앱스플라이어의 MCP, 에이전트 허브, 그리고 AI 어시스턴트 활용 사례 및 데이터
MCP를 사용하는 계정의 53%, 7일 차 이후 재방문
39%가 가장 인기 있는 에이전트인 ‘주간 성과 리포트’ 배치
AI 어시스턴트 질문의 20%, 데이터 분석 및 조회
신뢰할 수 있는 신호 레이어가 AI 성과의 핵심입니다
AI의 성능은 이에 제공되는 데이터의 품질에 의존합니다. 결국 에이전트는 제공받은 데이터 신호를 활용해 주어진 목표를 충실히 수행하는 최적화 도구에 불과합니다. 이러한 신호가 파편화되어 있거나, 중복되거나, 자가 보고 방식이거나, 관리가 부실하다면 자동화는 문제를 줄이기는커녕 오히려 가속화합니다.
따라서 AI를 가장 효과적으로 활용하는 마케터는 가장 정교한 모델에 접근할 수 있는 마케터뿐만 아니라, 신호 문제를 먼저 해결하고 스스로 신뢰할 수 있는 데이터를 기반으로 운영하는 마케터입니다.
앱스플라이어는 수천 개 마케팅 팀을 위한 신뢰할 수 있는 신호 레이어의 중심에 위치해 있습니다. MCP는 이러한 팀이 어떤 인터페이스를 통해서든 모든 어트리뷰션 및 성과 데이터를 조회할 수 있도록 해당 레이어에 대한 프로그래밍 방식의 접근 권한을 제공합니다. 에이전트 허브는 상시 가동되는 에이전트를 배치하여 모니터링, 알림, 기회 포착을 수행합니다. AI 어시스턴트는 대화 방식 및 데이터 시각화를 통해 질문에 답하고, 가설을 검증하며, 데이터를 조회합니다. 이들은 함께 앱스플라이어의 모던 마케팅 클라우드하에서 작동하는 전체 AI 툴 스택을 구성합니다.
본 리포트는 마케터들이 앱스플라이어 플랫폼 내에서 실제로 수행하는 작업, 즉 실행하는 쿼리, 설정하는 에이전트, 구축하는 워크플로우를 살펴봅니다. 분석 결과는 ‘주요 데이터 트렌드’ 섹션의 정량적 집계 결과와 ‘사용 사례’ 섹션의 전 분야에 걸친 정성적 연구를 결합하여 제시됩니다. 이를 통해 오늘날 마케팅 분야의 AI 도입 현황과 향후 지향점에 대한 심도 있는 인사이트를 제공합니다.
* 모든 결과는 완전히 익명화되고 집계된 데이터를 바탕으로 합니다. 통계적 유효성을 확보하기 위해 엄격한 볼륨 임계값과 방법론을 준수하며, 이러한 조건이 충족될 때에만 데이터를 제시합니다.
에이전틱·자동화 정착 속 토큰 인증 MCP 활동 점유율 48% 달성
Bearer 토큰 인증은 대화형 인터페이스가 아닙니다. 이는 N8N, Make, 커맨드라인 클라이언트와 같은 툴에서 구축된 자동화 또는 에이전틱 워크플로우를 인증합니다. 이러한 워크플로우는 정기적인 데이터 수집부터 채팅 창이 아닌 프로그래밍 방식으로 MCP 서버에 질의하며 여러 툴을 넘나들며 추론하는 완전한 에이전틱 시스템에 이르기까지 다양합니다.
토큰 인증을 통해 연결하는 계정 비중은 2025년 12월 13.6%에서 2026년 5월 47.7%로 급증(250% 증가)했습니다. 이는 더욱 기술적으로 숙련된 사용자층이 직접적인 대화형 인터페이스보다 워크플로우 자동화를 점점 더 많이 채택함에 따라, MCP의 활용 사례가 단순 탐색에서 프로덕션 단계로 전환되고 있음을 보여줍니다. 이는 특히 개발자나 분석가에게 의존하지 않고도 자동화 및 에이전트를 직접 구축할 수 있게 된 마케터에게 해당되는 사실입니다.
Claude와 Claude Code는 이러한 변화의 또 다른 단면을 보여줍니다. Claude는 해당 기간 동안 19%에서 32%의 점유율을 유지하며 대화 방식으로 API에 질의하는 마케터, 분석가, 개발자를 위한 인터랙티브 레이어로서 꾸준히 성장했습니다. Claude Code는 3.8%에서 9.9%로 거의 3배 증가했는데, 이는 개발자들이 빌드 환경 내에서 MCP와 점차 더 많이 상호작용하고 있음을 나타내는 신호입니다. 두 솔루션의 합산 점유율은 22.7%에서 42%로 85% 성장하여, 프로그래밍 방식 레이어와 대화형 레이어가 모두 확장되고 있음을 시사합니다.
Claude의 상승세는 더 넓은 시장의 역학관계를 반영합니다. ChatGPT가 소비자 시장에서 압도적인 우위를 점하고 있음에도 불구하고(ChatGPT 사용량의 약 70%는 업무 외적인 영역) 2025년 중반까지 Anthropic의 엔터프라이즈 매출은 OpenAI를 앞질렀습니다. 보다 정확한 차이점은 Claude가 API 및 에이전틱 코딩 섹터에 특화되어 우위를 점하고 있다는 점이며, Anthropic은 2026년 초까지 엔터프라이즈 코딩 시장의 약 54%를 점유했습니다. 본질적으로 개발자 및 분석가용 인터페이스인 MCP 환경에서는 이러한 강점이 더욱 극대화될 가능성이 높습니다.
지역별로 보면 APAC이 13%에서 63.7%로 가장 가파른 토큰 인증 상승세(+390%)를 기록했으며, 현재 상호작용 3건 중 거의 2건이 자동화 또는 에이전틱 파이프라인에서 발생하고 있습니다. 북미 역시 10%에서 52.1%로 상승(+420%)하며 유사한 궤적을 보입니다. EMEA는 예외적인 패턴을 보이는데, 토큰 인증 비중이 19.1%에서 14.4%로 25% 감소한 반면 5월 기준 Claude가 54.5%로 주도권을 잡고 있어, EMEA 사용자층은 워크플로우 자동화보다 직접적인 대화형 API 활용에 기울어져 있음을 보여줍니다.
