Dynamics 365 예측 리드 스코어링 마스터하기: 단계별 설정 가이드

By Mirko Peters · 2026-08-28

Dynamics 365 Sales에서 예측 리드 스코어링을 제대로 익히기 위한 종합 가이드에 오신 것을 환영합니다. 영업팀이 자격 미달 리드의 바다에 빠져 있고, 귀중한 시간을 막다른 길을 쫓는 데 허비하며, 대시보드에서 모든 잠재 고객이 똑같아 보인다고 불평하고 있다면 제대로 찾아오셨습니다…

Automatically translated with AI from the original post. Read the English original

Dynamics 365 Sales에서 예측 리드 스코어링을 제대로 익히기 위한 종합 가이드에 오신 것을 환영합니다. 영업팀이 자격 미달 리드의 바다에 빠져 있고, 귀중한 시간을 막다른 길을 쫓는 데 허비하며, 대시보드에서 모든 잠재 고객이 똑같아 보인다고 불평하고 있다면 제대로 찾아오셨습니다. 이 글에서는 처음부터 완전히 작동하는 예측 리드 스코어링 모델을 45분 안에 구축하는 구체적인 절차를 단계별로 안내합니다. 이 글은 저희 팟캐스트 에피소드 Predictive Lead Scoring with Dynamics 365에서 다룬 내용을 더 깊이 확장한 것입니다. 이제 CRM 데이터를 매출을 창출하는 엔진으로 바꾸는 방법을 바로 살펴보겠습니다.

Dynamics 365 예측 리드 스코어링 소개

기존의 리드 스코어링 모델은 정적이고 수동적인 포인트 체계에 크게 의존합니다. 양식을 작성하면 10점, 이메일을 열면 5점, 응답하지 않은 전화에는 마이너스 점수를 주는 방식입니다. 이런 규칙 기반 시스템이 아무것도 없는 것보다는 낫지만, 취약하고 주관적이며 지속적인 관리 작업이 필요하다는 것은 잘 알려진 문제입니다. 여기서 Dynamics 365 Sales의 예측 리드 스코어링이 등장합니다. 조직의 과거 CRM 데이터로 학습한 머신 러닝 모델을 활용하여, Dynamics 365가 성공과 실패의 패턴을 자동으로 평가하고 진행 중인 리드에 실시간으로 점수를 매깁니다. 우선순위 설정에서 추측의 요소를 없애 주므로, 최고의 영업 담당자가 자격이 없는 이름 목록을 뒤지는 대신 구매 가능성이 가장 높은 고객과 대화하는 데 오전 시간을 쓸 수 있습니다.

모델이 실제로 사용하는 데이터 이해하기

엔진을 켜기 전에, 예측 모델이 내부에서 실제로 어떤 데이터를 분석하는지 이해하는 것이 무엇보다 중요합니다. 머신 러닝 알고리즘은 단일 데이터 포인트만 보지 않고, 다양한 요소를 종합하여 입체적인 구매자 프로필을 만듭니다. 구체적으로 모델은 산업, 매출 규모, 상위 계정, 영업 지역, 리드 소스 캠페인 같은 firmographics 및 CRM 사실 정보를 결합합니다. 또한 이메일 열람과 답장, 링크 클릭, 체류 시간에 초점을 맞춘 웹 세션, 페이지 탐색 깊이, 가격 정책 페이지 조회는 물론, 모임 수락, 양식 작성, 웨비나 참석, 수신 거부 및 반송 이벤트 같은 잠재 고객 행동도 평가합니다.

나아가 모델은 통화 결과, 메모, 단계 변경, 완료되었거나 기한이 지난 작업 같은 담당자와의 상호작용도 고려합니다. 그러나 학습의 핵심 기반은 과거 결과, 즉 종료 사유가 포함된 Closed-won 및 Closed-lost 영업 기회입니다. 마지막으로 시스템은 시점과 순서를 분석합니다. 접촉에서 응답까지의 지연 시간, 취해진 작업의 정확한 순서, 데스크톱과 모바일 사용 패턴을 살펴봅니다. 쉽게 말해 AI는 "그들이 누구인가", "무엇을 했는가", "얼마나 빠르게, 어떤 순서로 했는가", 그리고 "비슷한 과거 리드가 최종적으로 어떻게 되었는가"를 결합합니다.

