2026년 AI를 활용한 리드 강화 및 잠재 고객 발굴 방법

리드 인리치먼트는 회사 이름, 직책, LinkedIn URL과 같은 기본적인 잠재 고객 식별자를 바탕으로, 아웃리치를 효과적으로 만드는 맥락적 데이터(회사 규모, 투자 단계, 최신 뉴스, 의사 결정자 프로필, 기술 스택, 개인화된 아웃리치 후크 등)를 추가하는 과정입니다.

인리치먼트 없이는 잠재 고객 발굴이 맹목적입니다. 스프레드시트에 있는 이름들에게 일반적인 메시지를 보내는 셈이죠. 인리치먼트를 통해 모든 아웃리치는 정보에 기반하게 됩니다. 즉, 해당 회사가 무엇을 하는지, 적합한 담당자가 누구인지, 그들이 무엇에 관심을 가지고 있는지, 그리고 왜 지금 당장 당신의 제품에 관심을 가질 수 있는지 알게 됩니다.

문제는 수동 인리치먼트가 엄청나게 많은 시간을 소모한다는 것입니다. Salesforce의 연구에 따르면 영업 담당자는 조사 및 잠재 고객 발굴 활동에 주당 평균 17시간을 보냅니다. InsideSales의 연구에서는 영업 담당자의 시간 중 33%만이 적극적인 판매 활동에 사용되며, 나머지는 데이터 입력, 리드 조사 및 관리 업무에 소요된다고 밝혔습니다.

AI는 이러한 방정식을 근본적으로 바꿉니다. 영업 담당자가 LinkedIn, Google, Crunchbase 및 회사 웹사이트를 통해 각 잠재 고객을 조사하는 데 15~20분을 소비하는 대신, AI 시스템은 수십 개의 회사와 연락처를 몇 분 만에 일괄 처리하여 데이터를 자동으로 추출하고, 정리하고, 점수를 매길 수 있습니다.

요약

• 영업 담당자는 조사 및 잠재 고객 발굴에 주당 17시간을 보냅니다 (Salesforce).
• 영업 담당자의 시간 중 33%만이 적극적인 판매 활동에 사용되며, 나머지는 조사 및 관리 업무에 소요됩니다 (InsideSales).
• 수동 리드 인리치먼트는 잠재 고객당 15~20분이 소요되며, 하루 30명의 잠재 고객을 처리할 경우 7.5~10시간이 걸립니다.
• CRM 및 리드 데이터베이스의 데이터는 매년 25~30%씩 노후화되므로, 인리치먼트는 일회성이 아닌 지속적으로 이루어져야 합니다.
• AI 기반 인리치먼트 세션당 50명 이상의 잠재 고객을 처리하고, 각 잠재 고객을 ICP(이상적인 고객 프로필)에 따라 점수를 매기고 개인화된 아웃리치 후크를 생성할 수 있습니다.
• Sai와 같은 AI 동료는 결합하여 LinkedIn 조사, Google 인텔리전스 및 뉴스 모니터링을 단일 인리치먼트 워크플로우로 결합하여 점수가 매겨진 정보를 Google Sheets로 직접 내보냅니다.

‍

이 두 용어는 종종 혼용되지만, 영업 파이프라인의 서로 다른 단계를 나타냅니다.

잠재 고객 발굴 은(는) 찾는 과정입니다. "누구에게 연락해야 할까요?"라는 질문에 답합니다. 잠재 고객 발굴은 이상적인 고객 프로필(ICP)을 정의하고, LinkedIn 또는 데이터베이스에서 일치하는 회사 및 연락처를 검색하며, 초기 타겟 목록을 구축하는 것을 포함합니다.

리드 정보 강화 은(는) 심화하는 과정입니다. "우리의 아웃리치를 관련성 있게 만들려면 이 사람과 회사에 대해 무엇을 알아야 할까요?"라는 질문에 답합니다. 정보 강화는 회사 정보, 연락처 세부 정보, 최근 활동, 뉴스, 경쟁 환경 및 참여 신호 등을 추가하는 것을 포함합니다.

완전한 워크플로우에서는 이 두 가지가 함께 작동합니다.

