AI CRM, 스타벅스와 넷플릭스가 고객에게 말을 거는 법

AI CRM은 고객 데이터를 AI가 읽어 누구에게, 무엇을, 언제 보낼지 고르고 반응으로 다음 메시지를 고치는 CRM입니다. 스타벅스 리워드와 넷플릭스 추천의 숫자로 AI가 맡을 일과 대표가 정할 일, 작은 쇼핑몰이 이번 주에 시작할 순서를 정리했습니다.

김필준

Oct 26, 2026

고객 데이터를 AI가 읽어 누구에게, 무엇을, 언제 보낼지 고르는 AI CRM을 가장 잘 보여 주는 회사는 스타벅스입니다. 2025 회계연도 4분기 미국에서 최근 90일 안에 활동한 스타벅스 리워드 회원은 3,420만 명이었고, 미국 직영 매장 결제액의 58%가 이 회원들에게서 나왔습니다(스타벅스 Q4 FY25 디지털 IR 대시보드). 스타벅스는 「딥 브루(Deep Brew)」라는 데이터·AI 플랫폼으로 이 회원들을 비슷한 묶음으로 나누고, 묶음마다 맞는 혜택을 골라 보냅니다(CX Dive, 2024년 2월 1일).

정리하면 AI CRM은 고객 데이터를 AI가 읽어 누구에게, 무엇을, 언제 보낼지 고르고, 고객의 반응을 보고 다음 메시지를 고치는 CRM입니다. 사람이 하던 「고객 카드 읽기」를 수천, 수만 명분 대신하는 일이라고 보면 됩니다. 이 글은 스타벅스와 넷플릭스가 AI로 고객에게 말을 거는 방식을 숫자로 보고, 작은 쇼핑몰이 이번 주에 무엇부터 시작하면 되는지 정리합니다.

AI CRM, 동네 빵집 사장님의 기억을 3만 명분으로

단골이 30명인 동네 빵집 사장님은 CRM 프로그램이 필요 없습니다. 「저분은 화요일마다 크루아상 두 개, 요즘은 통밀빵도 드신다」를 머리로 기억하고, 그 손님이 오면 갓 나온 통밀빵을 먼저 권합니다. 그런데 단골이 3만 명이 되면 이야기가 달라집니다. 누가 언제 무엇을 샀는지, 누가 요즘 발길을 끊었는지 사람의 기억으로는 따라갈 수 없습니다.

우리는 CRM을 방문판매원에 빗댑니다. 방문판매원은 고객 카드를 쓰고, 만날 때마다 고치고, 다음에 찾아가기 전에 그 카드를 먼저 봅니다. 고객 카드가 데이터이고, 찾아가서 건네는 말이 메시지입니다. AI CRM은 이 고객 카드를 매일 수만 장 읽고, 오늘 누구를 찾아갈지 고르고, 다녀온 결과로 카드를 다시 고칩니다.

AI CRM은 세 가지 일을 한다는 도해. 01 읽기는 누가 언제 무엇을 샀는지, 02 고르기는 누구에게 무엇을 언제 보낼지, 03 배우기는 반응을 보고 다음 메시지를 고치는 일이며, 이 과정으로 커지는 LTV 항목은 구매빈도와 생애주기다. AI는 고객 카드를 대신 읽지만 무엇을 약속할지는 사람이 정한다

이 일이 매출의 어디를 움직일까요? 우리는 LTV = 구매자 전환율 × 객단가 × 구매빈도 × 생애주기로 봅니다. 이 방식이 가장 크게 움직이는 항목은 구매빈도와 생애주기입니다. 다시 살 때쯤 알맞은 제안을 보내 구매빈도를 올리고, 떠나기 직전의 신호를 잡아 생애주기를 늘립니다. 네 숫자가 곱셈이라 둘만 움직여도 LTV는 크게 달라집니다. CRM의 뜻을 처음부터 정리한 글은 CRM 뜻 글에 있습니다.

