이메일 마케팅은 여전히 가장 효과적인 마케팅 채널 중 하나입니다. DMA(Data & Marketing Association) 조사에 따르면 이메일 마케팅의 평균 ROI는 4,200%에 달합니다. 1달러를 투자하면 42달러의 수익을 얻는다는 뜻입니다. 하지만 이런 성과를 내려면 적시에 적절한 메시지를 보내야 하고, 이를 수작업으로 하기에는 너무나 많은 시간이 들어갑니다. Make를 활용한 이메일 자동화가 해답입니다.
목차
이메일 자동화의 핵심 원리
효과적인 이메일 자동화는 세 가지 요소로 구성됩니다: 트리거(Trigger), 세그먼트(Segment), 콘텐츠(Content)입니다. 트리거는 이메일을 발송하는 시점을 결정합니다. 세그먼트는 누구에게 보낼지를 결정합니다. 콘텐츠는 무엇을 보낼지를 결정합니다. 이 세 가지가 완벽하게 맞아떨어질 때 이메일이 효과를 발휘합니다.
트리거 기반 이메일의 힘
트리거 기반 이메일은 사용자의 특정 행동이나 이벤트에 반응해서 자동으로 발송됩니다. 마케팅 자동화 플랫폼 Omnisend의 분석에 따르면, 트리거 기반 이메일의 개봉률은 일반 뉴스레터보다 8배 높고, 클릭률은 2.5배 높습니다. 그 이유는 명확합니다. 사용자가 관심을 보인 바로 그 순간에 관련된 메시지를 보내기 때문입니다.
대표적인 트리거 이벤트로는 회원가입, 첫 구매, 장바구니 이탈, 특정 페이지 방문, 일정 기간 미접속, 구매 완료, 리뷰 요청 시점 등이 있습니다. 각 트리거에 맞는 이메일을 설계하고 Make로 자동화하면, 수천 명의 고객에게 각각 개인화된 메시지를 보내는 것이 가능해집니다.
Make로 구축하는 웰컴 이메일 시리즈
웰컴 이메일은 가장 기본적이면서도 효과적인 자동화입니다. 새로운 회원이 가입하면 환영 메시지와 함께 서비스 이용 방법, 인기 상품, 특별 혜택 등을 안내합니다. 단일 이메일보다 시리즈로 구성하면 효과가 더 좋습니다.
웰컴 시리즈 시나리오 구성
첫 번째 시나리오는 즉시 발송되는 환영 메일입니다. 회원가입 Webhook을 트리거로 설정하고, 가입 정보(이름, 이메일)를 받아서 환영 메일을 발송합니다. 이 메일에는 가입에 대한 감사 인사와 함께 핵심 가치를 전달합니다.
Make 시나리오 구조: Webhook → Set Variable(사용자 정보 저장) → Gmail/SendGrid(환영 메일 발송) → Data Store(발송 기록 저장)
두 번째 시나리오는 가입 후 3일째 발송되는 가이드 메일입니다. Data Store에서 가입 후 3일이 지난 사용자를 조회하고, 아직 첫 구매나 특정 액션을 하지 않은 사용자에게 서비스 활용 가이드를 보냅니다.
Make 시나리오 구조: Schedule(매일 오전 10시) → Data Store Search(가입 후 3일 경과 & 미활동 사용자) → Iterator → Gmail/SendGrid(가이드 메일 발송)
세 번째 시나리오는 가입 후 7일째 발송되는 특별 제안 메일입니다. 여전히 첫 구매를 하지 않은 사용자에게 할인 쿠폰이나 특별 혜택을 제공해서 전환을 유도합니다.
개인화 변수 활용
이메일의 효과를 높이려면 개인화가 필수입니다. 단순히 이름을 넣는 것을 넘어서, 사용자의 관심사, 행동 데이터, 가입 경로 등을 활용합니다.
Make에서 개인화 변수를 사용하는 방법은 간단합니다. 이메일 템플릿에 {{name}}, {{product}}, {{date}} 같은 플레이스홀더를 넣고, Make의 매핑 기능으로 실제 데이터를 주입합니다. 예를 들어 “{{name}}님, 가입을 환영합니다!”는 “김철수님, 가입을 환영합니다!”로 변환됩니다.
