저는 고객 상담 운영을 경험했고, 챗봇과 콜봇을 구축했으며, 지금은 고객센터를 위한 AI 제품을 기획하고 있습니다.
IVR과 셀프서비스를 거쳐 상담사 지원 AI와 LLM까지 도구는 바뀌었지만, 우리가 던지는 질문은 여전히 비슷합니다.
얼마나 많은 전화를 자동화할 수 있을까? 상담 시간을 얼마나 줄일 수 있을까? 운영비를 얼마나 절감할 수 있을까?
다 필요한 목표이고 저도 이 방식으로 성과를 냈습니다. 그런데 어느 순간, 우리가 처음부터 무엇을 해결하려 했는지 궁금해졌습니다.
이 연재는 고객이 제품이나 서비스를 이용하다 문제가 생겨 직접 연락하는 인바운드 문의를 중심으로 이야기합니다.
1. 왜 같은 이유로 계속 전화가 올까?
“얼마나 많은 전화를 자동화할 수 있을까?”라는 질문은 문의량이 많다는 눈에 보이는 현상에서 출발합니다.
들어온 전화를 어떻게 처리할지 묻는 것이지, 왜 전화가 왔는지까지 묻는 질문은 아닙니다.
제품 조직은 서비스를 개선하고 고객센터는 자동화에 투자합니다. 그런데도 어떤 문제는 해마다 같은 문의를 만들어 냅니다.
전체 전화량이 유지된다고 해서 개선이 실패한 것은 아닙니다. 고객과 서비스가 늘면 새로운 문의도 생기니까요. 하지만 오래 반복되던 문의의 원인은 실제로 줄고 있는지도 따로 봐야 하지 않을까요?
그렇지 않다면 우리는 무엇을 해결한 걸까요?
2. 문의에 응대하는 것과 문제를 해결하는 것은 같을까?
실제로 일을 해보니 같은 일이 아니었습니다.
고객이 같은 질문을 하더라도, 그 질문을 하게 된 상황에 따라 실제 필요한 것은 달라질 수 있습니다.
카드사에서 세금 신고 시즌을 준비할 때였습니다. 고객들은 계속 이용내역을 요청했습니다. 이미 네 개의 셀프서비스 채널에서 이용내역을 제공하고 있었지만, 서류의 82.5%는 여전히 상담사가 발송하고 있었습니다.
문제는 이용내역 조회 기능이 없다는 것이 아니었습니다. 고객에게는 세금 신고에 필요한 특정 기간의 내역, 엑셀 파일, 신고에 필요한 세부 정보가 필요했습니다.
우리는 ‘이용내역 문의’를 이야기하고 있었지만, 고객은 세금 신고를 끝내려고 하고 있었습니다.
문의는 제대로 분류됐고 서비스도 있었습니다. 하지만 고객이 필요로 하는 조건은 서비스에 반영되지 않았습니다.
고객센터는 어떤 문의가 늘었는지 보여줄 수 있습니다. 하지만 제품 조직이 움직이려면 고객이 어떤 조건에서 막혔고 무엇을 바꿔야 하는지가 드러나야 합니다.
고객센터는 문의에 응대하도록 설계되어 있습니다. 제품과 정책을 가로질러 원인을 추적하고 다른 조직의 과제로 연결하는 일까지 항상 고객센터의 역할과 권한에 포함되는 것은 아닙니다.
3. 내가 사업을 시작한다면 고객센터에 무엇을 기대할까?
정확하고 비용 효율적으로 고객 문의에 응대하기를 바랄까요?
아니면 고객이 왜 도움을 요청했는지 찾아내고, 그 대화를 제품 개선으로 연결해 주기를 기대할까요?
둘 다 중요합니다. 다만 고객센터에 어떤 역할을 맡기느냐에 따라 비용을 관리하는 데 머무를 수도, 서비스 개선에 필요한 정보를 찾아내는 곳이 될 수도 있습니다.
이번 연재에서는 왜 두 번째 역할을 실현하기 어려웠는지, 그리고 AI가 무엇을 바꿀 수 있을지 이야기해 보려고 합니다.
#CustomerExperience #ContactCenter #AIProductManagement