믹스패널 AI 신기능 10가지 총정리: 우리 팀에 맞는 데이터 분석 AI는?

마켓핏랩에서 믹스패널 AI 신기능 웨비나를 진행했습니다. 못 들으셔서 아쉬우신분들을 위해 어떤 내용을 다뤘는지 상세히 알려드리는 포스팅을 준비했어요.
이번 AI 신기능 웨비나에서는 단순 기능을 하나하나 알려드리는 게 아니라 나의 직무 환경에서 어느 것을 사용하면 좋은지 맞춤형으로 준비했어요.
웨비나를 기획하며 가장 많이 받은 질문은 어떤 기능인지 알려달라는게 아니라 무엇부터 써야 하는지에 대한 것이었거든요.
기능 10개가 한꺼번에 나와서 너무 좋다기보다는 뭘 먼저 봐야할지, 쓰는 것만 쓰는 것 같아서 걱정된다고 하시는 분도 많았거든요.

이 글은 그 질문에 답하려고 썼습니다. 전체적인 얼개는 이 글에서 보시고 세부 내용은 아래 세부 블로그 글을 참조해보세요 :)

‍

데이터 감지부터 분석, 의사 결정까지 주저 없이

데이터분석가에게 데이터를 요청하고 일주일 뒤에야 데이터를 받은 경험 다들 있으실 거예요.
지금까지 분석은 사람이 전문 도구를 다루는 기술에 가까운 일이었어요. 어떤 리포트를 열고 어떤 필터를 걸고 어떤 순서로 쪼갤지 아는 사람만 분석을 할 수 있었으니까요.
문제는 그렇기 때문에 데이터에 관한 질문이 전부 분석가 한 사람에게 몰렸어요.

에이전트는 이런 대기와 업무 몰림을 없애고 분석가가 아니라 팀원 모두가 바로 실시간 분석을 하게 돕습니다.  
채팅창에 무엇이 궁금한지만 문장으로 말하면 나머지 복잡한 과정은 에이전트가 알아서 처리하니까요.

에이전트가 해주는 일은 이런 것들이 있어요

• 전환율 상승/증가 원인분석 - 데이터를 알아서 분석해 유의미한 세그먼트만 추린 뒤 근거와 다음 액션까지 대시보드로 정리해줍니다
• 주간 회의용 보드 -  필요할 때 목적과 보고 싶은 지표를 말하면 몇 분 만에 초안이 나옵니다
• 핵심 지표 요약과 해석 자동 보고 - 따로 요청하지 않아도 월요일 아침마다  Slack으로 도착합니다

무척 편리하죠? AI 기능이 무려 10개나 된다고 하니 같이 살펴보아요.

믹스패널AI는 채팅을 포함한 에이전트 10개로 구성

화면을 열었을 때 가장 먼저 눈에 들어오는 건 상단의 믹스패널 Agent 영역과 하단 아이콘일 겁니다.
리포트를 보다가 하단 아이콘을 누르면 오른쪽에 채팅창이 열리고 상단 메뉴로 들어가면 전체 화면 대화가 시작되니까, 처음에는 다른 도구에 붙은 챗봇과 비슷해 보여요.

그런데 실제 구조를 뜯어보면 채팅 내부에 여러개의 에이전트가 포함되어 있어요. 이 에이전트들이 뭔지 알면 더 효과적으로 AI 분석을 할 수 있겠죠?

우리 조직의 믹스패널 AI 도입은 아래서부터 위로

믹스패널 AI Agent는 4개 층으로 나뉘어 있어요. 크게 분석의 신뢰도와 정확성을 높이기 위한 에이전트 위에 분석을 하는 에이전트들이 쌓인 형태예요.
위 두 층은 답을 만들고 아래 두 층은 그 답이 사용할 데이터를 관리합니다.
아래 기반이 없다면 각 팀이 서로 다른 이벤트를 사용한 다른 답을 받아 들고 회의에 들어오게 되는 문제가 생기기 때문에 이렇게 구성한 거예요.

그래서 도입 순서의 결론부터 말씀드리면, 조직은 이 4개 층위의 아래부터 AI를 도입하고 분석가는 바로 분석을 하면 됩니다.
병행하면서 아래 층위를 더 단단히 만들고 상위의 분석을 적용하시면 됩니다.

직군별로 효율 200% 올리는 분석 AI 에이전트 추천

10가지 기능을 다 배우려다 보면 결국 하나도 제대로 못 쓰게 됩니다. 웨비나를 직군 트랙으로 나눈 이유가 여기 있어요.
그래서 내 업무에서 당장 효과가 나는 두세 개만 골라 핵심만 소개해드릴게요.

