이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Salesforce가 20개국 13개 산업의 커머스 전문가 3,450명을 조사한 결과, 조직들은 평균 11개 이상의 애플리케이션을 운영하지만 고객 데이터가 전사적으로 완전히 통합됐다고 답한 비율은 27%에 머물렀습니다. 여러 채널에서 판매하는 조직의 98%는 가격·프로모션 불일치, 실시간 재고 동기화 실패, 주문·이행 시스템 분리 같은 문제를 겪었고, B2C와 B2B 조직 모두 중복 데이터와 느린 대응, 투자 효과 측정 한계를 비용으로 지적했습니다. 반대로 데이터 통합 조직은 고객 유지율과 AI·자동화 성과를 각각 40%, 전환율을 37% 개선했다고 보고했습니다. Salesforce는 AI 개인화, 서비스 에이전트, 수요 예측의 성과가 연결된 데이터에 좌우된다고 보고 Agentforce Commerce를 데이터 통합 기반과 AI 도구를 함께 제공하는 해법으로 제시했습니다.
섹션별 상세
Salesforce가 20개국 13개 산업의 커머스 전문가 3,450명을 조사한 결과, 커머스 기술 스택이 커지는 동안 데이터 통합은 충분히 진행되지 않은 것으로 나타났습니다. 응답자의 약 5명 중 4명은 최근 2년간 공급업체 수가 늘었다고 답했고, 디지털 커머스 운영에는 평균 11개 이상의 애플리케이션이 사용됐습니다. 그러나 영업·서비스·마케팅·커머스 전반에서 고객 데이터가 완전히 통합됐다고 답한 조직은 27%에 그쳐, 애플리케이션 증가가 곧바로 통합된 역량으로 이어지지 않는 구조를 드러냈습니다.
근거
- 20개국 13개 산업의 커머스 전문가 3,450명을 대상으로 조사했다. — 기사 첫 문단의 조사 방법 설명
- 고객 데이터가 영업·서비스·마케팅·커머스 전반에서 완전히 통합됐다고 답한 조직은 27%였다. — 데이터 파편화 현황을 설명하는 문단의 고객 데이터 통합 수치
- 여러 채널에서 판매하는 조직의 98%가 중대한 옴니채널 단절을 보고했다. — 가격·프로모션, 재고, 주문·이행 문제를 열거한 문단
여러 채널에서 판매하는 조직의 98%는 중대한 옴니채널 운영 단절을 겪고 있었습니다. 가장 빈번한 문제는 가격·프로모션 불일치와 실시간 재고 동기화 실패가 각각 37%였고, 주문과 이행이 별도 시스템에서 관리되는 경우도 31%였습니다. 따라서 모든 데이터를 한 번에 통합하기보다 고객 경험에서 가장 자주 드러나는 가격, 재고, 주문·이행 연결부터 정비하는 접근이 즉각적인 개선으로 이어질 수 있습니다.
데이터 단절의 비용은 조직 유형에 따라 다르게 나타났습니다. B2C 조직에서는 46%가 중복되거나 충돌하는 고객 데이터를 겪었고, 45%는 분리된 시스템을 유지하는 비용을 문제로 꼽았습니다. B2B 조직에서는 37%가 고객 문제 대응이 느려지거나 약화된다고 답했으며, 같은 비율이 커머스 투자 효과를 측정하기 어렵다고 답해 운영 대응과 투자 성과 입증이 동시에 제약받았습니다.
근거
- 데이터 통합 조직은 고객 유지율 40%, AI와 자동화 성과 40%, 전환율 37% 개선을 보고했다. — 데이터 통합의 성과를 집계한 문단
데이터를 통합한 조직은 고객 유지율 개선 40%, AI와 자동화 성과 개선 40%, 전환율 상승 37%를 보고했습니다. B2B 조직에서는 영업·마케팅·커머스 간 정렬 개선이 36%, 채널 간 가격과 계약 적용의 일관성 향상이 27%로 집계됐습니다. 데이터 통합은 단순한 시스템 정리가 아니라 고객 유지, 전환, 운영 효율, AI 성과를 함께 움직이는 성과 개선 수단으로 연결됩니다.
