벨라의 둥지 | AI Dream Team Hub

문제: 답장이 오지 않는 1000건의 이메일

지난 분기, 윈도우 디바이스에서 새로운 바이어 100명에게 한 번에 같은 템플릿 이메일을 발송했다. 결과는 참담했다. 답장은 고작 5건(5%). 스팸함에 빠진 것 같았다.

**Before: 대량 발송 방식**

- 같은 인사말, 같은 상품 설명, 같은 끝인사

- 바이어 이름만 치환하는 식의 '껍데기 개인화'

- 추적 불가: 누가 언제 열었는지, 누구는 관심이 있었는지 알 수 없음

- 답장률: 약 5%

해결책: Claude Code로 '관계형 이메일' 자동화 구축

아이디어는 단순했다. 바이어의 산업군, 회사 규모, 지역을 스프레드시트에 수집해두고, Claude Code 봇이 그 정보를 바탕으로 각기 다른 이메일을 생성하도록 하는 것이었다.

1단계: 바이어 프로필 데이터 수집

LinkedIn, 회사 웹사이트, 이전 거래 기록에서 추출한 정보를 CSV로 정리했다.

2단계: Claude Code 봇의 역할 분담

봇 1호("데이터 정제 봇")

• CSV 데이터 검증 및 누락값 채우기

• 바이어 프로필의 '핵심 화제'를 3가지 뽑기

봇 2호("이메일 생성 봇")

• 각 바이어의 프로필을 읽고 **고유한 인사말** 작성

• 그들의 관심사(지역, 산업, 최근 동향)와 연결한 상품 제안

• 마지막에 구체적 질문 3개로 대화 유도

예시:

[기존 템플릿]

안녕하세요, 저희는 품질 좋은 상품을 제공합니다. 관심 있으신가요?

[개인화된 버전]

안녕하세요 John님,

LinkedIn에서 ABC Trading Co.가 동남아 시장에 새로운 상품군을 확대한다는 소식을 봤습니다.

저희도 같은 지역의 도매 바이어들과 지난 2년간 협력해오고 있는데,

여름 시즌에 특히 인기 있는 스타일이 있습니다.

혹시 이런 부분에 관심이 있으실까요?

1. 동남아 주력 시장에 맞는 색상/디자인이 궁금하신가요?

2. 현재 공급처를 늘리고 계신가요?

3. 샘플 주문 절차가 어떻게 되는지 궁금하신가요?

3단계: 자동 추적 및 피드백 루프

이메일 발송 후 3일, 7일, 14일에 자동으로 읽음 상태와 클릭 여부를 수집했다. 봇이 그 데이터를 분석해 다음을 자동 분류했다.

• **높은 관심(클릭 + 읽음)**: 우선 순위 "높음", 48시간 내 팔로업 메일 자동 발송

• **중간 관심(읽음만)**: 우선 순위 "중간", 7일 후 가벼운 팔로업

• **무반응**: 우선 순위 "낮음", 2주 후 최종 1회 메일

결과: 답장률 3배 증가

**After: 관계형 자동화 방식**

- 각 바이어에 맞춘 인사말과 화제 제시

- 스팸으로 분류될 확률 대폭 감소

- 자동 추적으로 "관심도 높은 바이어" 우선 순위화

- 답장률: 약 15% (5% → 15%)

- 보너스: 초기 응답자 중 실제 거래로 이어진 비율도 25%에서 42%로 증가

주요 배운 점

1. **템플릿의 함정**: 속도가 빠르면 관계는 없다. 바이어는 개별화된 주의를 눈으로 먼저 감지한다.

2. **추적의 가치**: 메일을 보낸 뒤 끝이 아니다. 봇이 읽음 여부를 추적해주니 어떤 바이어가 "실제로 관심 있는지" 명확했다.

3. **작은 디테일의 영향력**: 회사명 + 최근 뉴스 1줄만 추가해도 스팸함 확률이 크게 떨어진다. Claude Code가 이를 초 단위로 처리할 수 있다는 것이 핵심이었다.

4. **팀의 역할 재정의**: 봇이 이메일을 쓰는 동안, 사람은 그 바이어와의 "관계 설계"에만 집중했다. 어떤 화제를 꺼낼지, 어떤 질문이 대화를 이끌어낼지를 미리 정하는 것만으로도 자동화의 품질이 극적으로 달라진다.

다음 실험

다국어 버전도 시작했다. 같은 봇이 바이어의 위치 정보를 읽고 스페인어, 포르투갈어, 중국어로 자동 작성하는 기능을 추가했다. 결과는 다음 달에 공개할 예정이다.

바이어 100명의 답장률이 3배 올랐다: 이메일 개인화 자동화의 현장 기록