Datarize AI 활용 가이드 2026
질문이 성과를 가른다,
데이터라이즈 AI를 잘 쓰는 질문법
도입 2개월, 451개 쇼핑몰에서 쌓인 3,135개의 질문을 분석해 좋은 답을 받아내는 질문의 구조를 찾았습니다.
세션의 절반은 한 번 묻고 떠납니다. 차이는 '두 번째 질문'에서 시작됩니다.
목차
7개 챕터로 보는 데이터라이즈 AI 질문법
데이터로 보는 현황
절반은 한 번 묻고 떠난다 — 잘 쓰는 사용자의 차이
데이터로 보는 현황
세션 로그 1,399건을 분석하면 사용자는 명확히 두 그룹으로 갈립니다. 절반은 한 번 묻고 떠나고, 나머지는 대화를 이어가며 실행까지 끝냅니다.
개 사용 쇼핑몰
건 대화 세션
개 사용자 질문
질문 1회 후 종료
세션당 질문 횟수
한 세션 안에서 사용자가 던진 질문 수입니다. 절반(49%)이 단 한 번의 질문으로 끝납니다.
| 질문 횟수 | 세션 수 | 비중 |
|---|---|---|
| 1회로 종료 | 692 | 49% |
| 2회 | 358 | 26% |
| 3회 이상 | 349 | 25% |
가장 많이 한 첫 질문 TOP 7
상위 질문은 전부 프리셋 버튼이며, 이 7개가 전체 질문의 약 50%를 차지합니다. 시작점은 대부분 같다는 뜻입니다.
| 질문 | 횟수 |
|---|---|
| 우리 사이트를 진단해줘 | 601 |
| 지금 꼭 해야 할 캠페인 추천해줘 | 225 |
| 매출을 올리려면 어떻게 해야 해? | 194 |
| 이탈 위험 고객 찾아줘 | 174 |
| 캠페인 추천해줘 | 132 |
| 신규 고객 확보 전략 알려줘 | 123 |
| 재구매 유도 캠페인 추천해줘 | 109 |
대화를 이어간 사용자의 후속 질문 유형
3회 이상 대화를 이어간 사용자의 후속 질문은(분류 가능 건 기준) 압도적으로 실행 지향입니다. 진단을 받은 뒤 "그래서 무엇을 하면 되는가"로 넘어갑니다.
| 유형 | 건수 |
|---|---|
| 캠페인 실행, 세팅 | 169 |
| 오디언스, 타깃 설계 | 121 |
| 진단, 추천 변형 | 113 |
| 성과, 데이터 요청 | 96 |
| 개념, 지표 질문 | 42 |
첫 질문 유형별 대화 지속율
첫 질문을 직접 입력한 사용자가, 프리셋 버튼으로 시작한 사용자보다 3회 이상 대화를 이어갈 확률이 더 높았습니다.
| 첫 질문 시작 방식 | 3회 이상 지속율 |
|---|---|
| 자유 입력으로 시작 | 30.1% |
| 프리셋 버튼으로 시작 | 22.9% |
핵심 발견
잘 쓰는 사용자는 데라 AI를 '진단 리포트 머신'이 아니라 '실행을 같이 하는 분석가'로 씁니다. 이어지는 네 개의 장면이 그 구체적인 모습입니다.
분석 기간: 데라 AI 세션 로그 2026-04-07 ~ 06-12, 삭제 메시지 제외. 6월은 부분 집계(1~12일).
잘 쓰는 마케터의 4가지 질문 패턴
실제 세션의 질문 구조를 재구성한 네 장면
패턴 1 — 진단에서 멈추지 않고, 실행까지
패션 브랜드 마케터의 13턴 세션. 실제 질문 구조를 가상 브랜드로 재구성했습니다.
"이탈 위험 고객 찾아줘"
이탈 위험 고객을 찾고, 최근 구매 주기가 지난 VIP 비중이 높다는 진단 요약을 받습니다.
"이 진단 결과를 기반으로 맞춤 오디언스 설정이랑 캠페인을 추천해줘"
"추천해준 캠페인 1번, 세팅 단계를 알려줘"
"이 캠페인을 켜면, 기존에 돌고 있는 캠페인 중에 꺼야 할 게 있어?"
"발송 스케줄은 어떻게 잡는 게 좋을까? 중복 발송 방지 설정도 알려줘"
진단 → 캠페인 추천 → 세팅 → 기존 캠페인 정리 → 스케줄과 중복 발송 설정까지, 한 자리에서 완료했습니다.
데라의 답변은 끝이 아니라 다음 질문의 재료입니다. '그래서 뭘 하면 돼?', '하기 전에 뭘 확인해야 해?'를 이어서 물어보세요.
패턴 2 — 내 상황을 말해주면, 답이 정교해진다
뷰티 브랜드 마케터. 목표와 제약을 함께 제시하고 발송 전 시뮬레이션까지 하는 세션입니다.
"지금 최대 할인 행사 중이라서, 절대 안 돌아올 것 같은 고객만 빼고 다 보내고 싶어. 오디언스를 어떻게 구성해야 할까?"
목표(최대 도달)와 제약(가망 없는 고객 제외)에 맞춰, 이탈율 상위 구간만 제외하는 조건 설계를 제안받습니다.
"관심 상품이 2개 이상 있고, 그 상품을 7일 이내에 구매하지 않은 회원 — 이 오디언스를 만들려면 어떻게 해?"
