경쟁에서 앞서 나가기 위한 선택: AI 고객 분석

고객 분석의 미래는 이미 우리 곁에 와 있습니다. 고객 획득 비용은 계속 높아지고 경쟁은 한층 치열해지는 상황에서 기업들은 기존 고객 데이터 속에 숨겨진 기회를 찾아 이탈을 줄이고 매출을 확대하기 위해 AI를 활용할 방안을 모색하고 있습니다. 매달 발생하는 수백, 수천 건의 고객 접점 자료(고객 지원 통화, 제품 사용 기록, 설문 응답, 서비스 티켓 등)는 회사의 고객 관계 실정을 생생하게 담고 있는 기록입니다. 자꾸 새로운 데이터를 찾으려고 할 것이 아니라 이미 매일 비즈니스에서 흐르고 있는 인텔리전스를 활용해야 합니다. 

모든 고객 상호 작용에는 만족도, 새로운 동향, 확장 기회 등에 관한 신호가 담겨 있는데, 이러한 신호를 모아 진정한 인사이트로 전환하는 것이 그리 쉽지만은 않습니다. 오늘날의 고객 여정은 여러 채널, 플랫폼 및 접점에 걸쳐 복잡하게 얽혀 있어서 기존 분석 인프라로는 이 방대한 상호 작용을 실시간으로 포착하고 분석하는 데 한계가 있습니다. 지금까지는 총체적 고객 인사이트를 확보하려면 전문 데이터 사이언스 역량, 복잡한 도구 및 긴 개발 주기가 필요했습니다. 

경쟁에서 앞서 나가려면 고객 지원을 사후 대응에서 선제적 대응으로 전환해야 합니다. 그렇게 하면 고객 지원 팀은 복잡한 시스템 구축 대신 고객 관계 구축에 집중할 수 있습니다. 

TS Imagine은 수동 이메일 처리를 자동화하고, 티켓을 긴급성과 복잡성에 따라 분류하는 방식으로 고객 지원 워크플로우를 개선하여 연간 4,000 시간을 절약하고 AI 비용도 30% 절감했습니다.

차별화로 앞서 나가기

대부분의 기업은 이미 고객 분석이나 감성 분석을 어느 정도 활용하고 있습니다. 남보다 앞서 나갈 수 있는 차별화 요소는 새로운 시장 세그먼트에서 예상치 못한 매출 급증이나 고객 이탈이 발생할 때 신속히 정보를 포착하고 대응할 수 있는 능력입니다. 그리고 이 능력은 대규모 비정형 데이터를 얼마나 빠르게 변환할 수 있는지에 달려 있습니다.  

고객 피드백을 이해하기 위해 인사이트를 추출하는 기존 방법은 다양한 데이터 소스를 취합하고, 여러 AI 도구로 오디오 파일 전사, 감성 분석, 요약 생성 등을 수행하는 복잡한 프로세스를 요구합니다. 이제 이 모든 과정을 몇 줄의 코드로 단순화할 수 있습니다. 무엇보다 좋은 점은 단 며칠 만에 실제 운영 환경에 바로 적용할 수 있는 솔루션을 마련할 수 있다는 점입니다. 

차세대 고객 인사이트

고객 대화 기록에서 고객 요구 및 불만에 대한 비즈니스 정보를 얻는 대표적인 고객 인텔리전스 사용 사례인 통화 내용 분석(post-call analytics)을 예로 들어 살펴보겠습니다. 

1단계: 대규모 통화의 효율적 전사

통화 내용 분석 워크플로우의 출발점은 대규모 오디오 데이터를 분석 가능한 고품질 텍스트로 변환하는 것입니다. 예를 들어, 어떤 엔터프라이즈 고객은 매주 10만 건 이상의 평균 30분 길이 통화 데이터를 Amazon S3, Azure Blob Storage, Google Storage Services 같은 오브젝트 스토리지에 저장합니다. 이는 매주 3백만 분 분량을 간편하고 효율적인 방식으로 처리할 수 있어야 비로소 실질적 분석 작업을 수행할 수 있다는 말입니다.

