쌓여있는 VoC를 정리하기
채널톡에 쌓인 고객 문의를 뜯어봄
VoC에서 진짜 문제를 찾아 해결해야 합니다.
라는 말, 많이 들어보셨을 거예요. VoC는 데이터에 기반한 논리적인 사고와 문제 해결 능력을 얘기할 때 나오는 유저 데이터의 일부입니다. 이중 유저 행동 데이터는 이미 잘 되어 있는 분석 툴 덕분에 수집부터 정리, 분석까지 쉽고 빠르게 할 수 있는 반면에, 고객 문의는 언어 기반의 정성적인 데이터로 과정이 쉽지 않습니다. 그렇기 때문에 만약 정성 데이터 처리 프로세스가 구축되어 있지 않는 경우라면, 수집까지는 오래 걸리지 않겠지만 정리하고 분석하는 과정을 거치기엔 많은 리소스가 발생합니다.
그렇담... 솔루션 도입도 힘들고, 개발의 지원도 힘든 경우 어떻게 해야 할까요?
노가다라도 뛰면 됩니다. 제 이야기를 들어보시죠!
쌓인 문의를 정리해 보자
채널톡으로 들어오는 VoC(이하 고객 문의)가 단순히 '상담 종료'를 끝으로 더 이상 활용되지 않고 있었습니다. 단순 문의, 버그, 불편사항, 의견 제안 등의 고객 문의는 제품이 어떤 방향으로 나아가야 하는지, 고객이 진짜 필요로 하는 건 무엇인지 알 수 있는 아주 중요한 단서입니다. 그래서 방치되고 있는 고객 문의로부터 문제를 찾아나갔던 제 경험을 들려드릴게요.
Step 1. 채널톡에서 데이터 엑셀로 추출하기
[오퍼레이션] 메뉴에서 원하는 기간, 상담 태그를 정해 엑셀로 내려받습니다. 이때 대화 내용 포함을 선택하면 엑셀에 AI가 요약한 대화 내용까지 추가되어 받을 수 있어요.
출처: 채널톡Step 2. 불필요한 데이터 제거하기
우리에게 필요한 데이터는 상담 태그와 요약 내용입니다. 그 외 불필요한 행은 삭제합니다.
(단, 평균 상담 시간을 파악하거나 특정 고객 트래킹 등 목적에 따라 활용해주시면 됩니다.)
왼쪽: 추출한 채널톡 엑셀 데이터 | 오른쪽: 메시지 주요 내용 요약Step 3. 무료 프로그램 활용하여 키워드 필터링하기
채널톡과 엑셀에서 1차로 정리한 내용이 조금 더 필요한 정보가 될 수 있도록 가공하는 단계입니다.
우리가 집중하고자 하는 부분을 키워드로 뽑아 발생 빈도를 확인하기 위해 진행했어요.
저는 wordart라는 사이트에서 진행했고, 텍스트 마이닝으로 시각화했습니다.
(파이썬 자연어 처리 작업으로 더 쉽게 할 수도 있고, 비용을 주고 VoC 분석 솔루션을 도입해 볼 수도 있지만... 앞서 말했듯 우리에겐 그런 환경이 주어지지 않았어요.)
Step 4. 활용 목적에 따라 분류하기
필요한 키워드 필터링이 끝났다면 긍정/부정, 문제 해결 우선순위 등의 활용 목적에 따라 분류하면 됩니다. 리뷰 형태의 VoC에서는 보통 긍정/부정 키워드로 나눠 분석하지만, 저의 경우 대부분 앱 이용 중 문제들이었기 때문에 반드시 반드시 해결해야 하는지, 해결할 수 있는 문제(난이도, 일정 등)인지를 따져 Action item을 도출했습니다.
서비스 플로우별 주요 문제 및 요약Step 5. 크로스체크
저는 이렇게 정의된 문제를 바로 해결하지 않습니다. 귀찮지만, VoC에 국한되어 도출한 문제이기 때문에 이들이 진짜 문제인지 한 번 더 검증할 필요가 있어요. 모두가 공감한 상태에서 동기부여가 되어야 같은 문제를 더 효율적으로 해결할 수 있을 거예요.
이 과정은 연관된 유저 행동 데이터(분석 툴)를 살펴본다던가, 이해관계자들에 의견을 받아본다던가 등의 방법으로 진행했습니다. 실제로 유관 부서와 인터뷰를 하면서 해결할 필요가 없거나, 해결할 수 없는 것들이 많이 나오곤 했습니다.
유관 부서와의 미팅으로 해결해야 할 문제 걸러내기문제를 정의하는 과정은 정말 복잡하고 어려워요.
사람마다 회사마다 문제를 정의하는 방식도, 수단도 다 다른 것 같아요. 심지어 사용자의 문제는 제쳐두고 우리가 하고 싶은 것만 좇는 경우도 많습니다. 저는 "문제 정의"에 정해진 방법이 없다고 생각합니다. 유저 행동 데이터도, 팀원들과 수다 떨면서 생긴 작은 불씨도, 늘 발생하는 민원, 문의들도 모두 문제가 될 수 있거든요. 이런 경험하면서 아직 발견하지 못한 사용자의 흔적을 놓치지 않도록 여러 채널을 부지런히 모니터링 습관이 생겼어요.
