대부분의 이메일 마케팅 팀은 여러 도구를 따로따로 조합해서 운영합니다. 발송 툴 하나, 분석 툴 하나, 카피를 쓰는 담당자 한 명, 그리고 주기적으로 확인하라는 캘린더 알림까지. 결과적으로 대응이 느리고 비용이 많이 들 수밖에 없습니다. 자동화 이메일은 수동 캠페인 대비 320% 더 많은 매출을 만들어내지만, 대부분의 기업은 여전히 이메일을 수작업으로 처리하고 있습니다.
Claude Code는 이 구조를 근본적으로 바꿉니다. Claude Code는 에이전틱(agentic) 방식으로 동작합니다. 목표를 설명하면 Claude가 파일을 읽고, 패턴을 파악하고, 구체적인 변경 사항을 제안한 뒤, 승인을 받아 실행합니다. 이 구조를 이메일 마케팅에 적용하면 진정한 의미의 새로운 가능성이 열립니다. 구독자 분석부터 컴플라이언스 모니터링까지, 한 번 설정해두면 24시간 내내 이메일 운영 전반을 관리하는 단일 AI 에이전트를 만들 수 있는 것입니다.
이 글은 오늘 당장 그 시스템을 구축하는 방법을 다룹니다. SF 이야기가 아닌, 실제로 적용 가능한 아키텍처 가이드입니다.
핵심 요약
Claude Code는 구독자 데이터를 읽고, 카피를 작성하고, 발송을 트리거하고, 결과를 분석하는 지속적인 스케줄 에이전트로 설정할 수 있습니다.
가장 현실적인 아키텍처는 Claude를 ESP(SendGrid, Mailchimp, Brevo)의 REST API에 연결하고, 크론(cron) 스케줄이나 클라우드 태스크로 실행하는 방식입니다.
AI는 콘텐츠 생성, 세분화 로직, 성과 분석에서 가장 큰 가치를 발휘합니다. 브랜드 민감도가 높은 발송과 컴플라이언스 결정에는 여전히 사람의 검토가 필요합니다.
Anthropic은 세 가지 API 티어를 제공합니다. Haiku 4.5 ($1/$5), Sonnet 4.6 ($3/$15), Opus 4.6 ($5/$25) (백만 입력/출력 토큰 기준). 대용량 이메일 콘텐츠 생성에는 Haiku 4.5가 비용 효율적입니다.
발송 신뢰도 컴플라이언스(SPF, DKIM, DMARC)는 선택 사항이 아닙니다. 에이전트의 모니터링 루프에 처음부터 반드시 포함해야 합니다.
1. 아키텍처: 에이전트는 어떻게 구성되는가
각 기능을 살펴보기 전에, 전체 시스템 구조를 이해하는 것이 중요합니다.
에이전트는 Python(또는 Node.js) 프로세스로 동작하며, 서버의 크론 작업이나 클라우드 스케줄 태스크 형태로 주기적으로 실행됩니다. 클라우드 스케줄 태스크는 Anthropic이 관리하는 인프라 위에서 실행되므로, 로컬 컴퓨터가 꺼져 있어도 중단 없이 동작합니다.
에이전트는 매 실행 주기마다 다음 순서로 작동합니다.
ESP의 API에서 구독자 데이터와 최근 캠페인 지표를 가져옵니다.
해당 데이터를 구조화된 시스템 프롬프트와 함께 Anthropic API에 전달합니다.
누구에게, 무슨 내용을, 언제 보낼지에 대한 결정을 응답으로 받습니다.
ESP의 발송 API를 호출해 캠페인을 트리거합니다.
발송 기록을 저장하고 후속 분석 실행을 스케줄에 등록합니다.
이것은 워크플로우 기반 아키텍처(결정론적 로직으로 연결된 LLM 호출 체인)에서, 모델이 도구를 자율적으로 활용해 개방형 문제를 해결하는 에이전트 기반 시스템으로의 전환을 의미합니다. 덕분에 오류 처리가 더 견고해지고 복잡한 작업도 처리할 수 있게 됩니다.
최소한의 의사코드 구조는 다음과 같습니다.
# claude_email_agent.py
import anthropic
import sendgrid_client # or mailchimp_client / brevo_client
client = anthropic.Anthropic()
def run_agent_cycle():
subscriber_data = fetch_subscriber_segments()
campaign_metrics = fetch_last_campaign_results()
response = client.messages.create(
model="claude-haiku-4-5",
max_tokens=4096,
system=open("brand_voice.md").read(),
messages=[{
"role": "user",
"content": f"""
Subscriber data: {subscriber_data}
Last campaign metrics: {campaign_metrics}
Task: Decide which segment to email today,
write the subject line and body, and return
a structured JSON send plan.
"""
}]
)
send_plan = parse_response(response)
execute_send(send_plan)
log_result(send_plan)
대부분의 이메일 마케팅 팀은 여러 도구를 따로따로 조합해서 운영합니다. 발송 툴 하나, 분석 툴 하나, 카피를 쓰는 담당자 한 명, 그리고 주기적으로 확인하라는 캘린더 알림까지. 결과적으로 대응이 느리고 비용이 많이 들 수밖에 없습니다. 자동화 이메일은 수동 캠페인 대비 320% 더 많은 매출을 만들어내지만, 대부분의 기업은 여전히 이메일을 수작업으로 처리하고 있습니다.
Claude Code는 이 구조를 근본적으로 바꿉니다. Claude Code는 에이전틱(agentic) 방식으로 동작합니다. 목표를 설명하면 Claude가 파일을 읽고, 패턴을 파악하고, 구체적인 변경 사항을 제안한 뒤, 승인을 받아 실행합니다. 이 구조를 이메일 마케팅에 적용하면 진정한 의미의 새로운 가능성이 열립니다. 구독자 분석부터 컴플라이언스 모니터링까지, 한 번 설정해두면 24시간 내내 이메일 운영 전반을 관리하는 단일 AI 에이전트를 만들 수 있는 것입니다.
