고객 서비스 분석이란 무엇인가요? 다양한 유형과 분석 방법

세일즈포스가 생각하는 고객 서비스 분석은 비즈니스가 성장할 수 있도록 도와주는 AI 도구입니다. 고객 서비스 분석은 정량적 고객 서비스 데이터와 정성적 서비스 데이터 등 광범위한 정보를 제공할 수 있으며, 따라서 보다 세분화된 수준에서 측정할 데이터를 결정해야 합니다. 이 글을 통해 고객 서비스 분석 유형을 살펴보고 고려해야 할 몇 가지 중요한 사항과 사용 방법을 알아보세요.

아침 10분의 짧은 시간 사이에 가장 중요한 핵심 성과 지표(KPI)를 검토하고 처리 시간이 가장 많이 걸리는 케이스 유형을 빠르게 파악할 수 있게 된다고 생각해 보세요. 서비스 상담원으로서 갑자기 고객이 언제 이탈할 가능성이 있는지, 그리고 이를 방지하기 위해 무엇을 할 수 있는지 알 수 있는 초능력을 갖게 되었다고 상상해 보세요. 이것이 바로 오늘날 고객 서비스 분석의 실제 적용 사례입니다.

고객들은 매일 컨택 센터에 도움을 요청합니다. 이러한 상호 작용은 비즈니스 성장을 촉진하는 데 사용할 수 있는 정보인 고객 데이터를 무수히 만들어냅니다. State of Service 리포트에 따르면 서비스 리더의 94%가 고객의 기대에 부응하기 위해서는 실시간 데이터가 필수라고 답했습니다. 특히 지난 몇 년의 팬데믹 기간 동안 서비스 전문가의 60%가 고객의 높아진 기대치를 확인했다는 사실은 이를 더욱 분명하게 보여줍니다.

이 두 통계는 모두 한 가지 결론을 말합니다. 고객 서비스 분석을 고객 만족을 위한 새로운 원동력으로 활용하는 서비스 팀은 브랜드 충성도를 비롯해 훨씬 더 많은 것을 얻을 수 있습니다.

이러한 이점을 누리기 위해 알아야 할 사항은 다음과 같습니다.

고객 서비스 분석이란 무엇인가요?

고객 서비스 분석이란 서비스 상호작용에서 생성된 데이터를 평가하여 실행 가능한 인사이트를 찾아내는 것을 의미합니다. 이러한 데이터는 전화 통화, 이메일, 채팅, 소셜 미디어, 고객 설문조사 등 여러 소스에서 수집되며 정량적 데이터와 정성적 데이터로 분류할 수 있습니다.

정량적 고객 서비스 데이터에는 고객이 얼마나 오래 기다려야 했는지, 어떤 상담원이 응대했는지, 서비스 상호작용에 걸린 시간, 고객이 어떤 채널을 사용했는지 등 고객 서비스 상호작용에 대한 측정 가능한 사실이 포함됩니다.

정성적 서비스 데이터에는 고객 감정, 제품 결함에 대한 불만, 브랜딩에 대한 피드백, 심지어 경쟁사의 약점과 강점에 대한 고객 인사이트와 같은 정보가 포함됩니다.

고객 서비스 분석은 이러한 모든 데이터를 유용한 정보 덩어리로 추출하여 비즈니스가 성장하고 서비스 상호작용의 양이 많아질수록 특히 유용합니다. 분석을 통해 고객 선호도, 잠재적인 제품 개선 사항 또는 운영 효율성을 높일 수 있는 방법을 발견할 수 있습니다.

많은 리더가 데이터 분석에 대한 아이디어를 떠올릴 수는 있지만, 이를 실행에 옮기는 것은 어려운 일입니다. State of Data and Analyiecs 리포트의 조사 결과를 살펴보세요. 서비스 리더의 96%가 변화의 시기에 신뢰할 수 있는 데이터가 더 중요하다고 답한 반면, 서비스 리더 중 44%만이 자신이 데이터 중심적이라고 생각합니다. 이는 마케팅 및 세일즈 리더의 절반 이상이 데이터 중심적이라고 생각하는 것과 비교되는 데이터입니다. 즉 데이터 기술 부족과 데이터 원본에 대한 신뢰 부족으로 인해 많은 리더가 데이터를 활용하여 인사이트를 얻는 데 어려움을 겪고 있는 것으로 보입니다.

