실시간 Global Case 기사

• CX 전략 거점화의 첫걸음, 「전화 사유」 분석 및 활용법 ①목적과 기법

  [컨택저널 2022. 12월호] CX 전략 거점화의 첫걸음, 「전화 사유」 분석 및 활용법 ①목적과 기법 「주문」 「조회」 「변경」은 사유가 아니다! “행동의 계기와 배경”을 수치화하는 가치 「어떤 행동을 한 고객이 충성 고객이 되는지 혹은 이탈하는지」 이 법칙을 제대로 이해할 수 있다면 기업은 확실히 성장한다. 그러기 위해서는 「어떤 전화가 걸려 오는 지」를 아는 것이 제일 중 요하다. 그 목적과 기법에 대해 정리한다. 2021년 실시한 「컨택센터 실태조사」에서는 「전화를 건 사유를 집계하고 있다.」는 응답이 179개사 중 59% 였다. 하지만 센터 운영에 정통한 컨설턴트들 사이에서는 「집계는 해도 “분석” “활용”까지 하는 센터는 적을 것」이라는 관측이 우세하다. 애초 이 조사에서도 40%는 「집계조차 안 하고 있는」 실정이다. 콜센터 교과서 프로젝트 주재의 구마자와 노부히로 씨는 「(콜센터에 국한되지 않고) 본래, 왜 이 일이 발생했는지, 얼마나 발생하는지에 대한 현황 파악과 예측을 하는 것은 기본입니다. 파악할 수 있어야 효율이 좋은지, 어떤 지식·교육이 필요한지 개선 목표를 세울 수 있습니다.」라고 단언 한다. 콜센터의 운영은 「업무 개선의 반복 활동」으로 여겨지지만, 그런 의미에서도 전화 사유 분석은 기본 중의 기본이라 할 수 있다. 예를 들어 전화 사유를 무시하고 콜 량 예측을 하면 콜 량의 총계만 보게 된다. 구마자와 씨는 「비즈니스 환경에 변화가 없다면 “지난해 같은 달 같은 요일과 비슷한 정도의 콜 량”이라는 대략적인 예측도 괜찮다. 그러나 그것으로 충분하지는 않다. 외부 환경의 변화, 서비스 내용이나 고객층이 변화하면, 영향이 있는 전화사유와 그렇지 않은 것이 있을 것이다. 콜 량 변화를 리소스(배치) 최적화에 활용하려면 사유 분석 없이는 불가능하다.」고 강조한다. 또한 콜 량 뿐만 아니라 AHT(평균응대시간)도 전화사유마다 다르다. 예를 들어 업무 flow나 운영 시스템 변경 등에 의해 일부 전화사유에서 AHT가 단축되면, 전체 콜 량 예측의 정확도가 높아도 필요 인원 수가 바뀌어 리소스 매니지먼트에 차질이 생긴다. 이처럼 콜 량의 총계만 예측해서는 정밀한 리소스 관리를 수행할 수 없다. 이는 전화뿐만 아니라 메일이나 채팅 같은 디지털 채널에서도 마찬가지다. FAQ 작성, 채널 최적화 ―― 분석의 「목적」을 명확히 하자! 전화사유 분석 컨설턴트 Prime Force의 사와다 테쓰리 씨는 「무턱대고 해도 의미 있는 결과를 내기 어렵다. 명확한 목적을 정해 전화 사유를 설정하고, 콜 량과 응대의 내용을 기록해야 한다.」라고 지적한다. 사유 분석의 목적은 다양하다(그림 1). 예를 들어 챗봇 등을 도입해 자기 해결 촉진에 주력하는 센터는 많지만, 「어떤 문의를 자동화할 것인가」 「FAQ 사이트로의 도선을 강화함으로써 어떤 콜이 줄어들 것인가」와 같은 전망을 세우려면 전화사유 분석이 필수적이다. Omni채널화를 추진하는 센터에서는 전화사유마다 최적의 채널을 정의하고 도선 설계할 필요가 있다. 단순히 웹사이트상에 메일, 채팅, 전화창구를 나열하는 경우가 종종 발견되지만, 그 대부분이 막상 채팅으로 문의하면 전화창구로 유인되어 “채널간 돌리기”가 된다. 이래서는 CS와 생산성도 향상되지 않는다. 첫 번째 접점이 되기 쉬운 웹사이트에서 문의 내용을 특정해 Visual IVR 등으로 적절한 채널에 유도하는 것이 좋다. 