데이터 정비 체크리스트: CRM 준비하기

쓰레기를 넣으면 쓰레기가 나온다는 원칙은 여기에도 그대로 적용됩니다. 어수선한 데이터베이스에 머신 러닝 모델을 연결하고 정확한 예측을 기대할 수는 없습니다. Dynamics 365에서 설정을 하나라도 건드리기 전에 엄격한 데이터 정비 체크리스트를 점검해야 합니다. 첫째, 결과 데이터의 정확성을 확보하십시오. 영업 기회가 종료될 때 "Closed as Won"과 "Closed as Lost"를 필수 필드로 지정하고, 담당자가 알고리즘이 해석할 수 없는 자유 형식 텍스트를 입력하지 않도록 종료 사유 선택 목록을 표준화하십시오. 둘째, 레코드 중복을 제거하고 정규화하여 이메일, 도메인, 산업, 지리 데이터를 정리하십시오.

셋째, 상호작용 데이터의 신뢰도를 확보하십시오. 웹 추적, 이메일 열람, 클릭 같은 마케팅 이벤트가 올바른 리드 레코드에 제대로 동기화되는지 확인하십시오. 넷째, 타임스탬프를 검증하십시오. 생성 날짜, 마지막 접촉 날짜, 최초 응답 시간을 정확하게 기록하고, 자연스러운 이벤트 순서를 왜곡하는 사후 입력은 허용하지 마십시오. 마지막으로, 스팸 제출, 봇 접속, 내부 직원의 테스트 트래픽을 제외하는 필터를 설정하여 봇 노이즈를 제거하십시오. 이러한 기초 요소를 올바르게 갖추면 모델의 초기 정확도가 크게 향상됩니다.

단계별 구성 및 설정 가이드

필수 조건과 데이터 정비 점검을 마쳤다면, 예측 리드 점수 설정을 활성화하고 구성하는 작업은 놀랄 만큼 빠릅니다. 보통 15분에서 45분 정도면 충분합니다. 먼저 라이선스를 확인하여 Sales Insights와 예측 점수 기능이 활성화된 Dynamics 365 Sales를 사용하고 있는지 확인하십시오. 아울러 종료 상태와 일관된 종료 사유를 가진 과거 리드가 충분히 쌓여 있는지도 확인하십시오.

다음으로 설정으로 이동하여 Sales Insights 설정을 선택하고, 예측 모델을 고른 뒤 리드 점수를 선택하십시오. 대상 엔터티는 리드로 지정하고, 결과 필드를 확인한 다음, 지난 6개월에서 18개월처럼 적절한 학습 데이터 기간을 선택하십시오. 의미 있는 열은 신중하게 고르십시오. 실제로 영업에 쓰이지 않는 개인 식별 정보(PII)로 모델을 채우지 않도록 주의해야 합니다. 내부, 테스트 또는 더미 리드를 제외하도록 필터를 적용하고, 생성된 기능 중요도와 데이터 상태 지표를 검토한 다음, 마지막으로 게시를 클릭하여 점수를 배포하십시오.

점수를 실행 가능한 영업 트리거로 바꾸기

高 또는 低 점수가 CRM 필드에 조용히 놓여 있을 뿐이라면, 영업 담당자가 그것을 어떻게 활용해야 할지 모르는 한 아무런 쓸모가 없습니다. 도입을 이끌어 내려면 추상적인 점수를 구체적인 실행 항목으로 바꿔야 합니다. 고정된 숫자 기준값에 의존하는 대신, 리드를 백분위수로 구분하십시오. A등급은 즉시 대응해야 할 상위 10%의 리드를, B등급은 다음 20%를 빠르게 육성해야 할 리드를 나타냅니다. C등급은 중간 40%를 포함하고, D등급은 하위 30%를 나타내며, 이 리드는 전적으로 자동화된 마케팅 흐름으로만 처리해야 합니다.