MCP 도입의 중심축은 두 가지 양상을 띱니다. 한쪽에는 토큰 인증 파이프라인이, 다른 한쪽에는 인터랙티브한 개발자 및 분석가 세션이 존재하며, 사용자층이 성숙해지고 시간 흐름에 따라 개발자 툴링을 스스로 선택함에 따라 두 영역 모두 성장세를 나타내고 있습니다.
MCP 호스트 전반의 사용 집중도는 이러한 현상을 더욱 뒷받침합니다. 계정의 84%가 단일 호스트를 통해 연결하며, 2개 이상의 호스트를 사용하는 비중은 15% 미만입니다. 이는 대다수 계정이 자신의 워크플로우에 맞는 툴 하나를 발굴한 후 아직 그 이상으로 확장하지 않은, 즉 여전히 “단일 진입점 발굴” 단계에 머물러 있는 사용자층임을 나타냅니다.
MCP 활용에 대한 아이디어를 얻으려면 ‘사용 사례’ 섹션을 살펴보세요 (화면 하단의 탐색 메뉴 참조).
MCP 호스트별 기업 점유율
MCP 호스트 수 분포
6개월 간 앱스플라이어 MCP 계정 기반 12배 성장
앱스플라이어 MCP를 활발히 사용하는 기업 수가 6개월 만에 12배 증가했습니다. 이러한 성장은 선형적이지 않았으며, 가장 가파른 단일 월별 급증은 계정 수가 188% 증가한 2026년 3월에 발생했습니다. 이 시점은 결코 우연이 아닙니다.
3월 9일 Anthropic의 공식 2026년 MCP 로드맵 발표와 함께, AWS, Google, Microsoft, Salesforce, Snowflake의 지지를 바탕으로 벤더 중립적인 Agentic AI Foundation 산하 Linux Foundation으로 2025년 12월에 수행된 프로토콜 기부가 결합되면서 기업 도입을 지연시켰던 단일 벤더 리스크가 해소되었습니다. 앱스플라이어의 3월 변곡점은 MCP가 단순한 실험을 넘어 인프라로 자리 잡은 데 대한 기업들의 대응을 반영합니다. 또한 Claude Cowork의 출시로 마케터들은 MCP 연결을 활용해 바이브 코딩(Vibe Coding)을 수행할 수 있게 되었습니다.
APAC은 전 기간에 걸쳐 가장 압도적인 지역으로, 5월까지 전체의 48.8%를 차지할 정도로 성장했습니다. 북미는 비율 관점에서 가장 빠르게 성장하여 1,659%의 증가율을 기록했으며, 이 가속화의 상당 부분은 지난달 대비 거의 3배나 증가한 5월에 집중되었습니다. EMEA는 상대적으로 꾸준한 성장세를 보였고, LATAM은 가장 작은 지역으로 남아있지만 지속적인 성장을 이어왔습니다.
지역별 분포는 AI 기반 데이터 접근이 조직적으로 가장 큰 동력을 얻은 위치를 보여줍니다. APAC의 점유율은 앞선 섹션에서 확인된 토큰 인증 도입 부문의 리더십과 일치하며, 이 지역의 기술적으로 숙련된 팀들이 탐색 단계에서 프로덕션 수준의 프로그래밍 활용 단계로 가장 빠르게 전환한 것으로 보입니다. 북미 지역의 후기 가속화는 2차 도입 물결이 여전히 형성되고 있음을 시사합니다.
지역별 MCP 연결 기업 수
MCP 계정의 절반, Day 7 이후 재방문 및 30일 차까지 1/3 유지
첫 24시간 내 잔존율은 매우 견고합니다. 첫 MCP 쿼리를 실행한 계정의 66%가 Day 1 이후에 재방문했으며, 53.4%는 Day 7 이후에도 여전히 활성 상태를 유지했습니다. 매일 습관적으로 사용하기보다 필요에 따라 사용하는 개발자 및 분석가용 툴이라는 점을 감안할 때, 이러한 초기 지표는 MCP가 첫 일주일 이내에 사용자를 다시 불러올 만큼 충분한 즉각적 가치를 제공하고 있음을 시사합니다. Day 30 시점에는 계정의 32.7%가 해당 기간 내 특정 시점에 재방문한 것으로 나타났으며, 이는 거의 3개 중 1개 계정이 첫 한 달 전체에 걸쳐 활성 상태를 유지했음을 의미합니다.
일일 재방문율(특정 일자에 재방문한 계정의 비율)은 Day 1부터 Day 18까지 24%에서 19% 사이를 유지하며, 해당 기간 동안 눈에 띄는 하락세를 보이지 않았습니다. 초기 탐색 단계를 지난 계정은 점차 유실되기보다 정기적인 사용 패턴으로 안착하는 것으로 보입니다. 이는 초기 잔존율이 확보될 경우 유지되는 경향이 있음을 암시합니다.
주차별 데이터는 5주 차를 주요 행동 변곡점으로 지목합니다. 특정 주차에 재방문하는 계정의 비율은 5주 차 23.3%에서 6주 차 13.7%로 떨어져 41% 하락을 기록했으며, 이는 데이터셋 내에서 가장 가파른 단일 단계 하락 폭입니다. 이 시점은 일시적이거나 탐색 목적이었던 계정이 이탈하고, 더 깊이 몰입하는 코어 사용자층만 남는 지점일 가능성이 높습니다. 8주 차에 이르면 주간 기준 11.2%의 계정이 활성 상태를 유지합니다.
11주 차의 가파른 하락은 사용자 행동에 의한 것이 아니라 데이터 절단 현상을 반영합니다. 관찰 기간의 마지막 수주 내에 처음 연결된 계정들은 이후 간격에 재방문할 수 있는 충분한 시간이 아직 확보되지 않았기 때문에 후속 데이터 지점에서 제외되어 수치가 가파르게 하락한 것입니다.
