고객 증가율
10%: Snowflake 크레딧 소비량 증가율
2. 제품 통합(비데이터 협업) 지수
이 지수는 다음 가중치를 적용하여 산정합니다.
너비(40%): 해당 기술과 연결된 스테이블 엣지 수
깊이(40%): 해당 기술에 귀속된 Snowflake 크레딧 총소비량
성장(20%): 다음 항목으로 구성
10%: 스테이블 엣지 증가율
10%: Snowflake 크레딧 소비량 증가율
3. 데이터 협업 오퍼링 지수
이 지수는 사용 깊이를 고려하면서 시장 도달 범위에 더 높은 비중을 두어 산정합니다.
너비(70%): 다음 항목으로 구성
40%: 해당 기술과 연결된 스테이블 엣지 수
30%: 공급업체가 제공하는 데이터 협업 오퍼링을 통해 통합된 소비자 수
깊이(30%): 해당 기술에 귀속된 Snowflake 크레딧 총소비량
마케팅 기술의 순위 산정 및 선정
기술은 1위부터 N위까지 순위를 매겼으며, 수치가 작을수록 평가 결과가 우수함을 의미합니다.
Snowflake는 적용 가능한 지표 전반의 순위를 종합한 후 그 결과를 0~100 척도로 정규화했습니다. 100점은 적용 가능한 모든 지표에서 1위를 차지한 기술을 의미합니다.
선도 기업(Leaders) 선정
선도 기업은 다음 기준에 따라 선정했습니다.
협업을 제외한 모든 카테고리
해당 카테고리에서 상위 3위 이내에 포함되었거나
해당 카테고리 상위 3개 기술의 평균 기술 지수의 87% 이상을 달성한 경우
협업 카테고리
해당 카테고리에서 상위 3위 이내에 포함되었거나
해당 카테고리 상위 3개 기술의 평균 기술 지수의 96% 이상을 달성한 경우
주목할 만한 기업(Ones to Watch) 선정
주목할 만한 기업은 지수 순위와 함께 다음과 같은 정성적 요소를 종합적으로 고려하여 선정했습니다.
최근 시장에서의 강력한 성장 모멘텀
혁신적인 기술 또는 Snowflake와의 통합 접근 방식
입증된 고객 지원 역량
이 방법론은 Snowflake 고객 생태계 내에서 도입이 확대되고 실질적인 영향력을 입증하고 있는 마케팅 기술을 투명하고 일관되며 객관적으로 평가하도록 설계되었습니다.