열어보지도 않는 수많은 메일 중 하나

받은편지함에는 오늘도 수십 개의 읽지 "않을" 이메일이 있다. 처음 보는 이름이 무엇인가를 세일즈하려고 보낸 메시지들. 제목만 훑어봐도 이 사람은 나 혹은 우리 회사에 대해 아무것도 모르는 게 파악된다. 앞으로도 열리지 않을 이 이메일을 보낸 사람은 자신의 CRM(Customer Relationship Management)에 "놓친 거래(Failed)"가 아니라 "무응답(No Response)"이라고 기록할 것이다. 하지만 나는 이미 사지 않기로 결정을 내렸고, 그 판단까지 1초도 걸리지 않았다.

가트너(Gartner)가 B2B 구매 담당자를 대상으로 조사(2024)한 바에 따르면, 응답자의 73%가 "나와 무관한 영업 메시지를 보내는 회사를 의도적으로 피한다"고 답했다. "무시한다"가 아니라 "피한다"는 것이다. 고객 정보가 파악되지 않은 성의 없는 메시지는 단지 한 번의 무응답으로 끝나지 않는다. 아직 시작되지도 않은 거래에서 그 공급사를 미리 탈락시켜 버릴 수도 있다. 가트너의 리포트는 조금 더 직설적인 표현을 사용한다. "나쁜 영업 접근은 잠재 고객과의 관계를 실제로 훼손한다"("Bad prospecting actively damages relationships with potential customers.").1

승부는 첫 대화 전 결정난다

또 다른 불편한 조사가 있다. 베인(Bain)이 링크드인(LinkedIn)과 함께 엔터프라이즈 소프트웨어 구매자를 대상으로 조사(2026)한 결과를 한 문장으로 줄이면 이렇다. "놓친 것처럼 보이는 거래의 대부분은, 애초에 따낼 수 없는 거래였다. 구매자의 최초 후보 명단에 없었기 때문이다" ("Most seemingly 'lost deals' were never winnable because the vendor was not on the buyer's initial shortlist to begin with."). 베인은 이 후보 리스트를 "데이 원 리스트(Day 1 list)"라고 부른다.2 구매 과정이 시작되는 순간 구매 담당자의 머릿속에 이미 들어 있는 회사들의 명단이다. BCG의 조사 결과도 비슷한 맥락이다. 4개국 중소기업 구매 담당자를 대상으로 한 조사(2023)에서 '구매의 76%가 이미 거래하던 회사 네트워크 안에서만 이루어졌다'는 결과가 나왔다. 심지어 생전 처음 사보는 제품조차 절반 이상은 이미 기존에 접점을 가지고 있던 회사에서 구매했다는 것이다.3

식스센스(6sense)의 조사도 같은 결론에 도달한다(구매 조짐이 보이는 회사를 일찍 찾아내 공략하게 해주는 마케팅 소프트웨어를 파는 회사라는 점은 감안하고 볼 것). 글로벌 구매자 조사(2025) 결과에 따르면, 거래를 따낸 공급사가 데이 원 리스트에 이미 들어 있던 경우가 95%였다.4

이들이 전하는 메시지는 하나로 수렴한다. '구매 결정은 당신이 그 경기장에 들어서기도 전에 이미 내려져 있다.' 명단은 생각보다 일찍 작성되고, 이미 존재하는 관계 위에서 만들어지며, 판매자가 거래 소식을 들을 때쯤 구매자는 거의 다 답을 정해둔 상태다.

대부분 여기서 멈추고 어깨를 으쓱하며 결론짓는다 — "B2B는 결국 아는 사람들끼리 하는 거구나." 그렇다고 데이 원 리스트에 영원히 오를 수 없는 것은 아니다. 식스센스의 같은 보고서에 이런 문장도 있다. "우리의 이전 조사가 보여주듯, B2B 구매자는 판매자와 접촉하기 전에 이미 선호하는 벤더를 정해둔다. 그리고 그 '접촉 전 선호 벤더'가 거래의 약 80%를 가져간다"("Our prior research showed that B2B buyers select a favored vendor before engaging sellers — and that pre-contact favorite wins the deal roughly 80% of the time.").4 뒤집어 읽으면, 선호 벤더가 정해지는 타이밍은 첫 접촉 전이다. 그렇다면 목표도 분명해진다. 제대로 된 조사를 바탕으로 잠재 고객사에 미리 다가가고, 눈에 띄고, 꾸준히 대화를 이어가고, 작은 거래부터 시작하는 것. 다음 구매 프로세스가 시작되기 한참 전, 그 "데이 원 리스트"에 우리 회사의 이름이 들어가 있게 만드는 것이다.