MCP 잔존율
평일 대비 주말 70% 수준의 지속적인 에이전트 자동화 가동
에이전트 및 자동화 MCP 사용 패턴은 인간과 같은 전통적인 근무 주기를 따르지 않습니다. 주말 활동량은 인간의 근무 시간에 종속된 툴에서 흔히 나타나는 0에 가까운 급감 대신, 평일량의 평균 70% 수준이라는 완만한 감소세를 유지합니다.
토큰 인증을 통해 인증된 자동화 및 에이전틱 파이프라인은 주 5일이라는 틀을 적용받지 않습니다. N8N, Make, 커맨드라인 클라이언트와 같은 툴로 구축된 워크플로우는 달력이 아닌, 이를 구축한 팀이 설정한 스케줄에 따라 실행됩니다. 이러한 대조는 완전한 사용자 주도형 툴인 앱스플라이어의 자체 AI 어시스턴트에서 명확히 드러납니다. 해당 툴의 주말 사용량은 급격히 감소하여 무시할 수 있는 수준이 되며, 이와 비교할 때 MCP의 주말 기저 사용량은 더욱 두드러집니다.
이러한 일관된 주말 활동은 월별 데이터에서 확인된 것과 동일한 변화의 부산물입니다. 토큰 인증 사용 비중이 전체 활동의 절반 가까이 확대됨에 따라, 플랫폼은 사용자가 직접 시작하는 세션에 대한 의존도가 낮아지고 상시 가동되는 자동화 기반으로 점차 전환되고 있습니다.
에이전트 활용에 대한 아이디어를 얻으려면 ‘사용 사례’ 섹션을 살펴보세요 (화면 하단의 탐색 메뉴 참조).
일일 MCP 호출 건수 *
성과 리포팅 중심의 에이전트 도입 및 지속적인 활용 심화
앱스플라이어의 Agent Hub에서 마케터는 사전 정의된 에이전트 라이브러리 중에서 선택할 수 있습니다. 가장 많은 선택을 받은 에이전트는 전체 설정의 38.6%를 차지한 ‘주간 성과 리포트’로, 성과 데이터에 대한 자동화된 정기 모니터링이라는 가장 보편적인 니즈를 반영합니다. 이어 24.7%를 기록한 ‘설정 이슈 감지’는 측정한 데이터의 품질을 중시하는 모든 팀에게 필요한 광범위하고 보편적인 니즈에 해당합니다. 두 에이전트가 전체 구성의 약 3분의 2를 차지합니다.
14.2%를 차지한 ‘프로덕트 안티프로드 전략 최적화’는 수동적인 리포팅보다 선제적인 프로드 탐색을 원하는 앱스플라이어 Protect360 이용 사용자층을 대상으로 합니다.
소재 및 이상 징후에 특화된 에이전트인 ‘소재 기회 발굴’과 ‘성과 이상 징후 감지’는 각각 5% 미만을 기록하였으며, 이는 보다 전문화된 적용 범위에 기인한 것으로 보입니다.
두 기간에 걸쳐 플랫폼을 사용하는 활성 계정 기준, 설정된 평균 에이전트 유형 수는 2.74개에서 2.92개로 증가했습니다. 더욱 눈에 띄는 점은 사용 분포의 변화입니다. 단 1개의 에이전트 유형만 사용하는 계정 비율이 16.7%에서 9.7%로 42% 감소한 반면, 3개 이상을 사용하는 계정 비율은 지속적으로 증가했습니다. 이는 플랫폼에 잔류한 기업들이 단일 워크플로우에 머물지 않고 시간 경과에 따라 추가적인 에이전트 유형으로 활용 범위를 넓혀가며 깊이감을 더해가고 있음을 보여줍니다.
유형별 에이전트 구성 분포
사용된 에이전트 유형 수별 계정 비중
구현·분석 심화에 따른 데이터 질의 비율 20% 달성
앱스플라이어 AI 어시스턴트에서 분석한 37,082개 질문 중 가장 큰 비중(36%)을 차지하는 범주는 플랫폼 탐색 및 사용법으로, 기능의 위치, 작업 완료 방법, 설정의 역할을 묻는 질문입니다. 어시스턴트가 이 정도의 볼륨을 처리한다는 점은 운영적 관점에서 중요하지만, 가장 예측 가능한 결과입니다. 보다 의미 있는 신호는 그 아래 범주에 존재하며, 전체 질문의 74%에 걸쳐 타깃 사용자층의 숙련도가 높아지고 있음을 보여줍니다.
질문 5개 중 1개(20.1%)는 성과 데이터의 조회 및 분석 요청입니다. 사용자들은 단순한 플랫폼 사용법이 아닌, 매체별 인스톨 수, 캠페인별 ROAS, 지역별 코호트 분석, 기간별 비교 등 자신의 실적 수치를 직접 추출하도록 요구합니다. 이는 단순 지원 요청이 아닌 데이터 분석가의 행동 패턴으로, 대시보드보다 대화를 통해 인사이트를 얻는 더 빠른 경로를 찾았음을 의미합니다.
사용자층의 기술적 수준은 이어지는 세 가지 그룹에서 명확히 드러납니다. 어트리뷰션 및 측정 관련 질문이 9.7%, 기술적 설정 및 SDK 연동이 7.1%, 딥링크 및 OneLink 설정이 6.3%를 차지합니다. 이 세 범주를 합치면 전체 질문의 23.1%로 데이터 질의 수치와 거의 비등하며, 연동 및 구현 수준의 세부 사항까지 능숙하게 다루는 사용자층을 가리킵니다.
해당 질문들은 어트리뷰션 윈도우, 포스트백 설정, 서버 간(S2S) 이벤트 구축, OneLink 문제 해결 등을 포함합니다.이는 수박 겉핥기식 질문을 던지는 일반적인 마케팅 툴 사용자층이 아니라, 측정 레이어의 작동 원리를 이해하고 이를 더 깊이 탐구하기 위해 어시스턴트를 활용하는 집단임을 보여줍니다.
차트 및 트렌드 해석은 3.9%, 이상 징후 조사는 2.4%를 차지합니다. 두 항목 모두 어시스턴트가 분석 워크플로우에 직접 통합되어 있음을 반영합니다. 사용자들은 어시스턴트를 별도의 자문 툴로 다루기보다, 실시간 차트나 데이터 패턴을 공유하며 이에 대한 설명을 요구하는 방식으로 활용하고 있습니다.
