[편집자 주] 생성형 AI와 빅데이터 활용이 화장품 마케팅과 신제품 개발 전반으로 빠르게 확산되고 있지만 많은 기업이 수집한 데이터를 차별화된 전략과 실제 의사결정으로 연결하는 데 어려움을 겪고 있다. 코스인코리아닷컴은 화장품 제조사와 원료사, 상품기획·마케팅 실무자들이 AI 에이전트를 올바르게 선택하고 효과적으로 활용할 수 있도록 인사이트코리아의 전문 기획연재를 시작한다. 데이터가 쌓여도 전략은 제자리에 머무는 이유를 짚고 글로벌 화장품 기업의 AI 활용 사례와 마케터가 확인해야 할 AI 에이전트 선택 기준을 살펴본다. VOICE, DEVELOP, FORECAST, MIX, TRACK 등 5개 분야를 매월 순환하며 화장품 마케팅 현장에 적용할 수 있는 데이터와 사례를 소개한다.

인사이트코리아는... 

25년간 FMCG·화장품·퍼스널케어 분야에서 시장조사와 컨설팅을 수행해 온 마케팅 인텔리전스 전문기업이다. 5,000여 건의 신상품 수용도 조사 데이터베이스와 자체 분석 노하우를 기반으로 화장품 마케팅에 특화된 ‘INCENCIA AI Platform’을 개발했다. INCENCIA AI Platform은 VOICE, DEVELOP, FORECAST, MIX, TRACK 등 5개 모듈과 20개 전문 AI Agent를 통해 소비자 니즈 분석, 신제품 컨셉 개발, 수요예측, 마케팅 믹스 최적화, 출시 후 성과 진단 등을 지원한다.

글·자료 | 인사이트코리아 INCENCIA AI

한 달 전 Z세대가 열광하던 보습 크림이 한 달 뒤엔 식는다. 화장품 트렌드는 이제 분기가 아니라 ‘틱톡 속도’로 움직인다. 이 속도전에서 마케터들은 이미 무장하고 있다. 빅데이터 VOC를 구독하고, 트렌드 대시보드와 AI 보고서를 받아보며, 자사몰·CRM과 크롤링 시스템으로 자사·경쟁사 리뷰를 직접 모은다. 데이터는 차고 넘친다. 그런데 정작 ‘우리 브랜드만의 전략’은 좀처럼 손에 잡히지 않는다. 컨설팅사 맥킨지는 생성형 AI가 글로벌 뷰티 산업에서만 90억~100억 달러의 가치를 만들 수 있다고 봤다. 문제는 그 가치를 ‘누가, 어떻게’ 가져가느냐다.

 한국 화장품 시장이라면 — ‘속도’가 곧 생존이다 
이 질문은 한국 시장에서 더 무겁다. K-뷰티가 세계 무대에서 존재감을 키우는 사이, 국내 시장은 인디 브랜드의 폭발적 증가와 올리브영·무신사 등 리테일 플랫폼이 만든 ‘리뷰 경제’로 어느 때보다 치열해졌다. 신상품이 쏟아지고 트렌드 주기가 짧아진 환경에서, 한 줄 리뷰와 SNS 언급은 실시간으로 브랜드 평판을 만들고 또 무너뜨린다. 외주 리서치의 긴 납기와 비용을 감당하기 어려운 인디·중견 브랜드일수록, 마케터가 직접 분석하고 즉시 결정하는 역량은 선택이 아니라 생존의 문제가 된다.

 이미 구독은 하고 있다 — 문제는 ‘그 다음’이다 
국내 화장품 마케팅팀의 상당수는 이미 유료 구독으로 VOC 빅데이터를 받아보거나, LLM 기반 AI 보고서를 활용한다. 올리브영 리뷰를 크롤링해 자사·경쟁사를 모니터링하고, 신상품 기획과 전략 수립에 쓴다. 여기까지는 많은 기업이 도달했다. 문제는 받아 든 결과가 대체로 ‘언급량과 감성 점수’ 수준에서 멈춘다는 점이다. 더 큰 한계는, 같은 데이터를 같은 표준 모형에 넣는 순간 경쟁사도 비슷한 답을 받는다는 데 있다.