"제대로 된 조사"란 구체적으로 무엇인가: 세 가지 질문

A Piece of Map의 구성원은 지난 십여 년간 새로운 B2B 파트너를 발굴하고, 논의를 진전시켜 실제 계약까지 이끌어가는 수많은 경험을 해왔다. 그 시간을 되짚어 볼 때, 실제 성과를 만들어낸 사전 스터디는 일정한 형식을 가지고 있다. 접촉 전에 이 셋에 답하고 들어가면 자신감을 가지고 대화를 진전시킬 수 있었고, 시간을 아끼겠다고 건너뛰면 성과가 돌아오지 않는 경우가 많았다.

1. 시장 환경 — 지금 그 시장에서 무슨 일이 벌어지고 있는가? 특정 회사를 연구하기 전에 먼저 파악할 사항이 있다. 진입하려는 시장이 실제로 어떻게 생겼는가. 어떤 플레이어가 있고, 어떤 세부 시장으로 나뉘며, 지난 1년 사이 무엇이 바뀌었는가. 누가 누구를 인수했고, 누가 누구와 손잡았고, 어떤 규제나 기술 변화가 시장의 자금을 움직이고 있는가. 보통 인하우스나 외부 컨설팅 시장조사 보고서가 답하는 질문들인데, 영업과 사업 개발의 입장에서 이 정보를 가지고 다음과 같이 해석한다. 애초에 우리가 설 자리가 있는 시장인지, 내 제품이 어느 세부 영역에 속하는지, 이 시장의 구매자들이 나를 누구와 비교하게 될지 등. 이 조사를 건너뛰면 이후의 모든 단계를 엉뚱한 트랙에서 달리게 될 수도 있다.

2. 타깃 기업 — 어디에 먼저 집중할 것인가? 시장을 정했다면 그 안에서 타깃 산업별 주요 기업을 정하게 된다. 그리고 각 회사의 사업 환경, 즉 무엇을 팔고, 고객이 누구이며, 최근 무엇을 발표했고, 올해 어떤 문제를 해결하려고 하는가에 답하게 되는데, 사실 질문에 답하는 과정의 절반은 "빼기"의 작업이다. 경쟁사를 지우고, 이미 기회를 엿볼 수 없을만큼 다른 회사와 탄탄한 관계를 갖고 있는 곳도 제외한다. 후보 명단이 기존 관계에서 만들어지기 쉽다는 사실을 앞에서 확인한 만큼, 기존 업체가 탄탄한 관계를 이미 맺은 회사에 초기 에너지를 쓰는 것은 현명하지 않을 수 있기 때문이다. 새로운 시장에서 어느 정도 레퍼런스를 쌓은 뒤, 기존 업체의 비교군으로서 노출하고 자리매김을 하는 것이 방법이 될 수 있다.

3. 진입 경로 — 타깃 기업으로 소개해 줄 파트너는 누구인가(warm path)? "빼기"의 과정을 거쳐 적합한 타깃으로 선정된 회사에 실제로 어떻게 접근할 것인가 고민하는 것이 남은 숙제이다. 그러나 신규 시장 조사에서 이 질문을 고려하는 사람은 거의 없다. 구매의 4분의 3 이상이 이미 거래하던 관계에서 이루어진다는 결과를 상기하면, 아무런 무기 없이 맨몸으로 문을 두드리는 게 얼마나 힘든 일인지 깨닫게 되는데도 말이다. 이 항목을 구체화해보자. 내 세계와 저 세계 사이에 이미 맞닿아 있는 지점이 어디인가? 즉, 양사가 함께 일하고 있는 파트너나 공급사 등 지금까지 쌓아온 관계를 바탕으로 따뜻한 소개(warm intro)를 기꺼이 해줄 수 있는 경로가 어디인가를 찾으면 된다. 당장 누군가의 얼굴이 떠오르지 않더라도 괜찮다. 이미 공개된 보도자료, 공시, 파트너 페이지 등에 유용한 소스가 흩어져 있는데, 이 자료를 조립해보면 답을 찾을 가능성이 높다.

