PromoAI: Colgate가 과거 데이터 수억 건으로 판촉을 짜는 RGM 도구를 전 세계로 넓히는 방식
Colgate CEO는 3분기 콜에서 과거 데이터 포인트 수억 건을 분석하는 자체 RGM 도구 PromoAI를 여러 핵심 시장에 넣고 전 세계로 넓힌다고 밝혔습니다. 중국에서는 AI 생성 콘텐츠로 메시지를 개인화했고 재원은 생산성 절감의 일부를 AI·데이터에 재투자해 마련합니다. AI 단독 효과는 공개하지 않았으며 따라 할 때의 데이터·대조군·10주 시범안을 붙였습니다.
Colgate는 자체 개발한 RGM(revenue growth management, 가격과 판촉으로 매출을 키우는 관리) 도구 PromoAI를 여러 핵심 시장에 넣었고 전 세계로 더 체계적으로 넓히고 있습니다. 중국에서는 AI로 만든 콘텐츠로 메시지를 개인화했고 이런 투자의 재원은 생산성 절감에서 일부를 떼어 마련합니다. 따라 하려면 판촉 이력을 상품·거래처·주 단위로 모으고 AI 효과를 따로 재는 대조군을 처음부터 설계해야 합니다.
요약
Colgate는 2026년 10월 30일 3분기 실적 콜을 열었습니다. Noel Wallace 회장 겸 CEO는 모두 발언에서 PromoAI를 여러 핵심 시장에 넣으며 AI 역량을 전 세계로 넓히고 있다고 말했습니다. 자체 AI 혁신 플랫폼으로 신제품 아이디어를 내는 과정이 전보다 크게 빨라졌다고도 했습니다. 그는 빨라진 혁신과 AI·데이터 활용을 미국 사업 회복을 받치는 요소로 꼽았습니다. 애널리스트 질문에 답하면서 쓰는 곳을 더 풀었습니다. PromoAI는 과거 데이터를 “hundreds of millions of data points historically” 규모로 분석하는 자체 RGM 도구이고 특히 high-low 소매업체(평소 가격을 높게 두고 할인 행사를 자주 하는 소매)에서 쓰임새가 크다고 했습니다. 미국 팀은 이미 갖춘 AI 모델로 데이터 개인화를 키우며 광고비를 더 분석적이고 정밀하게 씁니다. 중국에서는 AI 생성 콘텐츠를 많이 써서 메시지를 개인화했고 콘텐츠 제작과 데이터 개인화 역량을 모든 부문에 만들고 있습니다.
AI만 떼어 낸 효과 수치는 콜에서 나오지 않았습니다. Dara Mohsenian 애널리스트와의 문답에서 Wallace는 AI 도구가 광고 ROI를 바꾸는지 살펴보는 중이라고 했지만 숫자는 내지 않았습니다. 숫자가 나온 곳은 재원 쪽입니다. Stan Sutula CFO에 따르면 원자재 비용이 약 300bp 역풍이었고 funding-the-growth(생산성 과제로 성장 재원을 만드는 프로그램)가 그중 290bp 넘게 상쇄했습니다. 생산성 과제와 SGPP(Strategic Growth and Productivity Program, 2028년 말까지 이어지는 프로그램)로 줄인 간접비는 재투자와 이익으로 나눕니다. 재투자처로는 광고, 역량, AI, 데이터·분석을 들었고 기본 사업의 SG&A(판매관리비) 간접비는 매출 대비 90bp 좋아졌습니다. 미국에서는 채널별로 나뉘던 시장 진출 조직을 데이터와 플랫폼 연결 중심으로 다시 짰고 디지털, 에이전틱, 소셜 커머스를 우선 성장처로 정했습니다. 아래에서는 세 가지 장치를 풀고 같은 방식을 소비재 기업이 따라 할 때 필요한 데이터, 지표, 일정을 덧붙였습니다.