또, 전화사유 분석은, 재검토해야 할 FAQ의 추출이나 IVR의 개수 등, “전화를 걸기 전 고객 체험”의 개선에도 빠뜨릴 수 없다. 예를 들어, 특별히 콜 량이 많은 전화 사유 중 자기 해결이 가능한 용건은 기존 FAQ에 언급되지 않거나 해결할 수 없는 내용일 가능성이 높다. 다음 호에 소개할 BIGLOBE는 전화 사유 분석을 바탕으로 FAQ에 대한 도선을 개선하고 동시에 알기 쉬운 표기로 재검토함으로써 콜 량 억제를 실현하고 있다. 「비즈니스 지표」로 파악, 서비스 프로세스 개선에 활용 전화 사유 분석은 콜 량 억제 및 셀프서비스 강화라는 콜센터 내 대처 뿐만 아니라 경영 과제와 직결되는 시책에도 활용할 수 있다. 콜센터 컨설턴트 E-Partners, 타니구치 오사무씨는 「전화 사유란, 비즈니스 지표다」라고 단언한다. 문의 경향을 파악하는 것은, 고객 응대 프로세스에서 “Pain(통점)”의 발견으로 이어진다. 채널(접점)이 다양해지고 있는 현재, 서비스 프로세스의 일관성 없음이나, 서비스 전달 과제, 고객 선호도 변화와 같은 경영 이슈 파악에는 빠뜨릴 수 없는 요소다. 타니구치씨는 그림2와 같은 매트릭스로 전화사유를 mapping하는 방법을 권장한다. 여기에서는 고객 관점(만족도)과 기업 관점(가치)의 두 축으로 전화 사유를 분류하고 있다. 고객만족도가 높고 기업에 있어서도 가치 있는 문의는 로열티를 높인다고 판단하기 때문에, 「시간과 비용을 들여도 좋다」 「콜 량도 늘려가야 한다」는 방침을 수립할 수 있다. 한편 고객만족도는 높지만 기업에 가치가 낮은 문의는 자동화를 추진하고, 고객만족도가 낮고 기업에 가치가 높은 문의는 서비스 프로세스를 재검토하여 불만요인을 제거할 필요가 있다. 이처럼 전화사유 분류에 따라 고객과의 커뮤니케이션 방침이 결정된다. 이는 전략적인 서비스 설계에 절대 빼놓을 수 없는 대처임을 한눈에 알 수 있다. 분류 축은 이외에도 중요도X긴급도, 접촉량X난이도, 접촉량X수익기여도 등 다양한 포인트가 있다. 어떤 분류 축을 이용해야 하는지는 경영전략과 목적에 달려 있다. 예를 들어 자동화해야 할 전화 사유를 선정하려면 접촉량X난이도로 분류해, 접촉 량이 많고 난이도가 낮은 문의를 챗봇 등으로 응대하도록 도선 설계한다. 올림푸스 마케팅은 전화 사유 분석을 실시하여 의료 종사자의 문의와 직원 문의의 차이를 가시화 했다(자세한 내용은 다음 호). 의료 종사자의 문의는 긴급도가 높은 콜이 많다는 것을 입증한 후, 직원의 문의에 대해서는 자기 해결을 추진하도록 결정, 사내의 이해도 얻고 있다. 전화사유 분석은 매트릭스 분류 외에 고객여정에 따라 mapping하는 방법도 있다. 일반론으로는 콜 량이 많은 곳에 pain point가 있다는 판단이 성립된다. 또한 FAQ의 카테고리화에 활용한 사례도 있다. 적절하게 분류할 수 있으면, 서비스 이용의 프로세스 순서대로 FAQ를 표시할 수 있어 흔히 발생하는 「미아 현상」을 방지할 수 있다. 어떤 분류·분석 방법에 있어서도, 필수가 되는 것은 건수 뿐만이 아니라, “시간”까지 파악할 수 있는 IT tool이다. 건수를 카운트하는 것은 상담사가 기록하는 CRM DB에서 가능하지만, 시간을 곱해 사유 별 업무량을 정확하게 파악하려면, “사유 코드”를 설정할 수 있는 플랫폼이 필수다. 전화를 걸게 된 계기는 무엇인가? 고객관점에서 분류 항목을 설정 전화사유 분석에서 문제를 잘 추출할 수 없거나 보고서화하는 것이 목적이 되어 아무것에도 활용되지 않는 경우도 있다. 