하지만 세일즈포스의 강력한 분석 도구인 서비스 클라우드용 Service Intelligence를 사용하면 모든 데이터를 빠르게 이해하고 더 나은 비즈니스 의사 결정을 내리는 데 필요한 신뢰할 수 있는 인사이트를 얻을 수 있습니다.

고객 서비스 분석에는 어떤 유형이 있나요?

먼저 사용할 수 있는 다양한 유형의 고객 서비스 분석에 대해 이해해 보겠습니다. 몇 가지 카테고리는 다음과 같습니다.

• 설명적 분석(Descriptive Analytics): 과거 데이터를 분석하여 과거 고객 상호 작용의 패턴을 이해하고 어떤 일이 일어났는지에 대한 인사이트를 제공합니다.

• 진단 분석: 특정 고객 서비스 결과의 원인을 파악하여 비즈니스에서 특정 이벤트가 발생한 이유를 이해하는 데 중점을 둡니다.

• 예측 분석(Predictive Analytics): AI, 데이터, 통계 알고리즘 및 머신 러닝을 사용하여 과거 데이터를 기반으로 향후 결과를 파악하여 사전 예방적 조치를 취할 수 있도록 합니다.

• 규정 분석(Prescriptive Analytics): 규정 분석은 AI를 통해 예측 분석에서 얻은 인사이트를 기반으로 결과를 최적화하기 위한 조치를 제안하여 실시간으로 의사 결정을 내릴 수 있도록 안내합니다.

이러한 모든 유형의 분석은 서비스 운영에 도움이 될 수 있습니다. 설명적 분석의 한 형태인 옴니채널 분석을 사용하여 최근 화요일에 어떤 일이 일어났는지 파악할 수 있습니다. 그런 다음 진단 분석을 사용하여 원인을 파악할 수 있으며 상담원이 해당 채널에 대한 충분한 교육을 받지 못해 음성 채널의 대기 시간이 너무 길었다는 것을 알 수 있을 것입니다. 매우 긴 통화 1건으로 인해 평균 처리 시간이 길었을 수도 있습니다. 그런 다음 통화 기록을 검토하여 상담원에게 해당 문제에 대한 추가 교육이 필요한지 확인할 수 있습니다.

예측 분석은 과거 패턴을 기반으로 화요일부터 다가오는 휴가 시즌까지 어떤 기간에 필요한 상담원 인력을 예측하는 데 도움이 됩니다. 또한 예측 분석을 사용하여 기록되는 사례의 카테고리나 심각도를 결정할 수도 있습니다.

예측 분석과 규정 분석을 함께 사용하면 상담원이 더 나은 결정을 내릴 수 있습니다. 예를 들어 상담원에게 업무 흐름 중에 바로 인사이트를 제공하여 고객에게 더 나은 서비스를 제공할 수 있도록 도울 수 있습니다. 애널리틱스는 서비스 운영을 최적화하는 데 도움이 됩니다.

AI와 고객 서비스 분석

다양한 분석의 핵심은 데이터를 분석하여 유용한 사실과 제안을 실시간으로 제공할 수 있는 AI입니다. AI 알고리즘은 방대한 양의 고객 데이터를 빠르게 분석하여 고객 행동, 선호도, 트렌드에 대한 유용한 정보를 제공할 수 있습니다.