데이터를 ‘모으는’ 경쟁은 이미 끝났다. 이제 승부는 그 데이터로 ‘무엇을, 어떻게 묻느냐’로 넘어갔다. 내부 기밀 자료와 자사 VOC가 많은 기업, 그리고 그 데이터로 빠르게 의사결정을 내려야 하는 CMO·CEO일수록 이 전환의 무게는 더 크다. 같은 도구로 모두가 같은 답을 받는 시장에서, 차별화는 결국 ‘질문의 깊이’에서 갈리기 때문이다.

 듣는 브랜드가 이긴다 — 그리고 AI가 그 ‘듣기’를 산업화한다 
AI 이전에도 시장을 흔든 브랜드들의 공통점은 분명했다. 단순히 ‘좋아요’를 세는 데 그치지 않고, 소비자가 ‘언제, 어떤 상황에서, 왜’ 그 제품을 고르는지를 끈질기게 캐냈다는 점이다.

글로시에(Glossier)의 대표 클렌저는 ‘어떤 세안제를 원하느냐’는 물음에 달린 수백 개의 고객 응답에서 태어났고, 보습 제품 용기는 ‘용기형은 비위생적으로 느껴진다’는 피드백을 반영해 펌프형으로 바뀌었다. 만족한 고객은 ‘렙(Rep)’이라 불리는 자발적 홍보대사가 됐다. 

펜티 뷰티(Fenty Beauty)는 한 발 더 나아갔다. 대다수 브랜드가 20여 종 색상에 머물던 2017년, 출시와 동시에 40가지 파운데이션을 내놓으며 ‘업계가 못 본 척했던’ 미충족 니즈와 시장 공백을 정조준했고, 짙은 색상부터 품절되는 ‘펜티 이펙트’를 일으켰다.

이들의 성공 원리는 하나로 요약된다 — 고객의 목소리(VOC)에서 ‘아직 채워지지 않은 수요’를 발견해 제품과 전략으로 전환하는 것. 다만 과거 이 작업은 느리고, 비싸고, 소수 전문가의 감에 의존했다. 바로 이 ‘듣기’를 산업화한 것이 오늘의 AI다.

 AI는 이미 화장품 마케팅의 ‘실무’가 됐다 
세계 1위 화장품 기업 로레알(L’Oréal)은 신제품이 ‘아이디어에서 매대까지’ 가는 데 1년 넘게 걸린다는 점에 주목했다. 트렌드가 대중화되기 6~18개월 전에 먼저 감지해야 선점이 가능하다는 계산이다. 이를 위해 도입한 트렌드 디텍션 시스템은 자연어처리(NLP)로 방대한 온라인 문서를 읽어, 흔치 않지만 의미 있는 ‘약한 신호(weak signal)’—떠오르는 성분·텍스처·라이프스타일 키워드—를 포착하고, 머신러닝으로 그 트렌드가 ‘오래갈지’까지 예측한다. 인플루언서를 좇는 방식으로는 이미 늦는다는 문제의식에서 출발했다. 

같은 회사가 리뷰·평점 분석에 도입한 또 다른 AI는, 흩어진 리뷰 텍스트를 SKU·카테고리 단위의 정량·감성 데이터로 바꿔 실시간으로 보여준다. SNS에서 뜨는 키워드가 실제 리뷰 감성과 구매 피드백에서도 확인되는지 즉시 교차 검증해, 몇 주씩 걸리던 트렌드 검증을 사실상 실시간으로 당겼다. 핵심은 ‘진짜 트렌드와 한철 유행의 구분’이다.

80년 가까운 역사의 에스티 로더(Estée Lauder)는 한발 더 나아가 사내 ‘에이전트’를 만들었다. 설문·임상·제품 사용 데이터 등 수십 년치 자산이 25개 브랜드와 150여 개국에 흩어져 있다는 게 오랜 고민이었다. 이 데이터를 자연어 대화로 즉시 꺼내 쓰는 에이전트는 자료 취합에 몇 주씩 걸리던 일을 몇 분으로 줄였다. 틱톡에서 특정 립글로스가 화제가 되면, 마케터가 전 세계 소비 데이터를 그 자리에서 조회해 자사 제품을 띄우거나 신제품 방향을 잡는다.