그런데 누가 이 일을 할 것인가

미국 인구조사국 자체 집계에 따르면 미국 전체 사업체 중 78%는 직원이 한 명도 없다.5 즉, 모든 일을 스스로 해결해야 하는 1인 사업체라는 의미이다. 그보다 조금 큰 회사, 혹은 30~50인 이하 사업장까지도 사정은 비슷하다. 작은 회사에서 영업팀은 시장조사부터 마케팅, 계약, 납품, 고객 지원 등 수많은 일을 두세 사람이 맡아 진행하는 경우가 많다. 사업개발 매니저 혹은 세일즈 매니저라는 타이틀 아래 사실 여러 부서의 일이 응축되어 있는 것이다.

세일즈포스(Salesforce)의 2024년 조사는 이러한 업무 부담을 숫자로 보여준다. 영업사원이 실제로 제품을 파는 데 쓰는 시간은 한 주의 업무시간 중 약 30%에 불과하고, 약 70%는 제안서 작성과 내부 승인, 준비와 계획 수립, 행정 업무 등 책상에서 하는 업무에 매여 있다. 세일즈포스의 보고서는 "비판매 업무가 시간을 지배하면서 생산성이 정체된다"("Productivity Lags as Nonselling Tasks Dominate Time")고 언급하며 그 일을 얼마나 더 빨리 끝내서 생산성을 높이는가에 집중한다.6

그러나 생각의 방향을 조금 바꿔보면 어떨까. 영업사원 한 사람이 비판매 업무를 더 빠르게 끝내도록 하는 게 아니라, 일부 업무 자체를 AI 에이전트에 맡겨 분업화하는 방식으로 말이다. 이 보고서에서 분류한 업무체계에 따르면 잠재고객 리서치, 준비/계획 수립, 리드/기회 우선순위 정리 등의 작업에서 앞의 세 가지 질문에 답을 찾게 될 텐데, 이는 영업사원 업무 시간의 약 26%에 해당한다. 이를 AI 에이전트와 분업하면 영업사원은 상당한 시간을 실제 판매 업무로 전환시킬 수 있는 셈이다. 만약 인력 부족의 이유로 사전 조사 업무에 아직 26%의 시간도 할당하지 못한 조직이라면, AI와 분업화라는 생각의 전환으로 애초에 생각지도 못했던 고객에게서 새로운 기회를 찾을 수 있을지도 모른다.

AI 에이전트와 함께 밤을 새다

그렇게 1인 혹은 소규모 회사가 시장조사 업무를 AI로 전환하기로 결정했다면, 대부분은 아래 두 가지 이유로 밤새도록 범용 AI 에이전트와 씨름을 하고 있을지 모른다.

첫째, AI를 뒤치다꺼리하는 비용이 추가된다. 스탠포드, 버클리, 글린(Glean)이 3개국 디지털 노동자 6천 명을 대상으로 조사한 Work AI Index(2025~2026)는 '봇시팅(botsitting)'이라는 현상을 측정했다.7 AI에게 "맥락을 먹이고, 출력을 감독하고, 실수를 디버깅하고, 뒤치다꺼리를 하는 일"을 의미하는데, 결과에 따르면 노동자들은 주당 6.4시간, 즉 매주마다 근무일 하루의 대부분을 소비한다는 것이다. AI 세션의 3분의 1 이상은 "아예 실패해서 처음부터 다시 하거나 대대적으로 고쳐야" 하고, "AI에서 쓸 만한 출력을 얻는 1시간마다, 그것을 쓸 만하게 만드는 데 대략 또 1시간을 쓴다"는 결과도 있다.

둘째, AI는 중요한 순간에 답을 지어낼 수 있다. 한 의학 연구진은 GPT-4o에게 정신건강 주제로 문헌 리뷰 여섯 편을 쓰게 한 뒤, 리뷰에 달린 인용 176건 전부를 학술 데이터베이스와 하나씩 대조했다(JMIR Mental Health, 2025).8 그 결과 35건(19.9%)은 아예 존재하지 않는 논문을 날조한 것이었다. 연구진은 대중적 친숙도가 서로 다른 주제 세 개를 일부러 골라, 공개 자료가 적은 주제일수록 모델이 더 많이 지어낼 것이라는 가설을 세웠는데, 결과는 예측대로였다. 가장 잘 알려진 주제에서는 인용을 날조한 비율이 6%에 그쳤지만, 가장 생소한 주제에서는 28~29%까지 올라갔다.