분석가·마케터·PM/PO

지표를 보고 판단하는 일을 하신다면 아래 4개 에이전트부터 사용하세요

• KPI Agent (KPI Monitoring): 핵심 지표를 정해진 주기로 확인해 숫자와 해석을 Slack·이메일로 보내줍니다
• RCA Agent: 지표가 움직였을 때 전 속성을 자동으로 스캔해 원인 후보를 대시보드로 정리해줍니다
• Dashboard Agent: 자연어 프롬프트만으로 대시보드 초안을 만들어줍니다
• Experiment Agent: A/B 테스트 설계부터 결과 해석, 위닝 소재 배포까지 지원합니다

PM의 하루를 떠올려 보면 절반이 회의입니다.
아침 스탠드업으로 시작해서 스프린트 그루밍, 디자인 리뷰, 오후에는 이해관계자 싱크…. 거기에 사이사이에 지난주 출시한 기능이 실제로 쓰이고 있는지 확인해야 하고,
전환율이 떨어졌다는 슬랙이 오면 다음 회의 전까지 원인 하나는 잡아야 하고, 다음 스프린트 우선순위를 정하려면 지난 실험 결과도 분석해야하고…

데이터를 오래 들여다봐야 답이 나오는 일들, 이제는 AI에게 요청하여 빠르고 간편하게 분석 업무를 처리해보세요.

기획자

데이터 정의와 거버넌스를 맡고 있다면 아래 3개 에이전트를 사용하세요.

• Context Engine: 조직과 제품의 맥락을 미리 정의해 AI가 우리 조직과 지표 기준으로 답하게 만듭니다
• Verified Mode: AI가 참조할 이벤트, 지표, 코호트를 승인된 것으로 한정합니다
• Audit: 그 참조 대상 데이터의 품질을 진단합니다

이 에이전트가 필요한 이유가 있어요. 담당자가 몇 차례 바뀌는 동안 같은 이벤트가 click_product, Click_product,
‍제품을 클릭함 다른이름으로 여러개 쌓여 있는 프로젝트를 국내 고객사에서 자주 봅니다.
문제는 사람은 어느 것이 정본인지 물어봐서 알아내지만 AI는 물어볼 곳이 없기 때문에 데이터가 지저분하면 매번 다른 것을 고르게 되어 분석 결과가 엉망이 됩니다.

맥락이 마련되고 참조할 범위까지 정해지면 나머지 팀은 질문만 하면 되기 때문에, 이 세 가지가 앞의 네 에이전트를 떠받치는 셈이에요.

개발자

계측 구현과 검증을 맡고 있다면 두 개예요.

• Agent + Implementation Skill: 에이전트가 코드베이스를 파악해 트래킹 코드를 작성하고 결과까지 스스로 검증합니다
• Headless: 믹스패널 기능 전체를 파이썬 객체로 노출하는 오픈소스 SDK입니다

개발자에게 계측은 항상 곁가지 작업입니다. 기능 자체는 30줄인데 애널리틱스를 붙이고 나면 PR의 절반이 트래킹 코드가 되고,
그 절반은 리뷰에서 아무도 꼼꼼히 안 봅니다.  배포 후에는 더 심각하죠. 잘못 심긴 이벤트는 며칠 지나 기획자가 데이터가 이상하다고 찾아와야 드러나는데,
그때는 이미 다른 스프린트에 들어가 있어서 되짚는 비용이 훨씬 커집니다.

이제는 주기적으로 스스로 데이터를 검증하는 믹스패널 AI 에이전트를 사용해보세요.

보안부터 채팅 공유까지, 자주 묻는 질문 4가지

참석자분들이 주신 질문 중에서 여러 번 겹쳤던 것만 골라 정리했습니다.

1. 믹스패널 Agent는 어떤 모델을 쓰나요? 보안은 괜찮은가요.‍

현재 베타 기준으로 Claude를 사용합니다.
쿼리는 서드파티 AI 제공자가 처리하지만 고객 데이터가 모델 학습에 쓰이지 않고, 응답을 생성하는 데 필요한 시간 동안만 처리된 뒤 저장되지 않아요.
LLM 제공업체와 0일 데이터 보존 정책(Zero Data Retention)을 적용하고 있어서 이 부분은 크게 걱정하지 않으셔도 됩니다.

2. 에이전트 채팅을 팀원과 공유할 수 있나요?

네 가능합니다. 채팅 이름을 클릭해 Share Link로 읽기 전용 공개 링크를 만들면 프로젝트 접근 권한이 있는 사람은 누구나 열람할 수 있고,
다시 비공개로 돌리고 싶을 때는 Keep Private을 선택하면 기존 공개 링크가 비공개 처리됩니다.

