Capital One의 고객 여정: 비즈니스 영향부터 근본 원인까지 아우르는 옵저버빌리티

인시던트는 HTTP 500 오류 급증, 지연 시간 악화, 전환율 하락 같은 증상에서 시작됩니다. 이때 첫 질문이 이어집니다. 무엇이 고장 났고, 고객에게 어떤 영향을 주고 있는가?

전통적인 옵저버빌리티는 고객 영향이 아니라 서비스 계층에서 출발합니다. 대시보드가 빨간색으로 바뀌고 알림이 울리면, 팀은 인프라와 애플리케이션 신호를 기점으로 범위를 넓혀 갑니다. 그러면서 고객 영향을 추정하는 동시에 근본 원인을 찾아내야 합니다. 인프라 신호를 비즈니스 영향으로 해석하는 이 과정은 대개 조직 안에 쌓인 경험과 지식에 의존하는 경우가 많습니다. 어떤 서비스가 결제를 처리하는지, 계정 요약 화면 뒤에서 어떤 서비스가 돌아가는지 같은 지식입니다. “로그인하지 못하는 사용자가 몇 명인가?”처럼 간단한 임원의 질문에 답하려면, 팀은 다른 회의실에 모여 영향을 추정하고, 사후 분석 단계에서 그 추정치를 다시 맞춰야 합니다.

Capital One은 ‘자동화된 고객 여정 그래프를 활용한 옵저버빌리티’라는 제목의 블로그 게시물에서 이 간극을 정면으로 다룹니다. Capital One의 접근 방식은 조사 순서를 뒤집었습니다. 고객 상호작용 계층에서 시작해 서비스 계층과 인프라 계층으로 파고드는 방식입니다. 비즈니스 상호작용이 이미 정의된 상태에서 조사를 시작하면 영향이 처음부터 명확해지기 때문에, 장애 완화와 근본 원인 규명에만 집중할 수 있습니다.

이를 위해 Capital One은 노드가 고객 상호작용을 나타내고 엣지가 사용자가 경험 안에서 이동하는 방식을 보여주는 고객 여정 그래프를 만들었습니다. 상태 신호와 트래픽을 그래프 위에 겹쳐 표시함으로써, 서비스 수준 세부 정보로 들어가기 전에 영향을 집계하는 운영 화면으로 전환한 것입니다.

Capital One은 Observe의 데이터 레이크에 수집한 텔레메트리를 활용해 Observe by Snowflake에서 이 접근 방식을 구현했습니다. 이 텔레메트리에는 실사용자 모니터링(RUM) 로그, 클릭스트림 데이터, API 액세스 로그가 포함됩니다. Capital One은 애플리케이션 수준의 계측 없이, 데이터를 수집한 뒤 Observe에서 상호작용과 서비스 정보를 더해 데이터를 모델링하고 보강했습니다. 이 비즈니스 컨텍스트는 한 번만 정의하면 자동으로 적용됩니다. 그래서 문제 해결에 참여하는 모든 담당자가 같은 컨텍스트를 바탕으로 정보를 확인하고 협업할 수 있습니다.

‘Buy Product’ 여정을 예로 들어 보겠습니다. Home → Get Products → Product Details → Add Item → Complete Order로 이어지는 여정입니다. 레거시 도구에서 원시 로그 오류나 CPU, 메모리 사용량 같은 인프라 지표의 급증을 보는 것만으로는 구매가 막혔는지, 영향이 얼마나 넓게 펴졌는지 즉시 파악하기 어렵습니다. 고객 여정 중심 모델에서는 고객 경험이 저하된 지점에서 출발합니다.

Observe에서 고객 여정부터 살펴보면 영향 범위를 바로 파악할 수 있습니다. 모든 인시던트 대응의 첫 단계는 영향 측정이어야 합니다. Observe에서는 요청률, 오류, 응답 시간(RED) 지표와 고유 세션 수를 의미 있는 컨텍스트로 집계합니다. 따라서 비즈니스 영향이 이미 정의된 상태에서 조사를 시작할 수 있습니다.

Complete Order 상호작용의 성능 저하가 확인되면, 다음 질문은 소유권과 영향의 범위로 이어집니다. Complete Order에서 서비스 또는 연산 수준의 세부 분석으로 넘어갑니다. 이 예시에서는 cart 서비스의 EmptyCart 연산이 지연 시간과 오류를 일으키고 있습니다. 조사 범위는 문제가 생긴 고객 단계에서 특정 작업으로 좁혀집니다. 임원은 영향과 심각도를 확인하고, 사이트 안정성 엔지니어(SRE)는 문제가 된 서비스를 찾아냅니다. 모두 같은 대시보드와 데이터를 보기 때문에, 서로 다른 도구의 결과를 맞춰 보느라 시간을 허비하는 일이 줄어듭니다.

근본 원인이 된 서비스가 식별되면 SRE는 담당 애플리케이션 팀만 정확히 호출하고 관련 텔레메트리로 조사를 이어갈 수 있습니다. 트레이스로 넘어가 특정 요청에서 어디에 시간이 소요되고 오류가 어디에서 시작되는지 확인한 다음, 다운스트림에서 실패한 span과 연결된 로그를 자세히 살펴봅니다. 이제 인시던트의 흐름이 분명해집니다. 사용자 주문 완료 실패 → 다운스트림 서비스 장애 → 관련 요청의 트레이스 실패 → 명시적 오류 메시지(근본 원인). 이 예시에서 SRE는 고객 여정을 통해 EmptyCart 연산이 Redis에서 장바구니 내용을 가져오지 못해 고객이 결제를 완료할 수 없다는 사실을, 호출을 받은 애플리케이션 팀이 대응 회의에 합류하는 바로 그 시점에 파악합니다.

