브랜드 계정으로 오는 문의는 업무 시간에 맞춰 오지 않습니다.

신제품을 올린 날 밤, 공동구매를 연 주말, 이벤트 마감 직전에 몰립니다. 그런데 계정을 맡은 사람은 대개 한 명입니다. 그 한 명이 콘텐츠도 만들고, 광고도 돌리고, 댓글도 봅니다.

문의 내용이 어려운 것도 아닙니다.

영업시간, 위치, 주차, 가격, 사이즈, 재입고 여부. 답은 이미 회사 안에 있습니다. 접객 매뉴얼에 적혀 있고, 담당자 머릿속에 있고, 매장마다 엑셀 표로 정리돼 있습니다. 사람이 매번 그 파일을 열어 손으로 옮겨 적을 뿐입니다.

그러니까 문제는 답을 모르는 게 아닙니다. 답을 옮겨 적을 사람이 그 시간에 자리에 없는 것입니다.

늦은 답장의 비용은 조용히 발생합니다

고객은 항의하지 않습니다. 그냥 다른 곳에서 구매합니다.
 

DM으로 들어오는 질문은 대부분 구매 직전 신호입니다. 살지 말지를 이미 반쯤 정한 사람이 마지막 확인을 하러 옵니다. 그 확인이 다음 날 아침에 처리되면, 문의는 남아 있지만 고객은 없습니다. 이탈은 지표에 안 잡힙니다.

그래서 늦은 답장은 손해로 인식되지 않고, 개선 순위에서도 늘 뒤로 밀립니다.

우리가 앞서 만든 DM 도구들도 같은 전제 위에 있었습니다.

받은 문의를 한 화면에 모으고, 더 빨리 답장하게 하고, 외국어 문의도 번역해서 답장하게 했습니다. 전부 의미 있는 개선이었지만 공통점이 하나 있었습니다.

사람이 자리에 앉아 있어야만 성립한다는 것입니다. 사람이 없는 시간에는 여전히 답이 0이었습니다.

그래서 10초안에 답을 보내보기로 했습니다

브랜드가 이미 갖고 있는 자료를 등록해 두면, 문의가 왔을 때 AI가 그 자료를 근거로 답을 만들어 보내는 기능을 붙였습니다.

자주 묻는 질문을 직접 적어 둘 수도 있고, 안내 문서를 올릴 수도 있고, 홈페이지나 구글 시트를 연결할 수도 있습니다. 자주 바뀌는 표는 문의가 올 때마다 다시 읽도록 연결할 수 있어서, 값이 바뀔 때마다 새로 등록하지 않아도 됩니다.

만들면서 정한 규칙이 몇 개 있습니다.

- 등록된 지식이 하나도 없으면 챗봇이 켜지지 않습니다. 근거 없이 켜두면 고객에게는 "확인 후 안내드리겠습니다"만 반복해서 나가는데, 운영자는 챗봇이 잘 돌고 있다고 믿게 됩니다.

- 답할 근거가 없으면 문장을 만들지 않습니다. 대신 담당자에게 넘기고, 그 대화에 확인이 필요하다는 표시를 남깁니다.

지어낸 답 하나가 브랜드 계정에서 나가는 비용이, 답을 못 한 비용보다 큽니다. 이 규칙을 지키기 가장 어려웠던 건 한 메시지에 질문이 여러 개 섞여 올 때였습니다.

아는 것과 모르는 것이 한 문장 안에 있으면 모델은 자연스럽게 이어 쓰려고 합니다. 여기는 지금도 다듬고 있습니다.

- 표에서 값을 찾아 답할 때는 조회를 코드가 합니다. 모델은 문장만 만듭니다.

정확해야 하는 일과 자연스러워야 하는 일을 섞지 않았습니다. 그렇게 찾은 값에는 언제 기준인지를 문장 끝에 붙여 내보냅니다.

- 사람이 답장을 보낸 대화에서는 AI가 잠시 빠집니다. 고객 앞에서 한 계정이 두 가지 말을 하면 안 되니까요.

- AI가 답한다는 사실을 답변보다 먼저 밝힙니다. 국내 AI 관련 법에도 근거가 있지만, 그 전에 고객이 알아야 합니다.

배운 것 세 가지

첫째, 자동화의 목표는 완벽한 답이 아니라 비어 있지 않은 첫 응답입니다. 고객이 기다리는 건 정답 전문이 아니라 "읽었고 처리 중"이라는 신호입니다. 밤 11시에 나간 80점짜리 답이 다음 날 오전 10시에 나간 100점짜리 답보다 낫습니다.

둘째, 챗봇의 품질은 모델이 아니라 등록된 지식에서 나옵니다. 도입하고 실망하는 경우는 대개 모델이 나빠서가 아니라 답할 자료를 넣지 않아서입니다. 이미 쓰고 있는 안내 문서와 표가 있다면 그게 그대로 챗봇의 실력이 됩니다.

셋째, 못 하는 걸 정해두는 게 신뢰를 만듭니다. 무엇이든 답하는 챗봇보다, 모르면 사람에게 넘기는 챗봇이 브랜드 계정에는 맞습니다. 자동화의 목적은 사람을 빼는 게 아니라, 사람이 진짜 답해야 할 문의만 남기는 것이기 때문입니다.

답장이 늦는 이유가 구조에 있다면, 구조를 바꾸는 쪽이 빠릅니다.