우리가 답해야 할 사전조사 질문으로 돌아와보자. 두 번째, 타깃 회사에 대해 조사할 때 모든 B2B 기업이 애플이나 삼성처럼 관련 자료가 온라인상에 넘쳐나는 회사를 궁금해하지는 않을 것이다. 아마도 처음 진입하는 시장의, 처음 들어보는 영역의 중견, 중소 기업들을 목표로 하는 경우가 대부분일 텐데, 일반 AI 도구는 그 지점에서 약점을 가진다는 사실을 위의 연구가 보여준다.

세 번째 질문인 회사 간 관계도는 한층 더 높은 난이도를 AI에게 요구한다. 단순 자료 검색이 아니라 내용을 '조립'하는 것이기 때문이다. 누가 누구를 소개해줄 수 있는지는 시중의 웹사이트나 기사에 적혀있는 정보가 아니다. 서로 다른 사이트의 발표문, 파트너 페이지, 공시 자료 등을 나란히 놓아 연결할 때만 떠오르는 답이다. 밤새 조각 조각을 맞추기엔 상당히 수고로운 작업이다.

AI의 부족함을 보완하는 도구

AI 에이전트와 작업하면서 앞의 어려움을 맞닥뜨렸다고 해서 회의론에 빠져 사용을 멈춰버릴 일은 아니다. 뒤치다꺼리, 날조, 조립 실패 같은 문제에는 공통점이 하나 있다. 조사의 방향성 설정부터 서치까지 일관된 계획이나 가이드 없이 하나의 기계에 일임했을 때 발생한다는 점이다. 그렇다면 AI 옆에서 방향성을 잡아주고 검증과 평가를 해줄 다른 AI를 붙이면 어떨까?

APiM Galaxy(galaxy.apieceofmap.com)는 이 어려움을 극복하고, 사업개발과 세일즈 입장에서의 사업조사를 AI가 더욱 성숙하게 수행하도록 만들어졌다. 이미 쓰고 있는 AI(Claude, ChatGPT, Claude Code)에 MCP(Model Context Protocol)로 연결되어 B2B 기업의 새로운 시장 개척을 위한 리서치 작업을 진행한다. 즉, 위에서 필수 질문으로 설정했던 시장 환경, 타깃 기업, 진입 경로를 찾는 일이다. 이미 조사 방향성을 설정해놨기 때문에 질문 프롬프트 하나만으로 십여 분 동안 필요한 서치와 리포트 작성을 혼자 수행해 결과물을 낸다. 각 질문에 답을 내릴 때는 인용한 출처마다 MCP가 그 페이지에 다시 한 번 대조하게 하고, 확인되지 않는 내용은 숨기지 않고 플래그로 남긴다. 또한, 사람이 밤새 조각을 맞추던 작업도 AI가 출처에 대조를 마친 기업 간 관계들을 모아 지도로 그리고, 확인 안 된 관계는 지도에 별도로 표시한다.

APiM Galaxy를 도입하면 회사 내부 사업개발, 세일즈 인력이 책상 앞을 떠나 더 많은 고객과 직접 만나고 소통하는 시간을 벌 수 있다. 이뿐 아니라 전문 컨설팅 회사에서 구매하는 리포트의 비용과 기간도 실제로 줄일 수 있다. 대략 한 건에 1만 5천에서 6만 달러까지 지불하고 6주에서 두 달 가까이 기다려야 받을 수 있는 리포트를, 매일 쓰는 AI 에이전트에 MCP만 설치함으로써 사실상 큰 비용 부담 없이, 십여 분만에 대체하게 되는 것이다.9

사람이 더 집중할 것은

그렇다면 AI 도구가 조사를 대신해 벌어준 시간을 사람은 어디에 써야 하는가. 아래 두 건의 실험에서 힌트를 얻어보자.