1. 잠재 고객 발굴 → ICP에 부합하는 50개 회사 찾기 (시리즈 B SaaS, 직원 100-500명, 미국 기반)
2. 리드 정보 강화 → 각 회사에 대해 다음을 조사합니다: 마케팅 VP는 누구인가? 그들은 얼마나 오랫동안 그 직책에 있었는가? 회사가 최근에 자금을 조달했는가? LinkedIn에 무엇을 게시하고 있는가? 그들에 대한 어떤 뉴스가 보도되었는가?
3. 점수화 → 각 강화된 잠재 고객을 적합도에 따라 순위 매기기 (역할 일치, 회사 일치, 타이밍 신호, 참여 잠재력)
4. 아웃리치 → 강화된 데이터를 사용하여 개인화된 연결 요청, 이메일 또는 InMail을 작성합니다.

정보 강화 없이는 4단계가 일반적이 됩니다. 정보 강화를 통해 4단계는 관련성 있고 시기적절하며 구체적이 됩니다. 이는 2%와 20%의 응답률 차이를 만듭니다.

리드 정보 강화는 어떤 데이터 포인트를 수집하나요?

1. 속도: 몇 시간에서 몇 분으로

수동 리드 인리치먼트는 예측 가능한 패턴을 따릅니다. LinkedIn을 열고, 회사를 검색하고, 해당 페이지로 이동하여 규모와 산업을 확인하고, 적절한 담당자를 찾고, 프로필을 방문하고, 소개 섹션을 읽고, 최근 게시물을 확인하고, 회사 뉴스를 구글링하고, Crunchbase에서 자금 조달 데이터를 확인한 다음, 모든 것을 스프레드시트에 복사합니다. 잠재 고객 한 명당 15~20분이 소요됩니다.

AI 인리치먼트는 이를 잠재 고객 한 명당 몇 초로 단축합니다. Sai는 한 번의 세션으로 30~50개 회사 목록을 일괄 처리할 수 있으며, LinkedIn 회사 페이지, 의사 결정권자 프로필, Google 뉴스 결과를 방문한 다음 구조화되고 점수가 매겨진 데이터 세트를 Google Sheets로 출력합니다.

30명의 잠재 고객 목록의 경우, 8~11시간의 수동 작업이 약 40분의 자동 처리와 15분의 검토 시간으로 단축됩니다.

‍

2. 일관성: 모든 잠재 고객이 동일한 깊이로 처리됩니다.

사람이 수동으로 리드를 인리치먼트할 때, 품질은 크게 달라집니다. 처음 5명의 잠재 고객은 철저한 조사를 받습니다. 20번째 잠재 고객쯤 되면 담당자들은 대충 훑어봅니다. 40번째 잠재 고객쯤 되면 다른 것은 확인하지 않고 이름과 직책만 복사합니다.

AI 인리치먼트는 모든 잠재 고객에게 동일한 분석 깊이를 적용합니다. 1번 회사와 50번 회사는 동일한 수준의 조사가 이루어집니다. 즉, 동일한 데이터 포인트가 추출되고, 동일한 점수 기준이 적용되며, 동일한 아웃리치 훅이 생성됩니다.

‍

3. 점수 매기기: 직감이 아닌 적합성을 기반으로 우선순위 지정

대부분의 영업팀은 직관에 따라 리드의 우선순위를 정합니다. "이 회사는 유망해 보인다"거나 "이 브랜드를 들어본 적이 있다"는 식입니다. AI 스코어링은 직감을 체계적인 프레임워크로 대체합니다.

• 역할 일치 (0-30점): 담당자의 직책이 타겟 페르소나와 일치합니까?
• LinkedIn 활동 (0-20점): 지난 30일 이내에 게시물을 올렸습니까? 활동적인 잠재 고객은 응답할 가능성이 3배 더 높습니다.
• 연결 정도 (0-25점): 1차 연결은 3차 연결보다 수락률이 5배 더 높습니다.
• 회사 신호 (0-10점): 최근 자금 조달, 제품 출시 또는 채용 활동은 예산과 긴급성을 나타냅니다.
• 재직 안정성 (0-10점): 12개월 이상 재직한 담당자는 의사 결정 권한이 있습니다.
• 상호 연결 (0-5점): 공유된 연결은 따뜻한 소개 기회를 만듭니다.

100점 만점에 85점을 받은 잠재 고객은 40점을 받은 잠재 고객보다 먼저 주목해야 합니다. 어떤 회사 이름을 알고 있는지와는 상관없이 말이죠.

‍

4. 아웃리치 훅: 내장된 개인화 데이터

AI 인리치먼트의 가장 가치 있는 결과물은 데이터 자체가 아니라 아웃리치 훅입니다. 인리치된 각 잠재 고객에 대해 시스템은 2-3개의 개인화된 대화 시작 문구를 생성합니다.

