챗봇 및 고객 경험

고객 경험 챗봇은 다양한 접점에서 고객과 상호 작용하도록 설계된 AI 기반 대화 도구입니다. 이러한 자동화된 도구는 사람의 개입 없이 고객 문의를 간소화하고, 질문에 답하고, 문제를 해결하고, 프로세스를 안내합니다.

최신 챗봇은 미리 정해진 스크립트를 따르는 단순한 규칙 기반 시스템부터 맥락을 이해하고 상호 작용을 통해 학습하며 복잡한 쿼리를 자율적으로 처리할 수 있는 정교한 AI 에이전트까지 다양합니다. 이러한 챗봇의 차이점을 이해하면 조직에서 그들의 요구에 맞는 솔루션을 결정하는 데 도움이 됩니다. 이러한 옵션에는 다음이 포함됩니다.

챗봇: 이러한 챗봇은 관련 응답을 제공하기 위해 프로그래밍된 경로를 따라 미리 결정된 스크립트에 따라 작동합니다. 일반적으로 이들은 1차 헬프 데스크 역할을 합니다. 이러한 챗봇은 자주 묻는 질문을 처리하는 데에는 예측 가능하고 신뢰할 수 있는 편이지만 시나리오 이외의 표현이나 요청의 변형으로 인해 어려움을 겪습니다.

AI 기반 챗봇: AI 챗봇은 자연어 처리(NLP)와 머신 러닝을 사용하여 질문이 예상치 못한 방식으로 표현된 경우에도 사용자 의도를 이해합니다. 챗봇은 인공 지능을 사용하여 맥락을 해석하고 보다 섬세한 응답을 제공할 수 있으며, 고객 커뮤니케이션 패턴을 학습하면서 시간이 지남에 따라 개선됩니다. 

챗봇이 생성형 AI 및 기타 대규모 언어 모델(LLM), NLP, 지능형 문서 이해, 음성 인식, 음성 합성 등 새로운 기술을 점점 더 많이 통합함에 따라 고객 여정 전반에 걸쳐 챗봇이 거의 보편화되었습니다.

그리고 이는 고객 지원 팀의 운영 방식에 대한 광범위한 변화의 핵심적인 부분입니다. IBM 기업가치연구소(IBV)의 최근 연구에 따르면, 경영진의 71%가 2027년까지 고객 지원 문의를 완전히 자동화하는 것을 목표로 하고 있습니다. 또 다른 47%는 같은 날짜까지 고객 제품 및 서비스 교육에서 자동화를 예측합니다.

챗봇은 일관되고 지능적인 고객 관리를 제공함으로써 생산성을 높이고 직원들이 조직 전체에서 고부가가치 활동에 집중할 수 있도록 합니다. 또한 개인화된 옴니채널 실시간 지원에 대한 고객의 급증하는 기대치를 충족할 수 있습니다.

긍정적인 챗봇 경험을 가진 고객은 브랜드와 긍정적인 관계를 맺을 가능성이 높습니다. 하지만 쿼리를 제대로 해결하지 못하는 비실용적이거나 제한된 챗봇은 사용자를 답답하게 합니다. 일반적으로 성공적인 챗봇 이니셔티브는 신중한 계획과 적절한 데이터 활용을 우선시하여 직관적이고 안전한 AI 도구를 만들어냅니다. 

단순한 챗봇에서 지능형 AI 에이전트로의 진화는 자동화에서 결과 자동화로의 전환을 나타냅니다. 초기 고객 서비스 봇은 특정 키워드와 메뉴 선택에만 응답할 수 있는 엄격한 의사결정트리인 대화형 FAQ였습니다.

하지만 자연어 처리와 생성형 AI가 도입되면서 챗봇은 대화형 AI 인터페이스를 사용하여 의도를 해석하고 보다 효과적인 답변을 제공하기 시작했습니다. 이러한 역량은 고객 경험을 순수한 거래에서 진정으로 유용한 것으로 변화시켜 개인화를 강화하고 마찰 없는 고객 경험을 조성할 수 있습니다.

이러한 용어는 종종 같은 의미로 사용되지만 서로 다른 수준의 기능과 자율성을 나타내며, 이는 AI 고객 서비스 관행과 고객 여정 모두에 중요한 영향을 미칩니다. 

챗봇은 주로 즉각적인 응답과 정보 교환을 위해 설계된 대화형 인터페이스입니다. 질문에 답하고, 상태 업데이트를 제공하며, 정의된 프로세스를 통해 사용자를 안내하는 데 탁월합니다.