AI는 분석에만 머물지 않는다. 로레알은 셀카 한 장으로 피부 상태를 진단하는 AI 스킨 컨설팅과 가상 메이크업(AR) 체험을 운영하는데, 한 분석에 따르면 AR 체험을 이용한 소비자의 구매 가능성이 그렇지 않은 경우보다 약 30% 높았다. 진단·체험에서 쌓인 데이터는 다시 취향과 미충족 니즈를 읽는 자산이 된다. 분석과 경험, 데이터가 맞물려 돌아가는 ‘플라이휠’이다. 한 화장품 기업 임원의 표현을 빌리면, 스타트업은 틱톡 트렌드에 가볍게 올라탈 수 있어도 수십 년의 시장 지식은 없다 — 그리고 이제 그 지식을 AI로 꺼내 쓸 수 있게 됐다.

 그러나 ‘도입’과 ‘활용’은 다르다 — 표준화된 AI의 함정 
여기서 흔한 오해가 시작된다. ‘AI를 도입했다’는 사실 자체가 경쟁력은 아니라는 점이다. 노하우 없이 단순한 프롬프트로 범용 LLM을 돌리면 사실과 다른 ‘그럴듯한 추론(할루시네이션)’이 섞이기 쉽고, 이미 시장에 깔린 트렌드형 AI 보고서처럼 같은 데이터를 같은 모델에 넣으면 누가 돌려도 비슷한 답이 나온다. 모두가 같은 정보를 받는 순간, 우리 브랜드만의 인사이트도 경쟁사를 앞서는 전략도 사라진다.

최근 글로벌 시장에서는 ‘AI를 썼다’는 사실만 앞세운 캠페인이 역풍을 맞았다. 한 글로벌 음료 브랜드의 생성형 AI 연말 광고는 ‘영혼이 없다’, ‘AI 슬롭(AI slop)’이라는 혹평을 받았고, 한 외식 브랜드는 네덜란드에서 선보인 AI 광고를 비판 끝에 며칠 만에 내렸다. 업계는 이를 ‘진정성 프리미엄(Authenticity Premium)’으로 설명한다. 기술적 완성도가 높아도 인간의 경험과 맥락이 빠진 결과물에 소비자는 본능적으로 등을 돌린다는 것이다.

이 대목은 화장품에서 특히 예민하다. 뷰티 소비는 ‘남이 직접 써보고 남긴 말’에 대한 신뢰, 즉 또래의 진정성에 기대어 움직인다. 브랜드 고유의 결을 범용 AI의 평균값으로 납작하게 눌러버리면, 정작 구매를 일으키던 그 신뢰가 흔들린다.

앞서 본 글로벌 기업들이 AI로 앞서가는 진짜 이유도 ‘모델’이 아니라 ‘연료’에 있다. 로레알은 자사가 보유한 16페타바이트(PB)급 독점 뷰티 데이터를 AI의 ‘연료’라고 부른다. 시장 분석가들은 경쟁의 해자(moat)가 범용 AI 기술이 아니라, 그 기업만이 가진 고유 데이터와 카테고리 전문성에 있다고 짚는다. 누구나 접근 가능한 분석 영역은 빅테크가 더 잘하지만, 자사의 성분·임상·소비자 데이터처럼 ‘남이 가질 수 없는 자산’에 AI를 적용할 때 비로소 대체 불가능한 우위가 생긴다는 것이다.

 다가가고, 고민하고, 고르다 — 마케터의 ‘AI 에이전트’ 선택법 
그렇다면 어떤 AI 에이전트에 다가가야 할까. 도입을 검토하는 마케터·의사결정자라면 화려한 기능 목록보다 다음 세 가지 질문으로 좁혀가는 편이 빠르다.

■ 우리만의 데이터인가 — 이 분석은 자사의 기밀·VOC·내부 자료를 반영하는가, 아니면 누구나 받는 표준 답인가.

■ 전문성이 담겼는가 — 결과에 화장품 카테고리·품목의 전문성과 검증된 분석 노하우(분석 함수·로직)가 녹아 있는가.

■ 사람이 통제하는가 — 최종 판단 전, 마케터가 분석 방향을 검토·승인하는 단계(Human-in-the-Loop)가 설계돼 있는가.

여기에 실무 관점의 기준 두 가지를 더한다. 

첫째 ‘전주기를 잇는가’ — 니즈 분석부터 컨셉, 신제품 요소(네임·패키지·가격·광고), 출시, 사후 모니터링까지 한 흐름에서 다루는가, 아니면 단계마다 도구가 흩어지는가. 

