0
0
편집자 주: “AI가 계정 기반 마케팅을 쓸모없게 만들 것인가?”라는 제목의 원본 기사. Joe Stanganelli의 저서는 2017년에 처음 출판되었으며 이후 보관되었습니다. 이 업데이트된 2026 버전은 마케팅 및 미디어의 최신 변화와 동향을 반영합니다.
- 긴장: 대부분의 ABM 프로그램은 AI가 등장하기 전에도 이미 성능이 저조했고, 기술로 인해 그 격차를 무시할 수 없게 되었습니다.
- 소음: AI가 ABM을 대체할지 여부에 대한 논쟁은 대부분의 팀이 애초에 ABM을 올바르게 운영하지 않았다는 현실을 혼란스럽게 합니다.
- 직접 메시지: AI는 계정 기반 마케팅을 무너뜨리지 않았습니다. ABM이라는 라벨이 붙은 대부분의 프로그램이 더 나은 타겟팅 목록을 통해 배치 앤 블래스트로 영광을 받았다는 사실이 밝혀졌습니다.
DM News 편집 접근 방식에 대해 자세히 알아보려면 직접 메시지 방법론을 살펴보세요.
지난 18개월 동안 B2B 마케팅 조직 전반에 걸쳐 면밀히 조사할 가치가 있는 패턴이 나타났습니다.
계정 기반 마케팅 프로그램을 위해 AI 기반 도구를 채택한 팀은 놀라운 속도로 두 개의 진영으로 나뉘었습니다. 한 그룹은 파이프라인 속도, 거래 규모 및 판매 조정에서 측정 가능한 가속을 확인했습니다. 다른 하나는 ABM 프로그램이 새로운 기술의 무게로 인해 붕괴되고, 참여 지표가 분화되고 영업 팀이 마케팅 기여에 대해 더욱 회의적이 되는 것을 보았습니다.
유혹적인 이야기는 이러한 차이를 AI 자체에 고정시켜 기술을 계정 기반 전략의 구세주 또는 파괴자로 구성합니다. 그 프레이밍은 구조적 문제를 완전히 놓치고 있습니다. AI 증강 ABM에 실패한 조직은 거의 모든 경우에 기술이 도입되기 전에 이미 ABM에 실패했습니다. 그들은 계정 기반 전략의 언어를 채택하고 의도 데이터 플랫폼을 구매했으며 수요 창출 캠페인을 “일대다” 플레이로 다시 분류했습니다.
그들에게 부족한 것은 진정한 영업-마케팅 조정, 계정 수준 인텔리전스 루프, 허영 지표가 아닌 수익에 연결된 측정 프레임워크 등 근본적인 인프라였습니다. AI는 불편할 정도로 명확하게 그 격차를 증폭시켰습니다.
계정 기반 성숙이라는 편안한 허구
B2B 마케팅 업계는 ABM 채택에 대한 좋은 이야기를 스스로에게 들려주면서 10년의 대부분을 보냈습니다.
많은 조직에서 “ABM 수행”이란 대상 계정 목록을 작성하고, ABM 플랫폼을 통해 디스플레이 광고를 실행하고, 계정 이름이 제목 줄에 병합된 개인화된 이메일 시퀀스를 보내는 것을 의미했습니다. 영업과 마케팅 간의 공유 계정 계획, 실시간 신호 응답, 계정 수준의 조정된 다중 채널 오케스트레이션과 같은 진정한 계정 기반 전략의 구조적 요구 사항은 기껏해야 열망적인 수준으로 유지되었습니다. 명시된 ABM 채택과 운영 ABM 성숙도 사이의 격차는 엄청났으며 업계에서는 이를 종결할 인센티브가 거의 없었습니다. 공급업체는 플랫폼을 판매했습니다. 대행사는 서비스를 판매했습니다. 실무자들은 이력서에 ABM을 기재했습니다. 모두가 모호함으로부터 이익을 얻었습니다.