핀테크 전화 영업 분야에서 실행한 첫 번째 실험(2019)은 사람이 접근해야만 하는 영업 포인트가 어디인지 알려준다.10 정체를 밝히지 않은 AI 챗봇으로 고객에게 전화 영업을 했을 때 숙련된 영업사원만큼의 실적을 냈는데, 사람인 미숙련 사원보다는 심지어 네 배의 매출을 냈다. 그런데 연구진이 상대가 기계라는 사실을 고객에게 미리 알려주자 구매가 79.7% 무너졌다. "AI 챗봇의 객관적인 능력에도 불구하고"("despite the objective competence of AI chatbots") 벌어진 일이다. 같은 성능의 같은 기계인데, 고객은 봇이라는 사실을 아는 순간 덜 유능하고 덜 공감한다고 평가했다. 능력의 문제라기보다는 기계에게 마음을 열지 않는 심리가 고객 쪽에 실재하는 것이다. 따라서 신뢰와 관계를 만드는 자리에는 여전히 사람이 서야 한다는 결론이 나온다.

B2B 알루미늄 유통사의 두 번째 실험(2024)은 사람이 더 잘하는 일의 성격을 더 구체적으로 짚어준다.11 반복되는 일상 견적의 가격 결정을 알고리즘에 맡기자, 영업사원이 정하던 때보다 이익이 11% 올랐다. 반면 독특하거나 복잡한 특성을 지닌 특수 견적에서는 사람이 알고리즘을 이겼다. 실험에서 가장 성적이 좋았던 방식은 어느 한쪽에 전부 맡기는 것이 아니라 견적의 68%를 알고리즘에, 이례적인 32%를 사람에게 보낸 분업이었는데 영업사원 단독 작업보다 7.8%의 이익을 더 얻었다.

구매자 쪽에서도 비슷한 선호도가 확인된다. 맥킨지가 2026년 발표한 글로벌 B2B 구매자 조사에서 거래가 잦고 반복적일 때 구매자는 디지털 셀프서비스를 선호했지만, 금액이 크고 빈번하지 않은 주문에서는 재주문이라 해도 사람과 이야기하기를 강하게 원했다.12 구매자가 공급사를 떠나는 가장 큰 이유도 제품이 아니라 관계였다. 담당자마다 다른 말을 하거나, 잘 아는 사람과 연결되지 않을 때 구매자는 떠난다는 것이다.

이 결과들을 앞의 이야기와 포개보면 분업의 선이 또렷해진다. 반복되고 출처로 검증할 수 있는 일은 기계가 잘 해내고, 이례적이고 판단이 걸린 일, 그리고 상대의 신뢰를 얻는 일에서는 사람이 이긴다. 앞에서 세운 세 가지 질문 — 시장에서 무슨 일이 벌어지고 있는가, 어느 회사에 집중할 것인가, 누가 소개해 줄 수 있는가 — 는 모두 전자, 기계에게 맡겨도 되는 쪽에 놓여 있다. 반면 소개받은 자리에 직접 나가는 발걸음, 이례적인 거래의 조건을 조율하는 판단, 그리고 상대가 '이 회사와 일해보자'고 마음먹게 만드는 시간은 처음부터 기계의 몫이 아니었다.

다시 처음의 받은편지함으로 돌아가자. 열리지 않는 메일은 조사 없이 보낸 메일이었고, 승부는 첫 대화가 시작되기 전에 데이 원 리스트 위에서 이미 결정나 있었다. 그 명단에 오르는 길에 지름길은 없다. 시장을 읽고, 타깃을 고르고, 소개 경로를 찾는 사전 조사를 한 뒤 일찍부터 관계를 쌓는 것뿐이다. 달라진 것은 그 조사의 반복적이고 검증 가능한 부분을 이제 AI와 나누어 맡을 수 있게 되었다는 것이다. 그렇게 얻어낸 시간에 사람은 사람만이 할 수 있는 일에 집중하면 된다. 더 많은 잠재 고객을 직접 만나고, 작은 거래부터 시작하고, 신뢰를 쌓아서 — 다음 구매가 시작되는 날, 그 데이 원 리스트에 우리 회사의 이름이 이미 올라가 있게 만드는 일이다.

APiM Galaxy

질문 하나면, 시장 진입 전략 리포트가 나옵니다

이미 쓰고 있는 AI(Claude, ChatGPT, Claude Code)에 연결해, 데이 원 리스트를 결정짓는 사전 조사(시장 환경·타깃 기업·진입 경로)를 나눠 맡겨 보세요.

