Skai, Amazon Bedrock Agents로 마케팅 데이터 분석을 혁신하다

스카이(Skai), Amazon Bedrock Agents를 활용해 고객 통찰력의 혁신 이끌다

광고 마케팅 업계에서 경쟁력을 확보하려면 빠르고 정확한 데이터 분석과 인사이트 도출이 무엇보다 중요합니다. 하지만 실무자들이 수많은 광고 채널과 캠페인 데이터를 직접 수집하고 분석해 의사결정을 내리기엔 시간이 부족하고 기술적 제약도 큽니다. 이러한 문제를 해결하기 위해 Skai는 Amazon Bedrock Agents를 기반으로 생성형 AI 에이전트를 도입하였고, 데이터 분석 방식에 근본적인 혁신을 가져왔습니다. 본 글에서는 Skai가 Amazon Bedrock을 활용해 개발한 Celeste AI가 어떻게 고객 경험을 변화시켰는지, 그리고 이를 통해 얻은 비즈니스 성과와 기술적 이점을 살펴봅니다.

Amazon Bedrock과 생성형 AI 도입 배경

Skai는 통합 마케팅 분석 플랫폼으로, 검색, 소셜, 리테일 미디어 등 100개 이상의 퍼블리셔 데이터를 통합해 마케팅 실적을 측정하고 예측 모델을 통해 예산, 입찰 전략 등 실행 가능한 인사이트를 제공합니다. 하지만 많은 고객들이 수작업으로 보고서를 작성하고, 구조화되지 않은 대규모 데이터를 처리하는 데 어려움을 겪고 있었습니다. 특히, 다음과 같은 문제점들이 지속적으로 발생했습니다.

• 시간 소모적인 보고서 생성
• 복잡한 데이터 요약/패턴 분석의 어려움
• 이해관계자 설득을 위한 실행 중심의 분석 결과 부족

이를 해결하기 위해 Skai는 AWS와 협력하여 Celeste라는 AI 기반 분석 보조 에이전트를 Amazon Bedrock Agents로 구축했습니다.

Celeste AI의 핵심 기능 및 활용 사례

Celeste는 단순한 챗봇이 아닌 자연어 질의에 기반해 다단계 데이터 분석, 패턴 식별, 자동 보고서 작성과 추천까지 수행하는 지능형 분석 도우미입니다. 사용자는 SQL이나 쿼리를 몰라도 “1분기 저성과 캠페인에서 광고 그룹별 성능 비교해줘”라는 질문을 입력하면 Celeste가 즉시 데이터를 연결 분석하고, 실행 가능한 인사이트를 제공하는 방식입니다.

예를 들어, 한 사용자가 “홈 보안 제품 론칭에 적합한 고성과 키워드와 예상 CPC, 추천 예산은?”이라는 질문을 하면, Celeste는 기존 캠페인 데이터를 기반으로 브랜디드, 일반 카테고리 키워드를 추천하고 최적의 예산 계획 및 테스트 전략까지 포함된 분석 결과를 제공합니다. 이 과정에서 사용자는 기획안에서 프레젠테이션 자료까지 몇 분 안에 자동으로 확보할 수 있습니다.

이미 Skai 내부 데이터 기준으로 Celeste를 통한 실무 성과는 다음과 같습니다:

• 최종 보고서 생성 시간 50% 단축
• 사례 분석 보고서 생성 시간 75% 단축
• 전략 수립을 위한 분석–제안 기간 90% 단축

Amazon Bedrock 기반 아키텍처의 구성 및 배포 가이드

Celeste는 크게 세 가지 계층으로 구성됩니다:

1. 사용자 인터페이스 및 대화 흐름 제어:

   • CX UI: 사용자가 질문을 입력하는 시스템 인터페이스
   • Chat Manager: 대화 세션 관리 및 처리 흐름 제어
   • Chat Executor: API 호출 여부 결정, 분석 로직 처리

2. 분석 및 자연어 처리:

   • Amazon Bedrock Agent: 질의를 파악하고 적절한 도구/모델 호출
   • Claude 3.5 Sonnet V2: 자연어 응답 생성을 위한 고성능 FM

3. 데이터 통합 계층:

   • Tool API: 고객 데이터를 실시간 분석할 수 있도록 설정된 API
   • 고객 전용 데이터 저장소: 모든 민감 데이터는 Bedrock 외부에서 독립 유지

또한 보안 및 컴플라이언스를 위해 다음 조치가 취해졌습니다:

• Tool API와 Bedrock 간 데이터 분리
• 원시 고객 데이터는 Bedrock에 전송되지 않음
• IAM, VPC 설정을 통한 엔터프라이즈 수준의 배포 및 접근 제어

자동화 기능 측면에서도 Amazon Bedrock은 Celeste의 효과적인 개발과 운영을 도왔습니다. Declarative API, 세션 저장, 메모리 관리 기능은 기존 수천 줄의 코드 작성을 대체했고, 통합 코드 인터프리터를 활용하여 대규모 수치 계산도 간결하게 해결할 수 있었습니다.

단기간 PoC–프로덕션 배포로 가속화된 가치 실현

Amazon Bedrock 도입의 가장 큰 장점은 인프라 설정 없이 빠르게 실험하고 애자일하게 배포할 수 있다는 점입니다. Skai 개발팀은 기존 화이트보드 설계부터 작동하는 초기 버전을 단 1스프린트 내에 완성했습니다. 기존 인프라 방식이었다면 여러 주에 걸쳐 모델 튜닝, 데이터 연동 환경 설정 등에 시간이 소요되었을 것입니다.

Bedrock은 다양한 오픈 및 커머셜 FM을 제공하고 유료 API 호출 기반의 요금 정책 덕분에 고객별 요구에 맞춘 형태로 활용 가능하며, GPU 투자 없이 확장성 있는 분석 서비스를 구현할 수 있습니다.

차후 Celeste의 진화 방향

Skai는 현재 Celeste를 다음 단계로 확장하고자 합니다:

• 세션 기반 개인화 지속 및 사용자 선호 학습
• 고객 맞춤 데이터 자산 인게스팅(Bring Your Own Data)
• 협업 기능 강화: 자동 프레젠테이션 생성, 대시보드 빌드, 실시간 알림 제공

이런 기능들은 마케팅 커뮤니케이션 팀, 데이터 분석가, 캠페인 매니저가 협업하여 빠르게 의사결정을 내리는 데 더욱 강력한 도구로 작용할 것입니다.

결론

Amazon Bedrock Agents는 Skai가 데이터 분석의 민첩함과 정밀도를 확보하며 경쟁력을 높이는 데 결정적인 역할을 했습니다. 생성형 AI를 활용해 누구나 자연어로 데이터를 탐색할 수 있는 환경을 제공함으로써, 단순 보고서 제공을 넘어 전략적 의사결정까지 지원하는 분석 파트너가 된 것입니다.

Skai의 사례는 내부 개발 리소스 없이 단기간 내 AI 분석 플랫폼을 구축하고자 하는 기업에게 훌륭한 참조 모델이 될 수 있습니다. Bedrock의 완전 관리형 서비스는 복잡한 인프라 설정이나 모델 관리의 부담 없이 아이디어에서 실행까지의 전환 속도를 크게 앞당길 수 있도록 도와줍니다.

https://aws.amazon.com/blogs/machine-learning/skai-uses-amazon-bedrock-agents-to-significantly-improve-customer-insights-by-revolutionized-data-access-and-analysis/