ChatGPT로 VOC 분석하기
AI가 드러낸 패턴, 사람이 만든 인사이트
고객 경험의 최전방에서 일하다 보면 끝없이 쏟아지는 VOC(Voice of Customer)를 마주하게 된다. 단순히 “얼마나 많이 들어왔는가”를 세는 건 어렵지 않다. 하지만 그 안에서 패턴을 뽑고 의미를 정리하는 건 전혀 다른 문제다. 수천 건이 모이면 사람이 일일이 분류하고 요약하는 데는 한계가 있다. 그래서 이번엔 ChatGPT를 활용하여 VOC를 분석해봤다.
쏟아지는 VOC, 어디서부터 읽을까
이번 실험에서 핵심은 사람과 AI의 역할을 명확히 나누는 것이었다.
(1) 데이터 전처리
불필요한 문구와 중복 항목을 제거하고, 문장을 분석 가능한 단위로 분리했다.
AI가 안정적으로 읽을 수 있도록 데이터를 표준화했다.
무엇보다 중요한 것은 개인정보나 민감 데이터가 GPT에 전달되지 않도록 비식별화 처리를 철저히 해야한다.
(2) 라벨링 자동화
"Suggestion(새로운 기능 필요), Understanding(기존의 기능을 이해하거나 인지 못함), UI/UX"와 같은 분류 체계를 정의하고, 대표 예시 5~10개를 GPT에 제공하여 학습시켰다.
출력 형식을 고정해 일관성을 확보했으며, 수백 건의 데이터를 빠르게 태깅해 사람이 직접 작업할 때 발생하는 편차를 줄였다.
(3) 군집화 & 요약
표현은 다르지만 의도가 유사한 VOC들을 묶어 대표 키워드를 추출했다.
GPT가 제안한 군집을 기반으로 내가 검증하고 세부 주제를 보완했다.
(4) 구조화 & 시각화
최종적으로는 표와 그래프에 활용할 수 있는 형태로 데이터를 정리했다.
덕분에 단순 나열이 아니라 트렌드와 비율 변화를 한눈에 파악할 수 있는 자료로 발전시킬 수 있었다.
(5) 인사이트 도출
정리된 데이터를 바탕으로 GPT와 수십 차례의 핑퐁을 주고받았다.
단순 건수 증감이 아니라 “왜 이 시점에 늘었는가?”, “사용자가 기대한 흐름과 실제 사용 경험의 간극은 무엇인가?” 같은 질문을 던지며 가설을 세웠다.
내부 맥락(릴리즈 일정, 시즌성, 특정 고객군 특성 등)을 사람이 제공하면 GPT가 다시 해석을 보완했다.
이 과정을 통해 기존 수기 분석보다 훨씬 다각도의 인사이트를 얻었고, 제품 개선으로 연결할 실행 가능 아이디어를 도출할 수 있었다.
✔️ GPT 활용의 장점
- 속도: 사람이 직접 처리하면 하루 이상 걸릴 작업을 몇 분 만에 완료
- 일관성: 동일 기준으로 태깅해 재현성과 신뢰도가 높아짐
- 확장성: 새로운 VOC가 유입되어도 동일 파이프라인으로 신속 분석 가능
- AI 협업: AI가 패턴을 제시하고, 사람이 해석·보완하며 사고의 폭을 넓힘
배운 점과 의미
GPT를 비롯한 생성형 AI는 강력한 도구지만, 그 결과가 언제나 정답은 아니다. 문맥을 잘못 해석하거나 기준과 어긋난 답을 내놓기도 하기에 결과를 그대로 받아들이지 않고 비판적으로 검토하는 태도가 필요하다. 특히 데이터 기반 보고서는 작은 오류도 곧바로 잘못된 의사결정으로 이어질 수 있다. 그래서 분석 과정 전반에서 일부 데이터를 직접 확인하며 교차 검증을 반복했다. 이 과정을 통해 결과의 신뢰성을 확보해야 했다.
또한 보안은 그 어떤 가치보다 우선했다. VOC에는 고객과 관련된 민감한 정보가 포함되어 있었기 때문에, 반드시 비식별화 처리 후에야 분석에 활용했다. 속도와 편리함보다 중요한 건 안전이다.
그리고 무엇보다 중요한 건 사람의 질문력이다. 어떤 기준을 주고 어디까지 AI에 맡길지를 사람이 결정해야만 결과물의 품질이 담보된다. 사람이 좋은 질문을 던질 때 AI도 좋은 답을 한다.
VOC는 단순히 모으는 것만으로는 자산이 되지 않는다. AI를 활용해 데이터를 구조화하고, 사람이 그 의미를 해석할 때 비로소 제품과 고객 경험을 잇는 다리가 된다.
AI를 잘 쓴다는 것은 곧 데이터를 책임감 있게 다루는 것과 같다.