VoC, 알맞은 곳에 흐르게 하기
작성자 :
싱클리 팀
Jul 10, 2024
고객 만족과 고객 경험은 정성적인 요소이기 때문에 관리가 어렵다고 여기는 사람이 많습니다. 이를 보완하기 위해 선택된 것이 바로 VOC 데이터입니다.
VOC 데이터의 수집과 관리는 오래전부터 이루어져 왔으나, 실제로 이를 효과적으로 활용하기 시작한 것은 최근의 일입니다. 지금까지는 왜 VOC 데이터를 효과적으로 활용하지 못하고 있었던 것일까요?
1. VoC 활용의 문제점
VOC 데이터 활용을 통해 고객 경험(CX) 향상을 꾀하기 어려웠던 이유는 크게 2가지입니다. 한가지 이유는 단순히 ‘VOC 데이터의 정량화’에 만족하여 고객 경험을 개선하기 위한 활동으로는 연계되지 않는 것입니다. 또 한가지 이유는 VOC 데이터와 인사이트가 운영 부서에만 머무르는 것입니다.
정량 지표의 생산에만 그치는 문제
다들 한 번쯤 들어봤을 VOC 리포트, VOC 정기회의 등에 활용되는 지표가 생각나시나요? 위 예시는 불만 VOC건 수를 정리한 통계표입니다.
위 차트와 같은 자료는, 고객 상담 채널을 통해 들어오는 다양한 VOC를 유형별로 구분하였다는 것에 의의가 있지만, 이 지표를 작성하는 것만으로는 고객 경험 개선에 활용하기 어렵습니다.
고객 만족도를 정량화하기 위해 흔히 사용되는 NPS, CSAT과 같은 점수도 마찬가지인데요, ‘지난 분기와 대비하여 NPS가 평균 0.1점 향상되었다’라는 분석은 ‘다음 분기 우리 회사가 무엇을 해야 하는지’ 알려주지 못합니다.
단순히 정성적 자료를 정량적 자료로 만들었다는 것에 만족한다면 VOC 데이터를 제대로 활용하고 있지 못하다고 할 수 있습니다.
B. VOC 데이터가 운영 부서에만 머무르는 문제
위와 같이 VOC 데이터가 고객 경험 개선을 위한 명확한 행동지침을 제시하지 못하고, 단순 카테고리 비교 수준에 머무르면, 두번째 문제점이 발생합니다.
VOC에 대한 개선 활동의 방향성이 명확하지 않기 때문에, 유관 부서에서는 VOC에 대한 책임 의식을 가지기 어려울 수밖에 없습니다. 이러한 상황 속에서 종종 있는 일은, 운영 부서(CX팀, 서비스 운영팀 등)에서 VOC 관리와 개선 활동을 모두 떠맡게 되는 것입니다.
하지만 운영 부서에서 모든 불만 사항을 관리하기에는 한계가 있기 때문에, VOC 데이터는 여러 부서에서 함께 분석하고 개선 방향을 고민할 필요가 있습니다.
2. VOC 제대로 활용하는 방법
A. VoC 데이터에는 '가공 작업'이 필요하다
VOC 데이터는 비정형 데이터이기 때문에 가공이 필요합니다. 즉, 첫번째 문제점을 해결하기 위해 단순히 카테고리 집계에 대한 분석이 아닌 의미 분석, 감정 분석을 통한 가공이 필요합니다. 이러한 가공을 하게 된다면 VOC 데이터를 통해 고객이 어떤 부분에 관심이 많은 지 확인이 가능하고, 어떤 점에 불만이 많은 지 알 수 있어 해결할 수 있는 실마리를 찾을 수 있게 됩니다.
또한 VOC 자체에 담긴 정보뿐만 아니라, 해당 VOC를 남긴 고객에 대한 정보(연령, 성별, 회원등급 등)를 참조하여 더욱 풍부한 인사이트를 이끌어내는 것도 가능합니다.
예를 들어 아래와 같은 정보를 확인할 수 있습니다.
예) VOC 데이터: 부정적인 감정 비율이 더 높게 나타나는 문의 카테고리
정보: 불만의 정도가 상대적으로 클 것으로 추정되며, 상세내용을 우선적으로 파악할 필요 있음
예) VOC 데이터: A제품에 대한 VOC 중 ‘마감처리’에 대한 부정의견 12%이상 확인
정보: A제품에 대한 마감처리 개선 필요
예) VOC 데이터: 30대 여성 고객들이 남긴 VOC만 모아서 분석
정보: 30대 여성 고객의 관심분야 및 불만사항 파악 가능
이와 같이 VOC 데이터를 정량화하기 위해 단순 분류만 하는 것이 아니라, 활용 가능한 정보로 가공하기 위해 의미 분석, 감정 분석, 고객 정보 결합 등 심층 분석을 위한 가공이 필요하다는 것을 알 수 있습니다.
