1. AI가 상담사보다 단순 문의를 많이 쳐냈다고?
“유튜버 협업 행사 기간 동안 ALF(알프)가 FAQ로 답변한 횟수를 보니까 상담원 네 명이 치는 양보다 많더라고요. 사실 처음에는 상담 효율화를 위한 새로운 시도에 의미를 두고 ALF를 도입했는데, 예상보다 이 친구가 잘 막아주고 있는 거예요.” (딥다이브 최현지 CX팀장)
베리시는 최근 빠르게 성장하며 시장에서 존재감을 드러내고 있는 언더웨어 브랜드입니다. 2023년 매출은 294억원으로, 전년도 대비 350%나 증가했습니다. 2024년 상반기 매출은 314억원으로 미친 성장세를 보이고 있습니다. 더 놀라운 것은 매출의 80%가 자사몰에서 발생한다는 점입니다.
채널톡에서는 2023년 이미 베리시를 고객 성공사례 콘텐츠로 다룬 바 있습니다. 고객이 원하는 바에 집중해 ‘골프브라, ‘쿨핏브라’ 등 히트 상품을 내놓았으며, VoC를 분석하고 단골을 쌓으며 자사몰을 키워가고 있다는 이야기였는데요.
1년이 흐른 지금, 훌쩍 성장한 베리시를 이번에는 또 다른 각도의 성공사례로 다루게 되었습니다. (여전히 써주셔서 감사합니다) 이번에는 바로 지난 4월 출시된 채널톡의 AI 에이전트 ALF, 특히 ALF가 상담사를 대신해 고객의 문의에 답변하는 FAQ 기능을 베리시가 어떻게 상담 효율화에 사용하고 있는지에 관한 이야기입니다.
2. 미션은 '상담 효율화'
딥다이브 최현지 CX팀장이 ALF를 알게 된 건 채널톡의 대형 컨퍼런스 ‘채널콘’에서였습니다. 당시 베리시는 한 메가 유튜버와 협업 행사를 할 예정이었고, 상담량은 월 8000건 수준으로 예상되었습니다. 최현지 팀장은 4명의 한정된 인원으로 보다 효율적으로 상담을 운영할 방법을 찾고 있었죠. 이때 그녀의 눈에 들어온 것이 바로 ALF였습니다.
공교롭게도 ALF의 출시 날짜는 행사 전날. 하지만 베리시 CX팀은 빠르게 ALF를 세팅해 협업 행사 기간에 운영해 보기로 했습니다. ALF가 정말 베리시에 도움이 될 수 있는지를 판단하기에 적절한 기회라고 판단했기 때문입니다.
“마침 채널톡 소피아 매니저님에게서 연락이 왔어요. 저희가 가이드를 요청드리니까 이메일로 안내 문서를 보내 주시고, ALF가 ‘할 수 있는 것’과 ‘할 수 없는 것’에 대해 설명해 주셨어요. 버려야 하는 건 버리고, 해결할 수 있는 것에 집중하다 보니까 빠르게 세팅할 수 있었습니다.”
당시 출시된 ALF의 기능은 크게 두 가지. 하나는 고객의 문의에 상담사 대신 응대해 주는 FAQ였고, 다른 하나는 고객에게 필요한 액션 버튼을 가져다 주는 커맨드(command)였습니다. 하지만 당시 커맨드는 ‘카페24’와 ‘셀메이트’를 쓰는 고객사만 사용할 수 있어서 ‘이지어드민’을 쓰는 베리시는 사용할 수 없었죠.
베리시는 FAQ부터 세팅해 보기로 했습니다. FAQ를 사용하기 위해서는 ‘채널 설정’의 ‘상담’ 메뉴의 ‘FAQ’에 들어가서 질문과 답변 세트를 하나씩 등록해 주어야 합니다.
이제 막 오픈된 신기능이기는 했지만, 베리시는 예전부터 상담 태그를 통해 고객 문의를 정교하게 분류하고 있었던 데다가 소피아를 통해 FAQ 세팅 요령까지 익힌 상태였기 때문에 빠르게 업무를 진행할 수 있었습니다.
