Intercom — 블랙박스 영업 데이터를 ‘유리 상자’로 바꾸다

1. 왜 이 사례인가

AI 고객센터 에이전트(Fin)로 시장의 주목을 받던 인터콤(Intercom)은 자체 GTM(Go-To-Market) 조직에서 정반대의 장벽을 마주했습니다. 제품은 최첨단 AI 에이전트였지만, Fin을 구매할 잠재 고객을 찾아내 영업 담당자에게 넘기는 과정은 파편화된 데이터와 불신으로 삐걱거리고 있었습니다.

영업팀이 CRM에 들어온 리드를 믿지 못해 매번 직접 검색하고 수동으로 재검증하는 현상은 대다수 B2B 기업의 고질병입니다. 인리치먼트 툴이 제각각 Salesforce에 데이터를 밀어 넣으면, 영업 대표는 점수의 산출 근거를 알 수 없어 이를 ‘블랙박스’로 취급하고 리스트를 외면합니다.

인터콤의 GTM Ops 팀은 외부 데이터 오케스트레이션 및 AI 에이전트 워크플로 플랫폼인 Clay를 도입해 타깃 발굴과 인리치먼트 프로세스를 완전히 재설계했습니다. 기존 툴들이 제공하는 단순 회사 규모나 업종 분류를 넘어, 웹사이트 상의 로그인 버튼, 무료 체험판 지원 여부, 고객 지원 채직 공고 등 Fin 도입 가능성을 예측하는 니치 신호를 자동으로 결합했습니다.

그 결과 인터콤은 단 한 달 만에 4,000개 이상의 타깃 기업을 발굴하고 21,000건의 연락처를 인리치먼트했으며, 아웃바운드 유입 파이프라인(outbound-sourced pipeline)을 140% 성장시켰다고 밝혔습니다. 이 사례는 AI 에이전트 시대의 아웃바운드가 단순히 콜드 메일을 대량 발송하는 것이 아니라, 현장 영업 사원이 납득할 수 있는 ‘추적 가능한 근거 데이터’를 에이전트형 파이프라인으로 실시간 공급하는 문제임을 보여줍니다.

2. Problem

인터콤이 AI 고객 서비스 에이전트인 Fin을 출시했을 때, 지원 문의량이 많고 Fin 도입 효과가 클 기업들을 정밀 타깃팅해야 했습니다. 그러나 기존의 GTM 환경에는 세 가지 결정적인 병목이 있었습니다.

첫째, 기존 표준 인리치먼트 도구의 정밀도 부족이었습니다. 일반적인 기업 통계(firmographics) 도구로는 Fin의 이상적 고객 프로필(ICP)을 나타내는 세부 신호를 잡아낼 수 없었습니다. 고객 지원 문의량이 실제로 많은 제품인지, 무료 체험판(free-trial) 옵션이 있는지, 최근 고객 서비스 직군 채용 공고를 냈는지와 같은 구체적 지표는 범용 데이터베이스에 존재하지 않았습니다.

둘째, 리스트 수작업 소싱에 소요되는 시간이었습니다. 계정 리스트를 하나 구축하기 위해 CSV 파일을 다운로드받아 정리하고, 다시 시스템에 임포트하고 매핑하는 수작업에 며칠씩 걸렸습니다.

셋째, 영업 대표(sales reps)들의 데이터 불신이었습니다. 여러 도구에서 산발적으로 인리치먼트된 데이터가 Salesforce로 직접 주입되다 보니, 영업 담당자들은 특정 계정이 왜 타깃으로 지정되었는지 경로를 볼 수 없었습니다. 분기 목표(quota)를 달성해야 하는 현장 영업팀 입장에서는 근거를 알 수 없는 리스트를 신뢰하지 않았고, 결국 자체적으로 계정을 재검색하는 비효율이 반복되었습니다.

Alexander DeMoulin(Intercom GTM Ops 디렉터)은 이 상황을 두고, 도구들이 제각각 밀어 넣는 데이터 때문에 영업 대표들이 계정 선정 배경을 전혀 알 수 없었던 점이 핵심 문제였다고 설명합니다.

확인된 사실: 표준 인리치먼트 도구의 니치 신호(지원량, 체험판, CS 채용 등) 식별 불가, CSV 정리 및 임포트에 수일 소요, 복수 도구에서 Salesforce로 직결되는 파편화로 인한 영업팀의 리드 불신, Alexander DeMoulin 디렉터의 증언.

3. Solution

인터콤은 150개 이상의 데이터 제공업체 마켓플레이스와 에이전트형 워크플로를 제공하는 Clay를 도입해, 계정 데이터 수집부터 검증, 영업 전달까지의 단일 파이프라인을 구축했습니다.

