원숭이는 당신을 사랑합니다: 지나치게 단순화된 고객 피드백의 위험성

블랙 미러 에피소드를 통해 CX와 NPS에 대해 무엇을 배울 수 있을까요? 고객 감정의 범위를 하나의 기본 지표로 최소화하는 것이 얼마나 어려운 일인지 자세히 알아보겠습니다.

블랙 미러의 팬이 아니거나 넷플릭스 구독료를 지불하고 싶지 않다면, 특히 고객 피드백 관리에 관심이 있다면 참고 기다려주세요.

저에게 기억에 남는 에피소드는 시즌 4의 블랙 박물관 에피소드, 특히 서브 스토리 중 하나였습니다: 원숭이는 당신을 사랑합니다. 주인공의 죽은 아내의 의식이 테디베어 같은 기계 원숭이에게 옮겨가서 두 가지 기본적인 문구만으로 자신을 표현할 수 있다는 불안한 시나리오를 담고 있습니다: "원숭이는 당신을 사랑해" 또는 "원숭이는 안아줘야 해."

이 에피소드는 기술을 통해 인간의 표현이 어떻게 제한되고 왜곡되어 인간 관계가 기계적인 것으로 축소되고 진정한 깊이가 없어지는지를 탐구합니다. 

이 에피소드의 의도는 설문조사 피드백을 수집하고 분석하는 방법을 다루려는 것이 아니었지만, 분석에서 고객의 경험을 어느 정도까지 축소하고 있는지 궁금해졌습니다.

NPS 함정, 프로모터 사각지대 및 기타 설문조사 분석의 함정

순추천고객점수는 전 세계 기업들이 사용하는 표준 벤치마크로, 경쟁사와 비교하여 성과를 측정하는 좋은 방법입니다. 그러나 이러한 지나친 단순화의 단점은 NPS 함정이라고도 불리는 터널 비전이 생길 수 있다는 것입니다. 즉, 고객 경험의 복잡한 환경을 지나치게 단순화하는 것의 위험성을 경고하는 것입니다.

설문 분석이 비판적인 고객의 피드백에만 집중하는 경우가 너무 많아, 겉보기에는 긍정적으로 보이는 지표 속에 숨겨진 미묘한 불만 사항들을 간과하기 일쑤입니다. 이는 이른바 ‘추천자 사각지대’로 이어질 수 있는데, 충성도가 높은 고객들의 점수가 높다는 이유만으로 인사이트 귀중한 인사이트 간과되는 현상을 말합니다. 사실 이러한 고객들 역시 불편함, 실망감, 혹은 놓친 기회를 언급하곤 하지만, 그들의 목소리는 그만큼의 주목을 받지 못합니다. 

불만족이 반드시 낮은 점수로 나타나는 것은 아니며, 충성도가 개선이 필요한 부분에 대해 침묵을 의미하는 것은 아니라는 점을 인식하는 것이 중요합니다.

저희도 컨택 센터 분석할 때 비슷한 어려움에 직면합니다. 통화 후 설문조사는 종종 고객 경험 파악하는 주요 수단이 됩니다. CSAT 점수, 해결률, 심지어 자유 응답까지 말이죠. 하지만 이 모든 것은 이미 상황이 지나간 후에야 확인되는 정보입니다. 이는 실제로 무슨 일이 일어났는지에 대한 부분적인 시각만을 제공할 뿐, 그 원인에 대한 통찰은 더욱 부족합니다.

우리가 간과하기 쉬운 것은 고객 서비스에서 가장 인간적인 부분인 대화 자체입니다. 컨택센터는 단순한 지원 업무가 아닙니다. 실시간 질문, 혼란, 불만, 요구 사항, 중요한 순간들로 가득 차 있습니다. 하지만 우리는 얼마나 자주 진정으로 경청할까요? 고객은 상담원이 친절했기 때문에 설문조사에서 긍정적인 점수를 줄 수 있지만, 전화를 걸게 된 진짜 문제는 설문조사란이 아닌 대화 속에 묻혀 있을 수 있습니다.