이 글은 오늘 당장 그 시스템을 구축하는 방법을 다룹니다. SF 이야기가 아닌, 실제로 적용 가능한 아키텍처 가이드입니다.
핵심 요약
Claude Code는 구독자 데이터를 읽고, 카피를 작성하고, 발송을 트리거하고, 결과를 분석하는 지속적인 스케줄 에이전트로 설정할 수 있습니다.
가장 현실적인 아키텍처는 Claude를 ESP(SendGrid, Mailchimp, Brevo)의 REST API에 연결하고, 크론(cron) 스케줄이나 클라우드 태스크로 실행하는 방식입니다.
AI는 콘텐츠 생성, 세분화 로직, 성과 분석에서 가장 큰 가치를 발휘합니다. 브랜드 민감도가 높은 발송과 컴플라이언스 결정에는 여전히 사람의 검토가 필요합니다.
Anthropic은 세 가지 API 티어를 제공합니다. Haiku 4.5 ($1/$5), Sonnet 4.6 ($3/$15), Opus 4.6 ($5/$25) (백만 입력/출력 토큰 기준). 대용량 이메일 콘텐츠 생성에는 Haiku 4.5가 비용 효율적입니다.
발송 신뢰도 컴플라이언스(SPF, DKIM, DMARC)는 선택 사항이 아닙니다. 에이전트의 모니터링 루프에 처음부터 반드시 포함해야 합니다.
1. 아키텍처: 에이전트는 어떻게 구성되는가
각 기능을 살펴보기 전에, 전체 시스템 구조를 이해하는 것이 중요합니다.
에이전트는 Python(또는 Node.js) 프로세스로 동작하며, 서버의 크론 작업이나 클라우드 스케줄 태스크 형태로 주기적으로 실행됩니다. 클라우드 스케줄 태스크는 Anthropic이 관리하는 인프라 위에서 실행되므로, 로컬 컴퓨터가 꺼져 있어도 중단 없이 동작합니다.
에이전트는 매 실행 주기마다 다음 순서로 작동합니다.
ESP의 API에서 구독자 데이터와 최근 캠페인 지표를 가져옵니다.
해당 데이터를 구조화된 시스템 프롬프트와 함께 Anthropic API에 전달합니다.
누구에게, 무슨 내용을, 언제 보낼지에 대한 결정을 응답으로 받습니다.
ESP의 발송 API를 호출해 캠페인을 트리거합니다.
발송 기록을 저장하고 후속 분석 실행을 스케줄에 등록합니다.
이것은 워크플로우 기반 아키텍처(결정론적 로직으로 연결된 LLM 호출 체인)에서, 모델이 도구를 자율적으로 활용해 개방형 문제를 해결하는 에이전트 기반 시스템으로의 전환을 의미합니다. 덕분에 오류 처리가 더 견고해지고 복잡한 작업도 처리할 수 있게 됩니다.
최소한의 의사코드 구조는 다음과 같습니다.
# claude_email_agent.py
import anthropic
import sendgrid_client # or mailchimp_client / brevo_client
client = anthropic.Anthropic()
def run_agent_cycle():
subscriber_data = fetch_subscriber_segments()
campaign_metrics = fetch_last_campaign_results()
response = client.messages.create(
model="claude-haiku-4-5",
max_tokens=4096,
system=open("brand_voice.md").read(),
messages=[{
"role": "user",
"content": f"""
Subscriber data: {subscriber_data}
Last campaign metrics: {campaign_metrics}
Task: Decide which segment to email today,
write the subject line and body, and return
a structured JSON send plan.
"""
}]
)
send_plan = parse_response(response)
execute_send(send_plan)
log_result(send_plan)
아직 댓글이 없습니다. 첫 번째가 되어보세요!
아직 댓글이 없습니다. 첫 번째가 되어보세요!
이것이 기본 뼈대입니다. 실제 지능은 에이전트에 무엇을 주입하느냐, 그리고 도구를 어떻게 구조화하느냐에 달려 있습니다.
2. 구독자 인텔리전스: 누구에게 이메일을 보낼 것인가
에이전트의 첫 번째 임무는 카피 작성이 아닙니다. 이메일을 받을 자격이 있는 구독자를 가려내는 일입니다.
ESP의 API는 구독자별 참여 데이터를 제공합니다. 예를 들어 Mailchimp의 API는 열람 기록, 클릭 활동, 구매 이벤트(스토어 연동 시), 그리고 각 연락처의 마지막 참여 타임스탬프를 반환합니다. SendGrid의 마케팅 API도 Contacts and Stats 엔드포인트{rel="nofollow"}를 통해 유사한 데이터를 제공합니다.
이 데이터를 구조화된 JSON 형태로 Claude에게 전달하면, 에이전트는 사전에 고정된 규칙 없이도 리스트를 동적으로 세분화합니다. 예를 들어 다음과 같은 그룹을 식별할 수 있습니다.
최근 3개 캠페인을 열었지만 한 번도 클릭하지 않은 구독자 (제목줄 반응형 사용자로, A/B 테스트 대상)
최근 30일 내 구매한 구독자 (업셀 또는 로열티 콘텐츠의 최적 대상)
90일 이상 비활성 구독자 (프로모션 발송 대신 재참여 시퀀스 적용 대상)
정적 세그먼트와의 차이가 바로 여기에 있습니다. 에이전트는 매 주기마다 실시간 데이터를 기반으로 리스트를 재평가하므로, 어제 다시 활동한 구독자는 자동으로 재분류됩니다. 효과적인 세분화가 매출에 미치는 영향이 궁금하다면, ROI를 760% 높이는 이메일 리스트 세분화 전략 가이드를 참고하세요.