3.1 기존 고객 데이터 분석을 통한 Fin ICP 정밀화

인터콤의 RevOps 팀은 Clay의 데이터 마켓플레이스를 활용해 수천 건의 CRM 레코드에 기업 통계, 인원 변동 추이, 채용 공고, 기술 스택(technographic markers), 최근 뉴스 등을 결합했습니다.

이를 통해 고가치 고객들이 공통적으로 어떤 특성을 지니고 있는지 역분석했습니다. 지원 팀 규모부터 특정 채용 패턴까지 다양한 니치 속성을 실험하며 Fin 도입과 강한 상관관계를 보이는 지표들을 찾아냈습니다. DeMoulin은 이를 통해 어떤 신호가 Fin에 적합한 이상적 고객 프로필과 부합하는지 정확히 파악할 수 있게 되었다고 밝혔습니다.

3.2 지속적 인리치먼트 파이프라인 자동화

인터콤은 수작업 리스트 작성을 대체하기 위해 다중 신호를 연속적으로 감지하고 반영하는 자동화 플로우를 가동했습니다. 수집 및 추적 신호는 다음과 같습니다.

기업 통계(Firmographic data): 직원 수, 인원 증가율, 산업 분류
의도 신호(Intent signals): 직무 공고, 채용 트렌드, 직책 변경, 투자 유치
연락처 데이터(Contact data): 고객 지원 팀 규모, 관련 직책
기술 통계(Technographic data): 설치된 테크 스택, 클라우드 데이터 웨어하우스 사용 여부
웹사이트 속성(Website attributes): 로그인 버튼 유무, 체험판 옵션 제공 여부, 대규모 트래픽 지표

이 파이프라인을 통해 인터콤은 한 달 동안 4,000개 이상의 계정을 발굴하고 21,000명의 연락처를 인리치먼트했습니다. 데이터 플로우가 상시 구동되므로 정보가 항상 최신 상태로 유지됩니다.

3.3 ‘유리 상자(Glass Box)’ 운영 모델: 영업팀과의 투명한 피드백 루프

가장 중요한 운영상의 전환은 데이터 처리 과정을 투명하게 공개한 점입니다. RevOps와 영업 관리자가 함께 모여 실시간으로 필터를 조정하고 5분 안에 새 리스트를 생성해 파일럿을 돌릴 수 있는 환경을 만들었습니다.

특정 실험이나 필터 조건이 기대한 성과를 내지 못하면 즉석에서 타깃팅 기준을 바꾸고 새 필터를 적용했습니다. 영업 대표들은 각 계정이 어떤 신호와 규칙에 의해 고품질 리드로 분류되었는지 로우 데이터(raw signals) 수준까지 직접 확인할 수 있었습니다.

DeMoulin은 Clay가 해석 가능하고 감사가 가능한 ‘유리 상자(glass box)’ 역할을 했다고 표현합니다. 영업 사원이 특정 계정이 왜 유력 고객인지 그 이유를 알게 되면서 데이터 신뢰가 회복되었고, 행정적 준비 작업 없이 곧바로 대화에 돌입할 수 있었습니다.

확인된 사실: 150+ 데이터 제공자 마켓플레이스 활용, CRM 레코드 역분석을 통한 ICP 신호 규명, 5가지 범주의 다차원 신호(기업 통계, 의도, 연락처, 기술 통계, 웹 속성) 자동 추적, 월 4,000+ 계정 소싱 및 21,000 연락처 인리치먼트, 실시간 필터 조정 및 5분 단위 리스트 생성, 원천 신호가 영업 대표에게 노출되는 ‘유리 상자’ 모델.

4. Impact

Clay 사례 연구에 명시된 핵심 정량 및 정성 성과는 다음과 같습니다.

지표	수치 / 내용	비고
아웃바운드 유입 파이프라인 성장	+140% 증가	원문 상단 및 하단 명시 수치
월간 신규 계정 발굴 규모	4,000+ 계정	한 달 기준 실적
월간 연락처 인리치먼트 규모	21,000명	한 달 기준 실적
타깃 리스트 생성 및 반복 소요 시간	수일 → 5분	실시간 필터링 및 파일럿 구동
데이터 투명성	블랙박스 → 유리 상자	영업팀의 원천 신호 감사 가능

인터콤은 과거 며칠씩 걸리던 CSV 기반 수작업 프로세스를 5분 단위의 신속한 실험 루프로 단축했습니다. 무엇보다 영업 담당자가 데이터를 의심해 다시 조사하느라 낭비하던 행정적 수고를 없애고 잠재 고객과의 실질적 대화에 집중하게 만들었다는 점이 핵심 성과로 보고되었습니다.

(참고: 본 수치는 Clay 고객 사례 페이지에 공개된 내용 기준이며, 인터콤 전사 재무 보고서의 독립 감사 수치는 아닙니다.)