사람이 할 때와 AI가 할 때를 나란히 놓으면 차이가 분명해집니다.

일	사람이 할 때	AI가 할 때
고객 읽기	한 달에 한 번 엑셀로 추출	매일 모든 고객의 상태를 다시 계산
대상 고르기	「전체 회원」 또는 감으로 나눈 묶음	구매 주기·최근 행동으로 나눈 묶음
문구 만들기	회의에서 하나 고르기	후보 여러 개를 만들어 반응으로 고르기
결과 보기	오픈율·클릭률 보고서	재구매·이탈로 보고 다음 발송에 반영

핵심은 마지막 줄입니다. 여기서 「AI」는 문장을 써 주는 기능보다, 결과를 다음 발송에 되먹이는 순환에서 힘을 냅니다.

스타벅스는 회원 3,420만 명을 묶음으로 나눈다

스타벅스의 고객 카드는 앱에서 시작합니다. 회원이 앱으로 주문하고 결제할 때마다 누가, 어느 매장에서, 무엇을, 몇 시에 샀는지가 고객 카드에 쌓입니다. 스타벅스가 분기마다 공개하는 디지털 지표를 보면 그 규모가 보입니다.

미국 기준	FY23 4분기	FY24 4분기	FY25 4분기
90일 활동 리워드 회원	3,260만 명	3,380만 명	3,420만 명
직영 매장 결제액 중 회원 몫	57%	60%	58%
거래 중 모바일 주문	29%	31%	31%

출처: 스타벅스 Q4 FY25 디지털 IR 대시보드(2025년 10월 2일 갱신). 당시 CEO 락스만 나라심한은 2024년 2월 실적 발표에서 딥 브루로 특정 회원 묶음을 찾아 관련 있는 혜택을 제안한다고 설명했고, CMO 브래디 브루어는 개인화 작업을 「끝나지 않는 일」이라고 표현했습니다(CX Dive).

여기서 쇼핑몰 대표가 가져갈 점은 AI 자체가 아닙니다. 스타벅스 매장 결제액의 절반 넘게 누가 샀는지 아는 거래라는 사실입니다. AI가 아무리 똑똑해도, 누가 샀는지 모르는 주문에는 말을 걸 수 없습니다. 반대로 정직하게 봐야 할 숫자도 있습니다. 2025 회계연도 4분기 활동 회원은 1년 전보다 1.2% 늘어나는 데 그쳤고, 회원 결제 비중은 60%에서 58%로 내려왔습니다. AI를 붙였다고 회원이 저절로 늘지는 않는다는 뜻입니다. 스타벅스는 2025 회계연도에 매출 372억 달러, 순이익 18억 5,640만 달러를 냈습니다(2025 회계연도 실적 발표, 2025년 10월 29일). 영업이익률은 7.9%로, 이익을 내는 회사지만 숫자는 예전보다 낮아졌습니다.

넷플릭스는 시청 시간의 80%를 추천이 움직인다

두 번째 사례는 넷플릭스입니다. 당시 넷플릭스 제품 부문 임원이던 카를로스 고메스유리베와 닐 헌트는 2015년 학술지 ACM TMIS에 실은 논문에서 추천 시스템이 넷플릭스 시청 시간의 약 80%에 영향을 준다고 밝혔습니다. 나머지 20%는 검색에서 나옵니다(The Netflix Recommender System, 2015).

더 눈여겨볼 대목은 그다음입니다. 두 사람은 수년간 개인화와 추천을 다듬으면서 이탈률을 몇 퍼센트포인트 낮췄다고 썼고, 개인화와 추천을 합친 효과가 한 해 10억 달러 넘게 아껴 준다고 추정했습니다. 저자들도 이 숫자를 측정값이 아니라 추정이라고 밝혔습니다. 새 알고리즘은 A/B 테스트로 회원의 실제 행동을 비교해 검증했습니다. 논문은 또 하나의 효과를 짚습니다. 개인화가 없으면 시청이 몇몇 인기작에 몰리지만, 개인화를 하면 훨씬 많은 작품으로 고르게 퍼진다는 것입니다. 쇼핑몰로 옮기면, 모두에게 같은 베스트셀러를 미는 대신 고객마다 다음에 살 만한 상품을 보여 줄 때 덜 팔리던 상품까지 움직인다는 뜻입니다. 같은 재고로 더 많은 고객의 다음 구매를 만들 수 있습니다.

