최근 금융감독원의 민원접수에 따른 은행평가, 금융소비자보호규범 준수, 빅데이터와 결합한 VOC 분석, 상담 녹취 데이터 활용 등에 대한 고객의 관심과 요구가 증가하고 있습니다. 단편적인 고객 불만에 신속하게 대응하는 프로세스를 벗어나 기업은 고객의 전반적인 경험을 주도적으로 찾아내어 전사적으로 고객의 잠재적 요구에 신속하게 대응하는 Sense & Response 경영체제로 진화를 준비합니다. 또한, 인터넷, 모바일, 소셜미디어 등의 일상화로 자사 제품/서비스에 대한 고객의 의견과 불만을 통합적으로 이해하고 효과적으로 대응하기가 점점 더 어려워지고 있습니다. 특히, 회사로 유입되지 않고 인터넷과 소셜미디어를 통해 유통되는 자사 제품/서비스에 대한 평판과 불만은 예측하기 어려운 미래 위험이 되기도 합니다.

솔트룩스의 고객 목소리(VOC) 분석 솔루션은 고객센터의 상담 메모뿐 아니라 이메일, 다양한 소셜 미디어와 포털 게시판에 이르기까지 다양한 채널로부터 고객 목소리를 실시간 수집, 통합합니다. 고객 불만과 평판을 심층 분석하고 이상징후 조기 감지 및 실시간 대응 체계를 제공함으로 고객 만족 극대화, VVIP 대응, 회사와 서비스 평판 관리뿐 아니라 신상품 개발에 이르기까지 보다 지능적이고 주도적인 대고객 리더십 확보를 지원합니다.

< 통합 VOC 분석 웹 서비스 >

고객 문제

멀티(옴니) 채널을 통해 파편화되어 유통되는 고객 목소리(불만, 평판)를 통합적으로 이해하고 합리적, 효과적으로 대응하기가 점점 더 어려워지고 있음

도입 효과

다양한 채널로부터 실시간 자동 수집된 데이터를 자사 제품과 서비스, 고객군, 불만 유형에 따라 심층 분석함으로 고객 만족 극대화와 평판 관리, 실시간 위험 관리, 신사업 기획 가능

주요 기능

콜센터 상담메모, 소셜미디어, 포털 게시판, 내부 DB와 보고서 등 고객 목소리 분석을 위한 모든 데이터의 실시간 수집과 융합, 자동분류, 검색, 자동 평판 및 감성 분석, 트랜드 분석과 이슈 감지 및 자동 알림, 시각화/대시보드 자동 생성 기능의 제공

내장 제품

DISCOVERY, TORNADO, RAINBOW 연동

주요 고객

KT, 한국도로공사, 한화그룹(10개 그룹사), 건강보험공단, 기업은행, 하나은행, 신한은행, 부산은행 외

VOC 시스템의 정의

VOC(Voice Of Customer) 는 기업의 경영 활동에 있어서 고객들이 기업의 서비스에 반응하는 각종 문의, 불만, 제안 등을 의미합니다. 이러한 VOC을 구성하고 있는 데이터는 주로 콜센터 등에서 사용하는 CRM의 고객지원 시스템을 통해 확보할 수 있는 상담원의 고객상담메모, 고객지원 게시판이며, 최근에는 블로그, 트위터, 커뮤니티 사이트의 다양한 채널을 통해 확보가 가능한 고객제품, 서비스의 반응 등 데이터를 포괄적으로 포함합니다.

솔트룩스 VOC 분석 솔루션은 내/외부 비정형 VOC(상담) 정보를 수집하는 정보 수집 시스템과 수집된 정보를 분석하는 VOC 분석 시스템 그리고 분석된 정보를 웹으로 제공하는 웹 서비스로 구성됩니다. 비정형 Data(VOC, 상담기록) 분석을 위해 다양한 구축 사례를 통하여 성능이 검증되고 기능이 최적화된 텍스트마이닝, 연관정보검색 등 데이터 수집/분석 솔루션을 활용하여 성공적인 상담 기록 분석 시스템을 구축합니다.