“행사 직전 24시간을 꼬박 투자해서 테스트까지 다 진행했어요. FAQ 65개를 등록하는 데에는 2시간 반 정도 걸렸던 것 같아요. 저희 자체 FAQ를 미리 뜯어보고, 어떤 질문과 추가 질문, 답변을 넣을지 엑셀에 정리해 두었거든요.”
3. 24시간만에 내보낸 AI 에이전트, 효과는?
베리시와 메가 유튜버의 협업 행사 기간은 2024년 5월 2일부터 23일까지. 이 기간 동안 베리시의 출고량은 6배로 폭증했습니다. 쏟아지는 인기에 행사 기간을 2주나 연장할 정도였는데요. 놀랍게도 출고량 대비 상담량 증가는 미미한 수준이었습니다.
“저희 출고량이 거의 6배 늘어났거든요. 그러면 문의량이 못해도 3배는 늘어나야 하는데, 문의량은 1.7배 정도밖에 안 늘었어요. 출고량 대비 상담 인입률로 치면 7.3%에서 2.1%로, 5.2%p나 떨어졌고요.”
또한, 행사 기간 3주 동안 ALF가 FAQ를 사용해 답변한 횟수는 2487회였습니다. 같은 기간 상담사 4명이 쳐낸 문의는 그보다 197건 적은 2290건이었죠.
참고로 상담사의 상담과 ALF가 FAQ로 답변한 횟수를 동등하게 비교할 수는 없습니다. 상담 한 건에 FAQ가 여러 회 작동했을 수도 있고, 상담사는 훨씬 복합적인 응대를 하니까요.
다만 최대한 보수적으로 잡아도 ALF가 적으면 1000건에서 많으면 2000건 수준의 단순 문의에 응대한 것이라고는 해석할 수 있습니다. 단순 문의에 한해서는 ALF가 사람 서너 명 수준의 생산성을 보여준 셈이죠.
이후로도 베리시는 고객 상담에 계속 ALF를 사용하고 있습니다. ALF 도입 이후 매출 대비 문의량은 계속 줄어들고 있는데요. 예를 들어 ‘무료 교환’ 문의의 경우 확실한 효과가 나타난 문의 유형 중 하나입니다.
“저희가 무료 교환에 대해 ‘프리 피팅 서비스’라는 용어를 써요. 고객 입장에서는 프리 피팅이라는 용어에 대해 설명이 한번 더 필요하다 보니 관련 문의가 지속적으로 인입되는데요. 이런 질문은 빨리 대응할수록 좋고, ALF가 잘해줄 수 있는 영역이라고 봐요. 실제로 ALF를 세팅하고 나서 무료 교환 문의가 40% 줄어서 확실히 작동하고 있구나 느낍니다.”
ALF가 돌아가고 있음에도 고객들의 재인입률이 크게 늘어나지 않았다는 것도 중요한 지표입니다. ALF가 답변을 잘 하고 있다는 간접적인 증거이기 때문이죠.
“ALF가 혼자 상담을 끝낸 건에 대해서도 불안하지는 않았어요. 저희 고객들의 성향상 내가 어떤 액션을 취해서 명확한 답변을 받았음에도 불구하고 그 이후에 조치가 없었다, 하면 바로 재인입률이 엄청 뛰거든요. 그런데 지금 알프를 사용하기 이전과 이후에 재인입률이 비슷해요. ALF가 액션을 잘 취해주고 있는 거라고 믿고 있습니다.”
4. 베리시의 FAQ 세팅 따라하기
베리시의 ALF 활용 성과는… 사실 인터뷰를 한 채널팀도 조금 놀라웠는데요. (우리보다 잘 쓰시는 것 같은데…) 이렇게 ALF를 잘 쓸 수 있었던 이유를 들어 보니 ‘과연’ 싶었습니다. 그전부터 고객 데이터를 끈질기게 수집하고 분석하며 활용해 온 팀이니, 새로운 기술도 잘 쓸 수밖에 없겠더라고요. 자, 그러면 베리시의 ALF 세팅 방법과 노하우, 하나씩 짚어볼까요.