데이터가 붙은 고객이 매출의 중심이라는 사례 도해. 스타벅스는 2025 회계연도 4분기 미국 직영 매장 결제액의 58%를 리워드 회원이 냈고 90일 활동 회원은 3,420만 명이다. 넷플릭스는 2015년 논문 기준 시청 시간의 80%에 추천이 영향을 주며 개인화와 추천 효과를 연 10억 달러 이상으로 추정했다. 출처 Starbucks Q4 FY25 Digital IR Dashboard, Gomez-Uribe·Hunt ACM TMIS 2015

넷플릭스 사례를 책의 공식으로 읽으면 AI가 한 일은 생애주기를 늘린 것입니다. 구독 서비스에서 고객이 떠나는 이유는 「볼 게 없다」는 느낌이고, 추천은 그 느낌을 줄여 해지를 미룹니다. 넷플릭스는 2025년에 매출 451억 8,300만 달러, 영업이익 133억 2,660만 달러(영업이익률 29.5%), 순이익 109억 8,120만 달러를 냈고, 2026년에는 그 순간의 기분과 관심에 반응하는 실시간 개인화 추천을 내놓겠다고 밝혔습니다(2025년 4분기 주주서한, 2026년 1월 20일).

쇼핑몰에도 같은 원리가 통합니다. 메시지의 성적표를 오픈율에 두면 「많이 열린 메시지」를 만들게 되고, 재구매와 이탈에 두면 「다시 오게 하는 메시지」를 만들게 됩니다. 넷플릭스가 시청 시간과 해지를 기준으로 추천을 고친 것처럼, 쇼핑몰은 90일 재구매율과 이탈을 기준으로 메시지를 고쳐야 합니다.

「우리 같은 작은 몰도 AI CRM이 필요할까?」

스타벅스와 넷플릭스는 데이터 과학자가 수백 명인 회사입니다. 회원 몇 만 명인 쇼핑몰에도 맞는 이야기일까요? 고객 쪽에서 보면 답은 이미 나와 있습니다. 맥킨지가 2021년 11월 발표한 조사에서 소비자의 71%는 기업이 자신에게 맞춘 응대를 하기를 기대했고, 76%는 그렇지 않을 때 실망한다고 답했습니다. 맥킨지는 개인화가 대개 매출 10~15% 증가로 이어지고, 회사에 따라 5~25%까지 차이가 난다고 정리했습니다(McKinsey, 2021년 11월 12일).

고객은 이미 맞춤을 기대한다는 도해. 소비자의 71%가 맞춤 응대를 기대하고 76%는 안 되면 실망하며, 개인화로 인한 매출 증가 폭은 가장 흔하게 10~15%, 회사별로 5~25%다. 맞춤은 덤이 아니라 기본값이다. 출처 McKinsey & Company 2021.11.12

다만 이 숫자는 큰 회사들의 평균이고, 5~25%라는 넓은 폭은 「잘하느냐」에 따라 결과가 크게 갈린다는 뜻이기도 합니다. 작은 몰이 기억할 조건은 하나입니다. AI는 데이터가 있어야 일합니다. 한 달 주문이 너무 적어 고객을 묶음으로 나눌 수 없는 단계라면, AI보다 가입 환영·장바구니·재구매 알림 같은 기본 캠페인부터 돌리는 편이 낫습니다. 그리고 AI가 쓴 메시지도 광고라면 수신 동의를 받은 고객에게만 보내야 합니다. 동의 받는 법은 광고성 정보 수신 동의 글에 정리해 두었습니다.