< VOC 단계별 프로세스 >

VOC 분석의 필요성

2000년 대 CRM 시스템을 포함하는 대규모 콜센터 인프라의 구축으로 인하여 대용량의 고객 상담 메모가 시스템 상에 지속적으로 축적되어 왔습니다. 또한 디지털 환경의 보편화 및 인터넷 환경 등이 활성화 되며 소비자의 적극적인 의사 표현이 이루어 지고 있습니다. 특히 웹 2.0 패러다임의 등장으로 제품/서비스 사용자의 인터넷 상의 블로그, 커뮤니티 등을 통한 적극적인 소비자의 의사표현 하는 프로슈머가 등장하였고 이들은 본인의 의견을 다른 사용자들과 적극 공유, 기업 경영에 영향력을 행사하고 있습니다. 따라서 다양한 고객의 필요 및 문제를 명확히 파악하고 이를 제품/서비스에 반영하는 것은 갈수록 치열해 지는 기업 경쟁 환경에서 기업의 생존과 직접적 관계를 가지고 있습니다.

VOC 분석 시스템 주요기능

1. 연관정보 분석/트렌드 분석

토픽 랭크 기술을 적용하여 방대하게 축적된 내/외부의 모든 관련 지식을 연결하고 그 연관 관계를 제시하며, VOC 내의 관심 키워드를 주기적으로 통계 분석하여 고객 VOC 동향을 깊게 이해할 수 있습니다.

< 비정형 VOC 데이터 연관정보 분석 >

토픽 클러스터링 기술을 적용하여 방대하게 축적된 내/외부의 모든 관련 지식을 연결하고, 그 연관관계를 밝힘으로 사용자에게 통찰력을 제공
연관되는 주요 키워드들을 방사형 그래프로 표시하고 연관성을 보여줌으로써 이슈 주변에서 발생하는 연관 이슈들을 확인

< 비정형 VOC 데이터 트렌드 분석 >

트렌드 분석을 통해 해당 도메인 내의 관심 용어를 주기적으로 통계 분석하여 서비스
분석 주기에서 많이 언급되는 용어를 추출하는 인기 용어 추출과 분석 시점을 기준으로 과거와의 언급되는 빈도 상승 추세율을 기준으로 하는 급상승 용어 추출

2. 통계정보 시각화

수집된 고객 상담정보에 대하여 분류별 특성정보를 다양한 통계적 방법(빈도, 추이, 다차원분석)으로 분석하고, 시각화 및 Dashboard로 제공함으로써 이슈 발생 가능성을 정량화하여 이슈 및 문제점 등에 대한 정확한 원인파악 및 대응방안을 수립할 수 있도록 지원합니다.

3. 종합 대시보드

최신 VOC 동향을 기간별, 연령별, 성별 등 다양한 유형별로 제공함으로써 한 눈에 고객의 요구를 조망할 수 있습니다.

< 외부 대시보드 >

< 내부 대시보드 >

< VOC 키워드 랭킹 >

4. 키워드 종합랭킹

종합 랭킹을 통해 지속적인 VOC 이슈를 확인할 수 있고 급상승 랭킹을 통해 새롭게 도출되는 이슈를 파악할 수 있으며 사용자가 원하는 정보에 대한 랭킹을 볼 수 있는 관심 키워드 랭킹을 제공합니다.

유형별(고객/요구/서비스) 이슈 키워드 조회

질의 키워드에 대한 연관 키워드 추이

해당 기간의 최고 이슈 키워드 결과 조회

질의 키워드에 대한 검색 결과 조회

< 키워드 종합랭킹 1 >

< 키워드 종합랭킹 2 >

5. 리포트 기능

분석된 VOC에 대한 가시성 높은 통계와 다양한 유형의 리포트를 제공합니다.