(1) ALF 역할 설명: 고객이 원하는 톤앤매너 파악
ALF를 세팅할 때 가장 중요한 요소는 바로 ‘역할 설명’ 설정입니다. ‘역할 설정’에서 ALF에게 어떤 페르소나를 부여하고 어떤 지시를 입력하느냐에 따라서 ALF의 퍼포먼스가 달라지는데요. 혹시 ‘챗GPT에게 팁을 준다고 하면 대답을 더 길게 하더라’라는 인터넷 루머를 들어 본 적 있으신가요? (물론 사실이 아닙니다…) 챗GPT에게 요청을 할 때 프롬프트가 중요한 것과 같은 원리로, ALF를 세팅할 때에도 역할 설명을 잘 쓰는 것이 매우 중요합니다.
베리시는 놀랍게도 고객이 상담을 받을 때 어떤 톤앤매너로 답변해 주기를 원하는지에 대한 데이터가 이미 있었습니다. 고객에게 원하는 ‘상담 테마’를 선택하도록 하고 있었기 때문인데요.
베리시가 제공하는 상담 테마는 크게 네 가지입니다.
예를 들어 ‘핵심 쏙쏙 빠른 해결’이라고 하면 건조하게 필요한 답변만 해 주는 스타일이고요. ‘친구 같은 친근함이 있는 상담’이라고 하면 ‘고객님’ 대신에 ‘ㅇㅇ님’이라는 친근한 호칭을 씁니다. 이러한 데이터가 있었기 때문에 ALF의 페르소나를 설정하는 것도 그리 어렵지 않았다고 하는데요.
베리시가 처음으로 ALF를 설정할 당시에는 유튜버 협업 행사 직전이었기 때문에 행사에 특화된 페르소나를 설정했습니다. 과거 해당 유튜버와 협업했을 당시의 데이터를 기반으로 했는데요. 당시 유입된 고객층이 ‘개인적인 경험을 공유하는 상담’ 유형을 선호했던 것을 반영하고, ALF가 유튜브 구독자들의 애칭을 부르도록 했습니다. 행사 당시 베리시가 설정했던 ALF의 역할 설명 텍스트는 이렇습니다.
“무례하지 않으면서, 유튜브 할인코드를 사용해서 구매하신 고객님들에게 사이즈를 추천할 시, 경험을 공유하고 ‘ㅇㅇ 고객님’(구독자 애칭)이라는 친근함을 가끔 보여주며 상담을 부탁해.”
행사 이후에는 보다 베리시 고객에게 특화된 설명으로 바꾸었습니다. 위에서 잠시 보여드렸던 베리시의 ALF 역할 설명을 좀더 자세히 들여다볼까요? 아래의 이미지와 문구는 2024년 7월 기준 베리시 ALF 역할 설명 전문인데요. 고객과 친근하게 소통할 것을 주문하는 동시에, ALF가 주로 응대하게 되는 교환, 반품, 취소, 상품 문의에 대한 내용이 들어가 있는 것을 볼 수 있습니다.
"알프는 언더웨어 전문가로써, 고객님들과 소통 시 개인적인 경험을 공유하며 공감을 가지고 상담해줘! 고객님을 부를 때, ♥고객님♥ 으로 말해줘! 또한, 교환/반품/취소/상품에 대한 전문적인 지식을 가지고 고객님들에게 다가갔으면 좋겠어."
또한 베리시는 ALF에 '베끼매니저'라는 이름과 토끼 프로필 이미지를 등록해서 귀여운 캐릭터를 부여했습니다. '왜 베끼매니저인지' 물어보면 설명도 해 주는데요. 베리시의 브랜드 이미지와도 어울리는 사랑스러운 페르소나네요 :)
(2) FAQ 질문 선정: 상담 태그를 통한 문의 유형 분석
ALF가 어떤 상담사인지 설명했다면 그 다음에는? 어떤 질문에 대답하라고 시킬지 정해야겠죠. 어떤 질문과 답변을 FAQ에 등록할지 잘 고르려면 우리 고객들이 어떤 질문을 많이 하는지를 잘 분석해 두어야 하는데요.
