당신의 CRM에서 가장 좋은 고객 유입 채널(acquisition channel)이 website 항목 아래에 숨겨져 있을지도 모릅니다.

다소 극적으로 들릴 수 있지만, 이는 Automaziot AI의 자체 CRM에서 실제로 발견한 사실입니다. 2026년 5월 중순 이후, 우리는 chatgpt.com과 perplexity.ai를 통해 유입된 9개의 웹 리드(web leads)를 확인했으며, AI 어시스턴트에게 다음 단계로 무엇을 해야 할지 물어본 후 전화를 통해 도착한 구매자들도 확인했습니다.

불편한 점은 AI 어시스턴트가 우리에게 잠재 고객(prospects)을 보내고 있다는 사실이 아니었습니다. 우리는 그런 일이 일어나기 시작할 것이라고 예상했습니다.

진짜 불편한 점은 우리의 CRM이 이를 대부분 인지하지 못하고 있었다는 사실입니다.

이들 거의 모두가 website 또는 unknown으로 분류되었습니다. 만약 우리가 표준 소스 보고서(standard source reports)만 확인했다면, 비즈니스에서 가장 흥미로운 고객 유입 패턴 중 하나를 놓쳤을 것입니다.

그리고 이것은 단순한 호기심 기반의 트래픽이 아니었습니다. ChatGPT를 통해 유입된 두 명의 고객이 계약을 체결했으며, 그 가치는 합계 약 ₪35,000, 즉 대략 $9,300에 달했습니다.

이스라엘의 작은 AI 자동화 에이전시에게 이것은 대시보드의 각주 수준이 아닙니다. 이것은 명확한 신호(signal)입니다.

첫 번째 단서: CRM이 설명할 수 있는 속도보다 빠르게 움직인 구매자

가장 명확한 사례 중 하나는 창문 청소 업체 운영자였습니다.

그는 기여도 분석(attribution)에 친화적인 깔끔한 여정을 거치지 않았습니다. 그는 우리에게 전화를 걸었습니다. CRM의 관점에서 보면, 보통 여기서부터 이야기가 모호해집니다. 전화 통화는 종종 참조자(referrer), UTM, 광고 클릭 ID(ad click ID), 그리고 유용한 디지털 흔적 없이 도착하기 때문입니다.

하지만 대화를 통해 출처가 명확해졌습니다. 그는 AI 어시스턴트에게 물어보았고, 그 결과 우리에게 안내되었습니다.

그는 약 2시간 이내에 미팅에 참석했습니다. 그리고 당일에 계약을 체결하고 결제까지 완료했습니다.

이것이 중요한 이유는 대부분의 고객 유입 분석(acquisition analysis)이 추적하기 쉬운 것에 편향되어 있기 때문입니다. Google 광고 클릭은 추적할 수 있습니다. Meta 캠페인도 추적할 수 있습니다. 참조자가 포함된 양식 제출(form submission)도 추적할 수 있습니다.

하지만 AI 추천 이후에 걸려오는 전화는 추적할 수 없는 경우가 많습니다.

만약 우리가 CRM의 기본 소스 분류(default source classification)만을 신뢰했다면, 이 거래는 일반적인 직접 유입(direct) 또는 웹사이트 리드로 보였을 것입니다. 하지만 실제로는 거의 즉시 매출로 이어진 AI 어시스턴트 추천(referral)이었습니다.

두 번째 단서: 계속해서 다시 열리는 제안서

또 다른 사례는 리드 생성 (lead-generation) 기업에서 발생했습니다.

이 사례는 좀 더 많은 흔적을 남겼습니다. 첫 번째 접점은 AI 추천 (AI-referred) 경로를 통해 이루어졌습니다. 거래가 즉각적으로 성사되지는 않았습니다. 첫 접촉 12일 후, 20,000 ₪(셰켈) 규모로 계약이 체결되었습니다.

그 사이, 제안서가 15번이나 열렸습니다.

이 세부 사항은 중요합니다. 우리는 이러한 행동을 이해하기 위해 구매자의 말을 지어낼 필요가 없습니다. 제안서가 반복적으로 열리는 것은 단순한 브라우징이 아닙니다. 이는 대개 내부 평가, 비교, 논의, 또는 확정 전의 반복적인 검토를 의미합니다.