기존 챗봇은 고객이 주문 상태를 확인하거나 매장 영업 시간을 찾는 데 도움이 될 수 있습니다. 대부분의 챗봇은 기본적으로 반응형입니다. 즉, 사용자 쿼리에 응답하지만 독립적인 조치를 취하지는 않습니다. 예를 들어 챗봇은 사용자 쿼리에 대한 응답으로 반품 지침과 반품 포털 링크를 제공할 수 있습니다.

AI 어시스턴트는 자연어 명령을 이해하여 지능적인 추천을 제공하는 보다 정교한 계층에 해당합니다. 이러한 시스템은 비즈니스 데이터와 더욱 긴밀하게 통합되고 여러 소스의 정보를 오케스트레이션하여 포괄적인 지원을 제공합니다. 그러나 챗봇과 마찬가지로 AI 어시스턴트는 주로 사용자 입력, 사전 정의된 작업 및 사전 프로그래밍된 응답에 의존하여 사용자에게 정보를 제공하고 안내합니다. 어시스턴트는 고객을 대신하여 자율적으로 실행하지 않습니다. 예를 들어, AI 어시스턴트는 고객의 질문에 대한 응답으로 주문 세부 정보를 불러오고 제품과 관련된 반품 정책을 설명할 수 있습니다. 반환 과정에도 대응하지 않을 것입니다.

AI 에이전트는 자율적으로 작업을 완료하고 정의된 매개변수 내에서 결정합니다. 에이전트가 액세스할 수 있는 외부 도구 및 API에 따라 더 복잡한 문제(예: 예약 수정, 교환 처리, 여러 시스템에서 작업 조율 등)를 해결할 수 있습니다. AI 에이전트는 복잡한 요청을 하위 작업으로 나누고 적절한 동작 순서를 결정합니다. 예를 들어, AI 에이전트는 단일 고객 프롬프트를 기반으로 다양한 작업을 처리할 수 있습니다. AI 에이전트는 구매를 하고, 교체를 시작하고, 배송 라벨을 생성하여 발송하고, 후속 조치를 취하여 새 품목이 양호한 상태로 도착했는지 확인할 수 있습니다. 

고객 서비스 상담원은 매일 많은 양의 전화를 받으며, 일반적으로 공통된 답변을 제공하는 고객 문의에 빠르게 대응하고 있습니다. 따라서 시간이 지남에 따라 고객의 요구가 충족되지 않아 고객 만족도, 비즈니스 평판, 고객 유지율 및 비즈니스 수익이 감소합니다.

챗봇은 고객의 질문을 이해하고 자동으로 답변을 제공하여 인간의 대화를 시뮬레이션하는 컴퓨터 프로그램입니다. 비즈니스 소유자는 AI 기반 챗봇의 기능을 통해 고객 만족도를 크게 향상시키고 인간 상담원의 지속적인 부담을 덜어주고 보다 직관적인 업무를 수행할 수 있도록 지원합니다. 최근 Harvard Business School 연구진이 25만 건 이상의 채팅 대화를 분석한 결과, AI 챗봇이 응답 시간을 22% 단축하고 고객 감성을 1.63점 개선한 것으로 나타났습니다.

고객 서비스 챗봇은 또한 기업에 자동화된 워크플로가 어떻게, 얼마나 효과적으로 운영되고 있는지에 대한 귀중한 인사이트를 제공합니다. 기업은 챗봇이 제공하는 고객 데이터를 사용하여 다음을 수행할 수 있습니다.

• 서비스 경험 중에 고객을 괴롭히는 문제에 대한 지식 기반 확장

• 고객 여정 전반에 걸쳐 대기 시간을 줄여 서비스 팀이 합법적인 사람의 개입이 필요한 보다 중요한 고객 상호 작용에 집중할 수 있도록 합니다.

• 고객 만족도에 대한 관련 지표 제공

• 고객이 보다 개인화된 경험을 탐색할 수 있도록 지원

• 건전한 고객 관계 유지

지난 10년 동안 고객 경험을 위한 챗봇의 채택은 몇 가지 중요한 비즈니스 과제를 동시에 해결했기 때문에 극적으로 가속화되었습니다. 구매 여정 전반에 걸쳐 챗봇을 사용하여 소비자와 소통할 때 얻을 수 있는 주요 이점은 다음과 같습니다.

인적 지원 팀과 달리 챗봇은 언제, 어떤 플랫폼에서든, 전 세계 어디서나 사용할 수 있습니다. 시간대나 업무 시간에 관계없이 즉각적인 지원을 요구하는 고객의 기대에 부응하기 위해 언제든 인스턴스 응답을 제공합니다.