핵심 메커니즘
PromoAI: 과거 데이터 수억 건으로 판촉을 판단하는 RGM 도구
PromoAI는 Colgate가 직접 만든 RGM 도구입니다. Wallace가 밝힌 작동 방식은 과거 데이터 포인트 수억 건을 분석해 판촉 판단에 쓰는 것이고 쓰임새가 큰 곳으로 high-low 소매업체를 꼽았습니다. 지금은 여러 핵심 시장에 들어갔고 전 세계로 더 체계적으로 넓히는 단계입니다. 어떤 모델을 쓰는지, 판촉 효율이 얼마나 나아졌는지는 밝히지 않았습니다. 따라 할 때는 판촉 비중이 큰 거래처와 카테고리부터 고르는 편이 맞습니다. 상시 저가(EDLP) 거래처처럼 행사가 드문 곳은 학습할 판촉 이력이 적어 뒤로 미룹니다.
작은 예시(가상): 한 대형 거래처의 치약 3개 묶음에 2주간 25% 할인과 매대 진열을 거는 안을 검토한다고 합시다. 행사가 없을 때 팔렸을 수량(기저 판매), 행사로 늘어난 수량, 같은 브랜드 다른 상품에서 빠져나간 수량, 행사 뒤 판매가 꺼지는 폭을 각각 추정해야 행사 하나의 증분 이익이 나옵니다. 과거 데이터가 수억 건 쌓여 있으면 이런 추정을 거래처와 상품마다 따로 할 재료가 됩니다.
AI-generated Content: AI로 만든 콘텐츠로 메시지를 나누는 개인화
중국에서 Colgate는 AI 생성 콘텐츠를 많이 써서 메시지를 소비자마다 다르게 보냈습니다. Wallace는 소셜 인큐베이션(소셜 채널에서 작게 시험하며 키우는 방식)도 도움이 됐다고 했습니다. 이 시장은 온라인이 빠르게 크면서 Douyin으로 무게가 옮겨 갔고 Colgate China는 한 자릿수 후반 성장을 냈습니다. 회사는 대부분 부문의 경영 운영팀을 중국에 보내 배운 점을 가져가게 했습니다. 콘텐츠 제작과 데이터 개인화 역량을 모든 부문에 만드는 데에도 AI로 속도를 냅니다. 미국 팀도 기존 AI 모델로 개인화를 다듬고 광고비를 더 정밀하게 씁니다. 다만 AI 도구가 광고 ROI를 바꾸는지는 아직 계량하지 않았습니다. 따라 할 때는 메시지를 나눌 기준(세그먼트)과 효과를 잴 대조군을 콘텐츠 생성보다 먼저 정해야 합니다.
Funding the Growth: 생산성 절감을 AI·데이터 재투자로 돌리는 구조
Sutula CFO는 생산성 과제와 SGPP에서 나온 간접비 절감을 두 갈래로 나눈다고 설명했습니다. 일부는 광고, 역량, AI, 데이터·분석에 다시 넣고 일부는 이익으로 남깁니다. 3분기에는 funding-the-growth가 약 300bp의 원자재 역풍 가운데 290bp 넘게 메웠고 그가 언급한 비용 인플레이션 규모는 약 3억 달러입니다. SGPP는 2028년 말까지 이어집니다. 이 구조에서 AI 투자는 생산성 절감에서 떼어 낸 재투자 항목의 하나로 잡힙니다. 그러니 AI 과제도 같은 장부 안에서 광고·역량 투자와 효과를 견주게 됩니다. 직원 34,000명의 성과 연동 임금 인상은 이어 간다고 했습니다.
통념과 다른 주장
흔히 이렇게 봅니다생산성 과제로 아낀 돈은 이익으로 돌리고 AI 도입은 IT 예산에서 따로 짠다.
Colgate는 이렇게 봅니다생산성 절감의 일부를 광고, 역량, AI, 데이터·분석에 다시 넣고 나머지를 이익으로 남긴다.
근거Sutula CFO는 생산성 과제와 SGPP로 줄인 간접비를 재투자와 이익으로 나눈다고 밝혔습니다. 같은 분기 funding-the-growth는 약 300bp의 원자재 역풍 가운데 290bp 넘게 메웠습니다.