3. 자율 이메일 카피 작성: 에이전트는 무엇을 쓰는가
누구에게 보낼지 결정되면, 에이전트가 이메일을 작성합니다. 제목줄, 프리뷰 텍스트, 본문, CTA까지 모든 요소를 포함합니다.
지속적인 수정 없이 이 과정이 제대로 작동하려면, 프로젝트 저장소에 brand_voice.md 설정 파일이 있어야 합니다. 이 파일에는 다음이 포함됩니다.
브랜드 톤 (직접적, 친근한, 전문적, 개성 있는 등)
사용하지 않을 단어와 표현
CTA 규칙과 링크 형식
주요 세그먼트별 페르소나 설명
에이전트는 매 API 호출 시 이 파일을 시스템 프롬프트로 읽어들입니다. Claude의 컨텍스트 윈도우는 자세한 브랜드 가이드 전체를 잘라내지 않고 담을 수 있을 만큼 충분히 큽니다.
지시사항과 관련 도구가 주어지면, Claude는 정교한 추론과 문제 해결 능력으로 독립적으로 코드를 작성, 편집, 실행할 수 있습니다. 이메일 카피에 동일한 능력을 적용하면, 처음부터 다시 쓸 필요 없이 최소한의 수정만 필요한 초안을 만들어냅니다.
에이전트는 A/B 제목줄 테스트도 자체적으로 실행할 수 있습니다. 매 발송 주기마다 같은 캠페인에 대해 두세 가지 제목줄 변형을 생성하고, 각 변형을 대상 세그먼트의 무작위 20%에 매핑합니다. 그런 다음 발송 후 분석 실행에서 어떤 변형이 더 높은 열람률을 기록했는지 확인하고, 그 데이터를 이후 제목줄 결정에 반영합니다. 이는 이메일 제목줄 베스트 프랙티스에서 다루는 내용과 직결됩니다. 사소한 카피 변경도 열람률에 의미 있는 영향을 미칩니다.
이메일 제작에 생성형 AI를 활용한 마케터의 95%가 이를 "효과적"이라고 평가했으며, 54%는 "매우 효과적"이라고 답했습니다. 평범한 AI 이메일과 좋은 AI 이메일의 차이는, 지시사항의 구체성과 모델에 제공하는 데이터의 품질에 달려 있습니다.
4. 뉴스레터 큐레이션: 콘텐츠 자동 수집
주간 뉴스레터는 대부분의 콘텐츠 팀에서 가장 수고가 많이 들면서 자동화는 가장 덜 된 작업입니다. 에이전트가 이 구조를 바꿉니다.
sources.yaml 설정 파일에 RSS 피드 URL, 업계 뉴스 소스, 자사 블로그 RSS 피드 목록을 정의합니다. 매 뉴스레터 주기마다 에이전트는 다음을 수행합니다.
Python의 feedparser 라이브러리를 사용해 각 소스에서 최신 항목을 가져옵니다.
원시 기사 제목, URL, 요약을 Claude에게 전달합니다.
Claude에게 독자에게 가장 관련성 높은 5~7개 항목을 선택하고, 각 항목에 대해 두 문장짜리 요약을 작성하고, 논리적인 읽기 순서로 배열하도록 요청합니다.
ESP의 템플릿 API를 사용해 뉴스레터를 조립하고, 큐레이션된 콘텐츠를 사전 정의된 콘텐츠 블록에 삽입합니다.
결과물은 사람이 검토 후 발송하거나, 시스템을 충분히 신뢰한다면 자동 발송할 수 있는 완성된 뉴스레터 초안입니다.
에이전트는 자사 콘텐츠도 자동으로 포함합니다. 새 블로그 포스트를 발행하면 에이전트가 RSS 피드를 통해 이를 감지하고, 그 주 뉴스레터에 큐레이션된 요약을 자동으로 추가합니다. 콘텐츠 홍보가 수동 작업이 아닌 자동 프로세스가 됩니다.
5. 발송 스케줄링과 타이밍 최적화
잘못된 시간에 발송하는 것은 가장 흔하면서도 충분히 피할 수 있는 발송 신뢰도 실수 중 하나입니다. Omnisend 데이터에 따르면 오후 8시가 열람률 기준 최고 성과 발송 시간이었는데, 많은 사용자가 업무 시간 이후에 이메일을 확인한다는 것을 시사합니다. 하지만 이것은 평균값이고, 여러분의 리스트는 평균이 아닙니다.
에이전트는 ESP의 API가 반환하는 과거 열람 데이터를 분석해 구독자별 타이밍 프로파일을 구축합니다. 각 연락처가 과거에 이메일을 열람한 시간대와 요일을 파악한 뒤, 발송 시간 버킷으로 그룹화합니다. 캠페인은 단일 일괄 발송 대신 하루 전체에 걸쳐 분산 발송되므로, 발송 도메인의 부하를 줄이고 스팸 신고 급증 위험도 낮춥니다.
에이전트는 피로감 방지를 위한 발송 빈도 규칙도 적용합니다. 구독자당 최소 메시지 간격을 설정할 수 있습니다(예: 7일 이내 최대 2회). 에이전트는 발송 계획에 구독자를 포함하기 전에 이를 확인합니다.
시간대 처리는 기본 중의 기본입니다. 구독자 프로파일에서 가져오거나 과거 열람 타임스탬프에서 추론한 각 구독자의 현지 시간이 버킷 배정을 결정합니다.