따라서 패턴은 첫 번째 이야기와 달랐지만, 비즈니스적 의미는 유사했습니다. 이것은 의도가 낮은 AI의 단순 호기심이 아니었습니다. 구매자가 실제 의사 결정 과정을 거치고 있었던 것입니다.

AI 추천 리드들을 그룹화했을 때, 또 다른 패턴이 눈에 띄었습니다. AI 추천 코호트 (cohort)는 우리 CRM 내의 어떤 획득 소스 (acquisition source)보다도 인바운드 대비 아웃바운드 메시지 비율 (inbound-to-outbound message ratio)이 가장 높았습니다.

우리는 이것을 보편적인 벤치마크 (benchmark)로 만들지 않으려 의도적으로 주의하고 있습니다. 이것은 우리의 CRM이고, 우리의 시장이며, 우리의 기간이자, 우리의 규모이기 때문입니다. 하지만 우리 비즈니스 관점에서 볼 때, 이 행동은 획득을 측정하는 방식을 바꿀 만큼 강력했습니다.

왜 CRM은 AI 어시스턴트 추천을 놓치는가

대부분의 CRM은 트래픽 소스가 다음과 같은 형태인 세상을 기준으로 구축되었습니다:

• 유료 검색 클릭 (Paid search click)
• 유료 소셜 클릭 (Paid social click)
• 유기적 검색 (Organic search)
• 추천 (Referral)
• 직접 유입 (Direct)
• 알 수 없음 (Unknown)

이 모델은 이미 불완전하지만, AI 어시스턴트는 이를 더 악화시킵니다.

두 가지 주요 격차가 존재합니다.

첫째, 기여 (attribution) 로직은 종종 광고 클릭 ID를 우선시합니다.

그것은 대개 맞습니다. 만약 리드에 gclid, fbclid 또는 다른 유료 클릭 식별자가 있다면, 일반적으로 나중에 발생한 추천인이 이를 덮어쓰기를 원하지 않을 것입니다. 유료 기여 (Paid attribution)는 보호되어야 합니다. 왜냐하면 해당 ID들이 지출과 결과를 연결하기 때문입니다.

문제는 유료 클릭 ID가 없는 모든 것이 website, organic 또는 unknown과 같은 광범위한 폴백 버킷 (fallback bucket)으로 분류될 때 시작됩니다.

만약 귀하의 CRM이 AI 어시스턴트 리퍼러 (AI-assistant referrers)를 명시적으로 매핑하지 않는다면, chatgpt.com, chat.openai.com, perplexity.ai, gemini.google.com, copilot.microsoft.com, 또는 claude.ai는 분석 가능한 소스(source)가 되지 못할 수도 있습니다.

둘째, 전화 통화가 연결 고리를 끊습니다.

구매자는 ChatGPT에게 업체를 물어보고, 귀하의 이름을 얻고, 귀하를 검색하고, 사이트를 연 다음, 전화를 걸 수 있습니다. 리드 (lead)가 CRM에 생성될 때쯤이면, 그 소스는 이미 사라졌을 수도 있습니다.

이는 서비스 기업에 특히 중요합니다. 구매 의도가 높은 많은 구매자는 양식을 작성하고 싶어 하지 않습니다. 그들은 전화를 걸어 문제를 설명하고, 귀하가 신뢰할 만한 목소리를 내는지 확인하고 싶어 합니다.

따라서 귀하의 기여도 측정 시스템 (attribution system)이 브라우저 데이터만을 신뢰한다면, 대화할 준비가 가장 되어 있을지도 모르는 바로 그 구매자들을 과소 집계하게 될 것입니다.

우리가 구현한 해결책

우리는 기여도 측정 (attribution)을 처음부터 다시 구축하지 않았습니다. 대신 세 가지 실질적인 변화를 주었습니다.

목표는 완벽한 모델을 만드는 것이 아니었습니다. 이미 실제 파이프라인 (pipeline)과 매출을 만들어내고 있는 소스 카테고리를 놓치지 않는 것이 목표였습니다.