이 등급들에 구체적인 행동 트리거를 연결하여 다음 최선의 행동을 만드십시오. 예를 들어, 최근 24시간 안에 가격 페이지를 본 A등급 리드는 1시간 미만의 서비스 수준 계약(SLA)을 가진 즉시 전화 작업을 자동으로 생성해야 합니다. 웨비나에 참석한 B등급 리드는 데모 예약 시퀀스에 등록해야 합니다. 이메일을 여러 번 열었지만 답장하지 않은 C등급 리드에게는 가치 중심의 이메일을 보내고, 3일 뒤 전화를 걸어야 합니다. 구독을 취소한 D등급 리드는 즉시 발송 대상에서 제외해야 합니다.

영업 담당자와 관리자를 위한 보기와 대시보드 설계

팀이 집중력을 유지하도록 하려면 영업 담당자와 관리자를 위해 목적에 맞게 설계된 보기와 대시보드를 만들어야 합니다. 개별 영업 담당자에게는 점수, 마지막 활동, 가격 페이지 조회, 소유자, SLA 카운트다운 타이머 열을 갖춘 "내 A등급 리드(최근 7일)" 보기를 만드십시오. 영영업 관리자에게는 생성부터 첫 접촉, 모임 예약, 적격, 성사까지의 흐름을 추적하는 A/B 전환 깔때기를 포함한 종합 대시보드를 만드십시오. 아울러 모델이 신호와 잡음을 제대로 구분한다는 점을 입증하도록 십분위수별 성사율을 보여 주는 리프트 차트와, 24시간 넘게 사람의 접촉 없이 방치된 A등급 리드를 강조하는 경과 기간 보고서도 포함하십시오.

지속적인 개선을 위한 피드백 루프 만들기

예측 리드 점수는 "설정해 두고 잊어버리는" 기능이 아닙니다. 시장은 변하고, 구매자의 행동도 바뀌며, 내부 제품 전략도 발전합니다. 모델이 최상의 성능을 유지하도록 하려면 엄격한 피드백 루프를 구축하십시오. 적격 기회마다 정확한 성사 또는 실패 사유로 마무리되도록 하십시오. 모델은 분기마다 재학습하거나, 주요 시장 출시(GTM) 또는 가격 전략이 바뀐 직후에 재학습하십시오. 3년짜리 대형 기업 계약처럼 극단적인 이상치는 학습 데이터에서 제외하여 알고리즘이 왜곡되지 않도록 하십시오. 또한 기능 중요도 지표를 정기적으로 검토하여 쓸모없는 필드를 찾아내 제거하고, 구매자 행동이 전 분기와 비교해 바뀌고 있는지 확인하도록 데이터 드리프트를 적극적으로 추적하십시오.

성과 측정 및 투자 수익(ROI) 입증

경영진이 예측 리드 점수가 실제로 효과가 있는지 물을 때는 투자 수익을 입증할 확실한 지표가 필요합니다. 상위 10분위의 성사율을 전체 성사율과 비교하여, 무작위 선택 대비 리프트를 측정하십시오. 목표는 3배 이상의 리프트입니다. 상위 비율의 리드 안에 실제 성사 건이 얼마나 들어 있는지를 나타내는 정밀도@K(Precision at K)도 추적하십시오. A등급 리드의 첫 접촉까지 걸리는 시간은 60분 미만이라는 엄격한 목표로 모니터링하십시오. 아울러 100회 접촉당 예약된 모임 수를 등급별로 평가하고, 영업 주기 길이를 분석하며, 담당자가 SLA 일정을 얼마나 지키는지 점검하십시오.

14일 무리 없는 출시 계획

CRM 인텔리전스를 새로 도입한다고 해서 조직이 혼란에 빠질 필요는 없습니다. 아래 14일 저부담 도입 계획을 따라 보십시오. 1일차와 2일차에는 데이터 감사와 종료 사유 정리를 진행합니다. 3일차에는 예측 점수 매기기를 활성화하고, 필드를 선택한 뒤 초기 학습 작업을 실행합니다. 4일차에는 A, B, C, D 백분위 버킷을 만들고 맞춤형 영업 담당자 보기를 게시합니다. 5일차에는 Power Automate 흐름, 영업 시퀀스, SLA 타이머를 구축합니다. 6일차에는 관리자 대시보드를 출시합니다. 7일차와 8일차에는 핵심 영업 담당자 다섯 명과 파일럿 프로그램을 진행하여 예외 사례를 수집하고 필터를 조정합니다. 9일차에는 필요한 경우 다시 학습시키고 버킷 임계값을 확정합니다. 10일차와 11일차에는 빠른 요약 치트 시트를 활용해 팀 역량 강화 세션을 진행합니다. 12일차에는 실제 운영을 시작하고 시스템 상태를 모니터링합니다. 마지막으로 13일차와 14일차에는 초기 지표를 검토하고, 작업과 SLA를 조정하며, 향후 개선 계획을 세웁니다.

