같은 고객이 장부마다
다른 사람이 된다 고객 데이터 통합 · 소비재·외식·숙박 85개사 웹 공개자료 실측 · 공개 데이터 분석

01무슨 일이 있었나

이게 특이한 회사 하나의 사정이었을까. 아니다 — 그 허브를 거쳐 간 96개 브랜드가 전부 그랬다. 젠틀몬스터도, 로우로우도, 앙투아솔레도, 헌터도. 규모가 크든 작든, 잘나가든 아니든, 출발점의 장부는 전부 같은 상태였다. 데이터 허브에서 매일 하던 일의 절반은 모델링이 아니라 두 가지 매핑 — 같은 사람 찾기, 같은 상품 찾기 — 이었다.

그렇다면 허브 밖은 어떤가. 이번에 세어 보았다.

02나만 겪은 게 아니었다 — 85곳 중 84곳

회사 내부는 밖에서 볼 수 없다. 대신 회사가 자기 손으로 직접 적어 둔 문서를 읽었다 — 고객 데이터를 다루는 시스템·수탁사 목록이 법적으로 명시되는 개인정보처리방침, 자사몰 구조, 공식 공지, 법인 등기·공시. 대상은 소비재·외식·숙박 85개사, 2026년 8~9월 실측이다.

집계 방식은 단순하다. 고객 한 사람의 기록이 서로 다른 장부로 쪼개질 수 있는 경로를 회사마다 셌다.

• 자사몰·브랜드몰이 2개 이상인가
• 고객 관리 시스템이 2개 이상인가
• 판매·예약 채널이 여럿인가
• 브랜드별로 법인이 나뉘어 있는가
• 인수(M&A) 이력이 있는가

갈라짐률(%) = (경로가 1개 이상인 회사 수) ÷ 85 × 100. 결과: 85곳 중 84곳, 99%. 안이든 밖이든, 거의 전부가 그랬다.

고객 시스템 수로 보면 2개 이상이 45곳(53%)이고, 최다는 한 숙박·리조트 기업의 17개 — 개인정보처리방침의 수탁사 목록에 자기 손으로 적혀 있는 숫자다. 예약이 채널 6곳에서 들어오고 고객 기록이 시스템 17개에 흩어지면, 「이 손님이 재방문인가」라는 기본 질문부터 답이 없다.

미리 밝히는 한계: 이 수치는 철저한 하한선이다. 공개된 것만 집계했으므로, 방침에 적히지 않는 내부의 파편화 — 실무자의 엑셀 장부, 대리점 수기 명부, 퇴사자가 남긴 레거시 DB — 는 여기 없다. 현장의 실제 갈라짐은 이보다 훨씬 깊다고 보는 것이 맞다.

03「CDP 사면 되잖아」는 왜 틀렸나

시스템 하나 도입하면 풀리는 문제라면, 이 글은 필요 없었을 것이다. 실측이 말하는 것은 반대다 — 갈라짐은 한 겹이 아니다. 경로를 회사마다 세어 보면, 하나도 없는 곳은 85곳 중 단 1곳, 중위는 두 겹 — 그리고 다섯 중 둘꼴(36곳, 42%)은 세 겹 이상을 동시에 갖고 있다.

겹마다 처방이 다르기 때문에 시스템 하나로는 안 풀린다. 몰이 여러 개인 것은 ID 매핑 문제고, 법인이 갈라진 것은 동의·계약이라는 법 문제고, 인수분은 남의 시스템에 남은 DB를 찾아오는 발굴 문제다. 시스템을 사서 풀리는 건 첫 겹뿐이고, 나머지 겹이 그대로면 「통합했는데 숫자가 안 맞는」 상태가 된다.