더 고급 개인화를 원한다면 조건부 콘텐츠를 사용합니다. Make의 Router와 Filter를 활용해서 사용자 세그먼트별로 다른 이메일 템플릿을 발송합니다. 예를 들어 가입 경로가 인스타그램인 사용자에게는 인스타그램 관련 콘텐츠를, 블로그인 사용자에게는 블로그 관련 콘텐츠를 보내는 식입니다.
장바구니 이탈 복구 자동화
장바구니 이탈율은 평균 70%에 달합니다. 10명 중 7명이 장바구니에 상품을 담고도 구매를 완료하지 않는다는 뜻입니다. 하지만 장바구니 이탈 이메일을 보내면 그 중 10-15%를 복구할 수 있습니다. 이 자동화 하나만으로도 매출이 크게 증가할 수 있습니다.
장바구니 이탈 감지 로직
장바구니 이탈을 감지하려면 두 가지 데이터가 필요합니다: 장바구니 추가 이벤트와 구매 완료 이벤트입니다. 장바구니에 상품을 추가한 후 일정 시간(보통 1시간~24시간) 내에 구매 완료 이벤트가 없으면 이탈로 간주합니다.
쇼핑몰 플랫폼(Shopify, WooCommerce 등)에서 제공하는 Webhook을 활용합니다. 장바구니 업데이트 Webhook이 발생하면 Make가 해당 정보를 Data Store에 저장합니다. 별도의 스케줄 시나리오가 주기적으로 Data Store를 확인해서, 장바구니 추가 후 1시간이 지났는데 구매 완료가 없는 케이스를 찾아 이메일을 발송합니다.
3단계 이탈 복구 시퀀스
장바구니 이탈 복구는 단일 이메일보다 시퀀스가 효과적입니다. 각 단계마다 다른 접근법을 사용합니다.
1단계 (이탈 후 1시간): 순수한 리마인더 이메일입니다. “장바구니에 담아두신 상품이 있어요”라는 제목으로, 담긴 상품 이미지와 함께 장바구니로 돌아가는 링크를 제공합니다. 이 단계에서는 할인을 제공하지 않습니다. 단순히 잊어버린 고객에게 상기시키는 것만으로도 상당수가 복구됩니다.
2단계 (이탈 후 24시간): 사회적 증거와 긴급성을 추가합니다. “다른 고객들도 이 상품에 관심을 보이고 있어요” 또는 “재고가 얼마 남지 않았어요”라는 메시지로 긴급성을 유발합니다. 상품 리뷰나 평점을 함께 보여주면 신뢰도가 높아집니다.
3단계 (이탈 후 72시간): 최후의 제안입니다. 소량의 할인(5-10%)이나 무료 배송을 제공합니다. “마지막 기회: 10% 할인 쿠폰을 드립니다”라는 제목으로, 제한된 시간 동안만 유효한 쿠폰 코드를 제공합니다.
Make 시나리오 상세 설계
장바구니 이탈 1단계 시나리오:
Schedule(15분마다 실행) → Data Store Search(장바구니 추가 후 1시간 경과 & 구매 미완료 & 1단계 미발송) → Iterator → Gmail/SendGrid(리마인더 메일) → Data Store Update(1단계 발송 완료 표시)
이메일 내용에는 장바구니 상품 정보가 포함되어야 합니다. Data Store에 저장된 장바구니 데이터에서 상품명, 가격, 이미지 URL을 가져와서 이메일 템플릿에 동적으로 삽입합니다.
구매 후 이메일 자동화
구매가 끝이 아니라 시작입니다. 구매 후 이메일 시퀀스로 고객 만족도를 높이고, 재구매를 유도하고, 리뷰를 수집할 수 있습니다.
주문 확인 및 배송 알림
기본적인 트랜잭션 이메일이지만, 여기에도 마케팅 요소를 넣을 수 있습니다. 주문 확인 메일에 관련 상품 추천을 추가하거나, 배송 알림 메일에 사용 가이드나 팁을 포함시킵니다.
Make 시나리오: Shopify/WooCommerce Order Created Webhook → Parse Order Data → Gmail/SendGrid(주문 확인 메일) + Data Store(주문 정보 저장)
배송 추적 연동도 자동화할 수 있습니다. 배송 업체 API와 연동해서 배송 상태가 변경될 때마다 자동으로 알림을 보냅니다. CJ대한통운, 로젠택배 등 대부분의 국내 택배사가 배송 조회 API를 제공합니다.