자주 발생하는 문제와 해결 방법

아무리 신중하게 계획하더라도 팀은 예상 가능한 장애물에 종종 부딪힙니다. 영업 담당자들이 "모든 리드가 다 뜨겁게 보인다"고 불평한다면, 백분위 기반 버킷으로 전환하고, 마케팅 점수의 영향력을 제한하며, 내부 테스트 트래픽을 적극적으로 걸러내십시오. 점수는 높은데 전환이 전혀 없다면 종료 사유가 누락되었거나 행동이 잘못 추적되고 있을 가능성이 큽니다. 기능 선택을 다시 검토하고 모델을 재학습시키십시오. 신제품 출시로 모델 드리프트가 발생하면 학습 기간을 줄이고 새로운 신호를 시스템에 공급하십시오. 영업 담당자의 불신에는 리프트 차트와 개별 "이유" 카드를 보여주어 대응하고, 이메일 열람처럼 겉으로만 보이는 마케팅 활동보다 실제 영업 성과에 훨씬 높은 가중치를 두어 시스템 악용 가능성을 막으십시오.

리드 버킷별 영업 대화 가이드

영업 담당자가 로봇 같은 데이터 과학자처럼 들리지 않으면서 예측 점수를 자연스럽게 활용할 수 있도록 하십시오. 최근 가격 관련 활동을 보인 A 리드에게는 담당자가 이렇게 말할 수 있습니다. "지난주 웨비나 이후 패키지를 비교해 보신 것을 확인했습니다. 일정에 맞춰 계획을 조정해 드리겠습니다. 이번 분기에 이 프로세스 최적화가 최우선 과제인가요?" 웨비나에는 참석했지만 답장하지 않은 B 리드에게는 이렇게 시도할 수 있습니다. "세션에서 무엇이 눈에 띄었나요, 아니면 무엇이 눈에 띄지 않았나요? 귀사와 같은 업계의 두 고객사는 이 방식을 택해 운영 비용을 30퍼센트 절감했습니다. 15분 정도 적합성 확인 미팅을 가져보시겠습니까?" 다시 관계를 맺어야 하는 C 리드에게는 부담을 낮춘 접근이 좋습니다. "동종 업계 회사가 이 과제를 해결한 방법을 2분짜리 화면 녹화 영상으로 간단히 공유드립니다. 지금 우선순위가 아니시라면 충분히 이해하며, 나중으로 미뤄두겠습니다."

거버넌스 및 모범 사례

장기적인 성공을 유지하려면 명확한 거버넌스 정책을 수립하십시오. 학습 기간, 포함된 필드, 필터, 재학습 주기를 내부 위키에 문서화하십시오. 모델 설정을 변경할 수 있는 사람을 엄격하게 제한하고, 모든 조정 사항에 대해 변경 관리 기록을 유지하십시오. 감사 준수를 보장하기 위해 점수 산정에서 제외된 리드의 별도 보기를 관리하고, 사용자 동의 계약에 적절히 고지된 신호만 처리하도록 데이터 수집 관행을 개인정보 보호 규정에 맞추십시오.

결론

Dynamics 365 Sales에 예측 리드 점수 기능을 도입하는 것은 레븐뉴 운영팀이 추진할 수 있는 가장 영향력 있는 프로젝트 중 하나입니다. 주관적인 추측에서 벗어나 머신러닝을 받아들이면 영업 조직은 더 똑똑하게 일하고, 더 빠르게 대응하며, 더 효율적으로 거래를 성사시킬 수 있습니다. 실전 팁, 실제 사례, 환경 설정에 대한 전문가 조언을 더 깊이 알고 싶다면 동반 에피소드 Predictive Lead Scoring with Dynamics 365도 꼭 들어 보십시오. 오늘부터 이 전략들을 실천하고, CRM 데이터를 정리하며, 전환율이 크게 오르는 모습을 확인하십시오!