B. VOC 데이터는 적재적소로 흘러가야 한다
VOC 데이터가 운영 부서에만 머무르는 문제는 어떻게 해결할까요? 그 방법은 VOC 주요 내용에 대해 개선 활동을 주도할 부서를 할당하는 것입니다. 그리고 이를 위해서는 ‘개선 활동의 주체가 누구인가’를 염두에 두고, 유의미한 기준을 설정하여 VOC 데이터를 분류 / 분석할 필요가 있습니다.
VOC 데이터 분석을 통해 찾은 인사이트를 십분 활용하기 위해서는, 가장 효율적인 해결이 가능한 부서에 해당 인사이트를 전달하여야 합니다. 예를 들어, 상품 개선이 필요한 사항이 있다면 다음 시즌 제품을 기획하고 있는 제품기획팀이나 연구개발팀에 할당되어야 할 것입니다. 홈페이지와 같은 디지털 프로덕트에 개선이 필요한 부분은 PM이나 UX 리서처와 같은 프로덕트 팀 담당 인원에게 꼭 전달되어야 합니다.
모든 VOC가 운영 부서 밖으로 전달되어야 하는 것은 아닙니다. CS 대응의 효율화(가이드 문서 제공 등)가 필요한 과제는 CX / 운영 팀에서 직접 전담하여 개선을 진행할 수 있습니다.
3. 부서별 VoC 데이터 활용 방안
이와 같이 우리는 VOC 데이터를 운영 부서에서만 관리하는 것이 아니라 여러 부서별로 할당하여 참고하고 개선해야 한다는 것을 확인하였습니다. 그럼 이제부터 구체적인 부서별 VOC 데이터 활용방법에 대해 알아보겠습니다.
제품 기획, 프로덕트 디자인, 연구 개발 팀
첫번째, 제품기획팀, 디자인팀, 연구개발팀(유형의 제품을 기획하고 만들어가는 부서)이 VOC를 활용하여 상품 개선 포인트를 도출할 수 있습니다. VOC 데이터 분석을 기반으로 고객 니즈에 맞는 상품 개발이 효율적으로 가능합니다. 예를 들어, 화장품 브랜드의 A상품 리뉴얼 프로젝트를 진행 시 VOC 데이터를 통해 활용하여 제품개발 하는 순서는 정리하면 아래와 같습니다.
타겟 고객층의 VOC 데이터 수집
상품의 타겟 고객층을 ‘30대 여성’으로 설정하여, 해당 고객 세그먼트의 기존 VOC를 사내 데이터베이스에서 추출하여 정리
VOC 데이터에서 인사이트 도출
30대 여성 고객이 유사 상품 구매 시 자주 언급되는 키워드가 ‘미백’, ‘수분’임을 확인
타 제품의 경우 ‘미백’과 관련하여 효과가 단시간 내에 나타나지 않음이 주요 불만사항으로 지적됨
상품개발 방향성 설정
상품 리뉴얼 시, 미백, 수분 관련 성분 구성을 집중적으로 검토
‘미백’과 관련하여서는 휴대성과 제형, 용기 형태를 보완하여 사용 빈도를 늘리도록 유도
B. 마케팅 팀
마케팅 팀에서 마케팅 전략을 맞춤 제안하기 위해 VOC 데이터를 활용 가능합니다. VOC 데이터에서 고객이 자주 언급하는 구매 계기, 재구매 의사 등의 내용에 기반하여 마케팅 전략 제안도 가능합니다. 만약 ‘금액, 비용, 가격’에 대한 키워드가 많이 발생하는 고객이 있다면 그런 고객을 대상으로 ‘채널을 추가하고 쿠폰을 받아보세요’ 등 키워드와 관련된 마케팅 방법을 제안하는 방법을 찾을 수 있습니다. 또는 VOC 데이터를 통해 구매 주기, 구매 빈도수를 계산하여 고객 세그먼트를 통한 마케팅 전략이 가능합니다. 고객이 구매한 제품의 구매 주기를 기준으로 사용후기 관련 알림과 함께 구매 제품의 리뉴얼 된 부분, 가격혜택을 안내하는 마케팅, 구매 빈도수를 계산을 기반으로 충성도가 높은 고객은 구매에 따른 멤버십 등급을 적용하여 할인쿠폰, 멤버십 프로모션 등을 타겟 하여 제공하는 것과 구매한 제품과 같이 사용하면 좋은 제품 광고가 가능합니다.
예시) A상품의 구매주기 3개월로 확인
A상품을 구매한 고객에게 3개월 후 관련 구매상품 리뉴얼 된 정보 및 혜택 같이 발송
예시)충성도가 높은 고객이 A상품 구매한 것을 확인
‘멤버십 골드 고객에게만 제공되는 혜택 안내’ 제목으로 A상품과 함께 사용하면 좋은 B상품 광고와 함께 혜택 안내
C. 테크 기업의 제품 팀
프로덕트 팀(무형의 제품 웹서비스, 홈페이지 등을 개발하고 운영하는 조직)에서 VOC 데이터 분석 결과를 바탕으로 사용자 경험(UX) 개선을 위한 제안이 가능합니다. UX 향상을 위한 방법은 크게 3가지로 볼 수 있습니다.
