AI가 고객 및 직원 경험의 탁월한 개인화를 실현하는 방법

다음 단계의 AI 혁신은 대규모 개인화를 주도하고 조직이 원활하고 개인화된 경험을 효율적으로 제공할 수 있도록 지원할 것입니다.

최근 공개적으로 사용 가능한 사용자 친화적인 제너레이티브 AI로 인해 인공지능(AI)에 대한 관심이 급증하고 있습니다. 이러한 혁신은 데이터 부하 증가, 예산 축소, 인사이트 확장, 채택 장려 등 지속적인 문제를 해결하기 위한 경험 업계의 접근 방식을 혁신적으로 변화시킬 것입니다.

Medallia 2008년 텍스트 분석을 출시한 이래로 사려 깊고 실행 가능한 네이티브 AI 및 머신 러닝 기능을 구축해 왔습니다. 현재 Medallia자연어 처리(NLP) 및 자연어 이해(NLU) 기능은 수백 개의 언어, 액션 지향 머신러닝 모델, 15,000개 이상의 사전 학습된 주제를 지원하여 개인화된 경험을 가능하게 합니다. 

그 이후로 저희는 음성, 텍스트 등의 AI 역량을 지속적으로 구축하여 비즈니스에 실행 가능하고 민주화된 경험에 대한 인사이트를 제공하고 있습니다. 올해 초에는 강력한 AI 기반 기능을 활용하는 주간 활성 사용자 수가 100만 명을 넘어섰습니다.

방대한 데이터와 15년간 쌓아온 AI 전문성, 사람 중심의 텍스트 분석 분야에서 쌓아온 리더십을 바탕으로 탁월한 개인화 경험을 제공하기 위한 다음 단계의 AI 혁신을 개발 중입니다. 

생성적, 예측적 분석으로 인사이트 확보 시간 단축

경험 플랫폼의 모든 사용자가 최소한의 교육과 노력으로 원하는 인사이트를 정확하게 얻을 수 있다면 이상적이지 않을까요? AI와 머신러닝(ML)으로 인해 대규모 데이터 세트 분석이 훨씬 쉬워졌지만, 데이터에서 인사이트를 도출하는 능력은 여전히 통계와 분석에 더 익숙한 사용자에게 집중되어 있는 경우가 많습니다. 그 결과 조직 전체에서 인사이트를 얻는 시간이 느려지고 중요한 정보를 확인하고 그에 따른 조치를 취하는 데 어려움을 겪게 됩니다. 

예를 들어, 지역 관리자는 고객 만족도 지표를 떨어뜨리는 요인을 파악할 시간이 제한되어 있습니다. 보고서를 업데이트하거나 질문에 대한 답변을 얻기 위해 도움을 기다릴 시간도 없습니다. AI는 지역 관리자와 다른 사용자들이 간단한 쿼리나 프롬프트를 통해 경험 데이터에 대한 예측 인사이트를 얻을 수 있도록 지원해야 합니다. 관리자는 단 한 가지 질문만으로 일부 지점의 실적이 다른 지점에 비해 더 나은 이유를 알 수 있어야 하며, AI는 해당 질문에 대한 답변을 즉시 표시할 수 있어야 합니다.

결국 AI가 사용자의 특정 요구 사항을 학습함에 따라 프롬프트와 쿼리는 선택적인 단계가 되어야 합니다. 대신 AI는 자신의 역할을 잘 수행하기 위해 사용자가 원하고 필요로 하는 인사이트를 예측하고 맞춤화해야 합니다. AI는 사용자가 데이터와 상호 작용할 수 있는 직관적이고 사용하기 쉬운 도구를 제공함으로써 무슨 일이 왜 일어나는지에 대한 근본 원인 분석을 수행하는 데 가파른 학습 곡선을 없애야 합니다. 

생성 AI는 이러한 목표를 달성하는 데 도움이 되는 주요 기술이지만, 이 분석에 유용한 유일한 유형의 AI는 아닙니다. 예측 분석(데이터를 사용하여 미래의 트렌드나 이벤트를 예측하는 분석)은 제너레이티브 AI를 기반으로 구축되어야 하며 다른 방법과 함께 작동해야 합니다. 이러한 AI 기반 예측 분석을 통해 기업은 이러한 예측, 고객 선호도 및 기타 지표를 기반으로 경험을 맞춤화하여 궁극적으로 더 빠른 문제 해결과 만족도 향상을 달성할 수 있습니다. 