AI 어시스턴트 활용 방안에 대한 아이디어를 얻으려면 ‘사용 사례’ 섹션을 살펴보세요 (화면 하단의 탐색 메뉴 참조).
AI 어시스턴트 질문 유형별 비중
- 실시간 데이터 분석 인사이트 [Square]
-
회의실에서의 실시간 성과 데이터 질의. Square의 주요 사용 사례는 수동 대시보드 조회를 MCP 기반의 맞춤형 대시보드로 대체하는 것입니다. 이 대시보드는 실시간 차트, 데이터 시각화, 필요에 따른 앱스플라이어 데이터 질의 기능을 단일 뷰로 제공하여 즉시 발표할 수 있는 형태로 구현됩니다.
프로그래매틱 파트너와의 회의 중 예상치 못한 성과 관련 질문을 받았을 때, Claude에 연결된 앱스플라이어 MCP는 수동 리포트 추출 없이 실시간으로 답을 제시합니다. 이 과정에서 실행되는 질의에는 어떤 앱 유형이 최상의 인스톨 또는 이벤트 결과를 이끄는지, 퍼널 상단 품질 대비 이탈률 관점에서 개별 프로그래매틱 네트워크를 비교하는 방법, 작성에 수시간이 걸릴 수익 세부 분석 등이 포함됩니다.
앱스플라이어 데이터와 내부 데이터의 연동. 두 번째 레이어는 앱스플라이어 MCP와 자체 내부 데이터를 결합하는 것입니다. Square는 외부 공유가 불가능한 도시별 매출 데이터를 보유하고 있으나, Databricks를 통해 이를 앱스플라이어 MCP와 함께 연동함으로써 두 데이터셋을 아우르는 질의를 수행합니다. 예를 들어 특정 월에 어떤 가맹점 카테고리의 성과가 더 우수한지, 그리고 이것이 소재 집행 시점에 반영되어야 하는지 등을 확인합니다. MCP는 앱스플라이어 측 데이터를, 내부 연동은 자체 데이터를 처리하며, AI는 최종 사용자에게 SQL 지식을 요구하지 않고 두 데이터를 결합합니다.
다중 MCP 병렬 실행. Square는 여러 MCP를 동시에 연결합니다. 어트리뷰션 및 이벤트 데이터용 앱스플라이어 MCP, 비용 집계용 Google UAC 및 Apple Search Ads 직접 연동, 그리고 집계된 이벤트용 앱스플라이어 MCP를 병용합니다. 이들을 결합하는 기준은 공통 미디어 소스 디멘션입니다. 이는 수동으로 구축된 아키텍처이지만, 데이터셋 간의 공통 키만 식별되면 직관적으로 활용할 수 있습니다.
과거 네이밍 컨벤션 정리. 보다 운영적인 사용 사례는 MCP를 활용해 과거 데이터의 명칭 불일치를 정제하는 것입니다. 시간이 흐르며 팀별로 원링크 네이밍 규칙이 달라져 대소문자, 언더스코어(_), 공백 등이 혼용되었을 때, MCP를 통한 질의는 수동 감사 없이도 이러한 패턴을 찾아내고 정제하는 데 기여했습니다.
“AI에게 성과 데이터를 요청하고 수익 인사이트로 즉시 파고들 수 있습니다. 이전에는 수시간이 걸리던 작업이 이제 2분도 채 걸리지 않습니다.” Sara San Antonio, Square Senior Global Marketing Mobile Manager
웨비나 시청하기 - 일간 단위 코호트 진행 상태 분석 [Supersonic Studios]
-
복잡한 대시보드 분석에서 단 2분 만의 데이터 추출로. Supersonic의 핵심 MCP 활용 목적은 성과 문의 발생 시점과 데이터 확보 시점 간의 시차를 없애는 것입니다. 기존에는 이해관계자 보고용 ROAS 요약을 위해 퍼포먼스 마케터가 다수의 플랫폼에서 데이터를 수집하고, 가공하고, 서술형 보고서를 직접 작성해야 했습니다. 반면 선호하는 LLM과 앱스플라이어 MCP를 연동한 후에는 동일한 작업을 수시간 대신 단 몇 분 만에 직관적인 문장 형태로 받아볼 수 있게 되었습니다.
일일 단위 코호트 진행 추이 심층 분석. 한 단계 더 나아간 활용법은 수동 작업으로는 불가능했던 고도화된 코호트 추적입니다. Supersonic은 D0부터 D7, D30에 이르는 ROAS 지표 변화를 측정하고, 해당 앱 및 캠페인의 과거 성과 트렌드와 현재 코호트의 도달 궤적을 실시간 대조합니다. D0 ROAS 지표가 겉보기엔 안정적이어도 D3까지의 상승 곡선이 과거 대비 하락세를 보인다면 이는 이미 문제 발생 징후입니다. 하지만 가동 중인 모든 앱과 캠페인에 대해 이러한 미세 변동을 매일 추적하는 것은 인력의 한계를 넘어서는 작업이었습니다. MCP는 이를 여러 대시보드를 순회하는 수고 없이 단 한 줄의 질문으로 해결해 줍니다.
앱스플라이어 데이터와 이종 데이터의 유기적 결합. Supersonic은 앱스플라이어 MCP에 자체 내부 데이터 소스를 추가 연결하여 교차 데이터 분석을 실행합니다. 내부 소스의 상세 항목은 비공개 상태이나, 활용 체계는 명확합니다. 즉, MCP를 앱스플라이어의 어트리뷰션 및 매출 데이터와, 한 화면에서 함께 확인해야 하는 대외비 내부 데이터 사이를 이어주는 결합 레이어로 활용하는 방식입니다.
데이터 정합성 확보를 위한 선제적 정제. 초기 정제되지 않은 로우 데이터를 LLM에 바로 투입했던 시도에서는 오류가 다수 발생했습니다. 필드명 불일치 및 매출 디멘션 중복 현상으로 인해 AI가 수치를 자의적으로 추정 계산하면서 내부 신뢰도가 급격히 하락했습니다. Supersonic은 이를 극복하기 위해 MCP 전달 전단계인 BI 시스템에서 활용 목적에 맞게 데이터를 사전 집계 처리하는 방식을 도입했습니다. 이를 통해 AI가 정밀하게 범주화된 데이터를 수신하게 되었고, 최종 출력값은 대시보드 수치와 일치하게 되었습니다.