• 뉴스 훅: "[Company]의 시리즈 B 투자 유치를 축하드립니다! 해당 단계에서 [function]을 확장하는 것은 항상 흥미로운 도전입니다."
• 게시물 훅: "[topic]에 대한 최근 게시물이 공감을 얻었습니다. 특히 [specific detail]에 대한 귀하의 의견이 와닿았습니다."
• 상호 연결 훅: "저희는 [Name]님과 모두 연결되어 있습니다. [Reason for reaching out]."
• 성장 훅: "[Company]가 [department] 팀을 확장하고 있는 것을 확인했습니다. 저희는 [value prop]을 통해 유사한 팀들을 지원해왔습니다."

이러한 훅은 귀하의 아웃리치를 차가운 접근 방식에서 상황에 맞는 접근 방식으로 전환시킵니다. 일반적인 템플릿 대신, 모든 메시지는 잠재 고객에 대한 실제적이고 최신 정보를 참조합니다.

‍

5. 데이터 신선도: 부패하지 않는 인리치먼트

B2B 데이터는 매년 25-30%씩 부패합니다 (ZoomInfo). 담당자는 직장을 바꾸고, 회사는 방향을 전환하며, 펀딩 단계는 진전됩니다. 6개월 전에 인리치된 리드 목록은 이미 상당히 저하된 상태입니다.

AI 인리치먼트는 조사 시점에 LinkedIn과 Google에서 실시간 데이터를 가져옵니다. 이는 잠재 고객 정보가 항상 최신 상태임을 의미합니다. Sai는 또한 기존 목록을 주기적으로 재인리치하도록 예약될 수 있으며, 역할을 변경한 담당자, 새로운 자금을 유치한 회사, 또는 LinkedIn에서 활동적이 된 잠재 고객을 표시합니다.

‍

1단계: ICP 정의 및 타겟 목록 입력

정보 강화 작업을 시작하기 전에, 자격 있는 잠재 고객이 어떤 모습인지 정의해야 합니다. ICP에는 다음 내용이 명시되어야 합니다.

• 타겟 직책: 마케팅 VP, 성장 총괄, CTO, 창업자 등
• 회사 규모: 직원 50-500명, 또는 시리즈 A-C 스타트업, 또는 연간 반복 매출(ARR) 1천만 달러-1억 달러
• 산업: SaaS, 핀테크, 헬스케어, 이커머스 등
• 지역: 미국, 유럽, APAC, 특정 도시
• 구매 신호: 최근 채용, 자금 조달, 관련 문제에 대한 게시물 작성 등

Sai가 허용하는 입력 형식:

• 채팅에 직접 입력된 회사 이름 목록
• A열에 회사 이름이 있는 Google 스프레드시트
• Sai가 LinkedIn 검색을 통해 일치하는 회사를 찾기 위한 ICP 기준
• LinkedIn 프로필 또는 회사 페이지 URL 목록

‍

2단계: 기업 정보 수집

각 타겟 기업에 대해 AI 정보 보강을 통해 다음 기본 데이터를 수집합니다.

• 산업 및 카테고리: 이 회사는 어떤 분야에서 사업을 운영하나요?
• 회사 규모: 직원 수 (링크드인에서 확인된 정확한 범위)
• 본사: 위치 및 지역 사무소
• 설립 연도: 이 회사의 성숙도는 어느 정도인가요?
• 투자 단계: 시드, 시리즈 A/B/C, 상장, 자체 자금 조달
• 회사 설명: 이 회사가 하는 일에 대한 한 줄 요약
• 웹사이트: 주 도메인
• 링크드인 회사 URL: 향후 참조용

Sai는 링크드인 회사 페이지를 방문하고 구글 검색을 실행하며, 지식 패널, Crunchbase 목록, 회사 웹사이트에서 구조화된 데이터를 추출하여 이 정보를 수집합니다.

‍

3단계: 의사결정권자 발굴

회사를 파악했다면 연락할 적임자를 찾아야 합니다. 대부분의 수동 잠재 고객 발굴이 실패하는 지점이죠. 의사결정권자가 누구인지 파악하는 데만 회사당 3~5분이 소요됩니다.

AI는 다음 방법으로 이를 자동화합니다.