AI가 제 역할을 하려면 구매부터 웹 참여, 고객 서비스 사례에 이르기까지 고객 데이터를 연결하고 통합해야 합니다. 그런 다음 AI는 이 깨끗하고 신뢰할 수 있는 데이터를 한 단계 더 발전시켜 지능적인 예측과 추천을 제공함으로써 팀이 제공하는 서비스를 개선할 수 있도록 도와줍니다. 예를 들어, AI는 고객 메시지를 분석하여 필요한 세부 정보를 파악하고 질문에 대한 심층적인 답변을 작성하여 응답 시간을 단축하고 고객 만족도를 향상시킬 수 있습니다.

대량의 복잡한 데이터를 처리할 수 있는 AI의 능력은 오늘날 비즈니스에 이상적입니다. State of Data and Analytics 리포트에 따르면 데이터 전문가의 3분의 2 이상(68%)이 향후 12개월 동안 자사 데이터, 타사 데이터, 디바이스 데이터 등 다양한 소스에서 데이터가 약 20% 정도 큰 폭으로 증가할 것으로 예상하고 있습니다. 한편, 기업들은 내년에 평균적으로 약 22% 더 많은 데이터를 처리할 것으로 예상됩니다. 데이터 양이 폭발적으로 증가함에 따라 효과적인 관리의 필요성도 커지고 있습니다.

고객 서비스 분석을 추적하면 어떤 장점이 있나요?

고객 서비스 분석은 고객을 유지하고 비용을 절감하고자 하는 비즈니스에 다음과 같은 많은 장점을 제공합니다.

1. 고객 경험 개선: 설문조사에 따르면 94%의 고객이 좋은 서비스 경험으로 인해 재구매 할 가능성이 높아진다고 답했습니다. 분석을 통해 고객의 기대와 경험을 이해하면 비즈니스는 이러한 기대에 효과적으로 부응하는 맞춤형 서비스를 제공할 수 있습니다.

2. 불만 사항 파악: 고객 피드백과 불만 사항을 분석하여 반복되는 문제를 파악하고 미리 해결함으로써 고객 만족도를 향상시킬 수 있습니다.

3. 운영 효율성: 서비스 상담원의 78%가 속도와 품질 사이에서 균형을 잡는 것이 어렵다고 답한 것으로 나타났습니다. 고객 서비스 데이터를 분석하면 프로세스를 최적화하고 리소스를 효율적으로 사용하여 전반적인 운영 효율성을 높일 수 있습니다.

4. 제품 및 서비스 개선: 분석을 통해 얻은 인사이트는 제품 및 서비스 개발의 지침이 되어 고객의 요구와 선호도에 부합하는 제품 및 서비스를 제공할 수 있습니다. 실제로 고객의 73%는 기업이 자신의 요구와 기대를 이해해 주기를 원합니다.

5. 고객 유지 및 충성도: 고객의 행동과 선호도를 이해하면 고객 충성도를 높이고 유지율을 향상시키는 전략을 설계할 수 있습니다.

고객 서비스 분석을 위해 측정할 대상

고객 서비스 분석은 너무 광범위하여 보다 세분화된 수준에서 측정할 데이터를 결정해야 합니다. 바로 여기서 KPI가 중요한 역할을 합니다. 다음은 고려해야 할 몇 가지 중요한 항목과 그 사용 방법입니다.

1. 고객 만족도(CSAT)

고객 만족도(CSAT)를 측정하려면 상호작용 후 설문조사를 실시하여 고객에게 1~5점 척도로 만족도를 평가하도록 요청하세요. 평가의 평균 점수가 전반적인 만족도를 나타냅니다.

2. 순 추천 점수(NPS)

고객과의 대화가 끝난 후 “친구나 동료에게 저희 회사를 추천할 가능성이 얼마나 되나요?”라고 질문하며 고객에게 0~10점 척도로 대답을 요청하세요. 응답자를 추천자(9~10점), 수동적(7~8점), 비추천자(0~6점)로 분류합니다. 추천 고객의 비율에서 낮은 점수의 고객인 비추천 고객의 비율을 빼서 NPS를 계산합니다.