고객의 의견을 더 깊이 경청하는 방법

지표에만 집중할 때 고객 경험 분석에 내재된 몇 가지 사각지대와 한계를 살펴보았으니, 이제 텍스트 분석을 통해 이러한 과제를 어떻게 극복할 수 있는지 자세히 알아보겠습니다. 

텍스트 분석은 비정형 데이터, 즉 대화 내용이나 설문조사에서 나온 자유 응답을 체계화하고 우선순위를 정하는 데 도움을 줍니다. 이러한 데이터에는 기존 지표 인사이트 풍부한 인사이트 담겨 있어, 고객이 실제로 무엇을 말하고자 했는지 진정으로 파악할 수 있게 해주기 때문입니다. 

주제 

비정형 데이터에 적용하는 토픽이라는 기본 사항부터 시작하겠습니다. 토픽은 기본적으로 고객 피드백 내에서 특정 의견을 포착하기 위해 고안된 키워드 조합의 집합입니다. 예를 들어, 토픽은 "나를 도와준 사람이 나에게 참을성이 없었다"와 같은 문구를 표시할 수 있습니다. 이 접근 방식을 사용하면 구조화되지 않은 텍스트를 토픽이라고 하는 의미 있는 카테고리로 정리할 수 있습니다.

효과적인 텍스트 분석의 핵심은 핵심 비즈니스 운영을 반영하는 주제 목록을 구축하는 데 있습니다. 산업별 주제를 활용하면 인사이트 제품, 서비스 및 고객 여정의 맥락에서 관련성이 높고 실질적인 조치로 이어질 수 있도록 보장할 수 있습니다.

적절한 주제 목록이 만들어지면 댓글을 하나하나 읽는 것이 목표가 아닙니다. 그 대신, 어떤 토픽에 관심을 기울여야 하는지 빠르게 파악할 수 있도록 정리하는 것입니다. 토픽 볼륨, NPS 평균, 정서 기반 메트릭을 강조 표시합니다(이에 대해서는 나중에 자세히 설명하겠습니다).

이러한 필수적인 업계별 주제 외에도 데이터에 대한 독특한 관점의 주제는 추가적인 인사이트를 제공합니다. 예를 들어, 감정 주제, 정신적 위기 주제, 고객 제안 주제 등이 있습니다. 이러한 고유한 주제는 기존 주제에서 가치 있는 계층을 찾는 데 큰 도움이 될 수 있습니다. 방법을 설명해드리겠습니다!

주제 동시 발생

Medallia 텍스트 분석의 토픽 동시 발생 모듈은 고객 피드백에서 서로 다른 토픽이나 이슈가 어떻게 함께 나타나는지 파악하는 데 도움이 됩니다. 이 도구는 토픽을 개별적으로 살펴보는 것이 아니라 전체 댓글 또는 같은 문구 내에서 두 개 이상의 토픽이 동일한 피드백 내에 나타나는 패턴을 식별합니다. 이러한 세부적인 수준은 표준 토픽 분석으로는 명확하지 않을 수 있는 연관성을 발견하는 데 도움이 됩니다.

예를 들어, 핵심 주제 목록과 업계별 주제 목록을 감정 신호 주제와 결합하면 제품 설정, 청구, 상담원 지원과 같은 일반적인 문제 중 어떤 것들이 강한 감정적 반응과 빈번하게 연관되는지 파악할 수 있습니다. ‘청구서 이해 용이성’이라는 주제는 종종 ‘불안’이라는 감정 주제와 함께 나타나는 경우가 많습니다. 또한 대화 데이터를 분석할 때 감정 유형이나 화자(상담원 대 고객)별로 공동 발생을 필터링할 수도 있습니다. 이를 통해 컨택 센터 분석할 때 특정 문제가 고객에 의해 제기된 것인지, 상담원이 해결한 것인지, 아니면 양쪽 모두에 해당하는지를 정확히 파악할 수 있습니다.