위 예시는 탐색적 인시던트 분석 방식에 해당합니다. 대응 담당자는 고객 영향에서 출발해 텔레메트리 데이터 레이크의 관계를 따라가며 조사 범위를 좁힙니다. 상호작용에서 서비스로, 서비스에서 연산으로, 연산에서 트레이스로, 트레이스에서 로그로 이동하며 실패 모드가 확인될 때까지 추적합니다. 구조는 데이터에 정의되어 있지만, 조사 자체는 여전히 사람이 주도합니다. 엔지니어는 다음에 어디로 전환할지, 어떤 신호가 중요한지, 회의실의 다른 구성원에게 결과를 어떻게 요약할지 결정합니다. 이러한 종합적인 판단은 꼭 필요하지만, 압박이 큰 상황에서는 시간이 걸리기 마련입니다.

AI SRE는 고객 여정 흐름을 구동하는 텔레메트리 데이터 레이크의 동일한 옵저버빌리티 컨텍스트 그래프를 기반으로 작동합니다. 엔지니어는 각 단계를 하나하나 탐색하는 대신 “결제 실패가 급증한 원인은 무엇인가?”라고 질문하면 됩니다. AI SRE는 서로 연결된 상호작용, 서비스, 트레이스, 로그를 따라가며 분석하빈다. 그리고 근거 자료와 심층 분석을 위한 인터랙티브 쿼리 카드를 담은 단계별 조사 결과를 단 몇 초 만에 제공합니다.

AI SRE를 활용하면 옵저버빌리티 워크플로우의 생산성을 크게 높일 수 있습니다. 고객들은 작업을 평균 약 4배 더 빠르게 완료했으며, 일부 조사는 최대 10배까지 빨라졌다고 밝혔습니다. (AI SRE가 통합 텔레메트리와 컨텍스트 그래프를 활용해 조사 시간을 단축하는 방법 자세히 알아보기.)

AI SRE는 데이터에 정의된 관계도 그대로 따릅니다. 비즈니스 영향과 실제 구현을 잇는 연결 관계를 따라 조사가 진행됩니다. 그래서 근거 기록은 그대로 보존하면서, 질문에서 답을 얻기까지 걸리는 시간을 줄일 수 있습니다.

위에서 살펴본 고객 여정 흐름은 Observe의 더 넓은 옵저버빌리티 컨텍스트 그래프를 구성하는 하나의 도메인입니다. 텔레메트리 데이터 레이크에 수집된 모든 텔레메트리는 서비스, 인프라, 비즈니스 엔터티가 상호작용하는 방식을 반영하는 모델링된 관계를 통해 연결됩니다.

고객 여정은 해당 그래프의 일부를 비즈니스 상호작용을 중심으로 구성한 것입니다. 다른 도메인은 클라우드 리소스, 변경 데이터, AWS 및 GitHub 같은 외부 시스템을 이들이 영향을 미치는 서비스와 연결합니다. 각 노드와 엣지는 사전 정의된 대시보드가 아니라 데이터 모델에 정의된 관계를 반영합니다.

여정 단계에서 서비스로, 또는 서비스에서 트레이스로 전환할 때 실제로는 더 넓은 이 그래프를 탐색하는 것입니다. AI SRE도 같은 구조를 기반으로 작동합니다. 고객 여정은 이 모델로 들어가는 진입점 가운데 비즈니스 관점의 진입점입니다.

Observe의 고객 여정 사례에서 볼 수 있듯이, 비즈니스 영향에서 출발하면 혼란스럽던 조사가 체계적인 절차로 바뀝니다. Observe는 텔레메트리 데이터 레이크 위에 구축된 컨텍스트 그래프의 관계를 중심으로 설계되어 있으므로, 시스템과 비즈니스 엔터티가 실제로 연결된 방식에 따라 다양한 데이터 유형 사이를 전환할 수 있습니다.

여정 그래프는 이러한 관계를 구성하는 한 가지 방식이며, Observe의 핵심 기능으로 완벽하게 지원됩니다. 고객, 거래, 배송, 기기, 전화 통화, 청구 건 등 데이터로 모델링하는 모든 엔터티에 같은 방식을 적용할 수 있습니다. 이런 관계를 한 번 정의해 두면 AI SRE가 이를 분석 컨텍스트로 활용하기 때문에 인시던트 도중에 대시보드와 런북을 새로 익힐 필요가 없습니다.

이것이 바로 Capital One이 말하는 변화입니다. 고객이 실제로 겪고 있는 문제에서 출발해, 컨텍스트를 유지한 채 관련 데이터만 따라가는 것입니다. Observe에서 고객 여정은 텔레메트리 데이터 레이크 기반의 더 넓은 옵저버빌리티 컨텍스트 그래프 안에 있는 하나의 도메인입니다. 이 그래프는 시스템과 비즈니스 엔터티가 연결되는 방식을 반영하므로, 비즈니스 영향에서 근본 원인으로 가는 경로가 이미 정의되어 있습니다. 따라서 조사를 더 빠르고 효율적으로 수행할 수 있습니다.

Observe by Snowflake에 대해 자세히 알아보고, 텔레메트리를 빠르게 인사이트로 전환하는 방법도 확인하세요.