VOC 클러스터링 인사이트

임원이 이번 달 가장 많이 접수된 고객 불만을 물으면, CS팀이 엑셀 1만 행을 직접 검토해 답하는 회사가 많습니다. LLM을 활용하면 이 작업을 한 번에 처리하고, 비슷한 고객 의견을 자동으로 묶어 그래프와 한국어 요약으로 보여줄 수 있습니다.

VOC(Voice of Customer) 클러스터링 인사이트는 여러 인입 채널에 흩어진 문의, 리뷰, 통화록을 LLM 임베딩으로 군집화하고, 군집별 주제를 한국어로 요약해 임원과 기획팀, 제품팀이 바로 파악할 수 있게 만드는 구조입니다.

군집화 대상 신호, 한국어 요약 방식, 부서별 의사결정 활용을 정리한 가이드입니다.

부서별 활용 범위

군집 결과는 CS팀 외에 제품팀, 마케팅팀, 기획팀이 각자의 질문에 답하는 데 함께 활용합니다.

도입 후 업무 변화

가장 큰 변화는 의사결정 속도입니다. CS팀의 수작업도 함께 줄어듭니다.

월간 VOC 리포트 작성 시간: 엑셀 수작업으로 3~5일 걸리던 작업을 자동 군집화와 한국어 요약으로 30분 안에 마칩니다.

신규 이슈 발견 속도: 문의가 급증한 뒤에 파악하던 이슈를 평소 대비 군집 규모 변화로 24시간 안에 감지합니다.

제품팀 백로그 우선순위: 추측 대신 군집 규모, 감정 점수, 이탈 신호를 정량 근거로 정합니다.

임원 보고 깊이: 불만이 많다는 추상적인 보고가 군집, 고객 인용문, 추이를 담은 1장 요약으로 바뀝니다.

처리 흐름

여러 채널에서 들어온 텍스트는 임베딩, 군집화, 한국어 요약을 거쳐 부서별 대시보드로 전달됩니다. 그림에서 회색 상자는 사내 자산, 남색 상자는 LLM이 처리하는 단계입니다.

주요 군집 판단 기준

군집을 1만 개로 세분화하면 담당자가 모두 검토할 수 없습니다. 의미 있는 군집은 다음 3가지 신호 중 하나가 뚜렷한 군집입니다.

규모 급증: 평소 주간 100건이던 군집이 500건으로 급증하는 경우입니다. 신규 이슈나 장애의 초기 신호입니다.

감정 강도: 평균 대비 부정 감정 점수가 가장 높은 상위 5개 군집입니다. 이탈 위험을 알리는 신호입니다.

이탈 연관: 해지, 환불, 구독 다운그레이드와 함께 등장하는 군집입니다. 사업 성과에 직접 영향을 주는 신호입니다.

군집 데이터의 누적 활용

1회성 VOC 분석은 1개월간의 현황만 보여줍니다. 매주 자동으로 분석하면 군집 카탈로그가 누적되어, 같은 군집의 규모와 감정이 6개월 동안 어떻게 변했는지 확인할 수 있습니다.

누적 데이터가 있으면 "한 분기 동안 환불 군집 규모 30% 감축" 같은 OKR 정량 목표를 세우고, 분기 회고에서 실제로 줄어든 군집을 데이터로 검증할 수 있습니다. 회의도 데이터를 근거로 진행합니다.

자주 묻는 질문

기존 BI 대시보드와 무엇이 다른가요?

BI는 건수나 평점 같은 정형 수치를 보여주지만 자유 텍스트는 분석하지 못합니다. VOC 클러스터링은 자유 텍스트를 임베딩으로 묶어 최근 1개월 동안 새로 등장한 불만을 자동으로 찾아냅니다. BI를 대체하지 않고 BI에 더해 쓰는 도구입니다.

데이터가 얼마나 있어야 의미 있는 결과가 나오나요?

월간 1천 건 이상이면 의미 있는 군집이 형성됩니다. 1천 건 미만이라면 군집화 대신 정성 리뷰와 키워드 추출이 더 효율적입니다.

한국어 외 언어는 어떻게 처리하나요?

최신 임베딩 모델(text-embedding-3-large, voyage-3 등)은 한국어와 영어, 일본어를 같은 벡터 공간에서 처리합니다. 글로벌 사업이라면 언어 라벨을 함께 저장해 군집별 언어 비중을 확인할 수 있습니다.

도입 첫 단계

사내에서 직접 시작하는 경우 채널 1개의 1개월치 데이터로 임베딩, 군집화, 한국어 요약까지 한 번 실행해 보는 것부터 진행할 수 있습니다.