1. 유료 클릭 ID (paid click-ID) 우선순위 아래에 AI 리퍼러 매핑 추가

첫 번째 해결책은 간단했습니다. AI 어시스턴트 리퍼러를 감지하여 이를 ai_search 소스로 매핑하는 것이었습니다.

중요한 부분은 이 로직이 어디에 위치하느냐입니다.

이는 유료 클릭 ID 우선순위보다 아래에 있어야 합니다. 만약 어떤 행 (row)에 실제 광고 클릭 ID가 있다면, 나중에 나타난 필드에 AI 리퍼러가 포함되어 있다고 해서 이를 덮어쓰지 마십시오. 또한 사람이 수동으로 기여도를 할당한 행도 건너뛰어야 합니다.

일반적인 SQL 스타일의 의사 코드 (pseudocode)로 표현하면 로직은 다음과 같습니다:

update leads
set source = 'ai_search'
where source_is_manual = false
...

실제 운영 중인 CRM에서는 정확한 필드명이 다를 수 있습니다. first_referrer, landing_page_referrer, original_referrer, utm_source 또는 별도의 기여도 테이블 (attribution table)을 사용하고 있을 수도 있습니다.

중요한 것은 원칙입니다:

1. 유료 클릭 ID를 보존합니다.
2. 수동 기여도 (manual attribution)를 보존합니다.
3. AI 어시스턴트 리퍼러를 명시적으로 분류합니다.
4. 결과를 실제 소스로 쿼리 (query)할 수 있게 만듭니다.

이 작업을 완료하면, ai_search는 다른 채널과 마찬가지로 검사할 수 있는 대상이 됩니다.

2. "저희를 어떻게 알고 오셨나요?"를 단 한 번만 캡처하세요

두 번째 해결책은 사람이 하는 것입니다.

양식 (forms), 봇 (bots), 그리고 전화 접수 (phone intake) 단계에서, 단 한 번만 작성되는 필드를 추가하세요:

저희를 어떻게 알고 오셨나요? (How did you hear about us?)

"단 한 번만 작성 (write-once)"한다는 부분이 중요합니다. 유입 경로 (source) 필드는 리드 (lead)가 시스템을 거치며 이동함에 따라 덮어쓰여지는 경향이 있습니다. 영업 팀이 상태를 업데이트하고, 자동화 (automation)가 프로필을 보강하며, 봇이 노트를 추가하고, 사람이 무언가를 수정합니다.

하지만 "저희를 어떻게 알고 오셨나요?"라는 질문에 대한 구매자의 첫 번째 답변은 전화 기여도 (phone attribution)가 살아남는 유일한 지점인 경우가 많습니다.

이 작업은 복잡할 필요가 없습니다. WhatsApp 봇에서는 자연스럽게 물어보세요. 전화 스크립트 (phone script)에서는 한 번 물어보고 답변을 기록하세요. 구매자가 "ChatGPT", "Perplexity", "AI 검색 (an AI search)", 또는 "어시스턴트에게 물어봤어요"라고 말한다면, 이를 퍼스트 파티 기여도 (first-party attribution) 증거로 유지하세요.

이 필드를 기술적 기여도 (technical attribution)를 대체하는 용도로 사용하지 마세요. 이를 보완하는 용도로 사용하세요.

브라우저 데이터 (Browser data)는 사이트에서 무엇이 일어났는지 알려줍니다. 접수 필드 (intake field)는 브라우저 데이터가 시작되기 전에 무엇이 일어났는지를 알려줍니다.

3. 주간 AI 검색 코호트 통계를 팀에 공유하세요

세 번째 해결책은 운영 (operational) 측면입니다.

유입 경로는 누군가가 의사 결정을 내릴 수 있을 만큼 정기적으로 확인해야만 유용합니다. 그래서 우리는 ai_search 소스에 대한 주간 코호트 (cohort) 통계를 추가하고 이를 팀 채널에 공유했습니다.

주간 뷰 (weekly view)는 의도적으로 작게 구성했습니다:

• ai_search를 통한 리드 (Leads)
• ai_search를 통한 딜 (Deals)
• ai_search를 통한 매출 (Revenue)

이 정도면 또 다른 비대해진 보고서를 만들지 않으면서도 신호 (signal)를 유지하기에 충분합니다.