고객 요구 유형, 서비스 유형, 처리결과 유형 등 유형별 키워드가 포함된 현황을 조회

유형 조회 시 다중키워드 입력

검색 결과 중 제외 키워드 입력

기간 설정 조회

< 고객유형 >

< 요구유형 >

< 서비스유형 >

< 처리결과유형 >

6. 연관 이슈 분석

내∙외부 수집 정보(트위터, 블로그, 카페 등)에 대한 연관 이슈를 조회하고 트렌드 분석을 제공합니다.

관심 키워드에 대한 연관 키워드의 순위별 조회

연관 키워드의 기간별 발생 현황

연관 키워드별 랭킹

수집데이터 정보 현황 조회

< 외부 정보분석 키워드랭킹 >

< 연관분석 >

VOC 데이터의 특징

일반적으로 VOC 데이터는 다음과 같은 콘텐트적 특징을 가지고 있으며, 각 특징에 맞춰 적합한 분석 기법의 적용이 필요합니다.

일반 문서 대비 짧은 텍스트 구성: 콜센터의 상담 메모는 평균 100자 내외의 짧은 내용으로 기술되어 있습니다. 경우에 따라서는 문장이기 보다는 주요 이슈(불만, 불량 등)에 대한 핵심 단어의 나열인 경우가 많습니다.

민감한 정보 포함 가능: 고객 상담 내용을 그대로 기술하는 경우는 이름, 주소, 주민등록번호, 전화번호, 카드번호 등의 다양한 고객의 개인정보를 포함하게 됩니다. 이러한 개인정보는 전처리 과정 등을 통해 필터링되어 분석 결과에 노출되지 않도록 해야 합니다.

약어, 구어체 형태로 기술: 콜센터의 상담원을 통해 구축되는 VOC 데이터는 짧은 고객과의 상담시간 내에 작성됩니다. 그래서 상담원의 편의에 맞춰 종종 약어, 구어체 등으로 기술됩니다. 이러한 약어 및 구어체를 언어분석 단계에서 효과적으로 처리할 수 있도록 하는 고려가 필요합니다.

제품/서비스 도메인 종속: VOC 데이터는 기업의 제품, 서비스 판매 등의 고객 대면 경영 활동에서 발생되는 데이터입니다. 따라서 VOC 데이터는 기업의 제품, 서비스에 대한 고객의 다양한 불만, 제안, 의견 등의 피드백 내용을 담고 있습니다. 고객 판매의 제품, 서비스에 대한 도메인 지식을 표현할 수 있는 상품명, 서비스명, 고객분류 등의 키워드의 확보 및 구축이 필요합니다.

부분적 정형화 적용: 콜센터 내부의 콘텐트 활용에 대한 노력으로 부분적으로 정형화된 패턴 형태로 저장된 경우가 있습니다.그러나 콜센터 인력의 빠른 교체 및 다양한 고객 피드백 등으로 데이터의 오류가 많아 예외 없는 패턴 기반의 분석은 현실적으로 어렵습니다. 따라서 패턴으로 기술된 부분에 대한 처리와 그 외의 데이터의 처리를 복합적으로 적용해야 합니다.

VOC 데이터 분석을 위한 기법

텍스트마이닝을 활용한 VOC 데이터 분석 기법과 해당 기법을 적용하기 위한 기술은 다음과 같습니다.

VOC 데이터 분석의 고려사항

데이터 품질 수준 확인: 분석할 VOC 데이터에 대한 선행 품질 확인 및 고객과의 공유가 반드시 필요합니다. 고객도 VOC 데이터의 품질이 좋지 않다는 것을 인지하고 있으나 프로젝트 수행 후 원하는 품질에 대한 콘텐트 문제를 간과하기 쉽습니다.

도메인 주요 이슈 확인: 분석 대상의 VOC에서 어떤 정보를 궁극적으로 뽑아 내야 하는지에 대한 구체적 고객 요구, 시나리오의 준비가 필요합니다. 이것이 없으면 프로젝트 중 논의 등의 시간 증가로 위험성이 커집니다.

TF (Term Frequency): 문서 내의 특정 키워드의 발생 빈도를 측정
Topic Rank: Text Rank 알고리즘을 개선한 솔트룩스의 어휘 연관 분석 알고리즘

고객 목소리 분석 VOC