AI가 바꾸는 B2B 3 - 고객을 대하는 또 하나의 방법 Chat BOT

 

고객 응대는 B2B 마케팅에서 업무 진행 전 과정에서 필요로 되는 업무이면서 동시에 고객과의 신뢰도를 좌우할 수 있는 요소다. 제품과 관련한 문의, 재고 확인, 납기일 조율, 기술 지원 요청 등 고객사에서 요청할 수 있는 항목은 다양하고 복잡하다. 기존에 이런 업무는 해당 고객사의 영업 담당자나 고객센터 직원이 전화나 이메일로 처리해 왔다. 하지만 이 방식에는 명확한 한계가 있다. 바로 근무 시간 외에는 응대가 불가능하고, 담당자가 자리를 비우게 되면 응대가 진행되기 힘들다는 점이다. 같은 질문이 반복되어도 매번 사람이 직접 응답을 하게 되는 비효율도 발생한다.

오픈 AI가 2023년 8월 출시한 챗GPT 엔터프라이즈의 유료 사용자가 1년 만에 100만 명을 넘어섰고, 이는 기업 시장에서 AI 챗봇의 가능성을 보여주는 신호탄이 됐다. 국내에서도 변화가 시작됐다. 스켈터랩스의 LLM 서비스와 AICC 서비스를 활용해 대화형 AI를 도입한 국내 기업들이 고객 응대 자동화와 업무 효율성 향상을 이뤄낸 사례가 있다. B2B 영역에서 챗봇은 더 이상 실험 단계가 아니라 기존의 업무 방식을 변화시키는 방법으로 자리 잡고 있다.

 

365일 24시간 대응

B2B 거래의 특성상 고객사는 자신들의 업무 시간에 맞춰 문의한다. 해외 고객사라면 시차로 인해 새벽이나 밤늦은 시간에 연락이 올 수도 있다. 기존 체계에서는 담당자가 전화를 받을 수 있는 상황에서만 응대가 가능하다. 챗봇은 시간과 무관하게 대응이 가능하기 때문에, 대기 시간을 단축하는 것은 물론이고 언제나 서비스를 제공할 수 있다.

다우기술의 사방넷이 출시한 AI 챗봇은 650여 개 쇼핑몰 전체 주문에 대해 24시간 응대가 가능하며, 주문 및 배송조회, 취소·교환·반품 요청 등을 자동화했다. 단순히 대응 시간을 줄인 것뿐만 아니라 해당 업무를 처리하는 방식 자체에 변화를 가져왔다. 

B2B 거래에서는 납기 일자의 확인이나 재고 조회처럼 단순하지만 긴급한 문의는 언제든지 발생할 수 있다. 담당자가 퇴근한 이후나 주말에 이런 정보 요청을 받았을 때, 챗봇은 즉시 답변을 제공할 수 있다. 고객사는 주말에도 필요한 업무를 진행할 수 있다.

 

 

실시간으로 업데이트

B2B 거래에서 정보의 정확성은 매우 중요하다. 제품 가격이 변경됐거나 프로모션이 시작됐을 때, 이 변경된 정보를 고객에게 빠르게 전달하지 못하면 기회를 놓치거나 잘못된 거래가 발생할 수 있다. 기존 방식에서는 변경된 사항을 고객사 담당자들에게 전달하고, 담당자가 이를 확인하고 다시 담당 고객사에게 전달하는 방식으로 진행됐다. 이 과정에서 시간이 지연되거나 심지어는 정보 누락이 발생할 가능성도 있었다.

업데이트가 필요한 상황은 다양하다. 연말 정산 기준과 가이드는 매해 업데이트 되는 부분들이 있다. 매해 개정되는 연말정산 가이드를 반영해 응답하는 연말정산 챗봇을 구현했다. 세법이 바뀌면 기존 안내 내용도 즉시 수정되어야 한다. 사람이 모든 변경사항을 완벽하게 기억하고 적용하기는 어렵지만, 챗봇은 데이터가 업데이트되면 다음 응답부터 바로 반영한다.

제조업에서는 제품 사양이나 재고 현황 같은 정보가 언제든지 변경될 수 있다. 제품의 재고현황, 배송이력, 주문고객혜택 등 고객 대응을 도와주는 정보를 업데이트하여 실수 없이 제공이 가능하다.

 

담당자도 답하기 어려운 질문 처리

B2B 제품과 서비스는 복잡한 경우가 많다. 다양한 옵션과 사양이 있고, 고객사의 환경에 따라 적합한 제안이 달라진다. 숙련된 담당자라도 모든 제품 정보와 기술 사양을 완벽하게 기억하기는 어렵다. 특히 신입 직원이나 해당 제품에 대한 전문성이 부족한 담당자는 고객 질문에 즉각 대응을 하기 어려운 경우가 많다.

AI에게 제품의 매뉴얼과 AS 사례 등 방대한 데이터를 학습시켜 고객사이 처한 상황에 대해 원인을 파악하고 해결방안을 제시하도록 할 수 있다. 고객은 카카오톡이나 다른 형태의 대화형 챗봇을 통해 필요할 때 언제든 AS 접수와 조회, 제품 관련 정보의 확인 등의 서비스를 이용할 수 있다. API 연동으로 기존의 AS 시스템과 연결되어 데이터의 일관성을 유지하며 업무를 처리하도록 할 수 있다.

A 증권사는 기존의 단순 키워드 검색 방식을 벗어난 고도화된 챗봇 시스템을 도입했으며, 임직원이 긴 문서에서 특정 정보를 찾을 때 관련 문서를 요약하여 중요한 정보만 빠르게 제공함으로써 문서 탐색 시간을 단축시킬 수 있다. 내부 임직원용 챗봇이지만, 동일한 기술을 고객 응대에도 적용하면 복잡한 계약 조건이나 규정을 문의하는 고객에게 관련 내용을 정확히 찾아 요약해서 제공할 수 있다.