확인된 사실: 아웃바운드 파이프라인 140% 성장, 월 4,000+ 계정 소싱, 21,000 연락처 인리치먼트, 5분 단위 리스트 조정 및 즉각 반영.

5. Insight

인터콤의 GTM 전환 사례는 AI 에이전트와 데이터 자동화 도입 시 많은 조직이 간과하는 지점을 짚어줍니다.

자동화의 성패는 현장의 신뢰가 결정합니다. 아무리 정교한 AI 모델이나 방대한 데이터 파이프라인을 구축해도, 그것을 사용하는 영업 현장에서 산출물을 신뢰하지 못하면 파이프라인 전체가 멈춥니다. 인터콤이 ‘유리 상자’ 개념을 도입해 필터링 논리와 신호를 영업 대표에게 투명하게 공개한 것은, 현장 채택률(adoption)을 끌어올리기 위한 필수적인 운영 설계였습니다.

표준 통계 너머의 니치 신호를 포착해야 합니다. 대다수 아웃바운드 실패는 “모두가 보는 동일한 DB”에서 출발하기 때문에 발생합니다. 인터콤은 자사 제품(Fin)의 본질에 집중해, 웹사이트 상의 로그인 UI, 무료 체험판 링크, 지원 직군 채용 등 고객 지원 수요를 직접 반영하는 니치 신호를 조합했습니다. 제품별 고유 가치에 부합하는 신호를 찾아내는 작업이 도구 도입보다 선행되어야 합니다.

복제 조건과 한계. 이 모델이 작동하려면 기존 고객 데이터베이스(CRM) 내에 분석할 만한 유의미한 표본이 이미 존재해야 하며, 150여 개 데이터 소스를 오케스트레이션하고 API 연동을 관리할 수 있는 GTM Ops 전문 역량이 갖춰져 있어야 합니다. 또한 사례에 보고된 140% 파이프라인 성장은 벤더 마케팅 사례 연구에서 인용한 수치이므로 계약 규모, 파이프라인 전환율(Win-rate), 순매출 기여도 등 후속 지표에 대한 검증은 공개되어 있지 않습니다.

한 줄 교훈: GTM 자동화 파이프라인의 핵심은 대량 발송이 아니라, 영업 사원이 첫 문장을 던질 수 있는 확신을 주는 ‘근거의 투명성’에 있습니다.

6. 원문에 없는 추정 (구현 가설)

6.1 웹 속성 크롤링과 워터폴 인리치먼트 파이프라인

근거: 원문은 로그인 버튼 유무, 체험판 옵션 등 웹사이트 속성과 지원 팀 규모, 테크 스택 등 150여 개 데이터 제공자를 통한 지속적 인리치먼트를 언급합니다.

인터콤은 도메인 리스트를 입력받았을 때 1단계로 가벼운 웹 스크래퍼 및 헤드리스 브라우저 에이전트를 가동해 대상 웹사이트의 DOM 구조에서 로그인 포털 링크나 무료 체험판 가입 폼의 존재 여부를 감지했을 것입니다. 2단계로는 Apollo, Clearbit, LinkedIn 등 복수의 데이터 제공업체를 워터폴(waterfall) 방식으로 순차 호출하여 1차 공급자에 데이터가 없을 경우 다음 공급자로 넘어가는 방식으로 연락처 및 테크 스택 채우기 비율을 극대화했을 가능성이 높습니다. 이렇게 수집된 데이터는 정규화 과정을 거쳐 종합 ICP 점수로 합산되었을 것입니다.

6.2 Salesforce 양방향 동기화 및 영업 뷰 설계

근거: 원문은 과거 여러 도구가 Salesforce로 직접 데이터를 밀어 넣어 영업팀이 불신했으나, 이후 유리 상자처럼 원천 신호를 영업팀이 볼 수 있게 되었다고 기술합니다.

이 문제를 해결하기 위해 인터콤은 Clay의 산출물을 Salesforce의 단순 ‘리드 점수(Score)’ 단일 필드로 덮어쓰지 않고, ‘타깃 선정 근거(Fin Qualification Reasons)’와 같은 커스텀 필드나 위젯 형태로 원천 신호(예: “최근 30일 내 Zendesk에서 마이그레이션 신호 감지”, “CS 채용 공고 3건 등록 중”, “웹사이트 지원 포털 식별”)를 텍스트 및 태그 형태로 전달했을 것입니다. 이를 통해 영업 대표는 Salesforce 화면에서 별도의 외부 검색 없이도 해당 고객에게 즉시 접근할 수 있는 개인화된 맥락을 확보할 수 있었을 것입니다.

7. 출처

Clay Customer Stories — How Intercom used Clay to build trust in GTM data and accelerate outbound execution
https://www.clay.com/customers/intercom
발행일: 2026-09 (last-modified 2026-09-18)
(Intercom GTM Ops Director Alexander DeMoulin 인터뷰)