6. 성과 분석과 적응
발송 후 ESP는 배달 보고서를 생성합니다. Mailchimp, SendGrid, Brevo 모두 웹훅 또는 폴링 API를 통해 캠페인별 열람률, 클릭률, 수신 거부, 반송, 스팸 신고를 제공합니다.
에이전트는 발송 후 분석 주기(보통 발송 후 24~48시간)에 이 데이터를 읽고 세 가지를 수행합니다.
첫째, 효과적이었던 것을 기록합니다. 성과가 높은 제목줄, CTA, 콘텐츠 주제는 learnings.json 파일에 저장되며, 에이전트는 이후 콘텐츠 생성 시 이를 참조합니다.
둘째, 이상 징후를 표시합니다. 캠페인의 스팸 신고율이 0.1%를 초과하면, 에이전트는 해당 세그먼트에 대한 향후 발송을 일시 중지하고 사람의 검토를 위해 문제를 표시합니다. Google은 발송자에게 스팸 비율을 0.3% 미만으로 유지하도록 요구하며, 에이전트는 사후 대응이 아닌 사전 모니터링으로 이 기준을 관리합니다.
셋째, 세분화를 조정합니다. 연속 3개 캠페인에서 열람률이 하락한 세그먼트는 또 다른 프로모션 이메일 대신 재참여 플로우를 트리거합니다. 에이전트가 추세를 자동으로 감지하고 발송 계획을 조정합니다.
이 부분이 DIY 자동화 시스템이 가장 많이 실패하는 지점입니다. 발송 신뢰도는 한 번 설정하면 끝나는 구성이 아닙니다.
2024년부터 Gmail, Yahoo Mail, Outlook 같은 주요 서비스를 통해 수신자에게 도달하려면 이메일 인증 프로토콜을 반드시 갖춰야 합니다. Google과 Yahoo가 2024년 대량 발송자 요건을 도입한 데 이어, Microsoft도 하루 5,000건 이상 발송하는 기업을 대상으로 자체 규정을 도입했습니다. 국내의 경우 정보통신망법에 따라 수신자 사전 동의 및 수신 거부 처리 의무도 반드시 준수해야 합니다.
에이전트는 다음과 같은 구체적인 방식으로 컴플라이언스를 처리합니다.
인증 모니터링: 주 1회 DNS 조회를 통해 도메인의 SPF, DKIM, DMARC 레코드를 확인합니다. 레코드가 누락되거나 잘못 설정된 경우, 발송 신뢰도 문제가 되기 전에 알림을 보냅니다.
수신 거부 목록 관리: 각 발송 후 ESP의 API에서 반송 및 수신 거부 이벤트를 읽고 수신 거부 목록을 자동으로 업데이트합니다. 하드 반송은 즉시 제거하고, 소프트 반송은 추적하다가 설정 가능한 임계값 이후 제거합니다.
수신 거부 처리: 마케팅 메시지는 원클릭 수신 거부를 지원하고 메시지 본문에 명확히 보이는 수신 거부 링크를 포함해야 합니다. 에이전트는 발송 호출을 트리거하기 전에 생성된 모든 이메일에 필수 수신 거부 마크업이 포함되어 있는지 확인합니다.
정보통신망법 및 CAN-SPAM 점검: 에이전트는 발송 계획의 모든 연락처가 기록된 수신 동의 타임스탬프를 보유하고 있는지 확인합니다. 유효한 동의 기록이 없는 연락처는 제외됩니다.
8. 통합 아키텍처: Claude Code를 ESP에 연결하기
이 아키텍처에서 개발자 친화도가 가장 높은 ESP는 SendGrid, Mailchimp, Brevo입니다. 세 곳 모두 문서화가 잘 된 REST API를 제공합니다.
Brevo는 트랜잭션 이메일 발송, 연락처 관리, 이메일 성과 추적을 위한 RESTful API와 함께 Node.js, Python, PHP, Ruby, C#, Java용 SDK를 제공합니다. SendGrid는 현재 Twilio 소속으로, 이메일 API 분야에서 가장 오래되고 큰 플레이어 중 하나이며 대용량 이메일 처리에 강점이 있습니다.
처음 이 시스템을 구축하는 대부분의 팀에게는 Brevo가 더 쉬운 시작점입니다. Brevo는 트랜잭션 이메일과 마케팅 이메일을 하나의 플랫폼에서 통합 제공한다는 점이 차별점입니다. 대용량 리스트를 운영하며 발송 신뢰도 제어가 중요한 팀이라면 SendGrid가 적합합니다. 트랜잭션 이메일과 발송 신뢰도 면에서 앞서며, 높은 이메일 볼륨을 처리하거나 상세한 분석 및 API 통합이 필요한 기업에 특히 좋습니다.
에이전트 자체는 Claude Code의 내장 스케줄링(/schedule)을 통한 클라우드 스케줄 태스크로 실행하거나, 크론 작업으로 트리거되는 독립적인 Python 프로세스로 실행할 수 있습니다. Anthropic API가 인텔리전스 레이어를 담당하고, ESP의 API가 발송 레이어를 담당합니다. 두 레이어는 에이전트의 오케스트레이션 코드를 통해 연결됩니다.
9. 비용과 현실성: 실제로 얼마나 드는가
Claude Code 이메일 마케팅 에이전트 운영이 무료는 아니지만, 전담 마케터를 고용하는 것보다 훨씬 저렴합니다.