그 경우, 분류 항목의 재검토가 필요할 가능성이 높다. 흔히 볼 수 있는 것이 「주문」 「주소 변경」 등, 업무 종류로 전화사유를 분류하고 있는 경우다. 타니구치씨는 「이것은 단지 “업무 사유”입니다. 고객이 왜 문의했냐는 전화사유가 아닙니다. 주문하기 위해 묻고 싶은 것, 주소 변경을 위해 묻고 싶은 것, 혹은 주소 변경을 할 이유가 있을 것이고 그것이 진정한 전화사유입니다」라고 지적한다. 즉 전화사유는 고객관점의 설정이 필수적이며, 집계 또는 분석까지 실시해도 활용하지 못하고 있다는 것은 그 관점이 성립하지 않았다는 것이다. 덧붙여 다음 호에서 SCAPER Customer Relations는, AI로 분류 항목의 후보를 올리도록 하고 있다. 전화 사유 기록은 상담사가 콜센터 시스템이나 CRM 솔루션에서 응대 후 입력하는 방법이 일반적이지만, 그 결과 「이유가 아닌 결과」로 분류되거나 「기타」로 분류된 가능성이 높다. 한편 녹음한 응대 내용을 문서화하고 있는 센터에서는, 해당 텍스트 데이터를 바탕으로 Text mining이나 AI를 활용해 분 류하는 것도 가능하다. 오릭스생명보험은 AI를 활용해 전화 사유 분석을 실시하고 있기 때문에 외적 환경의 변화 등에 의해 새로운 전화 사유가 생겼을 때 이를 반영, 가시화할 수 있도록 하고 있다(자세한 내용은 다음 호). 또한 전화사유의 집계는 일별과 월별로 리포트화, 공유하는 센터가 많지만 BI 툴이 실시간으로 분석해 「현재 어떤 전화 사유가 몇 건 인입되고 있는 지」 를 가시화하는 구조가 있으면 보다 정교한 매니지먼트가 가능해진다. 분류 항목의 설정과 집계는 매우 번거로울 것이다. Prime force의 사와다씨는, 「분석을 전문으로 하는 담당자가 필요합니다. 가능하면, 데이터 분석에 뛰어난 담당자와 그것을 활용하는 담당자로 팀을 짜면 좋습니다.」라고 조언한다. 또한 센터 운영을 아웃소싱하고 있는 경우는, 「경영전략에 연결된 활 동을 위해, 전화사유 분석은 발주처가 문제의식을 가지고 주도해 실시해야 한다.」라고도 진언한다. Web 액세스, Bot 이력 등 콜 이외의 CX도 검증하자 많은 센터가 임하고 있는 Omni채널화나 자동화는, 기존 전화사유의 밸런스(구성비)를 바꾼다. 다시 말해 자동화 성과를 검증하기 위해서라도 전화사유의 현황과 전체상을 포착해 변화치를 가늠하는 것이 필요하다. 또, Web 사이트 상의 고객의 행동이나 IVR, 챗봇의 이용 상황도 가시화하는 것이 중요하다(그림 3). 거기에는 전화 응대 이력과는 경향이 다른 고객경험이 포함된다. 실제로, BIGLOBE나 오릭스생명도, Web 액세스 분석이나 챗봇의 문의 이력을 검증. 「문의 정도는 아닌 약간의 의문」을 파악함으로써 그러한 기대에 부응할 수 있도록 FAQ를 개선하고 챗봇 시나리오를 재검토하고 있다. 더불어 문의 후의 행동 까지를 연관 지어 분석·파악할 수 있다면 충성고객 혹은 이반고객(혹은 그럴 가능성이 높은 고객)의 행동을 모델링할 수 있을 가능성도 있다. 그 것에 의해, 고객 접점에서의 서비스와 커뮤니케이션이 경영에 기여하는 것을 데이터로 검증할 수 있다. 「고객 이해」는 고객 경험, 고객 성공이라고 하는 고객 전략의 기반이다. 충성고객이나 이반 고객의 행동의 가시화와 모델화는, 최근 주목 받고 있는 고객 성공의 KPI로 설정되는 경우가 많은 지속률이나 이탈율(이반율)에 기초한 매니지먼트에도 큰 공헌이 될 것이다. <출처> Call Center Japan 2022년 9월호

  • Report
  • Global Case

  2022-12-09