그런 다음 AI 기반 오케스트레이션 도구가 등장하여 표면 수준의 ABM 프로그램이 제공할 수 없는 것, 즉 깨끗한 데이터, 정의된 참여 모델, 최적화할 명확한 계정 수준 결과를 요구했습니다. 지저분한 CRM 데이터, 일관되지 않은 계정 계층, 단절된 캠페인 지표에 대해 훈련된 기계 학습 모델은 쓸모 없는 것부터 실제로 오해를 불러일으키는 것까지 다양한 결과를 생성했습니다. ABM이라는 라벨로 세그먼트 기반 수요 창출을 운영해 온 팀은 AI 최적화로 인해 기능 장애가 눈에 띄게 된다는 사실을 발견했습니다. 알고리즘에는 일관된 신호가 필요했고 프로그램은 잡음을 방송했습니다.
이 긴장은 현재 논쟁의 중심에 있습니다. AI가 ABM을 쓸모없게 만들 것인가라는 마케팅 리더십 서클을 통해 순환하는 질문은 ABM이 처음부터 완전히 작동했다고 가정합니다. 대부분의 프로그램에서 그 전제는 거짓입니다. AI는 작동하는 전략을 위협하지 않았습니다. 라벨에 스트레스 테스트를 했더니 라벨이 깨졌습니다.
주의를 산만하게 만드는 노후화 논쟁
AI를 잠재적인 ABM 킬러로 보는 것은 상당한 관심을 불러일으켰지만 분석보다는 잘못된 방향으로 더 많은 기능을 합니다. “AI가 ABM을 쓸모없게 만들 것인가?”라는 질문을 제기하는 출판물 및 컨퍼런스 패널 더 불편한 현실을 모호하게 만드는 일종의 추세 순환 극장에 참여하고 있습니다. AI 증강 ABM으로 어려움을 겪고 있는 조직은 기술 문제에 직면하지 않습니다. 그들은 책임 문제에 직면하고 있습니다.
측정 격차를 고려하십시오. Inflexion Group의 2025년 연구에 따르면 ABM 팀의 58%가 AI의 투자 수익을 측정하지 않는 것으로 나타났습니다. 그 통계는 그 자체로 충격적이지만 맥락에 따라 드러납니다. ABM 팀의 절반 이상이 AI 투자의 ROI를 측정할 수 없다면, AI가 도입되기 전에 이들 팀 중 상당수가 ABM 프로그램에 대한 강력한 ROI 측정이 부족했다는 것이 합리적인 추론입니다. 이 기술은 측정 진공을 생성하지 않았습니다. 진공청소기를 숨기기가 더 어려워졌습니다.
B2B 마케팅 커뮤니티를 통해 유통되는 기존의 통념은 AI가 ABM을 완전히 자동화된 구매자 여정으로 대체하거나 기존 프로그램을 초개인화된 참여 엔진으로 강화할 것이라고 제안합니다. 두 이야기 모두 지나치게 단순화되었습니다. 첫 번째는 계정 기반 전략이 자동화로 대체될 수 있는 일련의 전술이 아니라 시장 진출 아키텍처라는 점을 무시합니다. 두 번째는 대부분의 조직이 달성하지 못한 프로그램 성숙도 수준을 가정합니다. 보다 정확한 해석은 AI가 강제 메커니즘으로 기능한다는 것입니다. 이는 지난 이사회 프레젠테이션에서 주장한 것과 달리 조직의 ABM 프로그램이 실제로 무엇인지 명확하게 보여줍니다.
이러한 산만함은 실제 비용을 수반합니다. AI가 ABM 프로그램을 쓸모 없게 만들지 여부에 대해 토론하는 팀의 지출 주기는 해당 프로그램이 계정 기반 전략에 필요한 조정, 측정 및 판매 조정을 달성했는지 여부를 감사하는 더 어려운 작업을 피하고 있습니다.
구조적 리트머스 테스트
AI는 선언된 전략인 ABM과 실행된 전략인 ABM 사이의 거리를 노출시켰습니다. 노출에서 살아남은 조직은 계정 수준 인프라를 구축했습니다. 나머지는 슬라이드 데크를 만들었습니다.