이러한 분석은 점수화되지 않은 것, 즉 주어진 문제에 대해 조치를 취하지 않을 경우 고객이나 직원이 특정 행동을 취할 가능성을 예측하고 점수를 매길 수 있어야 합니다. 예를 들어, AI는 상호 작용의 패턴을 식별하고 고객 이탈로 이어지는 가장 큰 위험 요소 또는 파악하고자 하는 다른 결과를 즉시 파악할 수 있어야 합니다. 

지능형 인간 증강 AI 도구로 일상 업무 자동화하기

예산이 점점 더 얇아지고 고객 수요가 증가함에 따라 모든 기업은 일관되게 높은 수준의 서비스를 제공하는 동시에 직원 이탈을 완화하기 위해 프로세스를 자동화하는 새로운 방법을 찾아야 합니다. AI 기반 자동화는 바로 이러한 문제로 어려움을 겪고 있는 직원과 고객을 위한 윈윈 솔루션입니다. 

예를 들어 컨택 센터 상담원은 업무에 필요한 모든 작업을 수행할 수 있는 시간이 극히 제한되어 있습니다. 상담원이 통화 후 메모를 자동화하거나 고객과 비즈니스의 이전 상호 작용에 대한 요약 정보를 자동으로 제공받으면 더 빠르고 더 나은 서비스를 제공할 수 있지 않을까요? 고객은 직원이 문제를 해결하는 데 소요되는 시간을 단축하여 원하는 답변을 더 빨리 얻을 수 있습니다. 직원의 업무량과 스트레스는 사소하게는 줄어들 수 있지만 수익과 고객 만족도에 큰 영향을 미칠 수 있습니다. 고객 지원 상호작용을 자동으로 요약하면 모든 상담원이 통화 또는 채팅 후 15초에서 60초까지 시간을 절약할 수 있습니다. 우리의 목표는 인간적인 것을 없애는 것이 아니라 일상적인 것을 자동화하는 것입니다. 

그러나 AI 기반 자동화의 잠재적 영향은 컨택센터 사용 사례 그 이상으로 확장됩니다. AI는 비용을 절감하는 동시에 모든 직원이 가장 부가가치가 높거나 복잡한 작업에 인간의 지능과 리소스를 투입할 수 있는 방식으로 작업을 자동화하는 데 도움을 줄 수 있어야 합니다. AI는 인간의 워크플로우를 보강하고 근무 조건을 개선하는 동시에 더 가치가 높고, 인간의 지능이 필요하며, 더 만족스러운 상호 작용을 식별하여 사람들이 더 짧은 시간 내에 작업할 수 있도록 지원해야 합니다. 동시에 AI는 모든 경험 프로그램에서 일관성을 유지하는 데 도움이 되는 자동화된 요약, 분류, 응답 및 기타 향상된 기능을 제공하도록 확장되어야 합니다.

또한 이러한 자동화를 통해 사용자는 고객에게 제공되는 쿠폰의 개수 제한이나 비방자에 대한 할인 허용 비율 제한 등 회사 정책을 준수하기 위해 AI가 개인화된 응답이나 기타 생성된 콘텐츠를 생성하는 방식을 편집할 수 있어야 합니다. AI는 다른 직원의 행동과 관리자의 AI 설정에서 허용되는 것을 일관되게 학습하므로 직원들은 자신이 생성한 응답이 규정을 준수한다는 사실을 알고 안심할 수 있습니다. 또한 AI는 직원에게 컨텍스트와 제안을 제공하여 차선책인 대화나 행동을 식별하여 직원이 자동 또는 수동으로 실행할 수 있도록 해야 합니다. 결과는? 경험 프로그램 전반에 걸쳐 고객과 일관되고 개인화된 상호 작용이 가능합니다. 따라서 AI 기반 자동화는 사람의 개입이 필요한 자동화인지 여부에 관계없이 모든 고객에게 개인화된 경험을 제공해야 합니다. 

