데이터 탐색부터 실행까지 연결하는 MATCH Console과 MAI

무신사 Core-E Personalization 팀이 개인화 시스템 MATCH의 운영자 인터페이스인 MATCH Console과 AI Assistant MAI를 구축한 과정을 소개한다. 마케터가 분석가 도움 없이 오디언스를 정의·검증·배포하도록 Data Explorer·Audience·Activation 세 모듈과 자연어 쿼리 AI를 하나의 워크플로우로 통합했다.

핵심 포인트

기존에는 마케터가 오디언스 추출을 위해 분석가에게 요청하고, Braze·Databricks·스프레드시트에 같은 값을 반복 입력해야 했다.
Data Explorer는 기술 컬럼명에 비즈니스 표기명·설명·Active/Inactive 상태를 덧붙여 분석가 없이 마케터가 데이터 신뢰성을 직접 판단하게 한다.
Audience Builder는 SQL 없이 "The users who..." 문장 완성 방식으로 오디언스를 정의하고, 실제 포함 고객 프로필로 저장 전 검증을 지원한다.
Activation은 CRM 캠페인 실행과 Audience API 두 방식으로 오디언스를 채널에 연결하며, Campaign Meta Engine이 타겟 결정부터 배포까지 담당한다.
MAI는 자연어 질문을 받아 관련 테이블·속성을 탐색하고 쿼리를 실행 후 결과를 요약해 1분 이내에 답을 제공한다.

상세 정리

문제 인식: 마케터가 속성 한 개 확인에도 분석가에게 질문해야 하고, 캠페인 한 건 발송을 위해 Braze·Databricks·스프레드시트를 오가며 동일 값을 반복 입력하는 구조였다.
설계 원칙: 정확성(데이터 신뢰)과 접근성(비전문가 사용) 사이의 딜레마를 인지적 부하 최소화로 해결하는 것을 목표로 했다.
Data Explorer: 기술 명칭 옆에 운영자 표기명·발생 조건·설명을 제공하고, 매일 실제 컬럼과 등록 스키마를 비교해 Active/Inactive 상태를 표시한다. 이 비즈니스 메타데이터는 MAI에도 동일하게 사용돼 사람과 AI가 같은 사전을 공유한다.
Audience Builder: "The users who" 시작 문장에 행동·횟수·기간·파라미터를 조합하고 AND/OR로 연결한다. "최근 30일 특정 브랜드 상품 3회 이상 조회했지만 미구매 고객" 같은 조건을 SQL 없이 정의할 수 있다.
오디언스 검증: 조건 저장 전 현재 모수·마지막 계산 시점과 함께 실제 포함된 고객 프로필을 확인해 의도치 않은 대상 포함 여부를 검증한다.
Activation CRM: Campaign Meta Engine이 오디언스 기반 최종 타겟을 결정하고 실행 채널(Braze 등)로 전달하는 과정을 하나의 워크플로우로 연결해 반복 입력을 제거했다.
Activation API: 서비스가 MATCH에 오디언스 정보를 요청하고 "무엇을 할지"는 서비스가 직접 결정하는 구조. 출석 체크 서비스가 진입 유저 오디언스를 조회하고 보상 방식을 자체 판단하는 방식으로 활용된다.
MAI 구성: 자연어 질문→관련 테이블·속성 탐색→쿼리 생성·실행→결과 요약까지 하나의 흐름으로 처리하며, Data Explorer 메타데이터를 공유해 질문-데이터 연결 정확도를 높인다.
MAI 온보딩: 무엇을 물어봐야 할지 모르는 운영자를 위해 가이드 질문을 먼저 제시하는 방식을 도입했다.