콜에서 나온 사례
| 사례 | 상황 | 한 일 | 결과 | 연결 |
|---|---|---|---|---|
| PromoAI | high-low 소매업체 판촉(구체적 문제는 밝히지 않음) | 과거 데이터 수억 건을 분석하는 자체 RGM 도구 | 여러 핵심 시장 도입, 전 세계로 체계적 확대 중(효과 수치 미공개) | PromoAI |
| 중국 개인화 | 온라인이 빠르게 크고 Douyin으로 이동 | AI 생성 콘텐츠로 메시지 개인화, 소셜 인큐베이션 | Colgate China 한 자릿수 후반 성장(AI 기여분 미공개), 경영진이 배운 점을 전 부문에 적용 | AI-generated Content |
| 미국 회복 | 채널별 시장 진출 조직 | 데이터·플랫폼 연결 중심으로 재편, 광고비 정밀 집행 | 새 미국 팀 구성, 디지털·에이전틱·소셜 커머스 우선(수치 미공개) | AI-generated Content |
| 재원 | 원자재 약 300bp 역풍 | funding-the-growth와 SGPP로 간접비 절감 | 290bp 초과 상쇄, SG&A 간접비 90bp 개선, 절감 일부를 AI·데이터에 재투자 | Funding the Growth |
기술 디테일: 세 장치를 직접 만든다면
아래 데이터, 모델, 필드, 설정값은 실제로 돌릴 때 필요한 것을 정리한 실행 제안이며 Colgate가 밝힌 구현이 아닙니다.
PromoAI 같은 판촉 분석을 돌리려면 데이터 단위를 상품(SKU) × 거래처 × 주로 맞춥니다. 입력은 POS 판매량, 정상가와 행사가, 행사 달력(할인 폭, 묶음, 진열, 전단 여부), 판촉비, 경쟁사 행사, 명절·계절 표시입니다. 계산은 두 단계로 나눕니다. 먼저 행사가 없었을 때의 기저 판매를 추정하고 다음으로 행사별 증분(uplift)과 다른 상품에서 넘어온 몫(cannibalization), 행사 뒤 판매 감소를 추정합니다. 모델은 계층형 회귀나 gradient boosting처럼 숫자를 직접 내는 통계·머신러닝 모델이 맡습니다. LLM은 결과를 영업 담당이 읽을 설명문과 거래처 제안서 초안으로 바꾸는 데만 씁니다. 검증은 최근 52주 중 마지막 12주를 떼어 두고 예측과 실적을 비교하는 백테스트로 하고 오차 지표는 WAPE(가중 절대 백분율 오차)를 씁니다. 분기 판촉 계획을 확정하기 4~6주 전에 일괄로 돌리고 행사가 끝나면 실적을 넣어 매주 다시 학습합니다.
행사 하나의 출력은 아래처럼 남기면 영업과 재무가 같은 숫자로 판단할 수 있습니다(가상 예시, 금액 단위 원).
{
"event_id": "PRM-2027-W07-KA03-TP120",
"retailer_id": "KA-03",
"sku": "TP-120G-3PK",
"weeks": ["2027-W07", "2027-W08"],
"mechanic": "price_off",
"discount_pct": 25,
"display": true,
"baseline_units": 18400,
"predicted_units": 31200,
"incremental_units": 12800,
"cannibalized_units": 2100,
"post_promo_dip_units": 1500,
"incremental_gross_profit": 41500000,
"trade_spend": 36000000,
"roi": 1.15,
"model_version": "promo-uplift-v3",
"backtest_wape": 0.13,
"planner_decision": null
}AI 콘텐츠로 개인화하려면 생성보다 설계가 먼저입니다. 세그먼트(예: 연령대 × 구강 고민) 4~6개와 메시지 주제 3~4개로 표를 만들고 칸마다 변형을 2~3개 생성합니다. 프롬프트에는 브랜드 가이드, 쓸 수 없는 효능 표현 목록, 채널별 길이 제한을 넣고 출력은 JSON 필드로 받습니다. 사람 검수는 브랜드 담당이 하고 효능 표현은 규제 담당이 한 번 더 봅니다. 효과는 같은 세그먼트의 10%를 노출하지 않는 대조군(holdout)으로 남겨 증분 주문이나 증분 매출로 잽니다. 광고 ROI가 바뀌었는지 답하려면 이 대조군이 처음부터 있어야 합니다.