고객부터 최전선까지 모든 경험 맞춤화

이미 몇 차례 개인화에 대해 언급했지만, 그만한 이유가 있습니다. 고객은 채팅, 디지털 행동, 설문조사 응답, 리뷰, 소셜 미디어 등 암묵적으로든 명시적으로든 피드백이나 기타 데이터를 비즈니스에 제공하는 데 익숙합니다. 이러한 데이터가 브랜드와의 경험을 더욱 원활하고 개인화하며 개선하는 데 사용되기를 기대하지 않는 이유는 무엇일까요? 

이는 고객 피드백에 대한 포괄적이고 상황에 맞는 정확한 응답과 차선책을 자동으로 생성하는 것을 의미할 수 있습니다. AI는 고객의 이전 경험을 완전히 인식하고 그에 따라 차선책을 제공함으로써 고객의 향후 비즈니스 경험을 더욱 향상시켜야 합니다. 만약 고객이 현재 판매 중인 게임 콘솔을 소유하고 있다면, 이전 세대 콘솔에 더 적합한 게임 콘솔(또는 보조 기기/서비스)에 대한 마케팅이 전부라면 짜증이 날 것입니다. AI를 활용하여 경험을 개인화하면 고객에게 가장 관련성 높은 정보와 아이템만 제공함으로써 브랜드 충성도를 높일 수 있습니다. 

여기에는 디지털이나 동영상과 같은 비언어 데이터에서 행동에 대한 인사이트를 도출하는 AI가 포함되어야 합니다. AI는 디지털 행동의 패턴을 발견하고 이를 활용하여 특정 도움말 문서나 링크를 제공함으로써 고객을 도울 수 있어야 합니다. 고객과 직원은 시간 절약만으로도 엄청난 혜택을 누릴 수 있습니다. 하지만 더 멀리 내다보면 AI는 고객이 요청하기 전에 고객이 원하는 것을 정확하게 제공할 수 있습니다. 호텔 투숙객이 항상 헬스장에 대한 정보를 묻는다면 헬스장에 대한 정보와 여분의 수건을 객실로 자동 전송하는 것은 어떨까요? 이러한 수준의 개인화가 비즈니스 전반에 걸쳐 확장된다고 상상해 보세요.

이러한 모든 AI 방식이 피드백 루프를 유지하여 AI 모델을 지속적으로 개선하고 더욱 향상된 개인화를 제공함으로써 직원과 고객의 만족도를 극대화할 수 있을 것으로 기대합니다. AI는 여정의 모든 단계에서 새로운 정보에 적응하고 모든 신호에 걸쳐 각 단계에서 생성된 데이터로 동적으로 스스로를 학습해야 합니다. 최종적으로는 비즈니스와 상호 작용하는 모든 사람에게 탁월한 개인화를 제공해야 합니다. 무한한 튜닝과 지속적인 적응형 개인화를 가능하게 하는 올바른 비전, 전문성, AI를 활용하면 가능성은 무궁무진합니다. 

AI의 미래: 고객 간소화 및 개인화

Facebook은 생성형 AI와 예측 분석을 통해 의사결정 프로세스를 가속화하고 전반적인 효율성, 접근성, 인사이트의 사용자 친화성을 개선할 수 있는 AI 발전을 목표로 합니다. 또한 고객의 관련 규정과 보안 표준을 고려하여 책임감 있게 업무를 수행하는 동시에 데이터 사용 방식에 대한 투명성을 유지하고자 합니다. 

AI 기반 및 AI 증강 자동화는 직원의 업무 부담을 덜어주는 동시에 상호 작용에서 필수적인 인간적 접촉을 유지하여 충성도와 만족도를 향상시킬 수 있습니다. 이러한 발전의 핵심은 개인화에 대한 노력으로, AI는 고객의 피드백과 행동을 기반으로 상황에 맞는 응답과 조치를 생성하여 궁극적으로 브랜드 충성도를 높이고 더욱 긍정적이고 개인적인 경험을 제공합니다.

Dropbox의 비전은 수십 년에 걸친 경험, 수십억 개의 데이터 포인트, 안전하고 확장 가능한 엔터프라이즈급 솔루션을 구축해온 디자인 철학으로 뒷받침됩니다.