목적은 AI 트래픽을 축하하는 것이 아닙니다. 더 나은 질문을 던지는 것이 목적입니다:

• AI를 통해 유입된 리드가 증가하고 있는가?
• 이들이 실제 대화로 전환 (converting)되고 있는가?
• 이들이 제안서 (proposals)를 열어보고 있는가?
• 이들이 계약을 체결 (closing)하고 있는가?
• 어떤 페이지나 답변이 이들을 보내고 있는 것으로 보이는가?
• CRM에 unknown이라고 표시되어 있더라도, 전화 리드들이 AI 어시스턴트를 언급하고 있는가?

이러한 질문들이 매주 가시화되면, 팀은 소스 드롭다운 (source dropdown) 메뉴가 숨겨버렸을 패턴을 발견하기 시작합니다.

다음에 주목할 것: 답변 엔진 가시성 (answer-engine visibility)

전통적인 SEO (Search Engine Optimization)는 여전히 유용합니다. 사람들은 여전히 Google을 검색합니다. 페이지는 여전히 순위를 높이고, 빠르게 로드되며, 의도(intent)에 답하고, 전환(convert)되어야 합니다.

하지만 AI 어시스턴트는 또 다른 영역을 도입합니다: 바로 답변 엔진 가시성 (answer-engine visibility)입니다.

구매자는 과거의 방식대로 "이스라엘에서 가장 뛰어난 자동화 에이전시"를 검색하지 않을 수도 있습니다. 대신 어시스턴트에게 다음과 같이 물을 수 있습니다:

• "내 비즈니스를 위한 WhatsApp 영업 에이전트를 구축해 줄 수 있는 곳은 어디인가요?"
• "리드 후속 조치 (lead follow-up)를 어떻게 자동화하나요?"
• "내 CRM, 광고, WhatsApp을 연결해 줄 수 있는 에이전시는 어디인가요?"
• "개발자를 채용하지 않고 소규모 비즈니스가 AI를 사용할 수 있도록 도와줄 곳은 어디인가요?"

어시스턴트의 답변은 귀하의 웹사이트, 언급(mentions), 서비스 페이지, 구조화된 콘텐츠 (structured content), 비교 페이지, 외부 참조 (external references), 그리고 포지셔닝 (positioning)의 명확성에 의해 결정될 수 있습니다.

이는 다음 측정 계층이 단순히 키워드 순위만이 아니라는 것을 의미합니다. 그것은 AI 시스템이 귀하가 무엇을 하는지, 언제 귀하를 추천해야 하는지, 그리고 어떤 문제에 대해 귀하를 추천해야 하는지를 이해하고 있는지 여부입니다.

우리는 아직 이를 측정하는 초기 단계에 있습니다. 누구도 이것이 완전히 해결된 것처럼 가장해서는 안 된다고 생각합니다. 하지만 우리는 이미 한 가지 사실을 확신하고 있습니다: 만약 AI 어시스턴트가 고객을 보내주고 있는데 귀하의 CRM이 그들을 website라고 부르고 있다면, 귀하의 고객 획득 모델 (acquisition model)은 잘못되었습니다.

철학적으로 틀린 것이 아니라, 실무적으로 틀린 것입니다.

귀하는 신뢰를 구축한 콘텐츠에 과소 투자하고 있을 수 있습니다. 단순히 마지막 클릭을 획득한 채널에 과도한 공을 돌리고 있을 수도 있습니다. 어시스턴트가 이미 선택지를 좁히는 데 도움을 주었기 때문에, 이미 준비된 상태로 도착한 전화 구매자들을 놓치고 있을 수도 있습니다.

우리에게 교훈은 간단했습니다: 소스(source)를 만들고, 기여 계층 (attribution hierarchy)을 보호하며, 구매자에게 한 번만 묻고, 코호트 (cohort)를 매주 검토하는 것입니다.

Automaziot AI는 Eyal Jacoby Miller가 설립한 소규모 이스라엘 AI 자동화 에이전시입니다. 우리는 단순히 데모용이 아니라 실제 영업 및 운영에 AI가 연결되기를 원하는 기업들을 위해 WhatsApp AI 에이전트 및 비즈니스 자동화 워크플로우 (business automation workflows)와 같은 실용적인 시스템을 구축합니다.