AI가 건기식 제품 추천까지? 대웅제약 채널톡 ALF 도입 사례

1. 고객사 소개

• 기업명: 대웅제약

• 업종: 건강기능식품 (건기식)

• 설립 연도: 1945년

• 매출: 1조 5,709억 원 (2025년 기준)

• 설명: 대웅제약 건기식 사업부는 '제약사다운 기준으로 만드는 Pharma 건강기능식품'을 지향합니다. 정확한 성분과 함량 기준, 근거 중심 설계, 엄격한 품질관리를 바탕으로 제품을 기획하고 운영하죠. 단순히 제품을 파는 데서 그치지 않고, 고객의 생활 습관과 고민을 함께 들여다봅니다. 그래서 지금 필요한 기능을 정확히 제안하고, 꾸준히 챙길 수 있는 섭취 루틴까지 설계하는 것을 목표로 삼는 브랜드입니다.

2. 파트너 소개

• 파트너명: 렛서(Letsur)

• 주요 이력:

  • 채널톡 공식 AX 컨설팅 파트너

  • ALF를 기반으로 상담 업무를 최대 80%까지 자동화하는 프로젝트 수행

  • 제조, 코스메틱, 모빌리티 등 산업별 맞춤 AI 솔루션 설계·구축

  • AI 도입부터 교육, 운영 관리까지 잇는 ‘AI 전환’ 전 과정 지원

• 주요 컨설팅 분야: 태스크를 포함한 ALF 심화 세팅, 기업 맞춤형 AX 전략 설계와 운영 최적화

3. 도입 배경

도입 전 대웅제약이 마주한 과제는 다음과 같았어요.

• 전체 문의의 약 30%가 제품 관련 상담이었습니다.

• 대웅제약은 다른 건기식 브랜드와는 차별화된 상담을 제공하고 싶었습니다.

• 하지만 한정된 상담 인력으로 수많은 원료·제품 정보를 분석해 일일이 상담하기 어려웠습니다.

“이런 상황에서 먹어도 되나요?”, “제 상태에 맞는 제품을 추천해 주세요” 같은 제품 관련 문의는 CS 담당자가 혼자 처리하기 어려울 때가 많습니다. 성분에 관한 기본 정보를 잘 알고 있더라도 문의마다 적합한 답변을 드리는 건 또 다른 차원의 문제이기 때문인데요. 상품 개발자, MD 등에게 정확한 확인을 요청하다 보면 고객은 기다리다가 이탈하곤 했습니다.

이러한 제품 문의를 해결하기 위해 보통 업계에서는 ‘설문 기반 추천 방식’을 사용하는데요. 고객이 40~80개 문항에 답하면 제품을 추천해 주는 방식입니다. 그런데 사실 고객이 어떤 답변을 하든 정해진 몇 개 제품을 추천하게 설계된 경우가 많았습니다. 고객들은 수많은 질문에 답하고도 눈은 루테인, 간은 밀크시슬, 피로는 비타민B와 같은 일반적인 결과만 받을 수 있어 답답할 수밖에 없었죠.

대웅제약은 상담 품질과 고객 경험을 동시에 올리면서 이탈을 막으려면 단순히 ‘정해진 답변을 하는 챗봇’ 이상의 AI 에이전트가 필요하다고 판단했습니다. 그래서 여러 AI 상담툴을 비교한 끝에 채널톡 ALF를 선택했는데요. ALF를 선택한 결정적 이유는 크게 세 가지입니다.

• 식품안전나라 정보를 바탕으로 정확도 높은 제품 추천이 가능했습니다.

• 데이터 연동, 대화 가공, 상담 추적이 한 시스템에서 가능해 관리하기 편했습니다.

• 연 단위 결제 플랜으로 예산을 예측하고 비용을 통제하기 쉬웠습니다.

"어떻게 하면 고객들이 쉽고 빠르게 답변받을 수 있을까 고민했을 때, 도입 당시에는 채널톡이 유일했어요. 지금도 아마 유일할 거예요. API 데이터를 연동하고 계속 가공하며 대화 시스템을 추적할 수 있는 모든 시스템이 하나로 합쳐져 있는 건 채널톡밖에 없어요.”

— 공범서 대웅제약 마케팅팀 팀장

4. 활용 기능

대웅제약은 ALF의 세 가지 기능을 조합해 '전문성 있고 통제 가능한' 상담을 구현했어요.

• 지식에 자사 상품 데이터를 등록해 전문 답변의 근거를 쌓았어요.

• 태스크에 식약처(식품안전나라) 데이터를 API로 연동하고, 상황에 맞춘 꼬리 질문으로 제품을 추천하도록 세팅했어요.

• 규칙으로 질병·진단 문의에는 제품을 추천하지 않고 전문가 상담을 권유하도록 안전장치를 만들었어요.

1) 지식

• 활용 목적: 신뢰도 있는 답변의 근거를 확보하기 위해 사용

• 구체적 사용 방법: 상품 기획자들이 정리한 자사 상품 데이터를 지식으로 등록했어요. ALF는 답변하기 전 이 지식을 먼저 찾아본 뒤, 그 내용을 근거로 답합니다.

• 적용 후 변화: 상품 개발자에게 매번 다시 확인하던 과정이 줄어 응답이 빨라졌어요.