같은 이유로 「그거 우리 팀이 뽑으면 되잖아」도 절반만 맞다. 첫 겹은 정말 그렇다 — 쿼리 잘 짜는 사람이 있으면 몰 사이 ID 매핑은 며칠이면 된다. 그런데 법인이 갈라진 겹은 SQL로 풀리지 않는다. 그건 다른 법인의 고객 데이터를 가져올 근거가 있느냐의 문제라, 쿼리를 아무리 잘 짜도 근거가 없으면 못 합친다. 인수분도 마찬가지다 — 뽑을 대상이 어느 시스템에 남았는지부터 모르는데 뽑을 사람을 늘려 봐야 소용이 없다. 사람을 더 붙여서 풀리는 겹과, 사람을 붙이기 전에 결정을 먼저 내려야 하는 겹이 섞여 있다. 그 구분을 안 하고 시작하면 「반년째 통합 중」이 된다.

여기서 하나를 더 갈라 두어야 한다. 갈라짐에는 두 종류가 있다. 위 네 갈래는 「붙일 수 있는데 안 붙은」 데이터다. 그런데 플랫폼·오픈마켓 판매분은 종류가 다르다. 앞의 건기식 편에서 쓴 그대로 — 자사몰에서 팔리면 주문자 ID·재구매 주기·이탈까지 전부 자기 서버에 쌓이지만, 오픈마켓에서 팔리면 회사가 받는 것은 정산서다. 그 고객이 누구인지는 붙이고 말고의 문제가 아니라, 애초에 오지 않는다. 플랫폼 비중이 큰 회사일수록 「내 고객」을 볼 창은 자사 채널뿐인데, 그 유일한 창마저 99%가 갈라져 있다는 것이 위 실측이다. 못 받는 데이터는 어쩔 수 없다 — 그래서 받고 있는 데이터부터 한 사람으로 붙이는 일이 더 급해진다.

04갈라진 장부는 무엇을 숨기나

숫자가 틀리는 게 아니다 — 질문 자체가 성립하지 않게 된다.

재구매율이 부서진다. 자사몰에서 사고 스마트스토어에서 또 산 사람은, 갈라진 장부에서는 신규 고객 두 명이다. 재구매율은 실제보다 낮게, 신규 유입은 실제보다 높게 잡힌다 — 그리고 마케팅 예산은 그 틀린 숫자를 보고 「신규 획득」으로 쏠린다.

세그먼트가 부서진다. RFM의 F는 「무엇을 한 번의 구매로 셀 것인가」를 정하는 일인데, 구매가 세 장부에 흩어져 있으면 셀 대상 자체가 없다. 충성 고객이 장부마다 뜨내기 세 명으로 조각나 있다.

증분 측정이 부서진다. 광고와 판촉이 같은 고객에게 겹쳤는지는 주문을 사람 단위로 붙여야만 보이는데, 채널별 장부로는 영원히 안 보인다.

이탈은 사건이 아니라 정의다. 회원제·구독이면 특히 그렇다. 대부분 만료일로 이탈 대상을 뽑는데, 만료일은 달력이지 신호가 아니다 — 만료가 와서 나가는 게 아니라, 이미 마음이 떠난 다음에 만료일이 온다. 진짜 신호는 그 앞의 행동에 있다. 이용 간격이 벌어지고, 당일 취소가 늘고, 오던 요일이 바뀐다. 그런데 그 행동은 앱·현장 POS·상담 기록에 흩어져 있다. 앱으로 예약하고 매장에서 결제하는 회원이 두 장부에 두 사람으로 있으면, 「이용 간격」이라는 값 자체가 계산되지 않는다. RFM의 F와 정확히 같은 자리다 — 무엇을 이탈로 셀 것인가가 모델보다 앞선다.

그리고 사람만 갈라지는 게 아니다. 상품도 갈라진다. 같은 SKU가 채널마다 띄어쓰기·옵션 표기·묶음 구성이 다른 상품명으로 등록돼 있으면, 「이 상품의 재구매」도 「이 상품의 채널별 마진」도 셀 수 없다.