{
"variant_id": "CN-SOC-0412-B",
"segment": "sensitive_teeth_25_34",
"channel": "short_video",
"message_theme": "daily_care",
"brand_guide_version": "2027-01",
"banned_claims_check": "pass",
"reviewer": "brand_mgr_02",
"test_cell": "treatment",
"holdout_share": 0.1,
"spend": 5000,
"incremental_orders": null,
"status": "in_test"
}재투자 장부를 쓰려면 절감 과제마다 금액, 기간, 재투자처(광고·역량·AI·데이터)를 태그로 달고 재투자 항목마다 효과 지표(판촉 ROI, 증분 매출, 제작 시간)를 하나씩 연결합니다. 원자재 같은 외부 요인은 별도 줄로 둬야 AI 재투자의 효과가 가려지지 않습니다.
| 막히는 경우 | 증상 | 대응 |
|---|---|---|
| 거래처 POS를 받지 못함 | 출하량만 있어 실제 판매와 어긋남 | 주요 거래처와 데이터 공유 계약, 그 전에는 출하 데이터로 시작하고 표시 |
| 행사 기록이 엑셀에 흩어짐 | 할인 폭·진열 여부가 비어 있음 | 최근 2년 행사를 공통 필드로 다시 입력(LLM 추출 후 담당 검수) |
| 행사가 겹침 | 증분을 행사별로 나누지 못함 | 겹친 주는 묶어서 평가하고 다음 분기부터 시험 행사를 떼어 배치 |
| 콘텐츠 효과가 안 보임 | 클릭은 늘어도 매출 차이 불명 | 대조군 비율과 기간을 늘리고 지표를 증분 주문으로 고정 |
| 생성 문구가 규정 위반 | 효능 과장 표현 | 금지 표현 목록을 프롬프트와 사후 검사 양쪽에 적용 |
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 맡는 일 |
|---|---|
| 영업 본부장 | 시범 거래처·카테고리 선정, 확대 판정 |
| RGM·판촉 기획 담당 | 행사 이력 정리, 행사안 비교, 모델 결과 검토 |
| 거래처 담당(KAM) | POS 데이터 협의, 거래처와 행사안 협상 |
| 브랜드 매니저 | 세그먼트·메시지 설계, AI 콘텐츠 검수 |
| 재무(FP&A) | 판촉비·이익 기준 확정, 재투자 장부 관리 |
| 데이터 사이언티스트 | 기저·증분 모델, 백테스트, 주간 리포트 |
| 규제·법무 | 효능 표현 기준, 생성 문구 최종 확인 |
준비물. 시범 거래처의 최근 2년 주별 POS 또는 출하 데이터, 같은 기간 행사 달력과 판촉비 정산 자료, 정상가 이력, 브랜드 가이드와 금지 표현 목록, 세그먼트 정의가 필요합니다. 기준선은 시범 시작 전 직전 분기 실적으로 잡습니다.
현업에 물을 것.
- 지난 1년 판촉비가 가장 많이 나간 거래처와 카테고리는 어디이고 행사별 증분 이익을 계산해 본 적이 있나요?
- 행사안은 지금 누가 무엇을 보고 행사 몇 주 전에 정하나요?
- 행사 기록에 할인 폭, 묶음, 진열, 전단 여부가 모두 남아 있나요?
- 광고·콘텐츠 효과를 잴 때 노출하지 않은 대조군을 둔 적이 있나요?
- 생산성 과제로 아낀 돈 중 AI·데이터에 다시 넣는 몫은 누가 정하나요?
진행 판정 기준(예시). 백테스트 WAPE가 20% 이하이고 실제 적용한 행사 2~3건에서 모델 추천안의 증분 이익이 기존 방식으로 고른 안보다 높으면 두 번째 거래처로 넓힙니다. 콘텐츠는 대조군 대비 증분 주문이 통계적으로 확인될 때만 예산을 늘립니다. 하나라도 못 채우면 데이터 결측부터 확인하고 한 분기를 더 봅니다.