이러한 다층적인 인사이트는 근본 원인을 파악하고, 새로운 문제를 추적하며, 다양한 경험이 고객의 전반적인 인식에 어떤 영향을 미치는지 이해하는 데 핵심적인 역할을 합니다. 토픽 동시 발생을 활용하면 기업은 제품, 서비스, 커뮤니케이션을 정보에 기반하여 보다 타겟팅된 방식으로 개선할 수 있습니다.

감정 분석 

비정형 데이터를 풀 수 있는 또 다른 계층은 토픽 수준에서 감성 모델을 사용하는 것입니다.

Medallia감정 엔진은 설문조사 댓글, 채팅, 녹취된 음성 등 피드백에 포함된 각 문구의 어조를 평가하여 강한 부정에서 강한 긍정으로 분류하고 그 사이의 카테고리를 지정합니다.

텍스트 분석 보고서에서는 이 구문 수준의 감성어를 롤업하여 각 토픽이 감성어 수준에서 어떤 성과를 거두고 있는지 보여줍니다. 예를 들어 '온라인에서 제품 찾기' 토픽의 부정 감성어 비율이 60%라는 것을 금방 알 수 있습니다. 

하지만 감정은 부정적인 경험을 강조하는 것 이상의 역할을 합니다. 우선순위를 정하는 데 중요한 역할을 합니다. 한 가지 주요 지표는 순감성 점수(NSS)로, 단순히 긍정적인 감성의 비율에서 부정적인 감성의 비율을 뺀 값입니다. 이 점수를 통해 특정 토픽이 더 긍정적인지 부정적인지 빠르게 파악할 수 있습니다.

NSS는 매우 유용하고 사용하기 쉬운 측정지표이지만, 토픽이 얼마나 자주 언급되는지는 고려하지 않습니다. 특히 수천 개의 댓글이 달린 매우 부정적인 토픽과 몇 개만 달린 토픽을 비교할 때 우선순위를 정하는 데 도움을 주기 위해 NSS 영향력 점수를 사용합니다. 이 메트릭은 감성어 점수와 특정 토픽의 볼륨을 결합하여 순 감성어 점수에 대한 전반적인 영향력을 계산합니다. 즉, 어떤 토픽이 고객 감성을 얼마나 강하게 끌어올리거나 끌어내리는지 알려주므로 가장 중요한 이슈에 집중할 수 있습니다.

NPS를 넘어서 

블랙 미러에서 원숭이가 당신을 사랑한다거나 원숭이가 안아달라는 문구가 인간의 감정을 제한적으로 표현하는 것처럼, 고객 피드백을 분석할 때도 같은 함정에 빠지지 않도록 주의해야 합니다. 

고객이 우리를 '좋아한다'고 이해하는 것만으로는 충분하지 않습니다. 고객이 왜 그렇게 느끼는지 더 깊이 파고들어 이해해야 합니다. 다중 텍스트 분석을 통해 우리의 강점과 개선할 수 있는 영역에 대해 보다 풍부하고 완전한 그림을 얻을 수 있습니다. 

텍스트 분석의 세계는 놀라울 정도로 풍부하며, 더 깊이 있고 더 의미 있게 들을 수 있는 수많은 방법을 제공합니다. 요약 및 주제 감지 같은 새로운 AI 기능을 통해 감성을 넘어 악보 뒤에 숨겨진 진짜 이야기를 찾아낼 수 있는 도구가 그 어느 때보다 많아졌습니다. 

하지만 더 큰 그림은 Monkey가 여러분을 사랑한다는 말을 듣는 것이 아니라, 그 사랑을 계속 성장하고 발전시키는 방법을 배우는 것입니다.

참고로... 설문조사 참여율이 급격히 감소하고 있는 것을 눈치채셨나요? 이 새로운 현실을 헤쳐나가는 방법에 대한 이 새로운 현실을 헤쳐나가는 방법을 알려드립니다.