많은 기업이 서비스 품질을 높이고 고객 경험을 개선하기 위해 정기적으로 만족도 조사를 실시합니다. 특히 NPS(Net Promoter Score)는 고객이 우리 제품이나 서비스를 다른 사람에게 얼마나 추천할 의향이 있는지를 묻는 핵심 지표로, 기업 성장과 매우 밀접한 관련이 있습니다. London School of Economics의 연구에 따르면 NPS가 7% 증가하면 전체 매출이 1% 오를 수 있다고 합니다.
NPS 점수를 높이기 위해서는 무엇이 필요할까요? 단순한 측정을 넘어 고객이 왜 그런 평가를 내렸는지를 알 수 있어야 합니다. 추천 의향을 높이는 동인이 된 경험은 더 강화하거나 널리 알리고, 추천 의향을 낮추는 원인은 개선함으로써 고객 만족도를 높여갈 수 있습니다. 그래서 NPS 응답을 수집할 때 추천 점수와 함께 왜 그렇게 답했는지에 대한 주관식 응답을 함께 수집합니다.
문제는 ‘왜 그렇게 답했는지’에 대한 수천, 수만 개의 의견을 수집한다 해도 이를 분석하는 일은 쉽지 않습니다. 고객의 목소리에 답이 있다고 하지만 처음부터 하나하나 다 읽기에는 너무 많은 시간과 비용이 들어갑니다. 오픈서베이의 ‘AI 텍스트 분석’ 기능은 NPS 만족도 조사의 주관식 응답을 빠르고 효율적으로 분석해 개선 기회를 찾을 수 있도록 돕습니다.
업무 속도와 효율을 높이는 AI 텍스트 분석
고객 경험을 담당하고 있는 실무자 A는 정기적인 NPS 조사를 통해 수천 건의 응답 데이터를 정기적으로 수집하고 있습니다. 기존에는 인사이트를 도출하기 위해 하나하나 주관식 답변을 읽고 적절한 주제로 분류한 뒤 정량화하는 코딩 작업이 먼저 필요했죠. 1,000개의 답변을 다 읽어보는데도 며칠씩 걸리다 보니 인사이트를 도출하기까지 수 주가 걸렸습니다. VoC의 가치를 누구보다 잘 아는 A지만 계속해서 쌓여가는 응답은 마음 한켠의 짐이었죠.
그러나 데이터스페이스의 AI 텍스트 분석 기능을 활용한 뒤로 이 모든 과정에 들어가는 시간과 비용을 대폭 단축할 수 있었습니다. 데이터의 처리부터 분석과 보고서 작성까지 AI를 통해 효율적으로 자동화했기 때문입니다.
🤖데이터 전처리와 분석을 자동화해 시간과 비용을 단축했어요.
AI가 주관식 데이터를 정량화하여 주제별로 분류하고 요약하며, 긍정적인 감정과 부정적인 감정을 분석해 숫자로 보여줍니다. 기존 사람이 하던 방식으로는 주관식 응답 1,000건을 분석하는 데 약 5일이 걸렸다면 AI는 이를 실시간으로 해냅니다.
📈데이터 시각화로 분석 결과의 이해도를 높였어요.
분석한 데이터는 실시간으로 시각화되어 복잡한 데이터를 쉽게 이해할 수 있도록 도와줍니다. ‘어떤 주제가 많이 언급되었는지’나 ‘고객이 무엇을 가장 불편하게 느꼈는지’를 한눈에 파악할 수 있습니다.
📊공유 기능과 자동 보고서로 분석 결과를 신속하게 보고할 수 있었어요.
협업자들에게 웹 대시보드의 분석 결과를 실시간으로 공유할 수 있습니다. 또한 AI가 자동으로 생성한 PPT 보고서 역시 실시간으로 다운로드 가능하여 보고에 활용할 수 있습니다.
AI 텍스트 분석으로 만족도·NPS 조사 분석하기
Step 1. 응답 데이터 수집
먼저, 고객에게 NPS 또는 만족도 점수를 묻고, 그 점수를 준 이유를 텍스트 형식으로 수집합니다. 이를 통해 고객이 무엇에 만족했고, 무엇을 개선해야 하는지에 대한 직접적인 피드백을 얻을 수 있습니다. 이러한 데이터를 기반으로, 서비스 품질이나 고객 경험을 더욱 구체적이고 효과적으로 개선할 수 있죠.
NPS 외에도 CSAT(고객 만족도 조사), CES(고객 노력 점수)등 만족도를 측정하기 위한 다양한 조사들이 있습니다. 처음 만족도 조사를 진행하는 기업이라면 데이터스페이스에서 제공하는 템플릿을 활용해 쉽게 만족도 조사를 시작할 수 있습니다.
Step 2. 데이터 자동 분류 및 분석
수집한 텍스트 데이터를 분석하려면 먼저 데이터를 정제하고 정량화하는 과정이 필요합니다. 데이터스페이스의 도입 전에는 사람이 직접 응답을 읽고 주제별로 분류하는 수작업이 필요했지만, 이제는 AI가 이를 자동으로 처리합니다.