3. 고객 노력 점수(CES)

상호작용이 끝난 후 고객에게 “오늘 원하는 도움을 받는 것이 얼마나 쉬웠나요?”라고 질문하세요. 점수는 보통 1~7점이며, 점수가 높을수록 원활한 경험을 의미합니다. 재미있는 사실은 조사에 따르면 CES는 2020년과 2022년 사이에 가장 빠르게 성장하는 서비스 KPI 중 하나였습니다. 그만큼 중요하다는 뜻입니다.

4. 평균 응답 시간(ART)

평균 응답 시간은 최초 문의부터 고객 문의에 응답하는 데 걸리는 평균 시간을 계산합니다. 평균 시간이 낮을수록 효율적인 서비스를 제공합니다.

5. 평균 처리 시간(AHT)

평균 처리 시간 항목은 고객 상호작용을 종합적으로 처리하는 데 걸리는 평균 시간입니다. 문제가 해결되기 전에 상담원이 통화나 채팅을 서두르는 것을 원하지 않기 때문에 이 측정 항목은 다소 까다롭습니다. 목표는 프로세스를 최적화하여 품질 저하 없이 평균 처리 시간을 줄이는 것입니다.

6. 첫 접촉 해결

첫 번째 통화 해결이라고도 하는 첫 번째 접촉 해결은 첫 번째 상호작용에서 성공적으로 해결된 고객의 비율입니다.

7. 사례 편향

고객이 셀프 서비스 도구나 자동화된 프로세스를 통해 스스로 해결한 고객의 문제를 측정하는 방법입니다. 사례 편향을 추적하는 조직의 수는 2020년과 2022년 사이에 20% 증가하여 오늘날의 비즈니스가 그 어느 때보다 효율성을 중요시하고 있음을 보여줍니다.

8. 상담원 사례 수

상담원 케이스 수는 중요하고 간단합니다. 이를 추적하면 상담원에게 과부하가 걸렸을 때 또는 반대로 인력이 부족할 때를 알 수 있습니다.

9. 고객 생애 가치(CLV)

고객 생애 가치는 고객이 회사와의 전체 관계를 통해 비즈니스에 제공하는 가치를 추정합니다. 이 정보를 알면 기업은 고객 확보 및 유지를 위한 전략적 의사 결정에 도움이 되며, 서비스 상담원이 추가적인 도움을 받을 가치가 있는 고가치 고객을 파악하는 데 도움이 될 수 있습니다.

10. 고객 유지율

특정 기간이 시작될 때 마지막까지 고객으로 남아 있는 고객의 비율입니다. 고객 유지율이 높을수록 충성도가 높다는 것을 의미합니다. 서비스 상담원은 열악한 상황을 개선하고 고객 유지율에 기여할 수 있는 힘을 가지고 있습니다.

11. 감정 분석

AI의 강력한 기능을 통해 자연어 처리(NLP)를 사용하여 고객의 피드백과 댓글을 분석하여 전반적인 감정(긍정, 부정, 중립)을 측정하고 개선이 필요한 영역을 파악할 수 있습니다.

궁금한 점은 언제든 문의주세요. 전문가가 도움을 드리겠습니다.

문의하기

 

고객 서비스 분석을 추적하면 어떤 장점이 있나요?

고객 서비스 분석은 고객을 유지하고 비용을 절감하고자 하는 비즈니스에 다음과 같은 많은 장점을 제공합니다.

1. 목표에 따라 측정할 KPI를 결정합니다.

2. 이러한 KPI를 추적하는 데 도움이 되는 고객 서비스 분석 기술 솔루션(예: 세일즈포스의 서비스 클라우드용 서비스 인텔리전스)에 대해 알아보세요.

3. 기술 솔루션을 구현하고 직원을 교육하세요.

4. 목표에 따라 개선이 필요한 부분을 하나씩 해결해 나가세요.

최근 조사에 따르면 고객의 48%가 더 나은 고객 서비스를 위해 브랜드를 바꾼 적이 있다고 답했으며, 94%는 좋은 고객 서비스가 재구매를 할 가능성을 높인다고 답했습니다. 정말 이보다 더 좋은 결과가 있을까요?