베리시는 원래부터 상담 태그로 문의 유형을 집요하게 분석하는 브랜드이기도 했습니다. 최현지 팀장이 베리시에 와서 가장 먼저 한 일이 채널톡 상담 태그를 한눈에 파악하기 쉽게 개편하는 일이었을 정도입니다.
베리시는 이렇게 분석한 FAQ를 자체 노션 페이지에 담아서 정리했습니다. 하지만 여기에 정리된 문의들을 모두 FAQ에 등록하지는 않았습니다. 모든 문의가 ALF에게 적합하다고 보지는 않았기 때문인데요. 베리시가 FAQ에 등록할 질문을 골라낸 기준은 크게 세 가지였습니다.
1. 답변 내용이 고정적인가: 예를 들어서 ‘상품 재입고 일정’처럼 답변 내용이 계속 변하는 항목보다는 ‘교환 접수 방법’처럼 답변 내용이 변하지 않는 항목이 FAQ에 등록하기에 보다 적합하겠죠. 베리시는 이렇게 답변 내용이 고정값에 가까운 문의들을 주로 FAQ에 등록했습니다.
2. 문의량이 많은가: 베리시는 문의량을 기준으로 상담 건들을 네 가지 유형으로 나누었는데요. 이 중에서 ‘문의량이 이미 지속적으로 많았던 건들’부터 먼저 FAQ에 세팅하고, ‘문의량이 이제 막 많아질 조짐을 보이는 것들을 그 다음 순서로 FAQ에 심었습니다.
3. 1차 답변으로 끝낼 수 있는 문의인가: 베리시는 ‘몇 차에 걸쳐 답변해야 하는가’를 기준으로도 문의 유형을 분류하고 있습니다. 이 중에서도 한 번의 답변으로 해결될 수 있는 단순 문의들을 FAQ 등록 질문으로 선정했는데요. 1차 답변으로 끝날 수 있는 문의는 ALF가 나서서 빠르게 끝내주는 게 오히려 고객 만족도를 높여준다고 판단했기 때문입니다.
(3) 추가 질문 작성 노하우
베리시가 설정한 FAQ는 총 60여개입니다. 이번 콘텐츠에서는 베리시의 60여개 FAQ 중에서도 이커머스 업종에서 공통적으로 사용할 만한, 베리시에도 자주 인입되는 문의 4가지를 뽑아서…! 베리시 실제 설정 화면까지 가져왔습니다. 함께 보실까요.
모두 어느 이커머스에든 많이 들어올 만한 보편적인 질문이면서도, 고정 답변으로 처리가 가능한 단순 문의들임을 알 수 있는데요. 이 질문들을 FAQ에 등록할 때에는 주의할 점이 크게 두 가지 있습니다. 각각 예시를 하나씩 보면서 설명드릴게요.
실제로 베리시는 ‘교환 신청이 잘 된 건지 궁금합니다.’라는 질문을 ‘교환했는데, 어디서 확인 가능한가요?’, ‘교환 신청 내역이 없어요.’처럼 실제로 고객이 쓸법한 다양한 형태의 문장으로 입력했죠. 이렇게 같은 의도의 질문에 대한 다양한 문장 형태를 등록해야 ALF가 고객의 다양한 질문을 더 잘 알아듣고 대답할 수 있습니다.
예를 들어서 ‘교환 제품 출고일이 궁금합니다.’와 ‘교환 뒤 언제쯤 받아볼 수 있어요?’는 구체적인 표현은 달라도 의도는 동일한 문의들이죠. 이렇게 의도와 해결 방법이 동일한 질문들은 최대한 잘 묶어서 정리해 두어야 ALF가 더욱 정확하게 판단해서 답변을 해 줄 수 있습니다.