1. 각 회사에서 목표 직책을 LinkedIn에서 검색합니다(예: "[회사]의 마케팅 부사장").
2. 직책 정확도와 회사 일치 여부를 기반으로 가장 적합한 결과를 매칭합니다.
3. 전체 프로필 데이터(현재 직책, 재직 기간, 이전 직책, 학력, 기술)를 추출합니다.
4. 연결 정도와 상호 연결을 확인합니다.

목표 직책 선정 모범 사례:

• 회사당 2~3가지 직책 변형을 검색합니다(예: "마케팅 부사장", "마케팅 책임자", "CMO").
• 현재 직책에서 12개월 이상 근무한 연락처에 우선순위를 둡니다(이들은 의사결정권을 가지고 있습니다).
• 1차 또는 2차 연결인 연락처에 플래그를 지정합니다(응답률이 더 높습니다).

‍

4단계: 참여 신호 분석

모든 잠재 고객이 동일하게 연락 가능한 것은 아닙니다. 활동적인 LinkedIn 사용자는 비활성 계정보다 3~5배 더 높은 응답률을 보입니다. AI 인리치먼트는 각 잠재 고객의 최근 활동을 확인합니다.

• 마지막 게시물 날짜: 지난 7일 이내에 게시했는가? 따뜻한 참여를 위한 최우선 순위
• 게시물 주제: 그들은 무엇에 대해 이야기하고 있는가? 이것이 아웃리치 계기가 됩니다.
• 댓글 활동: 그들은 다른 사람의 콘텐츠에 참여하고 있는가? 플랫폼 참여도를 나타냅니다.
• 콘텐츠 유형: 독창적인 사고 리더십을 공유하는가, 아니면 단순히 재공유하는가?

이 데이터는 누구에게 연락할지뿐만 아니라 어떻게 연락할지도 결정합니다. 어제 "콘텐츠 운영 확장"에 대해 게시한 잠재 고객은 해당 주제를 언급하는 메시지에 더 잘 반응할 것입니다.

‍

5단계: 회사 뉴스 및 타이밍 신호

AI는 각 타겟 기업의 Google 뉴스를 스캔하여 (지난 30일간) 타이밍 신호를 식별합니다.

• 자금 조달 발표: 최근 자금을 조달했는가? 예산과 성장에 대한 압박이 있습니다.
• 제품 출시: 새로운 역량에 대한 투자를 나타냅니다.
• 임원 채용: 새로운 VP 또는 C-레벨 임원인가? 공급업체를 평가하고 있습니다.
• 파트너십: 전략적 방향과 협업에 대한 개방성을 나타냅니다.
• 수상 또는 표창: 축하 메시지를 보낼 수 있는 계기가 됩니다.

이러한 뉴스 항목은 아웃리치에서 가장 강력한 개인화 요소가 됩니다. 최근 시리즈 B 투자를 유치한 잠재 고객은 아무런 활동이 없는 잠재 고객보다 성장에 대한 대화에 훨씬 더 적극적으로 반응할 것입니다.

‍

6단계: 잠재 고객 점수화 및 순위 지정

모든 보강 데이터가 수집되면, 적합도에 따라 잠재 고객의 순위를 매기기 위한 점수화 프레임워크를 적용합니다.

점수 활용 방법:

• 80-100: 최우선 순위. 매우 개인화된 메시지로 즉시 연락하세요.
• 60-79: 적합도 높음. 이번 주 아웃리치 대상에 추가하세요.
• 40-59: 적합도 보통. 육성 목록에 추가하거나 먼저 콘텐츠 참여를 통해 관계를 다지세요.
• 40 미만: 적합도 낮음. 우선순위를 낮추거나 ICP 정의를 재검토하세요.

‍

7단계: 아웃리치 훅 생성 및 내보내기

마지막 단계에서는 풍부화 데이터를 실행 가능한 결과물로 변환합니다. 시스템은 점수가 매겨진 각 잠재 고객에 대해 수집된 풍부화 데이터를 기반으로 2~3개의 개인화된 아웃리치 훅을 생성합니다.

훅 유형:

• 뉴스 기반: 최근 회사 이벤트(자금 조달, 출시, 채용)를 언급합니다.
• 게시물 기반: 잠재 고객의 최근 LinkedIn 콘텐츠를 언급합니다.
• 공통 연결: 공유된 네트워크를 활용하여 부드러운 소개를 합니다.
• 성장 신호: 눈에 띄는 확장 활동(팀 성장, 신규 사무실)

Sai는 완전히 보강된 데이터 세트를 두 개의 탭이 있는 Google 시트로 내보냅니다.

