디지털 전환으로 고객 이탈 줄이는 법

서비스를 그만 이용하고 싶어하는 고객을 미리 알 수 있다면 사전 조치를 취해 떠날 가능성을 낮출 수 있습니다.

이동통신사는 강력한 고객 기반을 유지하기 위해 열심히 노력합니다. 수익의 15-20%를 고객을 획득하고 유지하는데 지출하죠. 그러나 아무리 노력해도 떠나는 고객은 여전히 존재합니다. 실제로 일부 통신사는 최대 75%의 이탈률을 보고 있습니다.

이동통신사가 떠나려는 고객을 미리 알 수 있다면 사전 조치를 취하여 떠날 가능성을 낮출 수 있습니다. 디지털 전환을 통해 새로운 기술을 활용하면 고객이 서비스를 중단할 위기에 있다는 것을 알 수 있고 그보다 더 중요하게는 떠나는 이유를 알 수 있습니다. 이를 통해 에이전트는 즉각적인 조치를 취할 수 있죠. 이제 다음 내용을 통해 고객 이탈을 줄이는 디지털 전환 방법을 함께 살펴봅시다.

많은 이동통신사는 고객이 서비스를 포기하는 주된 이유를 이미 알고 있습니다. 그만큼 고객 경험의 불만이 가장 큰 이유 중 하나라는 것은 놀라운 일이 아니죠. 고객이 고객센터에 반복적으로 전화해 서비스 정전이나 느린 데이터 속도와 같은 문제에 대해 불평하기 시작한다면 이를 통해 고객이 서비스에 만족하지 못한다는 것을 알 수 있습니다. 

하지만 이탈을 예측하는 다른 요인들은 이것보다 덜 분명하게 나타납니다. 예를 들어 통신 계약을 맺은 고객은 예상보다 높은 청구액이 나왔을 때 화를 내고 계약 기간 종료와 함께 떠날 수 있습니다. 또한, 선불 고객은 더 좋은 경쟁사를 찾았을 때 떠날 수도 있습니다.

다음의 지표를 활용해서 서비스에 대한 고객 만족도를 측정해보세요.

• 기간: 오랫동안 서비스를 이용한 고객은 이탈할 가능성이 적습니다.

• 평생 가치: 서비스를 더 오래 사용하고 더 많은 혜택을 받은 고객은 더 오래 머무를 가능성이 높습니다.

• 이탈된 구독: 이는 새로운 서비스를 시도하기 좋아하지만 자주 취소하는 고객을 알려줍니다.

• 상호 작용 품질: 더 나은 서비스 경험은 고객 만족도를 높이고 이는 낮은 이탈률과 관련이 있습니다.

• 평균 통화 처리 시간: 긴 통화 시간은 고객 만족도를 떨어뜨립니다.

• 지난 30일 데이터 사용량: 데이터 사용량이 많으면 고객이 얼마나 서비스에 의존하고 있는지 알 수 있습니다.

많은 이동통신사는 이 모든 정보를 수집하지만 격리된 시스템에 저장합니다. 이렇게 되면 회사의 누구도 고객의 이력을 한눈에 보기란 쉽지 않습니다. 서비스 에이전트는 진행 중인 서비스 문제를 확인할 수 있을 지 몰라도 판매 에이전트나 현장 서비스 기술자는 그렇지 않을 것입니다. 

“고객 계정에 액세스하는 상담원도 이탈 점수를 확인할 수 있고 회사에 저장된 데이터 기록을 포함하여 고객에 대한 360도 보기를 얻게됩니다.”

이때 디지털 전환 기술을 활용하면 여러 시스템에서 데이터를 가져와 이탈 점수로 집계함으로써 이 문제를 해결할 수 있습니다. 이탈 점수가 높다는 것은 서비스 연결을 끊을 가능성이 더 높다는 것을 의미하죠. 

또한 고객 계정에 액세스하는 상담원도 이탈 점수를 확인할 수 있고 회사에 저장된 데이터 기록을 포함하여 고객에 대한 360도 보기를 얻게됩니다. 또 다른 장점은 이탈 점수로 연결되는 주요 이탈 요인 목록과 이러한 요인을 기반으로 취해야 할 대응 조치도 확인할 수 있다는 것입니다. 이 모든 데이터를 활용하면 상담원은 고객과의 관계를 개인화하고 고객 만족도를 유지하여 고객 이탈을 줄일 수 있습니다.