 

 

텍스트 대화를 선호하는 Z세대

B2B 시장의 구매 담당자도 세대교체가 일어나고 있다. 대학 내일 20대 연구소가 조사한 결과, 일상 대화에서 메시지를 가장 선호한다고 답한 세대별 비율이 Z세대 67.0%, Y세대 64.0%, X세대 39.0% 순으로 나타났다. 젊은 세대일수록 음성 통화보다 텍스트 기반 대화를 선호한다는 것이 확인된 조사다.

Z세대가 통화를 피하는 이유로는 대화가 중단되었을 때의 침묵이 싫어서라는 응답이 48.9%, 상대방의 질문에 즉시 답해야 한다는 점이 32.6%로 나타났다. X세대가 통화하는 동안 다른 일을 할 수 없어서 피한다는 응답 41.7%와는 다른 이유다. 

텍스트 기반 소셜 플랫폼 스레드는 앱 출시 1주년을 맞아 발표한 통계에서 전체 게시물의 63% 이상이 텍스트로만 작성됐다고 밝혔다. 짧고 자극적인 영상 콘텐츠에 대한 피로감을 느낀 Z세대가 텍스트 기반 커뮤니케이션으로 회귀하고 있다는 분석도 있다.

B2B 시장에도 Z세대가 빠르게 진입하고 있다. 이들은 구매 담당 조직의 실무자로서 제품을 검토하고 공급사와 소통한다. 전화로 문의하는 대신 채팅이나 메신저로 질문하는 것을 더 편하게 느낀다. 챗봇은 자신이 원하는 시간에 원하는 방식으로 질문하고, 즉각적인 답변을 받을 수 있기 때문에 Z 세대의 선호에 정확히 부합하는 서비스를 제공한다. 통화처럼 실시간 반응을 강요받지 않으면서도 필요한 정보를 효율적으로 얻을 수 있다.

텍스트로 받은 정보는 기록으로 남아 나중에 다시 확인할 수 있다는 장점도 있다. 전화 통화 내용은 따로 메모하지 않으면 기억에 의존해야 하지만, 챗봇과의 대화 내용은 저장이 되어서 필요할 때 다시 검색하고 확인할 수 있다.

 

B2B 현장의 다양한 활용

금융업에서 챗봇 활용은 빠르게 확산되고 있다. 증권, 카드, 보험사는 챗봇 고도화를 위한 투자를 아끼지 않고 있으며, 보험 계약 조회, 카드 신청 및 발급, 고객별 카드 추천, 펀드 추천, 주식 종목 검색 등 다양한 업무를 챗봇이 응대하며 고객과의 주요 소통 창구로 활용되고 있다. 금융상품은 복잡하고 그만큼 설명이 길어질 수 있는데, 텍스트로 정리돼 있으면 고객이 천천히 읽고 이해할 수 있다는 장점도 있다. 특히 B2B 금융 서비스에서 법인 고객의 복잡한 요구사항을 처리하는 데 챗봇이 효과적으로 활용될 수 있다.

제조업과 물류 분야에의 역할도 많다. 고객이 챗봇 화면에서 신규 계약, 납품 및 반납 요청, 배차 조회, 자료 요청 등을 선택하거나 자유롭게 문의를 입력하면 AI가 즉시 답변을 제공하고 관련 자료를 이메일로 발송할 수 있다. 다양한 문의에 신속하게 대응할 수 있어 고객 편의성이 크게 향상된다. 물류업은 실시간성이 중요한 분야로, 배차 현황이나 납품 일정을 즉시 확인할 수 있다는 것은 큰 장점이다.

제조업의 경우 기술 지원 시에도 챗봇이 활용된다. 제품의 관리 시에 발생할 수 있는 이슈를 처리할 수 있는 1차 가이드를 제공하고 해결이 되지 않는 경우 전문 상담사 연결을 지원하도록 할 수 있다. 현장 기사가 즉시 해결할 수 있는 문제는 챗봇이 가이드를 제공하고, 복잡한 문제는 전문가에게 연결하는 체계로 효율성을 높이는 방법이다.

 

성공적인 도입을 위한 준비

챗봇을 도입한다고 해서 모든 문제가 자동으로 해결되지는 않는다. 명확한 목표 설정이 우선되어야 한다. 고객 문의 중 어떤 유형을 챗봇이 처리하게 할 것인지, 어느 수준의 자동화를 목표로 하는지를 우선 정해야 한다. 단순 반복 질문만 처리할 것인지, 복잡한 상담까지 포함할 것인지에 따라 챗봇 구현을 위한 투자 규모가 달라진다.

지속적인 학습과 업데이트 체계도 중요하다. 챗봇의 응답 정확도를 위해 방대한 양의 데이터 학습이 필요하다. 그리고 이후에도 지속적인 추가 학습이 필요하다. 초기 구축만으로 끝나는 것이 아니라 실제 고객 문의의 분석, 오답 사례의 개선, 새로운 제품이나 서비스 정보의 반영이 지속되어야 한다.

인간 상담원과의 적절한 역할 분담도 필요하다. 기술 지원 프로세스를 부분적으로 자동화하기 위해 챗봇을 제작한 경우, 모든 지원 요청이 챗봇으로 시작되지만 요청이 매우 구체적이거나 중요한 고객의 요청인 경우 챗봇이 아닌 인간 상담사의 서비스를 받을 수 있게 할 필요가 있다.