APiM Galaxy 살펴보기 →

각주

  1. 가트너(Gartner) 보도자료, 2025/06/25. 2024년 8~9월 B2B 구매 담당자 632명 조사. https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-sales-survey-finds-61-percent-of-b2b-buyers-prefer-a-rep-free-buying-experience ↩
  2. 베인(Bain & Company) & 링크드인(LinkedIn), "Raising the Odds on a Deal", 2026/06/19. NewtonX가 2026년 2월 조사 수행, 구매자 750명이 응답. 엔터프라이즈 소프트웨어 두 분야(인적자본관리 / 클라우드 데이터 플랫폼)를 대상으로 한 조사이며, 다른 산업으로의 일반화는 아직 검증 중이라고 밝혔다. 같은 페이지에는 "구매자의 약 90%가 데이 원 리스트 안에서 구매한다"는 문장도 있으나 표본과 방법이 제시되지 않아 이 글에서는 인용하지 않았다. https://www.bain.com/insights/raising-the-odds-on-a-deal-how-likelihood-to-buy-rewires-b2b-growth/ ↩
  3. BCG, "B2B Customer Dynamics: The Weather Ahead", 2023/09/28. 프랑스·독일·영국·미국 4개국 중소기업 구매 담당자·관여자 2,700여 명에게 2023년 8월 조사. 설문 문항 원문은 "최종 구매한 벤더와 귀사 사이에 기존 관계가 있었습니까"라고 묻는다. 이 조사에서 "관계"는 이름을 아는 정도가 아니라 실제 거래 관계를 뜻한다. https://www.bcg.com/publications/2023/b2b-customer-experience-trends-in-uncertain-future ↩
  4. 식스센스(6sense), "2025 B2B Buyer Experience Report". 전 세계 B2B 구매자 약 4,000명 조사. https://6sense.com/science-of-b2b/buyer-experience-report-2025/ ↩
  5. 미국 인구조사국, "The Steady Rise of the Nonemployer Business", 2025/07/30. https://www.census.gov/library/stories/2025/07/nonemployer-business-growth.html ↩
  6. 세일즈포스(Salesforce), State of Sales 6판 p.13. 2024년 3~4월 27개국 영업담당 5,500명 조사. 판매 시간 30%는 주간 업무 11개 항목 차트에 나온다. 본문의 26%는 그중 잠재고객 리서치 9% + 준비·계획 수립 9% + 리드/기회 우선순위 정리 8%를 더한 값이다. https://www.salesforce.com/resources/research-reports/state-of-sales/ ↩
  7. Work AI Institute(Glean), "The Work AI Index: Global". 2025년 12월~2026년 1월, 미국·영국·호주의 풀타임 디지털 노동자 6,000명, 국가 대표성 표집, 자기보고 방식으로 조사. 조사 대상은 일반 지식노동 전반으로, 영업 직군에 한정된 수치는 아니다. https://www.glean.com/work-ai-institute/reports/work-ai-index ↩
  8. Linardon, J., Jarman, H. K., McClure, Z., Anderson, C., Liu, C., & Messer, M. (2025). Influence of topic familiarity and prompt specificity on citation fabrication in mental health research using large language models: Experimental study. JMIR Mental Health, 12, e80371. https://doi.org/10.2196/80371 (PMID 41223407 · PMC12658395). ↩
  9. 미국 연방 조달 기록(FPDS·USAspending)에 공개된 실거래가 기준. ↩
  10. Luo, X., Tong, S., Fang, Z., & Qu, Z. (2019). "Frontiers: Machines vs. Humans: The Impact of Artificial Intelligence Chatbot Disclosure on Customer Purchases." Marketing Science, 38(6), 937–947. 고객 6,255명 대상 무작위 현장실험. https://pubsonline.informs.org/doi/10.1287/mksc.2019.1192 ↩
  11. Karlinsky-Shichor, Y., & Netzer, O. (2024). Marketing Science, 43(1), 138–157 (DOI 10.1287/mksc.2023.1449). https://pubsonline.informs.org/doi/10.1287/mksc.2023.1449 ↩
  12. 맥킨지(McKinsey), "The surprising economics of B2B growth", 2026/06. 2026 Global B2B Pulse. 2025년 12월 조사, 13개국, 응답자 3,664명. https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/the-surprising-economics-of-b2b-growth-the-new-survival-threshold-and-what-it-takes-to-thrive ↩