둘째 ‘마케터가 직접 쓸 수 있는가’ — 데이터 사이언티스트가 아니라 마케터가 직접 다룰 만큼 진입장벽이 낮고, 결과가 곧바로 실행안으로 이어지는가.

정리하면, 좋은 AI 에이전트는 ‘대신 일하는 외주’가 아니라 ‘함께 묻는 파트너’다. 마케터의 판단을 대체하는 것이 아니라, 마케터가 더 깊이 묻고 더 빨리 결정하도록 증폭하는 도구여야 한다.

 인사이트코리아가 선보인 화장품 특화 AI 에이전트 — ‘INCENCIA’ 
이런 기준을 염두에 두고 보면, 최근 국내에서 등장한 화장품 특화 플랫폼 하나가 눈에 띈다. 25년간 FMCG·화장품·퍼스널케어 리서치·컨설팅을 해온 인사이트코리아(Insight Korea)가 5,000여 건의 신상품 수용도 조사 DB와 분석 노하우를 20개 AI 에이전트에 이식해 선보인 ‘인센시아(INCENCIA) AI Platform’이다. 설계 철학은 한 문장으로 압축된다 — ‘마케터가, 자사 데이터로, 직접 분석한다.’ 외부 리서치사가 알 수 없는 브랜드 히스토리와 내부 데이터를, 그 브랜드를 가장 잘 아는 마케터가 직접 분석에 투입하는 구조다.

차별점은 ‘프롬프트 한 줄’이 아니라 각 에이전트에 검증된 분석 노하우(분석 함수·로직)가 내장돼 있다는 데 있다. 소비자가 어떤 사용 상황(Usage Occasion)에서, 어떤 정서적 동인·페인 포인트·구매 장벽·신생 니즈로 제품을 고르는지를 분해하고, 내러티브 클러스터링·히든 텐션 분석·미충족 니즈 도출·트렌드 부상 예측·시장 공백(Whitespace) 포착 같은 기법으로 ‘전략으로 연결되는 통찰’을 만든다. 여기에 성분·피부 연구·효능 특허 등 내부 자산을 결합해 컨셉을 개발하고, 5,000여 건 DB로 성공 가능성과 수요까지 검증한다.

출시 이후에는 ‘위험 키워드’ VOC 모니터링으로 리스크를 골든타임 안에 잡고, 인지→탐색→비교→구매→사용→재구매→추천으로 이어지는 7단계 고객 여정 단계별로 홍보 효과를 진단해 실행안을 도출한다. 분석부터 MS Word 보고서 자동 생성까지 평균 1~3시간, 모든 단계에서 마케터가 직접 검토·승인하는 Human-in-the-Loop 구조다. 누구나 같은 답을 받는 표준 보고서와 결정적으로 다른 지점이다.

자세한 정보는 incencia.ai에서 확인할 수 있으며, 가입 후에는 플랫폼 내 ‘아카데미(Academy)’가 모든 사용 가이드를 제공해 마케터라면 별도 준비 없이 바로 활용할 수 있다. 온보딩 교육도 상시 지원돼 진입장벽이 낮다.

 결국, ‘묻는 자’의 시대다 
주목할 변화는 ‘접근권’이다. 페타바이트급 데이터와 전담 AI 연구소를 갖춘 글로벌 공룡들의 전유물처럼 보였던 ‘뷰티테크’가, 특정 산업에 특화된 에이전트의 형태로 중견·인디 브랜드의 손에도 들어오고 있다. 민첩한 도전자들이 빼곡한 한국 시장에서라면, 이 ‘민주화’는 어떤 단일 기능보다 큰 변수가 될 수 있다.

AI 에이전트가 마케팅의 표준이 될수록, 역설적으로 사람의 몫은 더 분명해진다. 좋은 답은 좋은 질문에서 나오고, 좋은 질문은 그 카테고리를 가장 잘 아는 전문가와 그 회사만이 가진 데이터에서 나온다. AI 시대 화장품 마케터의 경쟁력은 ‘AI를 도입했는가’가 아니라 ‘무엇을, 어떤 데이터로 묻고, 그 답을 어떻게 판단하는가’로 이동하고 있다. 도구는 빠르게 보편화되지만, 질문의 깊이는 끝내 사람의 것이다.

※ 본 기획은 AI 시대 화장품 마케팅을 주제로 한 연재의 첫 회입니다.

더 많은 정보·문의: https://incencia.ai
글 │ INCENCIA AI