“MCP를 기반으로 자체적인 에이전트와 자동화 프로세스를 직접 구현할 수 있습니다. 사람의 판단이 결합되는(Human-in-the-loop) 구조라는 점에서 매우 매력적인 영역입니다.” Ofer Regev, Supersonic Studios AI & Automation PM
사례 연구 보기 - claude.md 파일을 활용한 사전 프로그래밍된 워크플로우 [Shamanth Rao]
-
[옵션 1]
요청에 따라 즉시 작동하는 퍼포먼스 분석가 구축. 이 MCP 활용 사례는 일회성 질의를 넘어 사전 프로그래밍된 워크플로우 단계로 진화한 모습입니다. MCP 연결 폴더 내에 저장된 자연어 지침서인 claude.md 파일을 활용하면 단 한 문장의 실행어로 여러 단계의 분석 루틴 전체를 처음부터 끝까지 자동 실행할 수 있습니다. “성과 점검해 줘”라는 요청은 단순한 질문이 아니라, 사전 구축된 전담 분석가를 가동하는 명령입니다.
실제 워크플로우 작동 방식. 예시 루틴은 8개 단계를 자동으로 실행합니다. 각 유료 채널의 최근 7일간 앱스플라이어 데이터를 수집하고, ROAS를 계산하며, ROAS가 가장 낮은 채널을 선별하고, 효율성 기준으로 모든 채널의 순위를 매깁니다. 이어서 유료 및 오가닉 성과를 비교하고, ROAS가 마이너스인 유료 채널을 식별한 뒤, 스케일업할 채널을 추천하고 예산 재배정 제안으로 마무리합니다. 출력 결과는 가공되지 않은 로우 데이터 모음이 아닌 구조화된 리포트 형태입니다. 이 모든 과정이 단 하나의 프롬프트로 실행됩니다.
대화형 질의와의 차이점. 문제가 생길 때마다 MCP에 질문을 던지는 방식과 달리, claude.md 패턴은 근본적으로 다릅니다. 분석적 판단 기준을 시스템에 미리 인코딩하여, 누군가 떠올려서 질문할 때뿐만 아니라 매번 동일하게 엄격한 검토를 실행합니다. 워크플로우를 점진적으로 더욱 스마트하게 고도화할 수도 있습니다. 예컨대 “iOS 대 Android 성과 비교”와 같은 규칙을 추가하면 아무것도 재구축할 필요 없이 루틴이 영구적으로 업데이트됩니다. 이는 분석 도구를 사용하는 것을 넘어 맞춤형 분석가를 직접 구축하는 것에 가깝습니다.
“[MCP를 활용하면] 미리 프로그래밍해 둔 단 한 문장의 요청만으로 일련의 연속 단계를 즉시 실행할 수 있습니다. 이것이 바로 claude.md의 진가입니다.” Shamanth Rao, ROCKETSHIP HQ
영상 시청하기 - 크로스 앱 포트폴리오 통합 분석 [게임사]
-
전체 앱 포트폴리오의 일괄 질의. 여러 앱을 관리하는 기업의 경우, 앱 하나를 조회하고 답변을 얻은 뒤 다음 앱으로 이동하는 표준 MCP 워크플로우는 확장성에 한계가 있습니다. MCP를 활용하면 기업은 모든 타이틀이 한눈에 보이는 상태에서만 의미를 갖는 질문을 던지며 전체 포트폴리오를 동시에 질의할 수 있습니다. 특정 국가에서 글로벌 평균 대비 성과가 저조한 앱은 무엇인가? 초기 D0 ROAS가 가장 우수함에도 이에 비례하는 예산이 집행되지 않는 영역은 어디인가? 이는 대시보드를 하나씩 검토하는 방식으로는 훨씬 비효율적으로만 답을 찾을 수 있는 포트폴리오 차원의 질문들입니다.
자기잠식 및 집중 리스크 식별. 잘 드러나지 않지만 가치가 높은 활용법은 동일한 포트폴리오 내의 앱들이 동일한 사용자를 두고 서로 경쟁하는 지점을 찾아내는 것입니다. 동일한 국가에서 중복되는 채널을 통해 유사한 타깃층을 노리는 두 타이틀은 서로 입찰 경쟁을 벌이게 되어 양쪽 모두의 CPI를 상승시킵니다. MCP는 타이틀, 국가, 채널에 걸친 이러한 중복을 수면 위로 끌어올려, 나란히 비교해 보는 이가 없어 개별 캠페인 뷰에 묻혀 있던 이슈를 예산 재배정의 기회로 전환해 줍니다.
포트폴리오 신호를 우선순위화로 연결. 도출되는 결과는 단순한 데이터가 아니라, 어디에 집중해야 할지에 대한 순위화된 뷰입니다. UA 매니저가 포트폴리오의 현재 위치를 파악하기 위해 10개의 대시보드를 순회하는 대신, 단 한 번의 MCP 질의로 구조화된 비교 결과를 반환받습니다. 성과 수준 대비 과도하게 자원이 집중된 타이틀은 무엇인지, 코호트 신호 대비 자원이 부족한 타이틀은 무엇인지, 그리고 현재 가장 확신할 수 있는 스케일업 기회가 어디에 위치하는지 명확히 보여줍니다. 이를 통해 포트폴리오는 개별 캠페인의 집합이 아닌, 하나의 유기적인 시스템으로서 가시성을 확보하게 됩니다.
- 이상 징후 감지 에이전트 [Supersonic Studios]
-
데이터 심층부에 숨겨진 이상 신호. 가장 큰 손실을 유발하는 이상 징후는 대시보드 표면에 쉽게 노출되지 않습니다. Supersonic의 모니터링 핵심 과제는 최상단 수치의 단순 하락 파악이 아닌, 요약 화면에서는 감춰져 있으나 하부에서 점진적으로 악화되는 성과 이슈를 도출하는 것이었습니다. 특정 캠페인, 지역, 또는 세부 지표가 며칠 후 심각한 문제로 이어질 징후를 보여도, 전체 게임 매출은 정상처럼 표시될 수 있기 때문입니다.