• 잠재 고객 탭: 점수, 이름, 직책, 회사, LinkedIn URL, 연결 정도, 활동 상태, 아웃리치 후크
• 회사 정보 탭: 회사명, 산업, 규모, 본사, 투자 단계, 최신 뉴스, LinkedIn URL

이 결과물은 LinkedIn 연결 요청, Sai의 이메일 자동 조종 기능을 통한 개인화된 이메일, 또는 CRM 가져오기 등 귀하의 아웃리치 워크플로에 바로 활용될 수 있습니다.

‍

최고의 AI 리드 보강 도구 비교 (2026)

주요 차이점:

• 데이터베이스 도구 (Apollo, ZoomInfo, Lusha)는 자체 데이터베이스에서 정적인 연락처 데이터를 제공합니다. 데이터는 마지막 크롤링 시점의 최신성을 유지합니다. 이메일 및 전화번호 조회에는 탁월하지만, LinkedIn 활동을 분석하거나 개인화된 아웃리치 문구를 생성하지는 않습니다.
• 데이터 오케스트레이션 도구 (Clay)는 여러 데이터 제공업체를 폭포수 방식으로 연결할 수 있게 해줍니다. 강력하지만 상당한 설정과 기술적 구성이 필요하며, 본질적으로는 자체 보강 파이프라인을 구축하는 것과 같습니다.
• 스크래핑 도구 (Phantombuster) LinkedIn 및 웹 페이지에서 원시 데이터를 추출하지만, 문맥적 지능 없이 스크립트를 실행합니다. 데이터만 얻을 뿐, 통찰력은 얻지 못합니다.
• Sai 여러 소스(LinkedIn 프로필, LinkedIn 회사 페이지, Google 검색, Google 뉴스)의 실시간 데이터를 AI 기반 분석과 결합합니다. 단순히 데이터를 추출하는 것을 넘어 잠재 고객을 평가하고, 아웃리치 후크를 식별하며, 타이밍 신호를 확인하고, 모든 것을 구조화된 형태로 내보냅니다. 사람이 직접 조사하는 것처럼 브라우저와 데스크톱을 넘나들며 작동하기 때문에 단일 데이터베이스의 범위에 제한되지 않고 공개적으로 사용 가능한 모든 정보에 접근할 수 있습니다.

‍

Sai가 인리치먼트, 잠재 고객 발굴 및 후속 조치를 결합하는 방법

AI 리드 인리치먼트의 진정한 힘은 영업 워크플로의 나머지 부분과 연결될 때 발휘됩니다. Sai는 세 가지 상호 보완적인 워크플로를 통합합니다.

‍

1. 리드 인리치먼트 엔진 (조사 및 점수화)

이 글에서 설명하는 핵심 인리치먼트 워크플로입니다. 회사 이름 또는 ICP 기준이 주어지면, Sai는 LinkedIn과 Google에서 회사 및 연락처를 조사하고, 각 잠재 고객에게 점수를 매기며, 아웃리치 후크를 생성하고, Google Sheets로 내보냅니다.

‍

2. LinkedIn B2B 잠재 고객 발굴 (발견)

인리치먼트 전에 회사를 찾아야 합니다. Sai는 ICP 기준에 따라 LinkedIn에서 검색할 수 있습니다. — 역할, 산업, 회사 규모, 위치 — 초기 타겟 목록을 구축합니다. 이는 인리치먼트 파이프라인으로 직접 연결되어 엔드투엔드 잠재 고객 발굴-인리치먼트 흐름을 생성합니다.

‍

3. 이메일 자동 조종 (아웃리치 후 후속 조치)

인리치먼트 기반 아웃리치가 전송된 후, Sai는 귀하의 Gmail에서 응답을 모니터링합니다. 오래된 스레드를 감지하고, 캘린더와 교차 참조하며, 문맥을 인지하는 후속 조치 초안을 작성합니다. 1단계의 풍부화 데이터가 후속 조치 초안에 반영되므로, 두 번째 접촉에서도 첫 번째 접촉과 동일한 개인화 요소를 참조합니다.

통합 워크플로: 잠재 고객 발굴 → 리드 풍부화 및 점수화 → 개인화된 아웃리치 → 자동화된 후속 조치 → 파이프라인 추적

이 모든 과정이 하나의 AI 동료를 통해 진행되며, 도구 전환이나 시스템 간 수동 데이터 전송이 필요 없습니다.

‍