(4) 워크플로우 적재적소에 배치하기
베리시는 워크플로우의 각 단계에도 적절하게 ALF를 세팅해 사용하고 있습니다! 참고로 채널톡 워크플로우에서는 특정 단계에 ALF가 등장하도록 설정하고, 별도의 답변 가이드까지 따로 입력할 수 있는데요.
베리시는 기본적으로 워크플로우의 각 선택지별로 고객의 추가 문의가 있을 때 ALF가 대답하도록 세팅했습니다. 예를 들어서 '반품 문의' 중에서도 반품 관련된 추가 문의로 들어가거나, '환불 문의' 중에서도 환불기간 문의로 들어가면 ALF가 등장합니다.
보다 풍부한 내용의 답변이 필요한 '상품 문의'나 '프리 피팅 서비스(무료 교환)'에서는 도큐먼트를 참고해 대답하라는 내용을 가이드에 기재해 두었습니다. 참고로 ALF에게는 채널톡 문서 '도큐먼트'를 읽어서 대답할 수 있는 'RAG'라는 기능이 있습니다.
실제 활용 사례를 볼까요. 위의 이미지는 '프리 피팅 서비스'에 응대하는 ALF의 설정 화면입니다. '프리 피팅 서비스'와 관련된 아티클을 최대한 참고해서 대답해 달라는 설명이 기재되어 있는데요. 실제로 '프리 피팅 불가능한 제품은 없는 거죠?'라는 질문에 관련 문서를 찰떡같이 찾아서 정확하게 대답하고 있죠.
또한 상품 문의의 경우에도 관련된 도큐먼트를 참고하라는 디스크립션을 기입해 두었는데요. 예시에서 보시다시피 '보라색 속옷'을 추천해 달라는 질문에 현재 입고 중인 제품 문서를 읽어서 '라벤더' 색상의 제품을 추천해 주고 있습니다.
이렇게 워크플로우의 적재적소에 ALF를 심어두면 단계별로 고객의 요청에 보다 정확하게 응답할 수 있겠죠 참고로 워크플로우도 RAG도 7월 25일에 막 업데이트된 기능이기 때문에 베리시에서도 ALF+워크플로우+RAG 조합의 효과를 지켜볼 예정이라고 합니다 :)
5. 이 친구가 예상보다 잘 막아주고 있는 거예요
사실 베리시에서 처음 ALF를 도입할 때만 해도 큰 기대는 없었다고 합니다. 고객들이 혹시 거부감을 느끼지는 않을까 하는 우려도 조금은 있었다고 해요. 유튜버 협업 행사에서 처음 ALF를 내보낼 때에는 ‘문의량이 많아서 ALF라는 AI 챗봇이 대답할 수 있지만 걱정하지 말고 상담사 연결이 필요하면 ‘도움이 안 됐어요’를 클릭해 달라’는 안내 메세지를 설정할 정도였습니다. 하지만 베리시 CX팀에서도 실제로 ALF의 활약을 보면서 생각이 바뀌었고, 이제는 걱정이 사라졌죠. :)
베리시가 ALF를 성공적으로 활용할 수 있었던 비결은 무엇보다도… 고객 데이터에 집착한 덕분에 베리시의 고객들이 어떤 사람인지, 어떤 질문을 많이 하는지 잘 알고 있었다는 점이 아닐까 싶은데요. 이제는 데이터 애널리스트까지 정식으로 CX팀에 합류해서 ALF 세팅에 나섰다고 하니, 베리시의 ALF, '베끼매니저'가 앞으로 또 얼마나 활약할지 기대됩니다.
이렇게 AI 상담이 정말로 실현되고 있고, 효과도 입증되고 있다는 것을 현장에서 목격할 때마다 채널팀도 뿌듯합니다. ALF를 정말 똑똑하게 쓰고 있는 베리시의 이야기를 소개해 드릴 수 있어서 정말 뜻깊었는데요. 베리시의 CX팀이 앞으로 ‘어나더 레벨’의 CX를 구현할 수 있도록, 채널톡도 ALF도 열심히 돕도록 하겠습니다!