챗봇은 프로그래밍 및 지식 기반을 기반으로 플랫폼 전반에서 균일한 응답을 제공합니다. 이 과정은 경험이나 훈련 수준이 다른 인간 에이전트로 인해 발생할 수 있는 변동성을 줄여줍니다. 이러한 일관성은 브랜드 표준을 유지하고 문화 전반에 걸쳐 정확한 정보 전달을 보장하는 데 도움이 됩니다. 많은 기업이 즉각적인 다국어 지원을 제공하기 때문입니다.

챗봇은 초기 투자가 어느 정도 필요하지만, 인터랙션당 장기적으로 드는 비용은 인력이 투입되는 지원보다 훨씬 낮을 수 있습니다. 이 방법을 사용하면 기업은 창의성이나 전문 지식이 필요한 고객 관계 개발과 같이 더 복잡하고 가치가 높은 상호작용에 인력을 재분배할 수 있습니다. 이러한 접근 방식은 에이전트의 생산성을 높이는 동시에 기업 전체의 비용 절감에도 도움이 됩니다.

모든 챗봇 상호작용은 고객의 요구, 당면 과제 및 행동 패턴에 대한 귀중한 데이터를 생성합니다. 이 정보는 기업이 일반적인 문제를 식별하고 데이터를 기반으로 고객 경험 전략을 개선하는 데 도움이 됩니다. 일부 조직에서는 챗봇을 Salesforce와 같은 고객 관계 관리(CRM) 플랫폼과 같은 다른 일상적인 도구와 통합하여 소비자 데이터에 대한 360도 뷰를 제공합니다. 다른 사람들은 소비자 상호 작용에 대한 감정 분석을 수행하여 소비자의 경험을 더 깊이 이해합니다.

오늘날의 소비자는 플랫폼과 채널 전반에서 간소화되고 정확하며 일관성 있는 경험을 기대합니다. 오늘날의 챗봇은 WhatsApp 소셜 미디어 플랫폼, 문자 메시지(SMS) 및 브라우저 내 채팅과 같은 모바일 앱을 비롯한 다양한 매체로 통신합니다.

하나의 챗봇이 수천 건의 대화를 동시에 처리하므로 피크 시간대에는 대기 시간을 줄일 수 있습니다. 이러한 확장성은 제품 출시나 위기 상황에서 지원 규모가 예상치 못하게 급증할 때 매우 유용합니다.

고객 지원에서 챗봇은 문제 해결 및 일반적인 질문에 대한 답변과 함께 주문 추적 및 반품 처리에 대한 보고를 통해 간단한 작업을 처리합니다. 이러한 AI 지원 챗봇은 실시간으로 데이터베이스에서 정보를 가져와 다양한 요청에 맞는 맞춤형 응답을 제공합니다. 한 예로, 중국의 한 유틸리티 회사의 컨택 센터는 팬데믹 기간 동안 급증한 통화량, 특히 여러 언어의 품질을 유지하는 데 어려움을 겪었습니다. 이 조직은 챗봇을 출시하여 고객 대기 시간을 100% 줄이고 셀프 서비스를 50% 늘렸습니다.

또한 세계 최대의 레저용 차량(RV) 소매업체인 Camping World는 챗봇을 통해 고객 서비스 경험을 혁신할 수 있었습니다. 코로나19 이후 고객이 급증하면서 상담원 관리 및 대응 시간에서 간극이 드러났습니다. Camping World는 상시 이용 가능한 콜센터의 부족이라는 문제엑 직면했습니다. 많은 고객 문의가 처리되지 못한 채 방치되면서 고객 유지율에 영향을 미쳤기 때문입니다. Camping World의 가상 에이전트인 'Arvee'는 모든 플랫폼에서 고객 참여를 40% 증가시키고 대기 시간을 약 33초로 단축하는 데 기여했습니다.

영업 및 리드 생성의 경우 챗봇은 관련 질문을 통해 잠재 고객을 검증하고, 고객 선호도 또는 가격 요구 사항에 따라 제품을 추천하고, 대화 내에서 직접 간단한 거래를 처리할 수도 있습니다. 최근 Amazon과 같은 거대 전자 상거래 기업은 판매 프로세스의 일부로 AI 기반 챗봇을 구현하여 소비자가 거래를 탐색하고 구매 여정을 안내하도록 돕고 있습니다. Adobe Analytics에 따르면 AI 서비스를 통해 소매 사이트를 방문한 미국 방문자는 비 AI 트래픽 소스에 비해 전환으로 이어질 가능성이 38% 더 높았습니다. 