API 비용: Claude 플랫폼에서 Haiku 4.5의 가격은 입력 토큰 백만 개당 $1, 출력 토큰 백만 개당 $5부터 시작하며, 프롬프트 캐싱으로 최대 90%, 배치 처리로 최대 50%의 비용 절감이 가능합니다. 일반적인 이메일 에이전트 주기(구독자 데이터 수집, 카피 생성, 발송 후 분석)에서는 실행당 약 5,000~15,000 토큰이 소요됩니다. 이 정도 볼륨이라면 일일 에이전트 실행 비용은 달러가 아닌 센트 수준입니다.
경량의 대용량 작업에는 Haiku를 사용하고, 고급 추론이나 코딩이 필요한 경우에만 Sonnet이나 Opus를 활용하세요. 대부분의 이메일 작업에는 Haiku 4.5로 충분합니다. 복잡한 세분화 분석이나 장문 콘텐츠에는 Sonnet 4.6을 예약해두세요.
ESP 비용: AI 레이어가 아닌 리스트 크기와 발송 볼륨에 따라 달라집니다. Brevo, SendGrid, Mailchimp 모두 연락처 수와 월간 발송량 기반의 단계별 요금제를 운영합니다.
AI가 가장 큰 가치를 발휘하는 영역: 카피 생성(수시간의 초안 작업 제거), 세분화 결정(수동 규칙 관리 대체), 발송 후 분석(사람이 놓칠 수 있는 패턴 발견).
사람의 검토가 여전히 필요한 영역: 캠페인 전략과 포지셔닝, 브랜드 민감도가 높은 발송(제품 출시, 위기 커뮤니케이션), 프로모션 주장의 법적 검토, 에이전트가 아직 학습하지 않은 신규 리스트 세그먼트 발송. 신뢰의 경계는 역량의 문제가 아닌 책임의 문제입니다. 에이전트에게 완전한 자동 발송 권한을 부여하기 전에 사람이 처음 20~30번의 주기를 승인해야 합니다.
사용 경험이 쌓일수록 사람들은 Claude Code에 더 많은 자율성을 부여합니다. 초보 사용자는 약 20%의 경우에만 완전 자동 승인을 사용하지만, 750세션이 되면 이 비율이 40% 이상으로 증가합니다. 여기서도 동일한 단계적 신뢰 모델을 적용하세요. 에이전트가 초안을 작성하고 사람이 승인하는 방식으로 시작한 뒤, 시스템이 신뢰를 쌓아가면서 자율성을 확대하세요.
Claude Code 자체는 이메일을 발송하지 않습니다. Claude Code는 ESP의 API(SendGrid, Mailchimp, Brevo)를 호출해 발송을 트리거하는 코드와 로직을 작성합니다. 실제 발송을 실행하는 것은 Claude Code를 사용해 구축한 에이전트입니다. Claude Code는 빌더, Anthropic API는 구축한 시스템 내부의 추론 엔진이라고 이해하면 됩니다.
에이전트가 브랜드에 맞지 않거나 법적으로 위험한 내용을 발송하는 것을 어떻게 방지하나요?
두 가지 메커니즘이 도움이 됩니다. 첫째, 상세한 brand_voice.md 시스템 프롬프트가 모델의 출력을 스타일 및 콘텐츠 가이드라인 내로 제한합니다. 둘째, 고위험으로 분류된 캠페인 유형(출시, 특정 할인 주장이 포함된 프로모션, 규제 관련 주제)에는 워크플로우에 사람의 승인 단계를 추가하세요. 에이전트는 즉시 발송하는 대신 이메일을 검토 대기열에 넣습니다. 시스템에 대한 신뢰가 쌓일수록 이 승인 게이트를 조이거나 느슨하게 조정할 수 있습니다.
이 통합 방식에 가장 적합한 ESP는 무엇인가요?
리스트 크기와 기술 리소스에 따라 다릅니다. Brevo는 넉넉한 무료 티어와 직관적인 API로 초보자에게 가장 친화적입니다. SendGrid는 상세한 발송 신뢰도 제어와 분석이 필요한 대용량 발송자에게 적합합니다. Mailchimp는 가장 폭넓은 에코시스템 통합을 제공합니다. 세 곳 모두 이 아키텍처에 필요한 REST API 엔드포인트를 지원합니다.
자율 발송 에이전트 운영 시 주의해야 할 컴플라이언스 위험은 무엇인가요?
주요 위험은 다음과 같습니다. 유효한 동의 기록이 없는 연락처에 발송하는 것, 수신 거부 링크가 누락되거나 작동하지 않는 것, 이메일 인증 확인 실패(SPF, DKIM, DMARC)입니다. 에이전트의 발송 전 체크리스트에 이 항목들에 대한 검증 단계를 구축하세요. 검증 중 하나라도 실패하면 에이전트는 발송을 거부하고 실패 내용을 사람의 검토를 위해 기록해야 합니다. Google, Yahoo, Microsoft, Apple을 합치면 일반적인 B2C 이메일 리스트의 약 90%를 차지하므로, 이들의 인증 요건 준수는 진지한 발송 프로그램에서 선택 사항이 아닙니다.
이것이 기본 뼈대입니다. 실제 지능은 에이전트에 무엇을 주입하느냐, 그리고 도구를 어떻게 구조화하느냐에 달려 있습니다.
2. 구독자 인텔리전스: 누구에게 이메일을 보낼 것인가
에이전트의 첫 번째 임무는 카피 작성이 아닙니다. 이메일을 받을 자격이 있는 구독자를 가려내는 일입니다.
ESP의 API는 구독자별 참여 데이터를 제공합니다. 예를 들어 Mailchimp의 API는 열람 기록, 클릭 활동, 구매 이벤트(스토어 연동 시), 그리고 각 연락처의 마지막 참여 타임스탬프를 반환합니다. SendGrid의 마케팅 API도 Contacts and Stats 엔드포인트{rel="nofollow"}를 통해 유사한 데이터를 제공합니다.