2) 태스크

• 활용 목적: 식약처(식품안전나라) 데이터를 참조해 맞춤 추천을 자동화하기 위해 사용

• 구체적 사용 방법: 식품안전나라에 등록된 원료 정보를 API로 연동해 ALF가 직접 참조하도록 렛서와 함께 설계했어요. 상담 흐름은 상황형·제품형·섭취 가능 확인형으로 나누고, 맞춤형 꼬리 질문으로 고객 상황을 파악한 뒤 제품을 추천합니다. 상담 마지막에는 추천 제품 링크를 전달해요.

• 적용 후 변화: 수십 개 문항을 묻던 방식과 달리, 고객이 불편함을 한 번만 적으면 바로 맞춤 답이 나오도록 바뀌었어요.

3) 규칙

• 활용 목적: 잘못된 추천을 막고 안전하게 상담하기 위해 사용

• 구체적 사용 방법: 질병이나 진단이 의심되면 먼저 병원 진단 여부를 묻고, 이미 진단을 받았거나 복용 중인 약물이 있으면 제품을 추천하지 않게 설정했어요. 반드시 의사와 약사를 찾아가 상담을 받게 권유하도록 규칙을 설정했죠. 답변 범위를 명확히 제한해 할루시네이션 위험도 줄였습니다

• 적용 후 변화: 브랜드가 책임질 수 있는 답변만 고객에게 나가도록 통제력을 확보했어요.

"자유도가 높은 AI일수록 통제 설계가 필수예요. 브랜드가 책임질 수 있는 답변만 나가도록 구조화해야 합니다. ‘AI가 알아서 판단하고 알아서 답변하라’는 건 통제하지 않겠다는 말과 같아요. 고객에게 나가는 AI 답변은 결국 우리 브랜드의 답변이고, 답변을 책임지려면 통제할 수 있어야 합니다.”

— 공범서 대웅제약 마케팅팀 팀장

5. 성과

• ALF 상담 해결률 91.1% (2025. 11 ~ 2026. 5 기준)

• ALF 상담 이용자 중 약 78%가 제품 상담을 한 번 이상 경험

• 제품 상담의 약 80%가 중도 이탈 없이 끝까지 진행

수치만큼 의미 있었던 건 AI 상담 품질도 놓치지 않았다는 점이에요. 제품 관련 상담을 받는 고객 중 80%는 중도 이탈 없이 끝까지 ALF와 상담을 이어갑니다. 끝까지 상담했다는 건, 곧 사람을 따로 찾지 않고도 궁금증을 해결했다는 뜻이에요.

팀 내부의 시각도 바뀌었습니다. 실제 고객 대화를 들여다보면서, 마케팅팀이 단기 전환율 중심에서 고객 관점으로 무게를 옮기게 됐어요. 어떤 불편을 꼭 해결해야 하는지 데이터로 또렷하게 보였기 때문이에요.

"마케터가 하루라도 CS 업무를 대행해 보면 좋을 텐데, 바빠서 그런 시간을 내기가 쉽지 않아요. 그런데 채널톡을 쓰면서 고객이 어떻게 말하고 무엇을 불편해하는지 적나라하게 보였어요. D2C 마케터는 주로 숫자를 보다 보니, 데이터로 정리되지 않으면 고객 한두 분의 목소리가 잘 와닿지 않을 때가 있는데요. 채널톡을 쓰면서 VOC를 데이터로 확인하는 데 크게 도움을 받았어요."

— 공범서 대웅제약 마케팅팀 팀장

6. 대웅제약과 ALF의 다음 과제

대웅제약은 지금도 계속 ALF를 다듬으며 다음 단계를 준비하고 있습니다.

• 채널톡에 쌓인 고객 데이터를 팀 전체가 더 쉽게 활용하도록 넓히고 있어요.

• ALF 사용량을 키워 상담을 매출로 잇는 것을 핵심 과제로 두고 있습니다.

첫째, 데이터 활용 범위 확장이에요. 팀 전체가 고객 상담 데이터를 확인하고 인사이트를 얻을 수 있도록 기반을 다지는 작업을 렛서와 함께 진행 중이에요. 어떤 상품 문의가 많은지, 어떤 불편이 자주 나오는지 더 많은 구성원이 빠르게 파악하기 위해서예요.

둘째, 사용량 확대라는 솔직한 과제도 남아 있습니다. 상담을 끝까지 이어가는 비율 뿐만 아니라, 실제 ALF 사용량 자체를 키워 매출로 이어지게 하는 것이 다음 목표입니다.

"헬스케어, 건기식 브랜드는 SKU(Stock Keeping Unit, 재고 관리 단위)가 많을수록 저희와 비슷한 고민을 하실 거예요. 유산균만 해도 종류가 다양한데, 고객들은 본인에게 맞는 제품을 잘 모르거든요. 고객을 덜 귀찮게 하면서도, 잘못된 추천을 하지 않도록 통제까지 할 수 있는 AI가 ALF예요. 비개발자 마케터도 이런 시스템을 도입해 직접 운영할 수 있다는 점에서 도움이 많이 됩니다.”

— 공범서 대웅제약 마케팅팀 팀장