AI 및 복잡한 데이터 요구에 의해 구동되는 GTM 엔지니어링의 엔지니어링 방식 전환

가장 효과적인 GTM(Go-To-Market) 팀은 엔지니어링 팀이 소프트웨어를 출시하는 것과 유사한 속도로 GTM 구조에 변경 사항을 적용하면서 엔지니어링과 같은 주기로 운영되는 경우가 늘고 있습니다. 이러한 운영 민첩성은 내부 엔지니어링 개발 및 외부 시장 변화에 보조를 맞추는 데 중요합니다.

이러한 팀은 GTM 전략 및 도구를 제품 혁신 속도에 맞춰 마케팅 및 영업 노력이 항상 최신 제품 기능 또는 시장 요구에 부합하고 대응할 수 있도록 합니다.

Clari에서 GTM 엔지니어링의 운영화는 새로운 데이터, 자동화 및 캠페인이 팀에 푸시되는 격주 주기를 포함합니다. 이러한 지속적인 반복은 GTM 구조가 지속적인 피드백 및 시장 변화에 신선하고 반응적으로 유지되도록 보장합니다.

전문 역할로서 GTM 엔지니어링의 출현은 인공지능의 급속한 발전과 직접적으로 관련되어 있습니다. 이 역할은 복잡한 데이터 생태계와 기술 솔루션 간의 격차를 해소하여 GTM 전략을 최적화합니다.

AI 모델이 더욱 강력하고 정교해짐에 따라 GTM 엔지니어는 AI 기반 통찰력을 GTM 운영에 통합하는 능력으로 인해 조직 내에서 상당한 영향력을 얻게 되었으며 그 가치가 더욱 높아지고 있습니다.

데이터는 GTM 전략의 핵심으로 간주되며, 주요 목표는 대상 시장의 완벽한 가상 복사본을 만드는 것입니다. 여기에는 이상적인 고객, 계정 및 연락처에 대한 상세한 표현이 포함됩니다.

그러나 계정은 정적인 개체가 아닙니다. 끊임없이 변화하고 진화하는 지속적인 변화 상태에 존재하며, 이는 정확한 가상 복사본을 유지 관리하는 작업을 복잡하게 만듭니다.

계정은 끊임없이 변화하는 상태에 존재하며, GTM 팀에 상당한 과제를 제기합니다. 외부적으로는 회사가 인수, 새 사무실 개설 또는 신제품 출시를 겪을 수 있으며, 이 모든 것이 프로필을 변경합니다.

내부적으로는 지속적인 마케팅 활동, 영업 시도 및 회의 또한 계정 기록에 변경 사항을 생성합니다. 또한 채용 및 해고와 같은 인사 이동은 회사의 진화하는 상태 및 잠재적 요구 사항에 대한 중요한 신호를 제공하여 정확하고 최신 추적을 필수적으로 만듭니다.

GTM 데이터의 정확성과 실행 가능성을 높이려면 관련 연락처로 계정을 채우는 것으로 프로세스가 시작됩니다. 이 초기 단계는 조직 내 주요 개인에 대한 기본적인 이해를 구축합니다.

이후, 기업 정보 및 기술 정보와 같은 타사 정보가 계정 데이터에 계층화됩니다. 이러한 보강은 대상 계정을 식별하고 특정 제품 또는 서비스에 대한 시장에 현재 있는 계정을 결정하는 데 도움이 되며, 궁극적으로 외부 계정 데이터에서 실행 가능한 신호를 생성합니다.

불완전한 데이터를 처리하기 위한 GTM 엔지니어링의 핵심 기술은 워터폴링이라고 합니다. 이 전략은 개별 데이터 공급업체가 포괄적인 계정 프로필을 구축하는 데 필요한 정보의 완전한 집합을 거의 제공하지 않기 때문에 필요합니다.

워터폴링은 여러 데이터 공급업체를 순차적으로 활용하여 각 공급업체의 정보를 계층화하여 필요한 모든 데이터 필드가 완료될 때까지 모든 공백을 채웁니다. 이 집계된 데이터의 신뢰성을 보장하기 위해 각 공급업체에 대해 정확성 및 신뢰성을 확인하는 평가를 지속적으로 실행해야 합니다.

자사 정보를 통합하는 것은 중요하며, 외부 신호와 함께 지속적으로 최신 상태로 유지되어야 합니다. 그러나 모든 데이터 필드를 업데이트하는 것은 종종 비용이 많이 들기 때문에 데이터 새로 고침에 대한 선택적 접근 방식이 필요합니다.

또한, 내부 및 외부의 여러 데이터 소스가 동일한 계정 또는 개체를 다르게 나타내는 경우 엔티티 해결이 중요해집니다. 이 프로세스는 모든 플랫폼에서 데이터 일관성과 정확성을 보장합니다.

GTM 엔지니어링 맥락에서 오케스트레이션은 모든 데이터와 시스템을 최신 상태로 유지하고 동기화하는 지속적인 행위입니다. GTM 팀은 일반적으로 CRM(고객 관계 관리) 시스템, 다이얼러 및 시퀀서를 포함하여 수십 개의 서로 다른 도구에 의존합니다.

이러한 도구는 응집력 있게 작동해야 하며, 오케스트레이션은 이 광범위한 생태계 전반에 걸쳐 데이터 일관성을 유지하는 필수 메커니즘 역할을 합니다. 효과적인 오케스트레이션 없이는 데이터 사일로 및 불일치가 GTM 노력을 저해할 수 있습니다.

오케스트레이션은 다양한 시스템의 다양한 요구 사항으로 인해 상당한 문제에 직면합니다. 단일 시스템의 정보는 종종 고유한 요구 사항을 가진 여러 다른 시스템으로 팬아웃되어야 합니다.

예를 들어, 일부 시스템은 실시간 업데이트를 요구하는 반면, 다른 시스템은 배치 처리로 작동할 수 있습니다. 다른 데이터 필드도 업데이트 빈도가 다릅니다. 예를 들어, 직원 수는 본사 위치보다 더 자주 변경될 수 있습니다.

또한 분산 시스템은 CRM 및 시퀀서와 같은 핵심 플랫폼 간에 동기화 지연이 일반적으로 발생하여 잠재적인 데이터 불일치 및 운영 비효율성을 초래합니다.

오케스트레이션의 복잡성을 해결하기 위해 팀은 문제에 대한 그래프 기반 보기로 전환했습니다. 이 접근 방식은 오케스트레이션 환경을 상호 연결된 노드 및 관계의 네트워크로 개념화합니다.

이 프레임워크는 에이전트 실행, 도구 호출 및 조건부 논리 구현을 포함한 다양한 작업을 실행하도록 설계된 일련의 범용 노드를 활용합니다. 이 그래프 기반 방법론을 채택함으로써 GTM 엔지니어링은 서로 다른 도구 및 프로세스 전반에 걸쳐 데이터 흐름 및 자동화를 관리하기 위한 보다 유연하고 확장 가능하며 효율적인 시스템을 만드는 것을 목표로 합니다.