마지막으로 요즘 하나가 더 부서진다 — AI가 쓸 이력이 없다. AI 페르소나에게 고객을 연기시키려면 「당신은 지난 1년 이 브랜드를 세 번 샀고, 마지막은 할인 때였다」 같은 한 줄을 줘야 한다. 집계된 비율로는 페르소나가 입을 열지 않는다 — 그건 이 시리즈의 뒤에 나올 글에서 실측으로 다룬다. 문제는 그 한 줄이 통합된 이력에서만 나온다는 것이다. 장부가 갈라져 있으면 줄 문장이 없다.

05붙이면 무슨 일이 생기나

붙여 본 적이 있다. 젠틀몬스터와 함께, 채널마다 따로 들어오던 주문을 고객 단위로 붙이고 그 위에 RFM 세그먼트를 세웠다. 결과는 단순했다 — 세그먼트를 가른 순서 그대로 클릭률도 매출도 줄을 섰다. 모델이 대단해서가 아니라, 「무엇을 한 번의 구매로 셀 것인가」를 통합된 장부 위에서 정할 수 있게 됐기 때문이다. 같은 기반 위에서 돌린 CRM 캠페인은 자사몰 매출 6주 4.3배(ROAS 5,370%, z-test 검증)로 이어졌다 — 캠페인이 잘나서가 아니라, 누구에게 보내면 안 되는지가 처음으로 보였기 때문이다.

순서가 중요하다. 분석이 먼저가 아니라 통합이 먼저다. 갈라진 장부 위에 세운 모델은 정교할수록 정확하게 틀린다.

06그래서 우리 회사는 뭘 하면 되나

두 가지만 하면 된다 — 오늘 확인 하나, 월요일 실험 하나.

오늘: 당신 회사의 개인정보처리방침을 열어 보라. 이 글의 방법 그대로다. 수탁사·시스템 목록이 다섯 줄을 넘어가면, 그 목록이 곧 고객 데이터가 몇 조각 나 있는지의 지도다. 회의도 필요 없고 5분이면 된다.

월요일: 재구매율을 한 번만 다시 재라. 매출 상위 두 채널의 최근 1년 주문을 뽑아, 고객 식별자 하나(전화번호면 충분하다)로만 붙여서 재구매율을 계산한다 — 개발 프로젝트가 아니라 하루짜리 일이다. 그 숫자와 지금 대시보드의 재구매율의 차이, 그것이 갈라짐이 당신 회사에서 숨기고 있는 것의 크기다. 차이가 작으면 안심하고 다음 일을 하면 되고, 크면 — 그 차이가 곧 통합 프로젝트의 ROI 견적서다. 어느 쪽이든 하루 만에 답이 나온다.

그다음은 자기 회사의 행을 읽으면 된다 — 겹마다 첫 수가 다르다.

07그래서 이 글이 하고 싶은 말

이 일은 흔히 「분석 전에 하는 지루한 정리」로 취급된다. 반대다. 85곳 중 84곳이 갈라져 있다는 것은, 붙이는 일 자체가 가장 희소한 작업이라는 뜻이다. 대시보드는 누구나 만들고 모델은 누구나 가져다 쓴다 — 그러나 세 장부의 그 고객이 같은 사람임을 확정하는 일은, 데이터를 다시 짜는 일이고, 그게 되는 순간 재구매율·세그먼트·증분·AI 페르소나가 한꺼번에 살아난다. 우리가 파는 것이 그 일이다.

방법론 — 소비재·외식·숙박 85개사, 2026-08-14~09-03 웹 공개자료 실측(개인정보처리방침·자사몰 구조·공지·등기/공시). 갈라짐률 = 경로 1개 이상 회사 ÷ 85 × 100. 공개 자료 기준의 하한선이며 내부 장부의 갈라짐은 포함되지 않는다. 표본은 당사 리서치 대상 기업이라 무작위 표본이 아니다. 표본 회사명은 공개하지 않는다. 젠틀몬스터 협업 수치는 당사 사이트에 공표된 실측이다. 재현: 같은 방식은 어느 회사든 방침 페이지만으로 따라 셀 수 있다.