캐슬린 맥네어와 토냐 웨버
모든 고객 상호작용을 검토한다는 것은, 특히 수년 동안 소규모 표본을 바탕으로 업무를 수행해 온 품질 관리 팀의 경우, 매우 인상적으로 들릴 수 있습니다. 기존의 콜센터 품질 보증 체계는 ‘표본의 부족’을 전제로 구축되었습니다. 대부분의 팀은 상호작용의 2%에서 5% 정도만 검토할 수 있었으며, 그 표본을 바탕으로 상담원을 지도하고, 규정 준수 여부를 추적하며, 프로그램 성과를 추정했습니다.
AI 기반 품질 모니터링은 팀이 파악할 수 있는 범위를 넓혀줍니다. 문제는 모니터링 대상 상호작용이 늘어난다고 해서, 관리자들이 어디에서 가치가 손실되고 있는지, 혹은 무엇을 먼저 변경해야 하는지를 자동으로 파악할 수 있는 것은 아니라는 점입니다. 팀은 여전히 무엇을 측정하고 있는지, 그것이 왜 중요한지, 그리고 그 정보가 어떻게 활용될 것인지에 대해 알아야 합니다.
서류상으로는 고객 응대가 완벽하게 보일지라도, 실제로는 고객을 실망시킬 수 있습니다. 상담원은 절차를 따랐고, 답변은 정확했으며, 정책도 준수했고, 기록도 완벽하게 작성되었습니다.
전통적인 컨택 센터 품질 보증(QA)은 대개 거기서 끝납니다.
COPC Inc.에서는 업무 수행 시 동일한 상호작용을 다른 관점에서 바라봅니다. 저희는 고객의 문제가 실제로 해결되었는지, 해결을 방해한 요인이 무엇인지, 그리고 그 장애 요인이 상담원이 통제할 수 있는 범위에 속하는지 파악하고자 합니다.
그 질문은 품질의 역할을 변화시킵니다. 이는 논의의 초점을 담당자의 규정 준수 여부를 넘어, 고객이 실제로 경험하는 바를 형성하는 정책과 프로세스로 옮겨 놓습니다.
컨택 센터 품질 보증 부서가 상담원뿐만 아니라 정책 자체에도 의문을 제기해야 하는 이유
상담원에게는 명확한 기준이 필요하며, 조직은 그러한 기준이 고객이 기대하는 결과를 뒷받침하는지 파악해야 합니다. 정책이 올바르게 적용되었더라도, 고객이 문제를 해결되지 않았다고 느끼는 결과가 나올 수 있습니다.
COPC에서는“해당 정책으로 인해 문제 해결에 얼마나 많은 비용이 발생하고 있으며, 그만큼의 가치가 있는가?”라는 질문이 훨씬 더 중요한 문제라고 생각합니다.
이때 품질 보증을 위한 AI 도구가 도움이 될 수 있는데, 이는 여러 상호작용에서 동일한 정책, 프로세스 또는 도구 관련 문제가 반복적으로 발생하는 시점을 파악해 주기 때문입니다. 이러한 패턴을 활용해 문제 해결에 미치는 영향을 파악한 뒤, 해당 규칙을 기존대로 유지할지, 워크플로를 변경할지, 디지털 옵션을 마련할지, 아니면 상담원에게 더 나은 문제 해결 경로를 제공할지 결정하는 데 그 가치가 있습니다.
컨택 센터 품질 보증(QA)을 통해 드러나는 정책상의 마찰
예를 들어 보증 관련 문제를 들어보겠습니다. 고객이 수리나 환불을 요청하기 위해 고객 지원팀에 연락합니다. 상담원은 보증 정책을 확인한 후, 해당 상품이 보증 기간이 지났음을 확인하고, 규정을 정확히 설명한 뒤 요청을 거절하며, 해당 상담 내용을 기록합니다.
전통적인 품질 관점에서 볼 때, 해당 담당자는 옳은 일을 했다.
고객의 입장에서 볼 때, 이 문제는 “해결”되지 않았습니다.
다음 질문은 무엇이 문제 해결을 방해했는가 하는 것입니다. 상담원이 절차를 하나 빠뜨렸을까요? 잘못된 답변을 했을까요? 더 많은 지도가 필요했을까요? 때로는 그 대답이 ‘예’일 수도 있습니다. 하지만 많은 경우, 문제의 원인은 다른 곳에 있습니다. 상담원은 절차를 올바르게 따랐을지라도, 정책, 워크플로우, 도구 또는 비즈니스 규칙 때문에 고객이 문제를 해결되지 않은 것으로 느끼게 된 결과를 초래했을 수 있습니다.
고객사를 대상으로 이 분석을 수행할 때, 저희는 미해결 문의 건을 상담원이 통제할 수 있는 요인과 정책, 프로세스, 도구, 재무 규정, 규정 준수 요건 또는 기타 비즈니스 제약 사항으로 인해 통제할 수 없는 요인에 따라 분류합니다.