사람의 눈으로 파악하기 힘든 문제를 발견한 에이전트. Supersonic의 실제 적용 사례입니다. 인게임 업데이트 여파로 한 게임의 성과가 하락하는 현상이 발생했습니다. 전체 매출 변동 폭이 경고 기준치에 미달하여 일반 알람은 작동하지 않았습니다. 그러나 해당 캠페인을 추적하던 이상 탐지 에이전트가 데이터 하부의 세부 KPI까지 탐색하여 이상 수치를 발견했고, 즉시 세부 내역을 스랙 메시지로 발송했습니다. 담당 팀은 이 정보로 대시보드에 수치가 반영되기도 전에 당일 조치를 완료했습니다.
“해당 프로젝트에 에이전트를 적용해 둔 상태였습니다. 에이전트는 문제의 근인을 찾아내 간단한 경고 메시지로 상황을 전달했고, 덕분에 담당자가 빠르게 대응할 수 있었습니다. 주요 지표가 아니어서 대시보드에서 식별하기 어려워 자칫 놓칠 뻔한 사안이었으나, 에이전트가 지속적으로 데이터를 심층 분석해낸 덕분에 파악할 수 있었습니다.”
Ofer Regev, Supersonic Studios AI & Automation PM
정기 점검을 넘어선 상시 모니터링의 필요성. 핵심 가치는 빠른 문제 해결을 넘어, 사람의 정기적인 검토만으로는 한계가 있는 대규모 모니터링을 가능케 한다는 점입니다. 수십 개의 게임과 수백 개의 광고 캠페인을 운영하는 환경에서, 마케터가 대시보드를 일일이 확인하는 방식은 누락이 발생할 수밖에 없습니다. 24시간 가동되는 에이전트는 업무 과중으로 특정 게임을 누락하지 않으며, 화요일에 발생한 이상 징후를 주간 보고서 시점까지 방치하지도 않습니다.
“이러한 분석 작업을 자동화하고 이상 발생 시 즉시 알려주는 체계는 엄청난 자산입니다. 매출 차질을 사전에 막고 신속하게 대처할 수 있는 능력을 확보하게 되었습니다.”
Ofer Regev, Supersonic Studios - 주말에도 작동하는 에이전트 [게임사]
-
주말마다 발생하는 모니터링 공백. 모바일 게임 UA 환경에서 광고비 집행은 주말에도 쉬지 않지만, 분석가의 모니터링은 중단됩니다. 구글과 틱톡 전반에서 집행되는 캠페인은 숫자를 감시하는 사람 없이 토요일 밤부터 일요일까지 계속 진행되고, 소진율이 바뀌며, 잠재적으로 설정에서 벗어날 수 있습니다.
24시간 끊임없는 상시 모니터링. 유럽·중동·아프리카(EMEA) 지역의 주요 게임 UA 팀은 이 모니터링 공백을 메우기 위해 Agent Hub를 도입했습니다. 에이전트는 구글과 틱톡 전반에서 예산 소진율과 성과 신호를 24시간 모니터링하여 예상 패턴과의 이탈을 실시간으로 감지합니다. 그리고 이튿날 출근 시간까지 미루는 대신 즉각적인 시정 조치를 실행합니다. 시스템은 사람이 대시보드를 열 때까지 기다리지 않고, 신호가 발생하는 그 순간 바로 작동합니다.
새벽 2시, 주말 예산의 40% 보호. 이 방식의 유효성을 입증한 성과는 새벽 2시에 찾아왔습니다. 에이전트는 분석가가 확인하기 전 주말 예산의 약 40%를 조용히 낭비할 뻔했던 예산 소진 이슈를 주말 한가운데에서 포착해 냈습니다.
“에이전트가 새벽 2시에 예산 소진율 문제를 잡아내어 주말 예산의 40%가 낭비되는 것을 막았습니다. 수동 방식이었다면 절대로 불가능했을 일입니다.”
Performance Marketing Lead, leading EMEA gaming UA team
이 결과는 팀이 모니터링 범위를 바라보는 관점을 완전히 바꾸어 놓았습니다. 제약 요소는 분석가의 역량이 아니라 분석가의 부재였습니다. 상시 가동되는 에이전트는 모바일 게임 캠페인이 가장 활발히 진행되는 시간대에 사람의 상주 필요성을 완전히 제거해 줍니다. - 프로드 방지 최적화 [Nomad]
-
수동 룰 설정의 한계를 앞지르는 광고 사기의 진화. 광고 프로드 패턴은 멈추지 않고 변형됩니다. 담당 분석가가 로그를 검토할 때면 어제 적용한 차단 규칙을 우회하는 새로운 패턴이 이미 발생하고 있을 수 있습니다. 대규모 퍼포먼스 예산을 운용하는 마케팅 팀에게 탐지 및 조치 간의 시차는 예산 누수가 집중되는 구간이며, 주로 사후 복기를 통해서만 파악되는 암묵적 손실로 이어집니다.
실시간 탐지·차단·복구를 아우르는 AI 엔진. 앱스플라이어의 AI 고도화 사기 방지 체계는 수동 룰 업데이트를 기다리지 않고 기여 데이터 전체를 24시간 추적하며 패턴을 자율 학습합니다. 신속한 반응성, 정밀도 및 안정성 개선, 실시간 탐지 능력 향상이 결합된 이 차세대 시스템은 전통적인 차단 방식 대비 압도적인 모니터링 성과를 보입니다.
수치적 성과는 명확하게 입증됩니다. 탐지 정확도 7배 증가, 사기 트래픽 확인 후 복구 속도 8배 개선, 차단 유지 기간 14배 연장을 달성하여 사기 세력이 새로운 우회 경로를 발굴하기 전까지 유입을 장기간 차단합니다. ‘안티프로드 전략 최적화’ 에이전트는 피해가 확산되기 전 초기 이상 지표를 감지하고 선제적 가이드를 제공합니다.