이같은 대규모 처리를 위해 Snowflake는 AI_TRANSCRIBE(PuPr)를 개발했습니다. 이 SQL 네이티브 음성 텍스트 변환 AI 연산자는 최대 2시간 분량 오디오 파일에 대하여 고품질 전사, 자동 화자 식별 및 단어 단위 타임스탬프를 지원합니다. AISQL AI_TRANSCRIBE는 사용이 간편할 뿐만 아니라 AWS Transcribe와 같은 인기 상용 시스템에 견줄 만한 품질과 더 나은 지연 속도를 제공합니다.  

완전 관리형 AI 연산자인 AI_TRANSCRIBE는 데이터 이동이나 인프라 관리의 필요 없이 오브젝트 스토리지에서 바로 파일을 처리할 수 있습니다. 오디오 파일 경로만 지정하면 SQL을 통해 분석 가능한 정형 텍스트를 즉시 얻을 수 있습니다.

영국 최대 여행사 중 한 곳은 매일 2,000 건 이상의 통화를 분석하여 정확한 고객의 의도를 파악하고 있습니다.

2단계: 업계 최고 수준의 고객 분석 품질 확보

고객 통화를 텍스트로 전사한 다음 할 일은 고객의 말뿐만 아니라 감정까지 이해하고, 수천 건의 대화에서 나타나는 패턴을 파악하는 일입니다. Cortex AISQL을 사용하면 고품질 감성 분석, 통화 번역 및 분류, 핵심 요약 등을 수행할 AI 변환 파이프라인을 손쉽게 구축할 수 있습니다.  

고객 감정과 만족도의 정확한 파악을 돕기 위해 Snowflake는 AI_SENTIMENT(GA)를 개발했습니다. AI_SENTIMENT는 AISQL 태스크 연산자로, 다양한 다국어 콘텐츠에서 최첨단 수준의 전반적 및 세분화된 감성 분석을 제공합니다. 세계 여러 지역에 고객이 있는 글로벌 기업을 위해 최적화된 기능입니다. AI_SENTIMENT는 영어, 프랑스어, 독일어, 힌디어, 이탈리아어, 포르투갈어의 정확한 이해를 위해 정교하게 튜닝되어 번역에서 놓치기 쉬운 맥락과 뉘앙스를 보존합니다. 

AI_SENTIMENT는 단순히 긍정 또는 부정으로 분류하는 감성 분석을 넘어 고객이 제품이나 서비스의 구체적인 측면에 대해 어떻게 생각하는지를 보여주는 세분화된 감성 분석을 제공합니다. 하나의 통화 스크립트에도 제품 품질, 요금, 지원 응답 시간 등에 대해 긍정적, 부정적 감정이 섞여 나타날 수 있는데, 이를 정확히 파악함으로써 정밀한 맞춤 대응이 가능해집니다. 

Snowflake는 또한 다량의 녹취 대화의 번역, 이슈 분류, 주제 요약을 지원하기 위해 AI Translate(GA), AI_CLASSIFY(PuPr), AI_AGG(PuPr) 등의 확장 가능한 AISQL 연산자 제품군을 구축했습니다. 

많은 기업이 추가 분석을 수행하기에 앞서 Cortex AI Translate를 사용하여 통화 전사문을 자사의 기본 비즈니스 언어로 현지화합니다. 그런 다음 AI_CLASSIFY로 자동 분류하여 적절한 제품 팀에 전달하거나 에스컬레이션 수준을 지정합니다. 예를 들어, 통화를 [요금 문제(billing_issue)], [제품 결함(product_bug)], [피처 요청(feature_request)], [에스컬레이션(escalation)]과 같은 카테고리로 분류할 수 있습니다. 