리뷰 요청 자동화
제품 리뷰는 전환율에 큰 영향을 미칩니다. Spiegel Research Center 연구에 따르면, 리뷰가 있는 제품은 없는 제품보다 전환율이 270% 높습니다. 하지만 고객이 자발적으로 리뷰를 남기는 비율은 매우 낮습니다. 적절한 시점에 리뷰 요청 이메일을 보내면 리뷰 수집률을 크게 높일 수 있습니다.
리뷰 요청의 최적 타이밍은 제품 수령 후 사용해볼 시간이 지난 시점입니다. 대부분의 경우 배송 완료 후 3-7일이 적당합니다. 소모품은 더 빠르게(2-3일), 가전제품 같은 내구재는 더 늦게(7-14일) 보내는 것이 좋습니다.
Make 시나리오: Schedule(매일 오전) → Data Store Search(배송 완료 후 5일 경과 & 리뷰 요청 미발송) → Iterator → Gmail/SendGrid(리뷰 요청 메일)
리뷰 요청 메일에는 리뷰 작성 링크를 직접 포함하고, 가능하다면 인센티브(적립금, 할인 쿠폰)를 제공합니다. “5분이면 작성할 수 있어요”처럼 시간이 오래 걸리지 않는다는 것을 강조하면 응답률이 높아집니다.
재구매 유도 시퀀스
첫 구매 고객을 충성 고객으로 만들려면 재구매가 중요합니다. 제품 특성에 따라 재구매 주기가 다르므로, 이를 고려한 타이밍에 재구매 유도 이메일을 보냅니다.
소모품의 경우 예상 소진 시점에 맞춰 리마인더를 보냅니다. 예를 들어 30일분 건강식품을 구매한 고객에게는 25일 후에 “재고가 떨어지기 전에 재구매하세요”라는 이메일을 보냅니다.
비소모품의 경우 관련 제품이나 액세서리를 추천합니다. 카메라를 구매한 고객에게 렌즈나 가방을, 노트북을 구매한 고객에게 마우스나 파우치를 추천하는 식입니다.
재참여(Re-engagement) 캠페인 자동화
활동이 없는 고객을 다시 활성화하는 것도 중요합니다. 새 고객을 획득하는 비용은 기존 고객을 유지하는 비용의 5-25배에 달합니다. 휴면 고객을 재활성화하면 마케팅 효율이 크게 개선됩니다.
휴면 고객 정의와 세그먼트
휴면 고객의 기준은 비즈니스 특성에 따라 다릅니다. 일반적으로 마지막 구매나 방문 후 30-90일이 지난 고객을 휴면으로 분류합니다. 더 세분화하면 효과적입니다:
– 30-60일 미활동: 이탈 위험 고객
– 60-90일 미활동: 휴면 고객
– 90-180일 미활동: 장기 휴면 고객
– 180일 이상 미활동: 이탈 고객
각 세그먼트에 다른 메시지와 인센티브를 제공합니다. 이탈 위험 고객에게는 “요즘 뜸하시네요”라는 가벼운 리마인더를, 휴면 고객에게는 특별 할인을, 장기 휴면 고객에게는 더 큰 할인을, 이탈 고객에게는 “다시 돌아오시면 특별한 혜택을 드립니다”라는 강력한 제안을 합니다.
윈백(Win-back) 시퀀스
휴면 고객을 깨우는 윈백 시퀀스를 Make로 자동화합니다.
1단계 (휴면 30일): 부드러운 리마인더. “보고 싶었어요”라는 감성적 메시지와 함께 최근 신상품이나 인기 상품을 소개합니다.
2단계 (휴면 60일): 인센티브 제공. “특별히 준비한 쿠폰이 있어요”라는 제목으로 10-15% 할인 쿠폰을 제공합니다.
3단계 (휴면 90일): 강력한 제안. “마지막으로 드리는 기회입니다”라는 제목으로 20% 이상의 할인이나 무료 배송 + 사은품 같은 특별 혜택을 제공합니다.
최종 단계 (휴면 120일): 리스트 정리 알림. “구독을 계속하시겠어요?”라는 확인 메일을 보내고, 응답이 없으면 이메일 리스트에서 제외합니다. 이는 이메일 리스트 품질을 유지하는 데 중요합니다.
A/B 테스트 자동화
이메일 마케팅의 성과를 지속적으로 개선하려면 A/B 테스트가 필수입니다. Make를 활용하면 A/B 테스트도 자동화할 수 있습니다.