이 데이터를 구조화된 JSON 형태로 Claude에게 전달하면, 에이전트는 사전에 고정된 규칙 없이도 리스트를 동적으로 세분화합니다. 예를 들어 다음과 같은 그룹을 식별할 수 있습니다.
최근 3개 캠페인을 열었지만 한 번도 클릭하지 않은 구독자 (제목줄 반응형 사용자로, A/B 테스트 대상)
최근 30일 내 구매한 구독자 (업셀 또는 로열티 콘텐츠의 최적 대상)
90일 이상 비활성 구독자 (프로모션 발송 대신 재참여 시퀀스 적용 대상)
정적 세그먼트와의 차이가 바로 여기에 있습니다. 에이전트는 매 주기마다 실시간 데이터를 기반으로 리스트를 재평가하므로, 어제 다시 활동한 구독자는 자동으로 재분류됩니다. 효과적인 세분화가 매출에 미치는 영향이 궁금하다면, ROI를 760% 높이는 이메일 리스트 세분화 전략 가이드를 참고하세요.
3. 자율 이메일 카피 작성: 에이전트는 무엇을 쓰는가
누구에게 보낼지 결정되면, 에이전트가 이메일을 작성합니다. 제목줄, 프리뷰 텍스트, 본문, CTA까지 모든 요소를 포함합니다.
지속적인 수정 없이 이 과정이 제대로 작동하려면, 프로젝트 저장소에 brand_voice.md 설정 파일이 있어야 합니다. 이 파일에는 다음이 포함됩니다.
브랜드 톤 (직접적, 친근한, 전문적, 개성 있는 등)
사용하지 않을 단어와 표현
CTA 규칙과 링크 형식
주요 세그먼트별 페르소나 설명
에이전트는 매 API 호출 시 이 파일을 시스템 프롬프트로 읽어들입니다. Claude의 컨텍스트 윈도우는 자세한 브랜드 가이드 전체를 잘라내지 않고 담을 수 있을 만큼 충분히 큽니다.
지시사항과 관련 도구가 주어지면, Claude는 정교한 추론과 문제 해결 능력으로 독립적으로 코드를 작성, 편집, 실행할 수 있습니다. 이메일 카피에 동일한 능력을 적용하면, 처음부터 다시 쓸 필요 없이 최소한의 수정만 필요한 초안을 만들어냅니다.
에이전트는 A/B 제목줄 테스트도 자체적으로 실행할 수 있습니다. 매 발송 주기마다 같은 캠페인에 대해 두세 가지 제목줄 변형을 생성하고, 각 변형을 대상 세그먼트의 무작위 20%에 매핑합니다. 그런 다음 발송 후 분석 실행에서 어떤 변형이 더 높은 열람률을 기록했는지 확인하고, 그 데이터를 이후 제목줄 결정에 반영합니다. 이는 이메일 제목줄 베스트 프랙티스에서 다루는 내용과 직결됩니다. 사소한 카피 변경도 열람률에 의미 있는 영향을 미칩니다.
이메일 제작에 생성형 AI를 활용한 마케터의 95%가 이를 "효과적"이라고 평가했으며, 54%는 "매우 효과적"이라고 답했습니다. 평범한 AI 이메일과 좋은 AI 이메일의 차이는, 지시사항의 구체성과 모델에 제공하는 데이터의 품질에 달려 있습니다.
4. 뉴스레터 큐레이션: 콘텐츠 자동 수집
주간 뉴스레터는 대부분의 콘텐츠 팀에서 가장 수고가 많이 들면서 자동화는 가장 덜 된 작업입니다. 에이전트가 이 구조를 바꿉니다.
sources.yaml 설정 파일에 RSS 피드 URL, 업계 뉴스 소스, 자사 블로그 RSS 피드 목록을 정의합니다. 매 뉴스레터 주기마다 에이전트는 다음을 수행합니다.
Python의 feedparser 라이브러리를 사용해 각 소스에서 최신 항목을 가져옵니다.
원시 기사 제목, URL, 요약을 Claude에게 전달합니다.
Claude에게 독자에게 가장 관련성 높은 5~7개 항목을 선택하고, 각 항목에 대해 두 문장짜리 요약을 작성하고, 논리적인 읽기 순서로 배열하도록 요청합니다.
ESP의 템플릿 API를 사용해 뉴스레터를 조립하고, 큐레이션된 콘텐츠를 사전 정의된 콘텐츠 블록에 삽입합니다.
결과물은 사람이 검토 후 발송하거나, 시스템을 충분히 신뢰한다면 자동 발송할 수 있는 완성된 뉴스레터 초안입니다.
에이전트는 자사 콘텐츠도 자동으로 포함합니다. 새 블로그 포스트를 발행하면 에이전트가 RSS 피드를 통해 이를 감지하고, 그 주 뉴스레터에 큐레이션된 요약을 자동으로 추가합니다. 콘텐츠 홍보가 수동 작업이 아닌 자동 프로세스가 됩니다.
5. 발송 스케줄링과 타이밍 최적화
잘못된 시간에 발송하는 것은 가장 흔하면서도 충분히 피할 수 있는 발송 신뢰도 실수 중 하나입니다. Omnisend 데이터에 따르면 오후 8시가 열람률 기준 최고 성과 발송 시간이었는데, 많은 사용자가 업무 시간 이후에 이메일을 확인한다는 것을 시사합니다. 하지만 이것은 평균값이고, 여러분의 리스트는 평균이 아닙니다.