당사의 북미 B2B 전자상거래 고객사 중 한 곳의 경우, 수치가 상황을 완전히 바꿔놓았습니다. 고객 관점에서 볼 때 문제의 60%는 해결되었으나, 40%는 해결되지 않았습니다. 해결되지 않은 40% 중 12%포인트는 상담원이 통제할 수 있는 요인에 기인한 것이었고, 28%포인트는 정책, 프로세스, 도구 또는 기타 비즈니스적 제약 요인에 기인한 것이었습니다.
품질 보증을 위한 AI 도구가 패턴을 어떻게 비즈니스 의사결정으로 전환하는가
COPC는 품질 보증을 위해 AI 도구를 활용하여 고객사가 이러한 패턴을 파악할 수 있도록 지원합니다. 이 도구는 데이터를 체계적으로 정리하여, 경영진이 문제 해결이 제대로 이루어지지 않는 부분과 그 원인이 정책, 프로세스, 도구상의 부족, 또는 상담원의 행동 중 어디에 있는지 한눈에 파악할 수 있도록 합니다.
핵심은 수천 건에 달하는 모니터링된 상호작용을 몇 가지 핵심적인 비즈니스 의사결정 사항으로 압축하는 데 있습니다.
- 어떤 정책을 재검토해야 할까요?
- 어떤 공정이 재구매 수요를 창출하고 있습니까?
- 어떤 도구 관련 문제가 고객과 상담원 모두에게 불편을 주고 있습니까?
- 어떤 변경 사항이 해상도를 가장 빠르게 향상시킬 수 있을까요?
품질 팀이 앞으로 나아갈 방향
고객 경험 운영의 가치는 비즈니스가 다음에 무엇을 해야 할지 파악하는 데 있습니다. AI 기반 품질 모니터링은 운영의 규모를 확대할 수 있습니다. 품질 팀이 바로 그 가치를 창출합니다. 이들은 고객 관점에서 ‘해결’이 무엇을 의미하는지 정의하고, 결과를 검증하며, 근본 원인을 분석하고, 비즈니스 측에 사실에 기반한 조치 근거를 제시합니다.
이처럼 컨택 센터의 품질 보증(QA)은 단순한 점수 집계에서 전략적 인사이트로 발전합니다. 이를 통해 상담원이 올바르게 대응했음에도 고객의 문제가 해결되지 않은 경우와, 정책, 프로세스 또는 도구를 더 면밀히 검토해야 할 부분을 파악할 수 있습니다.
더 자세히 알아보시려면 다음 기사를 읽어보세요. '컨택 센터의 AI 품질 모니터링: QA를 비용 센터에서 전략적 인텔리전스로 전환하는 방법'를 읽어보시고, 품질 관리 팀이 AI 기반 모니터링을 활용하여 고객 결과 데이터를 근본 원인 분석 결과와 비즈니스 의사 결정으로 전환하는 방법을 알아보세요.
저자 소개
캐슬린 맥네어(Kathleen McNair), 미주 지역 CEO
캐슬린은COPC의 미주지역 고객 경험 컨설팅, 인증 및 교육 업무를 총괄하고 있습니다. 그녀는 모든 서비스 제공 및 손익(P&L)을 책임지고 있습니다. 공급업체 관리, 계약 체결 및 성과 개선 분야에서 깊은 전문성을 갖춘 그녀는 대규모 글로벌 운영을 위한 운영 관리, BPO 소싱 및 고객 여정 설계 전반에 걸친 혁신 프로젝트를 주도해 왔습니다. 캐슬린은 영업, 고객 서비스, 기술 지원을 아우르는 다채널 프로그램을 구축하여, 고객사가 지원형 및 디지털 고객 경험을 모두 확장할 수 있도록 지원한 입증된 실적을 보유하고 있습니다.
토냐 웨버(Tonya Webber), 컨설팅 이사
토냐는16년 이상의 고객 경험(CX) 리더십 경력을 보유하고 있으며, 운영 혁신, 프로세스 최적화 및 성과 개선을 전문으로 합니다. 그녀는 COPC 고객사와 협력하여 프로세스 격차 분석, 지식 관리, 거버넌스 프레임워크 및 데이터 기반 개선 이니셔티브를 통해 고객 참여 운영을 강화합니다. SaaS 제공업체인 RealPage의 전 운영 이사로서, 토냐는 분석가 팀을 이끌며 효율성을 높이고, 제품 출시를 지원하며, 중요한 프로세스 격차를 해소하는 데 앞장섰습니다. 프로젝트 관리, 품질 관리, 전략적 공급업체 관계 관리에 능통한 그녀는 측정 가능한 비즈니스 성과를 창출하는 근본 원인 분석 및 지속적인 개선 관행을 적용하는 것으로 인정받고 있습니다.