3. RCA(원인분석) 에이전트는 UI에서 어디 있나요.‍

RCA 에이전트는 별도 메뉴가 아니라서 못 찾으시는 경우가 많아요. 대화창에 ‘원인 분석해줘’라고 지시하거나 리포트 차트에서 특정 지점을 클릭해 Root Cause Analysis 버튼을 선택해 실행할 수 있습니다.

참고로 생성되는 RCA(원인분석) 대시보드가 기본적으로 영어로 생성되기 때문에 불편하실텐데요. 다시 채팅에 이 대시보드를 한국어로 번역해달라고 요청하시면 전체 번역이 됩니다. 본사에서도 프롬프트 언어 기준 생성을 작업하고 있습니다.

4.무엇을 트래킹할지 정하는 단계에서도 AI를 쓸 수 있나요?
쓸 수 있습니다. Implementation Skill이 설계부터 구현, 검증까지 하나로 연결되어 있어서, 코드에 접근할 수 있으면 에이전트가 기존 스키마를 읽어 이벤트 후보와 삽입 위치를 제안하고 접근할 수 없으면 트래킹 플랜과 코드 예시를 담은 스펙 문서를 만들어 개발자에게 넘겨줍니다.

AI가 답을 잘 내는 것과 그 답을 믿는 것은 다른 문제

웨비나 내내 반복해서 드린 말씀이기도 합니다. 기능을 켜는 일과 그 기능이 신뢰할 만한 답을 내게 만드는 일은 서로 다른 작업이거든요.

중요한 건 모두 한방에 완성본을 먼저 만들어 넣는 방식이 아니라 쓰면서 다듬는 방식을 전제로 완성되다는 것입니다. 믹스패널 Business Context에 대한 지침 역시, 짧게 적고 계속 늘려가고, Verified Mode는 검증 워크플로가 이벤트 배포 속도를 따라올 수 있을 때 켜라고 하는 이유 또한 여기에 있습니다.

그래서 팀이 적극적으로 자연어 분석을 던져봐야 합니다. 답이 우리 기준과 어긋나는 지점은 실제로 물어봤을 때만 드러나고, 그걸 정의로 되돌려 넣는 과정이 반복될수록 답이 정확해지니까요.

필요한 게 있으면 직접 만들어 붙이는 것도 방법입니다. Implementation Skill이 skill.md 한 장으로 배포되고 실행은 각자의 코딩 에이전트가 맡는 구조라, 우리 조직에 필요한 절차를 뒤에 얹기가 어렵지 않아요. 저희 마켓핏랩 또한 QA 에이전트를 만들어 사용하고 있습니다.

에이전트는 이미 충분히 똑똑하기 때문에, 우리 조직에 맞는 똑똑함의 재료를 에이전트에게 잘 제공하는 것이 좋은 결론 도출의 시작입니다

세부 내용은 시리즈에서 이어집니다

이 글에서 전체 얼개를 잡으셨다면, 실제로 켜고 설정하는 단계는 각 편에서 상세하게 다룹니다.

• 1편에서는 KPI Agent 설정 화면과 Alert·MCP와의 차이, RCA Agent의 confidence와 impact 읽는 법을 다룹니다
• 2편에서는 Dashboard Agent 프롬프트 공식과 Experiment Agent 활용 단계를 다룹니다
• 3편에서는 Context Engine 작성 예시와 Verified Mode 도입 체크리스트를 다룹니다
• 4편에서는 Implementation Skill 네 가지 모드와 Audit 실측 결과를 다룹니다
• 5편에서는 Headless SDK와 MCP의 사용 구분을 다룹니다

우리 회사의 분석 에이전트 도입/활용이 고민이라면?

가볍게 시작하고 싶다면 믹스패널 Lexicon에서 30-Day Volume을 내림차순으로 정렬하고 설명과 오너가 비어 있는 상위 이벤트를 세어보세요. 렉시콘에서 Tidy Up을 클릭해 중복 이벤트를 검토하실 수도 있습니다. 3분이면 나오는 이 프로젝트 건강도 데이터 해석이 궁금하시다면 저희에게 커피챗을 요청해 주셔도 좋습니다.

자료가 필요하다면 웨비나 발표 자료와 Business Context 작성 샘플을 보내드립니다. 조직 레벨과 프로젝트 레벨 예시를 그대로 참고해 쓰실 수 있어요.

제대로 정리하고 싶다면 마켓핏랩의 택소노미 진단을 권해드려요. 이벤트 파편화, PII 유입, identity 배치 오류를 실제 수집 데이터 기준으로 점검하고 우선순위가 붙은 수정 목록까지 드리기 때문에, AI 기능을 켜기 전 단계에서 가장 효과가 큰 작업입니다.

문의: solutions@mfitlab.com, nicky@mfitlab.com

‍