마지막으로 AI_AGG는 수천 건의 분류된 통화 스크립트에서 인사이트와 주제를 SQL 집계 함수처럼 종합해 줍니다. 예를 들어, AI_AGG를 사용하면 ‘심각도 수준별 주요 청구 문제 요약’ 또는 ‘통화 유형별 에스컬레이션 주제 파악’ 같은 작업을 간편하게 수행할 수 있습니다. AI_SENTIMENT를 사용하면 문제 원인 파악, 제품 영역별 주요 피처 요청, 만족도 향상 동인 등을 더 자세히 분석할 수 있으며, AI_AGG는 통화 기록을 실행 가능한 비즈니스 인텔리전스로 변환하는 데 도움이 됩니다. 

RAC는 통화 처리 시간을 30% 단축하고, 인사이트 확보 시간도 몇 달이 걸리던 것을 2~3일로 단축할 수 있었습니다.

고객 분석의 복합적 이점

고객 분석을 고도화하면 조직 전반에 인사이트 흐름이 원활해지면서 복합적 상승 효과가 발생합니다. 이는 고객 유지율과 수익 개선 등의 효과뿐만 아니라 더 많은 데이터가 생성되어 더욱 심층적인 인사이트를 얻을 수 있게 된다는 말입니다. 

• 제품 팀: 피처 격차를 파악하고, 실제 사용자 불편을 바탕으로 개발 로드맵의 우선순위를 정하고, 전체적인 고객 만족도와 유지율에 영향을 미치기 전에 문제를 사전에 해결할 수 있습니다.
• 마케팅 팀: 고객에게 가장 크게 와닿는 부면을 이해하고, 실제 사용자 언어와 불편을 반영해 메시지를 정교화하며, 성공적인 제품 경험을 강조하면서 고객의 특정 우려 사항을 해결하는 맞춤형 캠페인을 만들 수 있습니다.
• 영업 팀: 업셀링 기회를 찾고, 불만의 소지를 미리 파악하고, 실제 고객 성공 사례와 해결된 불편 사항을 바탕으로 잠재 고객에게 적합한 사례 자료와 솔루션을 제공할 수 있습니다.
• 데이터 사이언스 팀: 이탈 및 확장에 대한 보다 정확한 예측 모델을 구축하고, 수명 주기 전반에 걸친 고객 행동의 숨겨진 패턴을 발견하고, 가장 큰 고객 기회를 직접 해결하는 데이터 기반 기능을 만들 수 있습니다.

인사이트 도출 및 고객 가치 실현 시간 단축

Snowflake 기반 고객 분석은 팀의 시간 배분 방식을 근본적으로 바꾸고, 곧바로 기업의 수익성을 향상시킵니다. 가공 전 데이터에서 실행 가능한 인사이트로 가는 여정을 앞당기면 사후 대응 대신 선제적 개입이 가능해지고, 보다 정확한 예측 모델 개발과 운영 효율화로 수익과 고객 만족을 모두 높일 수 있습니다. 고객 지원 팀은 이제 사후 문제 해결자가 아니라 전략적 수익 견인자로서 불만 고객을 충성 고객으로 바꿈으로써 기술 투자액을 훨씬 뛰어 넘는 수익 창출에 기여할 수 있습니다. 지금 이러한 변화를 수용하는 기업은 내일의 성장을 이끌 고객 관계를 구축하여 갈수록 경쟁이 치열해지는 시장에서 지속 가능한 경쟁 우위를 확보할 것입니다.

결론은 인사이트를 수동으로 모으는 데 쓰는 시간이 줄어들수록 고객 관계 구축, 기회 발굴, 고객 인텔리전스에 입각한 의사 결정 등 비즈니스에 진정 중요한 일을 하는 데 더 많은 시간을 쓸 수 있다는 사실입니다. Snowflake Cortex AI 플랫폼은 다양한 데이터 유형, 불규칙한 형식과 품질, 변화하는 개인정보 보호 요건 등 데이터 기술 팀의 골칫거리를 간편한 AI 기반 변환을 통해 해소해 줍니다. 

지금 바로 Snowflake에서 콜 센터 분석을 구축하거나 멀티 모달 분석을 시작해 보시기 바랍니다.