Nomad: 핵심 전략 인프라로서의 클린 데이터. Nomad 조직 내에서 AI 안티프로드 솔루션의 역할은 단순 비용 절감을 넘어섰습니다. Nomad의 Gabriel Sampaio Senior Growth Manager는 이 솔루션을 사기 방지 수단을 넘어 데이터 건전성 확보를 위한 핵심 도구로 평가합니다.
“앱스플라이어 AI는 최종 수익성 지표를 개선할 뿐만 아니라 당사 데이터셋에 대한 가시성을 확보해 주어, 장기적으로 마케팅 전략을 고도화할 수 있는 기반을 제공합니다.”
Gabriel Sampaio, Nomad Sr. Growth Manager - 크리에이티브 기회 포착 [게임 스튜디오]
-
소재 운영 워크플로우의 모니터링 사각지대. 6개 광고사 전반에서 퍼포먼스 마케팅을 집행하는 중형 모바일 게임사의 경우, 소재 성과 분석이 매체별·담당자별 파편화된 상태로 진행되었습니다. TikTok과 Mintegral을 담당하는 마케터는 Google이나 AppLovin에서 어떤 소재가 반응을 얻는지 알 수 없었습니다. 신규 소재가 출시 7일 만에 TikTok에서 반응을 얻기 시작해도, 타 매체 확장 여부를 즉시 검토하는 체계가 부재했습니다. 주간 소재 리뷰 회의에서 이슈가 공유될 시점에는 이미 스케일업의 적기가 지나간 뒤였습니다.
담당자가 놓친 기회를 정확히 포착한 AI 에이전트. ‘Spot Creative Opportunities’ 에이전트를 가동한 이후, 스튜디오는 담당 매체를 넘어 전체 미디어 믹스에서 초반 반응이 우수한 소재에 대한 선제적 알림을 받게 되었습니다. 가동 초기, 에이전트는 Mintegral에서 높은 효율을 보였으나 동일 타깃층을 보유한 다른 2개 매체에 집행되지 않고 있던 소재를 탐지했습니다. 팀은 24시간 내 매체 확장을 완료했습니다. 기존의 수동 데이터 교차 검증 방식이었다면 주간 회의 전까지 파악하기 어려웠던 인사이트였습니다.
수명이 짧은 소재의 성과 창출 속도 극대화. 모바일 게임 크리에이티브의 효율은 시간이 지남에 따라 급격히 감소합니다. 신규 소재가 초기 호조를 보인 후 피로도에 도달하기까지의 골든타임은 몇 주가 아닌 단 며칠에 불과합니다. 상시 모니터링을 통해 고효율 소재를 즉각 발굴하는 에이전트는 이상 신호 감지부터 예산 증액까지의 프로세스를 대폭 단축하여 극대화된 성과를 만들어냅니다.
- 게임 스튜디오의 속도 향상과 신뢰도 상승
-
복잡한 현황 조사에서 즉각적인 답 도출로. 다채널 퍼포먼스 마케팅을 전개하는 모바일 게임사 Peaksel에게 AI 어시스턴트의 가장 큰 도입 효과는 ‘동선 압축’입니다. 장시간 소요되던 데이터 탐색 및 원인 분석 단계를 명확히 정돈된 답변으로 단축해 줍니다. 매일 발생하는 성과 문의, 어트리뷰션 세팅 오류, 테크니컬 검증 등 과거 가이드를 일일이 찾거나 기술 지원 문의를 남기고 수동으로 검증해야 했던 작업들을 이제 즉시 처리할 수 있게 되었습니다.
검증 프로세스의 간소화. 대표 활용 패턴은 Meta AEM 연동 조건 확인입니다. 현재 세팅의 적격 여부 판단, 누락 요소 파악, 수정 항목 식별 과정에는 수많은 조건 검증이 요구됩니다. AI 어시스턴트는 가이드 문서를 복기하는 수고 없이 즉시 조치 가능한 체크리스트 형태로 답을 내려줍니다. 이를 통해 작업 속도 개선은 물론 결과의 신뢰도까지 확보할 수 있으며, 수동 해석에 대한 의구심 없이 확실하게 실무에 반영하게 됩니다.
의사결정을 보조하는 스마트 가이드. Peaksel은 도구의 역할을 명확히 정의합니다. 어시스턴트는 업무 리소스와 불확실성을 줄여주는 도구일 뿐, 최종 의사결정권은 여전히 담당자에게 있습니다. 독립적인 의사결정 주체가 아닌, 정확한 해결책으로 이끌어주는 가장 빠른 분석 파트너인 셈입니다.
“AI 어시스턴트 덕분에 전제 조건을 검증하고 기술적 이슈를 대폭 절감된 시간 내에 해결할 수 있게 되었습니다. 소모적인 조사 과정 대신 리소스를 줄이고 불확실성을 해소하는 명확한 가이드를 얻고 있습니다.”
Milorad Grkovic, Peaksel UA Lead - 데이터 조망 및 리포팅 예시
-
질문의 20%는 성과 데이터의 직접 조회 및 분석 요청입니다. 마케터들은 캠페인별 ROAS, 매체 소스별 코호트 커브, 국가별 잔존율 동향 등 자사 데이터의 실시간 추출을 명령하고 있습니다.
이러한 문의 시 어시스턴트는 별도 리포트 생성, 데이터 엑스포트, 데이터 분석가 대기 등에 소요되던 과정을 대화형 질의 한 번으로 수 초 만에 압축하여 해결합니다.
예시:- “최근 30일간의 일자별 ROAS D7 추이를 미디어 소스 및 코호트 데이터 기준을 상세 분석해 줘”
- “지난 30일 동안의 앱 ROAS D7 및 ROAS D30 지표를 국가별로 분류해 줘. 집행 비용 기준 상위 15개국 대상”
- “Triumph: Play for Cash 앱의 2025년 1월부터 2026년 2월까지 D1, D7, D30, D60 사용자 잔존율 수치를 보여줘. 월별 트렌드 표기 포함”
- “이 미디어 소스의 D7, D14, D21 주차별 캠페인 ROAS 리포트를 줘. 완전 코호트(baked data)만 반영할 것”
- “미디어 소스별 paid_imp_18 유니크 사용자 전환율(D1, D7, D14) 데이터를 뽑아줄 수 있어?”