테스트 요소 선정
이메일에서 테스트할 수 있는 요소는 많습니다: 제목(Subject Line), 발신자 이름, 발송 시간, 본문 길이, CTA 버튼 텍스트와 색상, 이미지 유무, 개인화 수준 등. 한 번에 하나의 요소만 테스트해야 결과를 정확히 해석할 수 있습니다.
가장 효과가 큰 요소는 제목입니다. 제목에 따라 개봉률이 크게 달라지고, 개봉률이 모든 후속 지표에 영향을 미칩니다. 먼저 제목 테스트로 최적의 제목 패턴을 찾고, 그 다음 본문이나 CTA를 테스트합니다.
Make로 A/B 테스트 구현
A/B 테스트 시나리오 구조:
Webhook(이메일 발송 트리거) → Random Function(0 또는 1 생성) → Router
– Route A (값이 0일 때): Gmail/SendGrid(버전 A 이메일) + Data Store(버전 A 발송 기록)
– Route B (값이 1일 때): Gmail/SendGrid(버전 B 이메일) + Data Store(버전 B 발송 기록)
Random 함수는 {{floor(random() * 2)}} 수식으로 구현합니다. 이 수식은 0 또는 1을 무작위로 반환하므로, 수신자의 50%는 버전 A를, 50%는 버전 B를 받게 됩니다.
결과 분석을 위해 발송 기록을 Data Store에 저장합니다. 이메일 ID, 수신자 ID, 발송 버전, 발송 시간을 저장하고, 나중에 개봉률과 클릭률 데이터를 업데이트합니다.
이메일 성과 분석 자동화
이메일 마케팅의 성과를 측정하고 분석하는 것도 자동화할 수 있습니다. 주요 지표(KPI)를 자동으로 수집하고, 대시보드에 표시하고, 이상이 감지되면 알림을 보내는 시스템을 구축합니다.
핵심 성과 지표
발송률(Delivery Rate): 발송한 이메일 중 실제로 도착한 비율. 95% 이상이 정상입니다. 낮다면 이메일 리스트 품질이나 발신 도메인 평판에 문제가 있습니다.
개봉률(Open Rate): 도착한 이메일 중 열어본 비율. 업종 평균은 15-25%입니다. 제목과 발송 시간이 개봉률에 영향을 미칩니다.
클릭률(Click Rate): 도착한 이메일 중 링크를 클릭한 비율. 업종 평균은 2-5%입니다. 콘텐츠와 CTA가 클릭률에 영향을 미칩니다.
전환율(Conversion Rate): 클릭한 수신자 중 원하는 행동(구매, 가입 등)을 완료한 비율. 랜딩 페이지와 오퍼의 품질에 영향을 받습니다.
구독 취소율(Unsubscribe Rate): 이메일을 받고 구독을 취소한 비율. 0.5% 이하가 정상입니다. 높다면 발송 빈도나 콘텐츠 관련성에 문제가 있습니다.
자동 리포팅 시스템
Make로 주간 이메일 마케팅 리포트를 자동 생성할 수 있습니다.
시나리오 구조: Schedule(매주 월요일 오전) → SendGrid/Mailchimp API(지난 주 통계 조회) → Aggregate(지표 계산) → Google Sheets(데이터 기록) → Gmail(요약 리포트 발송)
SendGrid나 Mailchimp 같은 이메일 서비스는 API를 통해 상세한 통계 데이터를 제공합니다. 이 데이터를 주기적으로 수집해서 Google Sheets에 기록하면 시간에 따른 추이를 분석할 수 있습니다.
요약 리포트에는 전주 대비 변화율을 포함합니다. “개봉률이 전주 대비 5% 상승했습니다” 또는 “구독 취소율이 평소보다 높습니다. 확인이 필요합니다” 같은 인사이트를 자동으로 생성합니다.
이메일 발송 최적화 팁
발송 시간 최적화
이메일 발송 시간은 개봉률에 큰 영향을 미칩니다. 일반적으로 화요일-목요일 오전 10시-11시가 최적이라고 알려져 있지만, 업종과 타겟에 따라 다릅니다. B2B는 업무 시간에, B2C는 저녁이나 주말에 더 효과적일 수 있습니다.
Make의 Schedule 모듈을 활용해서 발송 시간을 테스트합니다. 동일한 이메일을 서로 다른 시간에 발송하고, 개봉률을 비교해서 최적의 시간대를 찾습니다.