AX 적용 제언. 대형 유통 거래처 행사 비중이 큰 생활용품·식품 기업이라면 콘텐츠 개인화보다 판촉 분석을 먼저 시작하는 편이 낫습니다. 판촉비는 금액이 크고 행사 이력이 이미 정산 자료로 남아 있어 효과를 바로 돈으로 잴 수 있습니다. 콘텐츠 개인화는 한 시장에서 먼저 성과를 낸 뒤 다른 부문이 그 방식을 배워 가는 순서가 Colgate의 중국 사례와 맞습니다. 예산은 AI 과제를 IT 비용으로 따로 올리기보다 생산성 절감의 재투자 몫으로 잡고 재무가 같은 장부에서 효과를 추적하게 합니다. 그래야 경영진이 광고·역량 투자와 AI 투자를 같은 기준으로 견줄 수 있습니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 발표 | Colgate 2026년 3분기 실적 발표 콜, 2026.10.30(금) (The Motley Fool 녹취) |
| 발언자 | Noel Wallace(회장 겸 CEO), Stan Sutula(CFO) |
| 질문 | Michael Lavery, Filippo Falorni, Andrea Teixeira, Chris Carey, Ed Lewis, Dara Mohsenian |
| PromoAI | 자체 RGM 도구, 과거 데이터 포인트 수억 건 분석, high-low 소매업체에 특히 유용, 여러 핵심 시장 도입 후 전 세계로 체계적 확대 |
| AI 혁신 플랫폼 | 자체 플랫폼, 신제품 아이디어 과정이 전보다 크게 빨라짐 |
| 미국 | 데이터 개인화 강화, 광고비 분석적·정밀 집행, 채널 중심에서 데이터·플랫폼 연결 중심 조직으로 재편, 새 미국 팀 |
| 중국 | AI 생성 콘텐츠로 메시지 개인화, 소셜 인큐베이션, 온라인 고성장·Douyin 이동, Colgate China 한 자릿수 후반 성장 |
| 채널 | 마케팅 지원은 디지털·소셜·에이전틱 커머스 중심, Hill’s 온라인 호조 |
| 재원 | 원자재 약 300bp 역풍, funding-the-growth 290bp 초과 상쇄, 비용 인플레이션 약 3억 달러, SG&A 간접비 매출 대비 90bp 개선 |
| SGPP | 절감을 재투자(광고·역량·AI·데이터·분석)와 이익으로 분배, 2028년 말까지 |
| 인력 | 직원 34,000명, 성과 연동 임금 인상 지속, 대부분 부문 경영 운영팀이 중국에서 배운 점 적용 |
| AI 단독 효과 수치 | 공개하지 않음(광고 ROI 변화도 미계량) |
핵심 개념
- RGM
- revenue growth management. 가격, 판촉, 상품 구성, 거래 조건을 함께 조정해 매출과 이익을 키우는 관리 방식입니다.
- high-low
- 평소 가격을 높게 두고 기간 한정 할인 행사를 자주 하는 소매 가격 전략입니다. 상시 저가를 유지하는 EDLP(everyday low price)와 대비됩니다.
- bp
- basis point. 0.01%p입니다. 300bp는 3%p입니다.
- SG&A
- selling, general and administrative expenses. 판매비와 일반관리비입니다.
- uplift
- 행사나 광고가 없었을 때와 비교해 늘어난 판매량입니다. 기저 판매를 먼저 추정해야 계산할 수 있습니다.
- holdout
- 효과를 재려고 일부러 노출하지 않고 남겨 두는 대조군입니다.
- agentic commerce
- AI 에이전트가 소비자를 대신해 상품을 찾고 고르고 결제하는 거래 방식입니다.
내 메모
TODO: 내 생각 추가
원문은 The Motley Fool에 실린 「Colgate (CL) Q3 2026 Earnings Call Transcript」(콜 2026.10.30)입니다. 요약, 핵심 메커니즘의 콜 내용, 통념과 다른 주장, 사례, 원문 사례 표는 Colgate 경영진의 발언을 AX Review가 다시 정리했으며 효과와 수치는 회사 측 설명입니다. 기술·현업 실행 디테일, JSON 예시, 데이터·처리·지표 표, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 콜 전문은 원문 페이지에서 볼 수 있습니다.