온보딩에서는 챗봇이 신규 사용자에게 설정 프로세스를 안내하고 기능을 설명합니다. 또한 초기 질문에 대한 답변을 제공하여 학습 곡선을 줄이고 초기 고객 만족도를 향상시킵니다. 이러한 유형의 챗봇은 소비자 대면 기술을 활용하여 주민들에게 원활한 경험을 제공하는 등 지방 자치 단체 운영에서도 유용한 것으로 입증되었습니다. 2019년의 한 사례 연구에서 헬싱키 시는 시민들의 의료 및 사회 서비스와 관련된 6개 분야에 대한 질문에 답하기 위해 채팅봇과 가상 어시스턴트를 배치했습니다. 1년 후, 오스틴 시는 긴급한 팬데믹 관련 질문에 대한 즉각적인 답변을 제공하기 위해 챗봇 프로그램을 시작했습니다. 

챗봇은 HR 문의, IT 지원 요청 또는 기타 중요한 회사 정보에 대해 직원을 지원하는 경우가 많습니다. 이러한 챗봇은 업무 효율성을 높이고 내부 지원팀의 부담을 줄여줍니다. 네덜란드에서 600명의 직원을 처리하는 한 소규모 HR 팀은 동료들을 위해 일련의 FAQ를 자동화했습니다. 이 프로세스를 통해 응답 시간이 크게 단축되고 HR 팀이 보다 생산적이고 가치 있는 커뮤니티 중심 업무에 집중할 수 있었습니다. 

효과적인 챗봇 프로그램을 구현하려면 단순히 기술을 배포하는 것 이상으로 비즈니스 목표와 사용자 요구를 모두 고려한 고객 중심적 접근 방식이 필요합니다. 이 프로세스의 몇 가지 모범 사례는 다음과 같습니다.

성공적인 조직은 챗봇을 시작하기 전에 승리의 의미를 정의합니다. 콜센터 업무량을 줄이거나 응답 시간을 개선하거나 고객 만족도를 높이는 것이 목표인가요? 해결률, 고객 만족도 점수 또는 평균 처리 시간과 같은 측정 가능한 핵심 성능 지표(KPI)를 조기에 설정하면 프로젝트를 순조롭게 진행하는 데 도움이 됩니다.

프로세스 초기에는 기존 인프라와 인재를 감사하여 기술 솔루션을 선택하는 것도 필수적입니다. 조직이 제공업체와 협력하여 챗봇을 구축할 예정인가요? 특별히 제작된 노코드 솔루션을 선택할 예정인가요? 사내에서 챗봇을 개발할 예정인가요? 

투명성이 부족하면 사용자의 신뢰가 손상됩니다. 챗봇이 할 수 있는 일과 할 수 없는 일에 대해 적절한 기대치를 설정하고 대화 중에 인간 지원을 받을 수 있는 경로를 쉽게 만드는 것이 중요합니다. 또한, 성공적인 챗봇 이니셔티브는 투명성을 강화하고 소비자에게 제공되는 정보가 정확하고 편견이 없도록 보장하기 위해 명확하고 설명 가능한 데이터 소스에 의존합니다. 

모든 상호작용을 챗봇으로 처리해야 하는 것은 아닙니다. 인적 에스컬레이션을 위한 명확한 트리거를 제공하는 것은 여전히 중요합니다. 에스컬레이션할 때는 대화의 전체 맥락을 인간 상담원에게 전달하세요. 이렇게 하면 고객은 반복해서 반복할 필요가 없으며, 고객이 불만을 느끼기 전에 챗봇이 인적 지원을 제공하는 사전 예방적 에스컬레이션을 고려할 수 있습니다. 

가능한 경우 허가 하에 고객 데이터를 사용하여 맞춤형 경험을 제공하세요. 예를 들어, 챗봇이 고객의 이름이나 주문 내역을 사용하여 관련성 있고 상황에 맞는 응답을 제공하도록 허용하세요. (단, 개인화와 개인정보 보호의 균형을 맞추고 어떤 데이터가 사용되는지 투명하게 공개하는 것이 중요합니다.) 또한 고객이 여러 채널을 통해 챗봇을 이용하는 경우 전반적인 경험을 일관되게 유지하는 데 도움이 될 수 있습니다. 응답은 모순을 피하기 위해 다른 고객 서비스 채널을 통해 제공된 정보와 일치해야 합니다. 

챗봇이 해야 할 일과 하지 말아야 할 일에 대한 명확한 가이드라인과 이에 대한 책임자를 정하세요. 이 측면은 민감한 정보나 금융 거래를 처리할 때 중요합니다. 챗봇 행동을 모니터링하고 문제에 대응하기 위한 안전장치를 구현하고 프로토콜을 수립합니다. 

챗봇은 지속적인 최적화가 필요합니다. 정기적으로 대화 로그를 후기하고 정책 또는 프로세스가 변경되면 지식 베이스를 업데이트하세요. 고객 피드백을 사전에 모니터링하고 새로운 데이터로 AI 모델을 트레이닝하여 시간이 지남에 따라 정확도를 개선합니다.