더 고급 최적화를 원한다면, 수신자별로 가장 활발한 시간대를 추적해서 그 시간에 발송하는 Send Time Optimization을 구현할 수 있습니다. 각 수신자의 이메일 개봉 시간 데이터를 축적하고, AI/ML을 활용해서 최적 발송 시간을 예측합니다.
발신자 평판 관리
이메일 발송자의 평판(Sender Reputation)이 낮으면 스팸 폴더로 분류되거나 아예 차단됩니다. 평판을 유지하려면 몇 가지 원칙을 지켜야 합니다.
첫째, 동의한 수신자에게만 발송합니다. 구매한 이메일 리스트나 무단 수집한 주소로 발송하면 스팸 신고율이 높아지고 평판이 급락합니다.
둘째, 반송(Bounce)을 관리합니다. 존재하지 않는 주소(Hard Bounce)로 계속 발송하면 평판이 하락합니다. Hard Bounce가 발생하면 즉시 해당 주소를 리스트에서 제거합니다. Make에서 이메일 발송 후 Bounce 여부를 확인하고 자동으로 리스트를 정리하는 시나리오를 구축할 수 있습니다.
셋째, 일관된 발송량을 유지합니다. 평소 1,000통을 발송하다가 갑자기 10,000통을 발송하면 의심을 받습니다. 발송량을 늘려야 한다면 점진적으로 증가시킵니다.
스팸 필터 통과 전략
스팸 필터에 걸리지 않으려면 몇 가지 주의사항이 있습니다:
– 제목에 “무료”, “할인”, “긴급” 같은 단어를 과도하게 사용하지 않습니다
– 모든 글자를 대문자로 쓰지 않습니다 (예: “FREE OFFER”)
– 느낌표를 여러 개 연속으로 쓰지 않습니다 (예: “지금 바로!!!”)
– 이미지만으로 구성된 이메일을 피합니다. 텍스트와 이미지 비율을 60:40 정도로 유지합니다
– SPF, DKIM, DMARC 인증을 설정합니다
– 구독 취소 링크를 명확히 표시합니다
고급 세그멘테이션 전략
효과적인 이메일 마케팅의 핵심은 세그멘테이션입니다. 모든 고객에게 같은 이메일을 보내는 대신, 각 세그먼트에 맞춤화된 메시지를 보내면 효과가 극대화됩니다.
RFM 분석 기반 세그먼트
RFM은 Recency(최근성), Frequency(빈도), Monetary(금액)의 약자로, 고객을 분류하는 대표적인 방법입니다.
– Recency: 마지막 구매로부터 경과한 시간
– Frequency: 일정 기간 동안의 구매 횟수
– Monetary: 일정 기간 동안의 총 구매 금액
각 지표를 1-5점으로 점수화하면 고객을 125개(5×5×5) 그룹으로 분류할 수 있습니다. 실무에서는 이를 단순화해서 VIP(5,5,5), 충성고객(4-5,4-5,*), 이탈위험(1-2,*,*), 신규고객(*,1,*) 등으로 분류합니다.
Make에서 RFM 분석을 구현하려면:
Schedule(매주) → Database/API(주문 데이터 조회) → Aggregate(고객별 RFM 점수 계산) → Data Store(세그먼트 업데이트)
계산된 세그먼트를 기반으로 각 그룹에 다른 이메일을 발송합니다. VIP에게는 독점 혜택을, 이탈위험 고객에게는 윈백 캠페인을, 신규고객에게는 온보딩 시리즈를 보냅니다.
마무리: 이메일 자동화의 ROI
이메일 자동화에 투자하는 시간과 비용은 충분히 회수됩니다. 자동화 없이 수작업으로 하려면 전담 인력이 필요하지만, Make로 자동화하면 한 번 설정해놓으면 24시간 365일 작동합니다.
측정 가능한 효과만 봐도 인상적입니다. 장바구니 이탈 복구로 10-15% 추가 매출, 리뷰 요청 자동화로 리뷰 수 3배 증가, 재구매 유도로 고객 생애 가치 20% 향상. 이런 수치들이 쌓이면 연간 매출에서 큰 차이를 만들어냅니다.
오늘 소개한 시나리오 중 하나만이라도 구현해보세요. 가장 추천하는 시작점은 장바구니 이탈 복구입니다. 구현이 비교적 간단하면서 효과는 즉시 확인할 수 있습니다. 한 번 성공을 경험하면 더 많은 자동화를 구축하고 싶어질 것입니다.