담당자 A는 텍스트 AI 탭의 ‘주제 분석’ 기능을 사용하여, 수집된 텍스트 데이터를 주제별로 자동 분류합니다. AI가 주관식 답변을 주제별로 자동 정리하고, 각 주제로 분류된 대표적인 의견도 함께 추출해 줍니다. 또한, 분석 결과는 버블 차트로 시각화되어, 전체 응답 흐름을 쉽게 파악할 수 있습니다.
먼저 버블 차트를 통해 고객들이 오픈백화점에 대해 ‘친절한 직원’, ‘깔끔한 환경’, ‘다양한 상품’에 대해 자주 언급했음을 빠르게 확인할 수 있습니다. 또한, AI가 분류하고 요약한 주제를 확인한 후, 해당 주제에 속하는 대표적인 응답들을 모아 볼 수 있습니다. 이렇게 각 주제별로 대표 응답을 살펴보며, 고객의 의도와 맥락을 놓치지 않고 파악할 수 있습니다.
Step 3. 인사이트 도출
다음으로 만족, 불만족 이유에 대한 주관식 응답이 성별, 연령으로 정의한 고객 집단이나 만족 수준에 따라 어떻게 다른지 분석하고, 그룹별 맞춤 전략을 수립할 수 있습니다.
NPS에서 백화점을 ‘추천’한 고객과 ‘비추천’한 고객을 나눠 고객 피드백을 분석한 결과입니다. ‘추천’을 선택한 고객들은 브랜드의 다양성을 높이 평가한 반면, ‘비추천’ 그룹은 특별한 차별점이 없다는 점을 지적했습니다. 이를 바탕으로 브랜드 라인업을 확장하거나 새로운 브랜드를 추가해 고객들이 선호하는 다양성을 강화할 수 있습니다. 동시에, “특별한 차별점 없음”이라는 피드백에 맞춰 경쟁사와 차별화될 독특한 브랜드 특징이나 혜택을 강화하여 NPS 점수를 높이는 방향으로 개선할 수 있습니다.
특히 NPS 조사를 진행할 때는, 자사의 NPS 점수를 경쟁사나 업계 평균과 비교하여 브랜드의 성과를 객관적으로 평가할 수 있습니다. 이 과정을 통해 우리 브랜드가 시장에서 어느 위치에 있는지 명확히 알 수 있죠. 또한 단순히 점수를 비교하는 데 그치지 않고, 고객들이 각 브랜드를 평가한 이유를 구체적으로 살펴봄으로써, 우리 브랜드의 상대적인 강점과 약점을 파악하고 차별화 기회를 찾아볼 수 있습니다.
Step 4. 분석 결과 공유 및 다운로드
담당자 A는 분석한 데이터의 링크를 유관부서에 즉시 공유합니다. VoC 데이터를 수집하는 것은 A가 속한 부서의 일이지만 실제로 개선을 담당하는 부서는 다르기 때문입니다. 실시간으로 결과를 분석하고 생생한 고객의 목소리를 전달할 수 있게 된 뒤로 개선을 담당하는 부서를 더욱 쉽게 설득하고 같은 시각에서 고객을 바라보게 되었습니다.
이 데이터는 다양한 부서에 공유되기 때문에 데이터 보안 역시 신경을 씁니다. 팀에 따라 접속 권한을 다양하게 설정하거나, 공유 만료일을 설정해 불필요한 정보 유출을 막고 있습니다.
빠른 공유가 필요할 때도 있고, 보고서를 작성해야 할 때도 있습니다. 클릭 몇 번이면 분석 결과를 바탕으로 AI가 자동으로 보고서를 생성합니다. 생성된 보고서는 PPT 형식으로 즉시 다운로드할 수 있으며, 분석 결과를 시각화한 차트도 함께 다운로드해 보고서에 활용할 수 있습니다.
데모 페이지에 접속해 데이터스페이스의 AI 텍스트 분석 기능을 직접 체험해 보세요.
데이터스페이스의 AI 텍스트 분석 기능은 반복적이고 시간 소모적인 작업을 자동화하여, 대량의 텍스트 데이터를 신속하고 정확하게 분석합니다. 이를 통해 기업은 데이터 분석에 소요되는 시간과 비용을 절감하여, 더 중요한 업무에 집중할 수 있게 됩니다.
실제 분석 화면과 자동화된 보고서를 미리 경험하며, 빠르고 효율적인 텍스트 분석의 성능을 직접 체험할 수 있습니다. 지금 예시 분석 결과를 살펴보고, AI 텍스트 분석이 어떻게 업무 효율을 높일 수 있는지 확인해 보세요!
데이터스페이스 더 알아보기
AI 기술을 활용해 효율적인 업무 운영과 빠른 비즈니스 의사결정을 돕는 데이터스페이스에 대해 궁금하시다면 오픈서베이 팀을 만나보세요. 데이터스페이스 기능에 대한 자세한 소개와 다른 기업의 활용 사례도 함께 들어볼 수 있습니다. 데이터스페이스 기능에 대한 자세한 소개와 다른 기업의 활용 사례를 들어보고, 제품 트라이얼 사용을 신청할 수도 있습니다.
소비자 데이터 플랫폼