근거
- 커머스 리더의 61%는 고객 기대 충족이 더 어려워졌다고 답했고 68%는 더 적은 자원으로 더 많은 일을 요구받는다고 답했다. — AI 확산과 고객 기대 변화를 설명한 문단
AI 활용이 확대될수록 데이터 품질의 영향은 커지고 있습니다. 커머스 리더의 61%는 고객 기대를 충족하기가 과거보다 어려워졌다고 답했고, 68%는 더 적은 자원으로 더 많은 일을 하라는 요구를 받고 있다고 답했습니다. Salesforce는 personalization engines, service agents, demand forecasting 같은 AI 기능의 결과가 입력 데이터에 좌우된다고 보고, Agentforce Commerce를 통해 업무 전반의 데이터를 연결하는 기반과 통합 데이터를 즉시 활용하는 AI 도구를 함께 제공하는 방향을 제시했습니다.
근거
- Agentforce Commerce는 기업 데이터 연결 기반과 통합 데이터를 활용하는 즉시 사용 가능한 AI 도구를 함께 제공한다. — 기사 마지막 문단의 Salesforce 제품 설명
용어 해설
- 데이터 파편화(Data Fragmentation)
- — 데이터 파편화는 고객·상품·재고·주문 정보가 여러 애플리케이션과 조직에 나뉘어 저장되어 서로 일치하지 않는 상태입니다. 이 구조에서는 중복 기록, 실시간 동기화 실패, 별도 시스템 간 연계 비용이 발생하며 AI와 자동화가 참조하는 데이터의 품질도 낮아집니다.
- 옴니채널 커머스(Omnichannel Commerce)
- — 옴니채널 커머스는 여러 판매 채널에서 가격, 프로모션, 재고, 주문, 배송 경험을 일관되게 연결하는 운영 방식입니다. 채널별 시스템이 분리되면 가격 불일치와 재고 지연이 생기므로 고객 데이터와 운영 데이터를 실시간으로 맞추는 통합 구조가 중요합니다.
- 고객 데이터 통합(Customer Data Unification)
- — 고객 데이터 통합은 영업·서비스·마케팅·커머스 조직에 흩어진 고객 정보를 하나의 일관된 기록으로 연결하는 작업입니다. 통합된 데이터는 중복과 충돌을 줄이고 고객 대응, 개인화, 서비스 자동화가 동일한 정보를 기준으로 작동하도록 만듭니다.
- AI 개인화(AI Personalization)
- — AI 개인화는 고객 행동과 맥락 데이터를 바탕으로 상품, 콘텐츠 또는 서비스를 개별 고객에게 맞추는 방식입니다. 이 글에서는 personalization engines가 통합된 데이터를 입력으로 사용하며, 데이터가 불완전하면 개인화와 매출 개선의 효과도 제한된다고 설명합니다.
- 수요 예측(Demand Forecasting)
- — 수요 예측은 판매·재고·시장 데이터를 이용해 앞으로 필요한 상품 수량이나 구매 흐름을 추정하는 기술입니다. 커머스 조직에서는 재고와 주문 데이터가 분리되어 있으면 예측 입력이 불일치할 수 있어, 연결된 데이터가 AI 기반 예측의 전제가 됩니다.
기술
- Agentforce Commerce
- AI
- personalization engines
- service agents
- demand forecasting
활용 사례
- 영업·서비스·마케팅·커머스 조직의 고객 데이터 통합
- 채널 간 가격과 프로모션 일관성 관리
- 실시간 재고 동기화
- 주문과 이행 시스템 연결
- AI 개인화와 서비스 에이전트 운영
- 커머스 수요 예측
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 22.수집 2026. 08. 22.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
