개요
CRM 담당자의 하루는 데이터를 읽는 일로 많이 채워져요. 구매 기록을 묶고, 상담 기록을 훑고, 지난 캠페인을 정리해요. 생성형 AI는 이 읽기를 크게 빠르게 해 줘요. 사람이 며칠 걸릴 상담 기록 수만 건을 몇 분 만에 묶어 주기도 해요. 그런데 빠르게 읽는 것과 바르게 읽는 것은 달라요. AI가 잘하는 일과 사람이 꼭 해야 할 일을 나눠 봐요.
핵심 개념: AI가 잘하는 네 가지
| 일 | 예 | 사람이 확인할 것 |
|---|---|---|
| 요약 | 상담 기록 수만 건에서 자주 나오는 주제 뽑기 | 요약에 나온 숫자를 원본에서 다시 세기 |
| 분류 | 고객의 말을 칭찬, 불만, 문의, 제안으로 나누기 | 몇십 건을 골라 사람이 직접 분류해 맞는지 보기 |
| 패턴 찾기 | “이탈한 고객은 떠나기 전 무엇이 달랐나” | 우연히 겹친 것인지, 이유가 있는지 따져 보기 |
| 예측 | 고객마다 이탈 가능성 점수 매기기 | 점수를 어디서 끊을지 정하기(예측 점수) |
AI 분석의 순서
- 질문을 세워요. “데이터에서 뭔가 찾아 줘”보다 “지난 석 달 사이 재방문이 줄어든 고객의 공통점은 무엇인가”가 쓸 만한 답을 끌어내요. 질문은 캠페인의 목표처럼 “누구의 어떤 행동”으로 적어요.
- 데이터를 준비해요. 무엇이 들어 있고 무엇이 빠져 있는지 먼저 알아요. CRM이 보는 범위 밖의 고객은 AI도 보지 못해요.
- AI에게 맡겨요. 데이터의 뜻(열 이름, 기간, 단위)을 함께 알려 줘요.
- 확인해요. 숫자는 원본에서 다시 계산하고, 결론은 현장과 맞춰 봐요.
AI도 착시를 읽어요
AI는 데이터에 적힌 대로 읽어요. 그래서 데이터 착시를 사람보다 더 자신 있게 반복할 수 있어요.
- 기록되는 방식의 착시: 가족카드로 산 것은 명의자의 구매로 남아요. AI는 “남성 고객이 화장품을 많이 산다”고 요약할 수 있어요.
- 빠진 사람: 상담 기록은 상담한 고객의 목소리만 담아요. 말없이 떠난 고객의 이유는 기록에 없어서 AI의 요약에도 없어요.
- 지어낸 숫자: 생성형 AI는 그럴듯한 비율이나 건수를 만들어 낼 때가 있어요. 보고서에 쓰는 숫자는 반드시 원본에서 다시 세요.
고객 데이터를 맡기기 전에
고객의 이름, 연락처, 구매 기록은 회사가 지켜야 할 정보예요. 회사 밖의 AI 서비스에 넣기 전에 회사의 규정과 개인정보 보호 기준을 먼저 확인해요. 분석에 꼭 필요하지 않은 이름과 연락처는 빼거나 알아볼 수 없게 바꾼 뒤에 맡기는 것이 기본이에요.
AI는 고객 데이터를 빠르게 요약하고, 분류하고, 패턴을 찾고, 예측해요. 다만 데이터의 착시와 빈칸도 그대로 읽고, 그럴듯한 숫자를 지어낼 수 있어요. 질문은 사람이 세우고, 숫자는 원본에서 다시 확인해요.
“AI가 분석했으니 객관적이다.” AI의 분석은 주어진 데이터에 크게 기대요. 데이터에 빠진 고객과 기록 방식의 착시는 AI의 답에도 그대로 남아요.
어느 백화점 CRM팀이 1년 치 상담 기록을 AI로 요약하자 “불만 1위는 주차, 2위는 배송”이 나왔어요. 보고서를 쓰기 전에 담당자가 같은 기간의 이탈 고객 명단과 맞춰 보니, 이탈 고객 대부분은 상담 기록이 아예 없었어요. 불만을 말하지 않고 떠난 고객이었어요. 팀은 요약 결과를 “상담한 고객의 불만”으로 이름을 바로 붙이고, 이탈 고객 일부에게는 직원이 직접 전화를 걸어 이유를 물었어요. 그 이유 중 1위는 주차가 아니라 “자주 사던 브랜드가 빠졌다”였어요.
- 반 친구들의 설문을 AI에게 요약해 달라고 하면 빠르지만, 설문에 답하지 않은 친구들의 생각은 요약에 없어요. 누가 답했는지부터 봐요.
- AI에게 “우리 동네 맛집 순위”를 물으면 그럴듯한 목록이 나와도 문을 닫은 가게가 섞여 있을 수 있어요. 가기 전에 지도에서 한 번 더 확인해요.