Nora Conklin이 언급했듯이 “AI는 사일로를 줄이고 역동적이고 적응력이 뛰어난 구매자 경험을 만드는 데 도움이 됩니다.” 이러한 관찰에는 중요한 전제 조건이 있습니다. 즉, AI가 사일로를 줄이려면 먼저 사일로를 식별하고 구조적으로 해결해야 합니다. 이 기술은 이미 존재하는 모든 조직 아키텍처를 가속화합니다. 일관된 아키텍처는 일관된 가속을 생성합니다. 조각화된 아키텍처는 더 빠른 속도로 조각난 출력을 생성합니다.
생존자들이 다르게 만든 것
AI를 ABM 프로그램에 통합하여 더욱 강력해진 조직은 인식 가능한 구조적 특성을 공유하며 이러한 특성은 AI 채택보다 앞서 있습니다.
첫째, 기술을 접목하기 전에 영업과 마케팅 간의 책임 공유 모델을 구축했습니다. 계정 계획은 판매가 개시되지 않은 마케팅 생성 PDF가 아니라 공동 소유권을 가진 살아있는 문서로 존재했습니다. AI 기반 인사이트가 참여 신호나 권장 차선 조치를 표면화했을 때 조정 인프라가 이미 마련되어 있었기 때문에 두 팀 모두 이에 따라 조치를 취할 수 있는 운영 역량을 가졌습니다.
둘째, CRM 위생을 IT 문제로 다루기보다는 데이터 아키텍처에 전략적 우선순위로 투자했습니다. 깔끔한 계정 계층 구조, 일관된 연락처 역할 매핑, 채널 전반에 걸친 통합 참여 추적을 통해 AI 모델은 유용한 출력을 생성하는 데 필요한 일관된 입력을 제공했습니다. 이러한 조직에서는 어떤 계정이 중요한지 알려주는 데 AI가 필요하지 않았습니다. 그들은 계정 수준의 인텔리전스를 더 빠르고 정확하게 실행하는 데 도움이 되는 AI가 필요했습니다.
셋째, 아마도 가장 중요한 것은 AI 최적화를 배포하기 전에 계정 수준에서 파이프라인 및 수익 결과와 연결된 측정 프레임워크를 정의했다는 것입니다. 이는 AI 도구가 캠페인 할당, 콘텐츠 제공 및 참여 순서에 영향을 미치기 시작했을 때 조직이 의미 있는 기준을 기준으로 영향을 평가할 수 있음을 의미했습니다. Inflexion Group이 AI의 ROI를 측정할 수 없는 것으로 식별한 팀 중 58%에는 이러한 기준이 거의 확실히 부족했습니다.
패턴은 일관됩니다. AI는 준비에 대해 보상을 주고 가식을 처벌합니다. 진정한 계정 기반 운영을 구축하는 어렵고 눈에 띄지 않는 작업을 수행한 조직은 AI가 효율성을 배가한다는 사실을 발견했습니다. ABM 인프라 없이 ABM 용어를 채택한 조직은 AI로 인해 혼란이 가중된다는 사실을 발견했습니다. 기술은 증폭기 역할을 했고, 그것이 증폭한 신호는 조직의 진실이었습니다.
현재 환경에서 ABM 프로그램을 평가하는 마케팅 리더의 경우 생산적인 질문이 바뀌었습니다. 관련 질문은 더 이상 AI가 계정 기반 마케팅을 방해할지 여부가 아닙니다. 관련된 질문은 프로그램 AI가 애초에 계정 기반 마케팅으로 기능한 적이 있는지 최적화하도록 요청받고 있는지 여부입니다. 그 질문에 대한 답이 이후의 모든 것을 결정합니다.
(이것은 신디케이트된 뉴스피드에서 편집되지 않은 자동 생성된 기사입니다. 파이에듀뉴스 직원이 콘텐츠 텍스트를 변경하거나 편집하지 않았을 수 있습니다.)
