반품·교환 티켓 자동 분류로 응답 시간 단축

이커머스 티켓의 70%는 소수의 패턴에 해당합니다. 배송 문의, 반품 신청, 교환 요청, 파손 보상, 명세서 요청. 그런데도 CS 담당자는 티켓 하나하나를 읽고 분류하고 처음부터 답장을 쓰는 데 30-40분을 씀니다. 티켓 자동 분류는 담당자 일이 아닌 시스템이 해야 할 일입니다.

분류의 세 교차

티켓은 세 가지 권으로 동시에 분류해야 합니다. 첫째는 카테고리: 배송·반품·교환·품질·결제·기타. 둘째는 긴급도: 즉시·당일·일반. 셋째는 감정: 화남·불안·일반. 이 세 권을 동시에 태그하면 우선순위가 자연스레 결정됩니다. "품질 불만 + 긴급 + 화명" 티켓은 1차 우선순위, "배송 일반 + 기다림 + 일반" 티켓은 서포마.

AI 태그 설계 포인트

Claude나 GPT 같은 모델은 한국어 티켓 분류에 충분한 능력을 가지고 있습니다. 프롬프트는 명확해야 합니다. "이 티켓을 카테고리, 긴급도, 감정 세 가지로 태그하라. 세 가지 이상은 쓰지 말라. 애매하면 'unclear' 태그를 추가하라." 이 제약이 제일 중요합니다. 이 제약 없이는 AI가 대안을 자유롭게 쓰면서 출력이 매번 달라집니다.

자동 답장 초안

분류가 끝나면 해당 카테고리의 표준 답장 테플릿이 뒤따릅니다. 테플릿은 30-40개 년 필요하고, 티켓의 구체 정보(주문번호, 상품명, 구매일)를 AI가 변수에 채웁니다. 담당자는 초안을 1-2분안에 다듬고 마우스 클릭으로 전송합니다. 답장을 처음부터 쓰는 일이 사라지면서 응답 시간이 크게 줄어듭니다.

감정 태그가 있을 때 구조 변화

"화명" 태그가 붙은 티켓은 테플릿도 달라야 합니다. 첫문장이 "주문번호 확인"이 아니라 "불편 끜치게 해드려 죄송합니다"이어야 합니다. 그 다음에 해결 제안. 어떤 태그가 붙으니따라 테플릿의 톤을 바꾸는 게 자동화의 수준을 한 계단 높입니다.

수치

월 티켓 소화량 600건 규모의 D2C 브랜드 4개월 도입 결과:

평균 응답 시간: 14.2시간 → 3.1시간
티켓당 평균 처리 시간: 31분 → 9분
24시간 이상 병적 티켓: 18% → 2%
CSAT 점수: 3.6 → 4.4

CS 담당자는 해고되지 않았습니다. 대신 그 시간을 고객 관계 개발과 제품 피드백 분석에 쓰고 있습니다. 더 가치 있는 일로 이동한 겁니다.

주의점: 자동 전송은 금지

자동화의 유혹은 "그냥 자동으로 보내주면 더 빨라질 텍데"입니다. 그 유혹을 참아야 합니다. AI가 초안을 잘 써도 맥락을 놓치는 일이 생깁니다. 고객이 한 번 화니 다시 화는 순간은 회복이 안 됩니다. 원칙은 "사람이 마지막으로 클릭"입니다.

결론

CS 자동화는 일자리 제거가 아니라 일의 역할 재설계입니다. 담당자가 "키보드 녹자기"에서 "고객 관계 관리자"로 역할을 바꾸는 장치입니다. 시스템이 처리하는 게 아니라 시스템이 준비해주는 것으로 구조를 잡으면 CS는 비용이 아닌 자산이 됩니다.