에이전트는 ESP의 API가 반환하는 과거 열람 데이터를 분석해 구독자별 타이밍 프로파일을 구축합니다. 각 연락처가 과거에 이메일을 열람한 시간대와 요일을 파악한 뒤, 발송 시간 버킷으로 그룹화합니다. 캠페인은 단일 일괄 발송 대신 하루 전체에 걸쳐 분산 발송되므로, 발송 도메인의 부하를 줄이고 스팸 신고 급증 위험도 낮춥니다.
에이전트는 피로감 방지를 위한 발송 빈도 규칙도 적용합니다. 구독자당 최소 메시지 간격을 설정할 수 있습니다(예: 7일 이내 최대 2회). 에이전트는 발송 계획에 구독자를 포함하기 전에 이를 확인합니다.
시간대 처리는 기본 중의 기본입니다. 구독자 프로파일에서 가져오거나 과거 열람 타임스탬프에서 추론한 각 구독자의 현지 시간이 버킷 배정을 결정합니다.
6. 성과 분석과 적응
발송 후 ESP는 배달 보고서를 생성합니다. Mailchimp, SendGrid, Brevo 모두 웹훅 또는 폴링 API를 통해 캠페인별 열람률, 클릭률, 수신 거부, 반송, 스팸 신고를 제공합니다.
에이전트는 발송 후 분석 주기(보통 발송 후 24~48시간)에 이 데이터를 읽고 세 가지를 수행합니다.
첫째, 효과적이었던 것을 기록합니다. 성과가 높은 제목줄, CTA, 콘텐츠 주제는 learnings.json 파일에 저장되며, 에이전트는 이후 콘텐츠 생성 시 이를 참조합니다.
둘째, 이상 징후를 표시합니다. 캠페인의 스팸 신고율이 0.1%를 초과하면, 에이전트는 해당 세그먼트에 대한 향후 발송을 일시 중지하고 사람의 검토를 위해 문제를 표시합니다. Google은 발송자에게 스팸 비율을 0.3% 미만으로 유지하도록 요구하며, 에이전트는 사후 대응이 아닌 사전 모니터링으로 이 기준을 관리합니다.
셋째, 세분화를 조정합니다. 연속 3개 캠페인에서 열람률이 하락한 세그먼트는 또 다른 프로모션 이메일 대신 재참여 플로우를 트리거합니다. 에이전트가 추세를 자동으로 감지하고 발송 계획을 조정합니다.
이 부분이 DIY 자동화 시스템이 가장 많이 실패하는 지점입니다. 발송 신뢰도는 한 번 설정하면 끝나는 구성이 아닙니다.
2024년부터 Gmail, Yahoo Mail, Outlook 같은 주요 서비스를 통해 수신자에게 도달하려면 이메일 인증 프로토콜을 반드시 갖춰야 합니다. Google과 Yahoo가 2024년 대량 발송자 요건을 도입한 데 이어, Microsoft도 하루 5,000건 이상 발송하는 기업을 대상으로 자체 규정을 도입했습니다. 국내의 경우 정보통신망법에 따라 수신자 사전 동의 및 수신 거부 처리 의무도 반드시 준수해야 합니다.
에이전트는 다음과 같은 구체적인 방식으로 컴플라이언스를 처리합니다.
인증 모니터링: 주 1회 DNS 조회를 통해 도메인의 SPF, DKIM, DMARC 레코드를 확인합니다. 레코드가 누락되거나 잘못 설정된 경우, 발송 신뢰도 문제가 되기 전에 알림을 보냅니다.
수신 거부 목록 관리: 각 발송 후 ESP의 API에서 반송 및 수신 거부 이벤트를 읽고 수신 거부 목록을 자동으로 업데이트합니다. 하드 반송은 즉시 제거하고, 소프트 반송은 추적하다가 설정 가능한 임계값 이후 제거합니다.
수신 거부 처리: 마케팅 메시지는 원클릭 수신 거부를 지원하고 메시지 본문에 명확히 보이는 수신 거부 링크를 포함해야 합니다. 에이전트는 발송 호출을 트리거하기 전에 생성된 모든 이메일에 필수 수신 거부 마크업이 포함되어 있는지 확인합니다.
정보통신망법 및 CAN-SPAM 점검: 에이전트는 발송 계획의 모든 연락처가 기록된 수신 동의 타임스탬프를 보유하고 있는지 확인합니다. 유효한 동의 기록이 없는 연락처는 제외됩니다.
8. 통합 아키텍처: Claude Code를 ESP에 연결하기
이 아키텍처에서 개발자 친화도가 가장 높은 ESP는 SendGrid, Mailchimp, Brevo입니다. 세 곳 모두 문서화가 잘 된 REST API를 제공합니다.
Brevo는 트랜잭션 이메일 발송, 연락처 관리, 이메일 성과 추적을 위한 RESTful API와 함께 Node.js, Python, PHP, Ruby, C#, Java용 SDK를 제공합니다. SendGrid는 현재 Twilio 소속으로, 이메일 API 분야에서 가장 오래되고 큰 플레이어 중 하나이며 대용량 이메일 처리에 강점이 있습니다.
처음 이 시스템을 구축하는 대부분의 팀에게는 Brevo가 더 쉬운 시작점입니다. Brevo는 트랜잭션 이메일과 마케팅 이메일을 하나의 플랫폼에서 통합 제공한다는 점이 차별점입니다. 대용량 리스트를 운영하며 발송 신뢰도 제어가 중요한 팀이라면 SendGrid가 적합합니다. 트랜잭션 이메일과 발송 신뢰도 면에서 앞서며, 높은 이메일 볼륨을 처리하거나 상세한 분석 및 API 통합이 필요한 기업에 특히 좋습니다.