- 어트리뷰션 및 측정 예시
-
해당 질의군은 사용자 집단의 수준 높은 테크니컬 역량을 보여줍니다. 뷰스루 기여 활성화 여부, 리엔게이지먼트 룩백 윈도우 설정법, 옵션 비활성화 상태에서 노출 기여 설치가 찍히는 원인 등은 추후 데이터 결과에 실질적 영향을 미치는 세팅 파라미터들입니다.
어시스턴트는 단순 가이드 문서 검색보다 확실한 솔루션에 도달하는 시간을 단축하고, 데이터 오염이 발생하기 전 세팅 오류를 사전 차단합니다.
예시:
- “리인게이지먼트 뷰-쓰로 어트리뷰션이 비활성화로 설정되어 있는데 활성화로 바꿔야 할까? 리인게이지먼트 클릭-쓰루 룩백 윈도우를 7일로 설정하라는 제안을 감안할 때 30일 설정이 적합할까?”
- “리마케팅 내 페이스북 비중이 75%이고 이 중 80%가 노출 기반일 때, 비활성 윈도우를 켜야 할까? 아니면 리엔게이지먼트의 노출 기반 전환을 제외해야 할까?”
- “Meta 광고의 뷰-쓰루 어트리뷰션을 활성화하지 않았는데, 앱스플라이어 설치 로우 데이터에 메타 광고 설치에 대한 노출 어트리뷰션 터치 유형이 찍히는 이유가 궁금해.”
- “주요 미디어 소스들에 대해 클릭-쓰루 어트리뷰션 윈도우, 뷰-쓰로 어트리뷰션 윈도우, 리인게이지먼트 윈도우가 켜져 있는지 체크해서 알려줘.”
- “Meta 광고가 Typeform 퀴즈 페이지로 연결된 후, 설문 제출 시 앱 설치 원링크가 제공되는 구조야. 노출 및 클릭 기여를 정확히 측정하고 설치 후 포스트백 이벤트를 전달하려면 링크를 어떻게 구성해야 할까?”
- 이상 징후 조사 사례
-
데이터셋 중 최고 난이도의 질문들이 속한 그룹입니다. 마케터들은 자사 가설을 수립한 뒤 어시스턴트에 검증을 요청합니다. 현재 현상이 페이백 윈도우 문제인가, 수익화 구조의 갭인가? 단기 ROAS 지연인가, 실질적 LTV 붕괴인가? 소재 피로도가 D7 지표 하락의 원인인가? 어시스턴트는 한 대화 안에서 데이터를 즉시 추출하여 가설의 타당성을 입증하거나 반박해 주는 전략적 파트너로 기능합니다.
예시:
- “특정 타깃 국가가 ROAS를 갉아먹고 있는지 Google 캠페인별로 세부 분석해 줘. 단순 회수 기간 문제인지 근본적인 수익화 체계 문제인지 파악할 수 있게 D7과 LTV ROAS를 비교해 줘”
- “지연 수익화 현상인지 실질적인 LTV 감소인지 구별할 수 있도록 D7 ROAS와 D3 지표를 교차 분석해 줘”
- “12월 1일부터 현재까지 캐나다 지역의 숏폼 제출 지표 변동 원인이 뭐야? 인스톨 수, 숏폼 제출 수, 인스톨 대비 전환율 트렌드와 잠재적 이슈를 분석해 줘”
- “저성과 크리에이티브들을 동적으로 분석해서 ROAS(D1, D7, D30)가 보합세인지, 상승 곡선을 그리는지 체크해 줄 수 있어?”
- “캠페인별 사용자 퀄리티 저하를 파악하기 위해 D7 대 D1/D30 잔존율을 비교 검토해야 할까?”
계정의 84%가 단일 MCP 호스트를 통해 연결되고 있으며, 6개월 만에 달성한 12배의 성장세는 시작 장벽이 대부분의 팀이 생각하는 것보다 낮다는 점을 시사합니다. 주간 성과 점검이나 채널 효율성 검토처럼 반복적이고 데이터 비중이 높은 워크플로우를 하나 선정하여 먼저 자동화해 보세요. 복리적인 가치는 확장과 함께 나타나지만, 그 시작점은 하나의 워크플로우입니다.
토큰 인증이 이제 전체 MCP 활동의 절반 가량을 차지하고 있으며, 주말 호출량이 평일 수준의 70%에 달한다는 점은 가장 활발한 사용 사례들이 사람의 개입을 필요로 하지 않는다는 사실을 입증합니다. 여전히 대화형 인터페이스에만 의존하고 있는 팀이라면 MCP 도입의 다음 단계로서 일정 기반의 프로그래밍 방식 워크플로우를 모색해야 합니다.
활성 에이전트 허브 계정 중 단 한 가지 에이전트 유형만 사용하는 계정의 비중은 관찰 기간 동안 42% 감소한 반면, 계정당 평균 에이전트 유형 수는 2.74개에서 2.92개로 증가했습니다. 에이전트를 광범위하고 얕게 배치하기보다 이미 사용 중인 영역에서 더 깊이 있게 활용하는 방안을 고려해 보세요. 특히 방어적인 모니터링에서 최적화 및 기회 발굴로 전환하는 것에 주목해야 합니다.
계정의 절반이 일주일 이내에 재방문하며, 재방문한 계정의 일간 잔존율은 첫 3주 동안 안정적으로 유지됩니다. 이러한 데이터는 초기 가치 제공이 핵심 결정 요인임을 보여줍니다. 즉, 첫 며칠 동안 재방문할 이유를 찾은 계정은 계속 유지되는 경향이 있습니다. 첫 주 온보딩에 대한 투자는 장기 잔존율에 기대 이상의 큰 효과를 가져올 가능성이 높습니다.
데이터셋 내에서 가장 고도화된 사용자는 AI 어시스턴트를 단순한 데이터 조회 도구가 아닌 분석 파트너로 활용합니다. 가설을 세우고 이를 검증하도록 요청하는 것입니다. 인사이트의 품질은 질문의 품질에 비례합니다. 어시스턴트를 주로 탐색이나 이용법 문의 용도로만 사용하는 팀이라면 집단 분석, 이상 징후 진단, 기여도 검증 영역으로 활용 범위를 확장해 보세요.