회사는 에이전트가 취할 수 있는 최선의 대응책을 결정함으로써 고객이 머물도록 유도합니다. 디지털 전환 중 하나인 인공 지능(AI)은 고객 데이터를 분석하여 고객 이탈 점수를 높일 수 있는 최상의 제안 또는 조치를 제공할 수 있습니다. 예를 들어, 이탈 점수가 높은 고객이 서비스가 중단되었다고 불평하기 위해 전화를 걸었다면 상담원은 다음 달 청구서에 할인 혜택을 제공할 수 있습니다. 또는 핸드셋 관련 연결 문제로 인해 고객의 이탈 점수가 높은 경우 매력적인 얼리버드 갱신 제안과 함께 새로운 핸드셋 인센티브를 제공할 수 있습니다.

반대로 이탈 점수가 낮은 고객은 최선의 조치로써 더 많은 구매를 유도하거나 아무런 조치를 취하지 않음으로써 고객을 유지할 수 있습니다.

더불어 로얄티 프로그램을 활용하는 것도 좋은 방법입니다. 신규 고객에게는 프로그램 가입을 권장하고 기존 회원에게는 새로운 혜택을 제공하는 것이죠.

직접 연락을 하는 고객에게 개별적으로 대응하는 방법과 함께 디지털 전환 방법의 이탈 점수를 활용하면 고객 그룹 전체에게도 알맞은 오퍼를 제안을 할 수 있습니다. 예를 들어 마케팅 부서는 이탈 점수와 이탈을 유도하는 요인에 따라 고객을 분류하고 이에 맞게 특별 제안을 보낼 수 있습니다. 한도를 초과하여 발생하는 추가 요금에 대해 불평하기 위해 전화한 고객이라면 보너스 데이터팩을 제공할 수 있습니다. 또한 고객이 선호하는 채널에서 감사 메시지를 보내 긍정적인 고객 경험을 유도할 수 있습니다.

“이탈 예측 도구의 진행 상황을 추적하면 점수 매기는 기준을 더 세분화하고 더 효과적인 대응방법을 만들 수 있습니다.”

이탈 예측 도구의 진행 상황을 추적하면 점수 매기는 기준을 더 세분화하고 더 효과적인 대응방법을 만들 수 있습니다. 즉, 디지털 전환 도구는 사용하면 할수록 더 스마트하게 만들 수 있다는 것이죠.

수집된 데이터를 기반으로 AI는 어떤 요소가 이탈에 더 큰 영향을 미치고 있는지 학습하고 향후 이탈 점수를 측정할 때 해당 요소의 비중을 늘릴 수 있습니다. 또는 실제로 이탈을 유도하지 않는 요소라면 무시를 할 수도 있습니다. 예를 들어, 상담원 대시보드의 분석 내용은 고객이 일시적으로 서비스를 중단했다고 완전히 구독 취소를 하는 것은 아닐 수도 있다는 것을 보여줍니다. 어떤 고객은 1년 중 특정 기간에는 다른 지역에 살기 때문에 서비스를 일시적으로 중단하는 것일수도 있기 때문입니다.

“이탈 위험에 대한 가시성 및 이를 줄이기 위해 신속하게 조치하는 능력과 같은 고객 유지에 대한 새로운 접근 방식은 경쟁이 치열한 이 분야에서 성공할 수 있도록 도움을 줄 것입니다.”

이동통신사는 코드가 아닌 클릭으로 이탈 점수를 측정하는 추가 요소를 사용자 지정할 수 있기 때문에 IT팀의 부담을 최소화할 수 있습니다.

더불어 작업의 영향을 추적할 수도 있습니다. 기존의 디지털 전환 방법이 성공적이지 못했다면 더 효과적인 대안법을 적용하여 모델을 조정할 것입니다.

이탈 점수와 권장 대응 조치는 실존하고 진화하는 고객 데이터를 바탕으로 나오는 것이기 때문에 상담원은 자신의 제안이 개인화되고 고객 이탈을 줄이는 데 유용하다는 것을 확신할 수 있습니다. 그들의 방법이 맞는 것인지 의심할 필요가 없죠.

업계 평균 순추천고객 점수가 17인만큼 이동통신사는 고객 경험을 개선하고 고객 이탈을 줄일 수 있습니다. 이탈 위험에 대한 가시성 및 이를 줄이기 위해 신속하게 조치하는 능력과 같은 고객 유지에 대한 새로운 디지털 전환은 경쟁이 치열한 이 분야에서 성공할 수 있도록 도움을 줄 것입니다. 고객 유지에 도움을 주는 새로운 디지털 전환 방법은 고객 이탈 위험에 대한 가시성과 이를 줄이기 위해 신속하게 조치하는 능력으로써 경쟁이 치열한 이 분야에서 성공할 수 있도록 도움을 줄 것입니다.