"매주 일요일 알림톡으로 쿠폰 만료 캠페인을 보내고 있어. 제외 조건을 최근 2주 구매에서 최근 1주 구매로 바꾸면 타깃이 몇 명 정도 늘어날까?"
조건 변경 시 추가되는 타깃 규모를 숫자로 받고, 발송 전에 확인하고 결정합니다.
일반론이 아니라 바로 적용 가능한 조건 설계와, 발송 전 시뮬레이션으로 의사결정을 마쳤습니다.
'오디언스 추천해줘'가 아니라 [목표]와 [제약]을 함께 주세요. 답이 일반론이 아니라 바로 적용 가능한 조건 설계로 돌아옵니다.
패턴 3 — 비즈니스 특성을 학습시키고, 반박하라
홈트레이닝 용품 브랜드의 헤비유저. 두 달간 8~16턴 세션을 반복한 사용자의 방식입니다.
"우리 제품은 특성상 재구매가 거의 없는 제품이야. 이걸 반영해서 다시 분석해줘"
재구매 전제를 제외하고, 신규 방문 → 첫 구매 전환에 집중한 전략으로 다시 정리받습니다.
"온사이트 캠페인을 이렇게 많이 해놓으면 고객 피로도와 반감이 쌓이지 않아?"
"네이버페이 혜택 안내 캠페인은 하는 게 맞나 싶어. 네이버페이는 비회원만 결제 가능하기도 하고"
지적을 반영해 해당 캠페인을 우선순위에서 제외하고, 단계적 도입으로 전략을 수정합니다.
"다음 / 응"
"냉정하게, 뭐가 문제야?"
전제와 반박을 반복할수록 전략이 자기 사이트 맥락에 맞게 다듬어졌습니다.
데라는 정답기가 아니라 대화 상대입니다. 전제를 주고, 반박하고, 다시 묻는 만큼 답이 당신 사이트에 맞게 깎입니다.
패턴 4 — 주간 보고서, 시키고 검증까지
기간, 제외 조건, 출력 형태를 지정한 보고서 자동화 세션입니다.
"5월 메시지 캠페인이랑 온사이트 캠페인 실적 보고해줘. 인사이트도 같이 뽑아줘"
"발송 실패 고객 성과는 빼고, 발송 성공 고객만의 캠페인별 성과를 표로 정리해줘"
"4월 데일리로 주문 페이지 이탈 현황을 알려줘. 이탈 수랑 추정 금액으로"
지정한 조건과 형태 그대로 캠페인별 성과 표를 받습니다.
"위에 전달해준 리포트들의 숫자를 전체적으로 교차 검증해봐. 재방문 세션의 객단가가 높다는 것도 실제로 유의미한 차이인지"
엑셀 피벗 30분이 질문 한 줄로 줄었고, 시킨 일의 숫자를 데라에게 교차 검증까지 시켰습니다.
기간, 제외 조건, 출력 형태를 지정하면 그대로 나옵니다. 그리고 AI에게 시킨 일은 AI에게 검증까지 시키세요.
질문 공식과 템플릿
좋은 답을 받아내는 구조와 바로 쓰는 9개
잘 쓰는 마케터들의 질문 공식
3,135개의 질문에서 찾아낸, 좋은 답을 받아내는 공통 구조입니다.
❌ "캠페인 추천해줘"
⭕ "신규 가입 고객의 첫 구매를 유도하고 싶어 (목표). 우리 제품은 재구매가 거의 없고, 웰컴 쿠폰 캠페인은 이미 돌고 있어 (상황). 추천 캠페인 3개만, 우선순위 순으로 (형태) 알려줘"
복사해서 바로 쓰는 질문 템플릿 9
대괄호 [ ] 안만 자신의 상황으로 바꿔서 그대로 붙여넣으세요.
우리 사이트를 진단해줘. 특히 [재구매/이탈/신규 전환] 관점에서 가장 큰 문제 하나만 짚어줘
우리 제품은 [재구매가 거의 없는/시즌성이 강한/객단가가 높은] 제품이야. 이걸 반영해서 다시 분석해줘
이탈 위험 고객 중 [VIP 등급/최근 90일 구매자]만 추려줘. [이번 주 기획전]에 활용하려고 해
[관심 상품이 2개 이상 있고, 7일 이내에 구매하지 않은] 회원 오디언스를 만들려면 어떻게 해?
지금 [쿠폰 만료 알림] 캠페인의 제외 조건을 [2주 → 1주]로 바꾸면 타깃이 얼마나 늘어날까?
추천해준 캠페인 세팅 단계를 알려줘. 기존 캠페인 중 꺼야 할 게 있으면 같이 알려줘
[5월] 캠페인별 성과를 비교 표로 정리해줘. [발송 실패 고객] 성과는 제외하고
방금 준 리포트의 숫자들을 교차 검증해봐. [재방문 객단가가 높다는 결론]이 실제로 유의미한 차이야?
[방문 고객과 세션]의 차이가 뭐야?
두 번째 질문에서 갈립니다
위의 마케터들도 첫 질문은 똑같이 "우리 사이트를 진단해줘"였습니다. 진단 결과에서 가장 눈에 밟히는 숫자 하나를 골라, 이렇게 물어보세요.
"이 숫자, 왜 이런 거야? 개선하려면 지금 뭘 하면 돼?"