AI에 맡길 것과 대표가 정할 것

두 회사 사례를 겹쳐 보면 일의 경계가 보입니다. 넷플릭스는 무엇을 성공으로 볼지(시청 시간과 해지)를 사람이 정했고, 그 기준 안에서 알고리즘이 추천을 골랐습니다. 스타벅스도 어떤 혜택을 줄 수 있는지는 회사가 정하고, 딥 브루는 그 혜택을 누구에게 보낼지를 고릅니다. AI는 반복하고 비교하는 일에 강하고, 약속과 기준을 정하는 일은 여전히 사람의 몫입니다.

AI에 맡길 것	대표가 정할 것
매일 고객 상태를 다시 계산하기	무엇을 약속할지 — 할인 폭, 사은품, 브랜드 말투
재구매 주기·이탈 신호 찾기	얼마나 자주 보낼지 — 고객 1명이 받는 메시지 상한
문구 후보 여러 개 만들고 비교하기	무엇을 성공으로 볼지 — 재구매율, 이탈, 공헌이익

오른쪽 칸이 비어 있으면 AI는 엉뚱한 목표를 잘 해냅니다. 할인 상한을 정하지 않으면 반응이 좋은 큰 할인만 남고, 발송 상한을 정하지 않으면 많이 보낸 쪽이 이기며, 성공 기준을 오픈율로 두면 자극적인 제목만 살아남습니다. 그래서 AI CRM을 도입하기 전에 대표가 먼저 할 일은 도구 비교가 아니라 이 세 줄을 한 장에 적는 것입니다.

우리 쇼핑몰에 적용한다면: 이번 주에 할 일

누가 샀는지 아는 주문 비율 세기 — 스타벅스의 58%처럼, 지난 3개월 주문 중 회원 주문이자 연락할 수 있는 고객의 주문이 몇 %인지 뽑게 합니다
고객 카드 항목 네 개 정하기 — 마지막 구매일, 구매 횟수, 주로 산 카테고리, 광고 수신 동의 여부. 이 네 칸이 비어 있으면 AI도 고를 수 없습니다
AI에 맡길 질문 하나 정하기 — 「우리 상품의 재구매 주기는 며칠인가」처럼 답이 숫자로 나오는 질문부터 시작합니다. 자연어로 데이터를 묻는 방법은 AI 데이터분석 글에 있습니다
메시지 후보 3개로 비교하기 — 재구매 알림 하나를 문구 세 가지로 만들어, 회의 대신 고객 반응으로 고르게 합니다
성적표를 바꾸기 — 다음 달 CRM 보고서의 첫 줄을 오픈율이 아니라 「메시지를 받은 고객의 90일 재구매율」로 바꿉니다

흔한 함정 두 가지

데이터가 끊긴 채 AI부터 붙이기 — 주문·회원·수신 동의 데이터가 서로 이어지지 않으면 AI가 고른 대상이 틀립니다. 도구보다 고객 카드가 먼저입니다
발송량 상한 없이 캠페인만 늘리기 — AI로 캠페인을 쉽게 만들수록 한 고객이 하루에 여러 통을 받기 쉽습니다. 회원당 몇 통이 적당한지는 CRM 발송량 글에서 다뤘습니다

이 순서를 손으로 하기 어렵다면 도구가 대신할 수 있습니다. AI 그로스 CRM, 리토스는 카페24·아임웹과 연동한 첫날 과거 12개월치 고객 데이터를 불러오고, AI 데이터 분석가가 아하 모먼트와 재구매 주기를 찾아 캠페인 기획에 연결합니다. 브랜드 톤을 학습한 AI가 카피 3종과 이미지를 만들고, 자동 A/B 테스트가 성과 좋은 소재만 남기며, 1인당 하루 1통 같은 발송 주기 상한이 메시지 총량을 막아 줍니다.