첫번째, 팀에서 해결이 가능한 불만을 확인하여 시스템 점검 및 개선을 통해 해결한다면 지속적으로 발생하는 Pain-point를 제거함으로써 고객 경험 향상이 가능합니다.
예를 들어, 고객이 가장 자주 불편함을 이야기 하는 인터페이스에 대해 개선 작업을 진행하여 전체적인 서비스 사용성을 제고할 수 있습니다. (결제시스템 오류, 글자 크기, 상품 상세보기 등)
두번째, VOC 데이터를 참고하여 구매 전환율을 높이는 방향으로 UX를 설계할 수 있습니다. 특정 고객군에서 특정 상품 및 서비스에 대한 긍정 의견이 더 많이 확인된다면, 해당 고객군과 유사한 특성을 가진 고객이 앱이나 홈페이지에 접속하였을 때, 상품이나 서비스를 상위 노출하거나 팝업으로 추천하는 방법을 고려해볼 수 있습니다.
D. 운영 부서에서 직접 활용
마지막으로 모든 VOC가 운영 부서 밖으로 전달되어야 하는 것은 아닙니다. 운영 부서(CX팀, 서비스 운영팀 등 고객 접점에서 문제를 해결하고 고객경험을 기획하는 조직)에서 VOC 데이터를 기반으로 응대 매뉴얼(스크립트)을 업데이트하거나 FAQ 페이지를 개편하는 등의 개선 활동도 가능합니다.
다양한 고객 문의에 따라 응대 방법도 달라져야 합니다. 그러나 모든 직원이 즉각적으로 대응하는 것은 어렵고, 이는 높은 업무 피로도를 초래합니다. 특히, 부정적인 의견에 대한 응대는 업무 피로도가 가장 높은 분야 중 하나입니다. 이를 해결하기 위해, 부정적인 의견에 대한 응대 매뉴얼을 작성하고, 이를 바탕으로 템플릿을 제작해 공유하는 방법이 있습니다. 이러한 방법으로 업무 피로도를 낮출 수 있습니다.
이 과정이 원활히 이루어진다면, 고객은 어느 직원을 만나더라도 높은 품질의 고객 경험을 제공받을 수 있으며, 이는 직원 경험과 고객 경험의 향상에 기여할 수 있습니다.
예시
A기업 VOC 데이터 분석결과 전화응대 시 가장 불만이 많이 접수되는 키워드는 ’전화 연결 지연’으로 상세내용을 확인한 결과 고객은 고객센터 대표번호 보다는 010으로 시작하는 개인 업무 휴대폰을 선호하는 것으로 나타났습니다.
해결방법: 아래와 같은 내용으로 응대 매뉴얼 개정
02로 시작하는 대표전화로 전화를 걸었는데 부재 시 매뉴얼을 통해 개인 업무 휴대폰으로 문자를 발신하는 것으로 업무 기준을 알려주고 문자를 발신하는 템플릿을 만들어주어 제공한다면 위와 관련된 전화연결 지연을 해결할 수 있습니다.
4. 싱클리로 간편하게 VoC를 알맞은 부서에 공유하세요
이처럼 위에서 설명한 내용을 바탕으로, 싱클리를 통해 VOC 데이터 관리하면 어떤 이점이 있을까요?
우선, VOC 데이터를 활용하기 어려운 이유는 데이터가 가공되어 있지 않기 때문입니다. 여기서 첫 번째 이점이 나옵니다.첫 번째 이점은 AI 분석입니다. AI 분석을 통해 정성적 기준으로 작성된 VOC 데이터를 의미단위분석 및 기업별로 맞춤화된 감정분석을 통해 정량화된 데이터로 쉽게 변환할 수 있습니다.
두 번째 이점은 싱클리에서 처리한 VOC 데이터를 기반으로 통합 대시보드를 제공함으로써, 회사 내 모든 부서가 효율적으로 활용할 수 있는 환경을 조성합니다. 이를 통해 VOC 데이터를 활용하는 범위가 CX팀, 운영팀, 제품 기획팀, 디자인팀, 연구개발팀, 마케팅팀, 그리고 프로덕트팀(웹 서비스, 앱, SaaS 등 IT 서비스를 담당하는 경우)까지 넓어집니다.
결과적으로, 싱클리는 의미 단위 분석을 통해 주제별로 추출된 키워드를 확인하고, 감정분석을 기반으로 고객의 만족과 불만을 분류하여 관리할 수 있도록 대시보드를 제공하기 때문에 이러한 접근 방식을 통해 각 부서는 강점을 극대화하고, 동시에 약점을 보완하는 프로젝트를 분할하여 전략적으로 실행할 수 있는 발판이 됩니다. 이를 통해 각 부서는 자신의 능력을 최대한 발휘하며, 다른 부서와 협력하여 고객 경험을 향상시킬 수 있습니다.