에이전트 자체는 Claude Code의 내장 스케줄링(/schedule)을 통한 클라우드 스케줄 태스크로 실행하거나, 크론 작업으로 트리거되는 독립적인 Python 프로세스로 실행할 수 있습니다. Anthropic API가 인텔리전스 레이어를 담당하고, ESP의 API가 발송 레이어를 담당합니다. 두 레이어는 에이전트의 오케스트레이션 코드를 통해 연결됩니다.
9. 비용과 현실성: 실제로 얼마나 드는가
Claude Code 이메일 마케팅 에이전트 운영이 무료는 아니지만, 전담 마케터를 고용하는 것보다 훨씬 저렴합니다.
API 비용: Claude 플랫폼에서 Haiku 4.5의 가격은 입력 토큰 백만 개당 $1, 출력 토큰 백만 개당 $5부터 시작하며, 프롬프트 캐싱으로 최대 90%, 배치 처리로 최대 50%의 비용 절감이 가능합니다. 일반적인 이메일 에이전트 주기(구독자 데이터 수집, 카피 생성, 발송 후 분석)에서는 실행당 약 5,000~15,000 토큰이 소요됩니다. 이 정도 볼륨이라면 일일 에이전트 실행 비용은 달러가 아닌 센트 수준입니다.
경량의 대용량 작업에는 Haiku를 사용하고, 고급 추론이나 코딩이 필요한 경우에만 Sonnet이나 Opus를 활용하세요. 대부분의 이메일 작업에는 Haiku 4.5로 충분합니다. 복잡한 세분화 분석이나 장문 콘텐츠에는 Sonnet 4.6을 예약해두세요.
ESP 비용: AI 레이어가 아닌 리스트 크기와 발송 볼륨에 따라 달라집니다. Brevo, SendGrid, Mailchimp 모두 연락처 수와 월간 발송량 기반의 단계별 요금제를 운영합니다.
AI가 가장 큰 가치를 발휘하는 영역: 카피 생성(수시간의 초안 작업 제거), 세분화 결정(수동 규칙 관리 대체), 발송 후 분석(사람이 놓칠 수 있는 패턴 발견).
사람의 검토가 여전히 필요한 영역: 캠페인 전략과 포지셔닝, 브랜드 민감도가 높은 발송(제품 출시, 위기 커뮤니케이션), 프로모션 주장의 법적 검토, 에이전트가 아직 학습하지 않은 신규 리스트 세그먼트 발송. 신뢰의 경계는 역량의 문제가 아닌 책임의 문제입니다. 에이전트에게 완전한 자동 발송 권한을 부여하기 전에 사람이 처음 20~30번의 주기를 승인해야 합니다.
사용 경험이 쌓일수록 사람들은 Claude Code에 더 많은 자율성을 부여합니다. 초보 사용자는 약 20%의 경우에만 완전 자동 승인을 사용하지만, 750세션이 되면 이 비율이 40% 이상으로 증가합니다. 여기서도 동일한 단계적 신뢰 모델을 적용하세요. 에이전트가 초안을 작성하고 사람이 승인하는 방식으로 시작한 뒤, 시스템이 신뢰를 쌓아가면서 자율성을 확대하세요.
Claude Code 자체는 이메일을 발송하지 않습니다. Claude Code는 ESP의 API(SendGrid, Mailchimp, Brevo)를 호출해 발송을 트리거하는 코드와 로직을 작성합니다. 실제 발송을 실행하는 것은 Claude Code를 사용해 구축한 에이전트입니다. Claude Code는 빌더, Anthropic API는 구축한 시스템 내부의 추론 엔진이라고 이해하면 됩니다.
에이전트가 브랜드에 맞지 않거나 법적으로 위험한 내용을 발송하는 것을 어떻게 방지하나요?
두 가지 메커니즘이 도움이 됩니다. 첫째, 상세한 brand_voice.md 시스템 프롬프트가 모델의 출력을 스타일 및 콘텐츠 가이드라인 내로 제한합니다. 둘째, 고위험으로 분류된 캠페인 유형(출시, 특정 할인 주장이 포함된 프로모션, 규제 관련 주제)에는 워크플로우에 사람의 승인 단계를 추가하세요. 에이전트는 즉시 발송하는 대신 이메일을 검토 대기열에 넣습니다. 시스템에 대한 신뢰가 쌓일수록 이 승인 게이트를 조이거나 느슨하게 조정할 수 있습니다.
이 통합 방식에 가장 적합한 ESP는 무엇인가요?
리스트 크기와 기술 리소스에 따라 다릅니다. Brevo는 넉넉한 무료 티어와 직관적인 API로 초보자에게 가장 친화적입니다. SendGrid는 상세한 발송 신뢰도 제어와 분석이 필요한 대용량 발송자에게 적합합니다. Mailchimp는 가장 폭넓은 에코시스템 통합을 제공합니다. 세 곳 모두 이 아키텍처에 필요한 REST API 엔드포인트를 지원합니다.
자율 발송 에이전트 운영 시 주의해야 할 컴플라이언스 위험은 무엇인가요?
주요 위험은 다음과 같습니다. 유효한 동의 기록이 없는 연락처에 발송하는 것, 수신 거부 링크가 누락되거나 작동하지 않는 것, 이메일 인증 확인 실패(SPF, DKIM, DMARC)입니다. 에이전트의 발송 전 체크리스트에 이 항목들에 대한 검증 단계를 구축하세요. 검증 중 하나라도 실패하면 에이전트는 발송을 거부하고 실패 내용을 사람의 검토를 위해 기록해야 합니다. Google, Yahoo, Microsoft, Apple을 합치면 일반적인 B2C 이메일 리스트의 약 90%를 차지하므로, 이들의 인증 요건 준수는 진지한 발송 프로그램에서 선택 사항이 아닙니다.
