운영자

채널톡(ChannelTalk)은 채팅 상담, CRM, 팀 메신저, AI 인터넷 전화, 화상 통화 등의 기능을 제공하는 올인원 AI메신저입니다.

권*삼

안*진

이*재

무료

얼리 스테이지

그로스

엔터프라이즈

<h4> </h4><h4 class="ql-align-center">&lt;개발사 스토리: Behind the SaaS&gt;</h4>지금 사용하고 있거나 관심이 가는 SaaS 제품에 대해 얼마나 알고 있나요?국내 SaaS 제품 관계자를 직접 만나 개발 비하인드부터 신규 업데이트된 꿀기능까지 SaaS의 거의 모든 것을 물었습니다.새로운 시대, 새로운 일하는 방식에 대해 고민하고 그에 대한 저마다의 답을 내놓은 사람들의 이야기를 들어보세요.<h3 class="ql-align-center"> </h3>

비즈니스의 성공 요인은 무엇일까요? 저마다의 답이 있겠지만, 채널톡은 늘 고객이라 답합니다. 실제 고객의 목소리를 듣고 대화하는 것만큼 효과적인 문제 해결 방법은 없죠. 채널톡은 기업의 지속가능한 성장을 위해 고객과의 커뮤니케이션을 돕는 B2B SaaS 제품입니다. 2017년 출시한 올인원 AI 메신저 서비스로 2023년 기준 연간반복매출 360억원을 기록하고 고객사는 17만 개를 넘어설 정도로 빠르게 성장했죠. 그 비결에 대해 채널톡은 한결같이 답합니다. Customer driven, 결국 고객이 답이라고요.

<h1>CUSTOMER DRIVEN</h1><h1>채널톡의 시작과 신념</h1>

채널톡은 어떤 제품인가요?

채널톡은 기업과 고객의 커뮤니케이션을 돕기 위한 올인원 AI 메신저입니다. 채팅 상담, 사내 메신저, 상담 태그, 챗봇, CRM 마케팅, 인터넷 전화, AI 챗봇까지 커뮤니케이션을 위한 거의 모든 기능들을 한데 묶어 온라인 비즈니스의 고객 경험 개선과 장기적 성장을 지원하고 있어요.

채널톡을 개발하시게 된 계기가 궁금해요.

공동대표인 김재홍 대표와는 14년 동안 같이 창업을 하고 지금까지 비즈니스를 함께 해온 사이인데요. 채널톡은 저희의 네 번째 비즈니스예요. 지금까지 사업을 하며 여러 번의 고비 있었고, 수없이 망하고 시도할 때에도 그 자리에 변함없이 있던 동네 미용실과 빵집을 보면서 깨달았어요. ‘우리에게 고객이 없다’는 사실을요.이때 아마존 창업자 제프 베조스의 ‘Customer Obsession’이라는 철학을 접하게 됐어요. 경쟁사를 중심으로 전략을 짜고 사업을 전개하는 기업이 많지만 아마존의 방법은 그게 아니라고요. 아마존은 오직 고객중심으로 생각하고 집중한다는 이야기가 확 와닿았어요.

고객에 대해 깊게 생각하게 된 계기가 되었겠네요.

지금까지 우리가 고객이 무엇을 원하는지 진심으로 탐구하고 있었나 반문하게 되었어요. 그래서 이 철학을 가지고 한번 해보자 해서 저희의 철학인&nbsp;‘Customer Driven’이 탄생했죠. 고객을 심장에 두고 비즈니스를 하고 싶었어요. 실제로 대부분의 기업이 고객과의 커뮤니케이션을 중요시 하지만 정작 기업과 고객 사이의 커뮤니케이션이 너무 복잡하다는 문제가 있었고요. 그래서 고객 중심의 관점에서 이 문제를 해결하고 싶다는 생각에 채널톡을 개발하게 되었어요.

고객 중심의 관점이 지금도 채널톡 개발에 큰 영향을 주고 있겠네요.

맞아요. 하지만 고객의 이야기를 듣되 그걸 그대로 만들지는 않는 게 저희의 방향성이에요. 저희는 그걸 ‘소화한다'고 말하는데요. 예를 들어 TV리모콘을 만든다고 해볼게요. 고객이 계속 버튼을 추가해 달라고 할때마다 새로운 버튼을 만들면 결국 수백 개의 버튼이 달린 리모컨이 되겠죠. 결국은 모두에게 어려워서 아무도 쓰고 싶지 않은 제품이 되어버려요. 저희는 고객의 피드백과 니즈를 관찰하고, 그 모든 걸 아우를 수 있는 통합 솔루션을 제공해야 해요. 즉각적이지만 일차원적인 해결보다는 장기적인 관점에서 고객의 편리함을 생각하고 있죠.

올인원 솔루션이 가능한 이유군요. 채널톡이 제공하는 통합적인 고객 경험의 핵심은 무엇인가요?

채널톡의 장점은 모든 기능이 결합되어 간편하게 사용할 수 있는 각 기능의 활용폭이 넓다는 점인데요. 일례로 채널톡의 ‘고객 연락처’에서는 고객의 이름부터 등급은 물론이고, ‘태그’를 활용해 몇 초만에 원하는 고객을 검색하고 분류할 수 있어요. 이러한 CRM 기능이 채팅 상담부터 인터넷 전화, AI 챗봇, 마케팅 메시지, 워크플로우 등 올인원 메신저와 결합되어 있어 더욱 강력하고 편리한 제품력을 자랑하죠.

CS 업계는 최근 어떻게 변화하고 있나요?

CS 업계내 큰 변화가 우리를 기다리고 있다고 생각해요. 20년 뒤 한국의 생산가능인구는 24%감소, 거의 1천만명이 줄어듭니다. 5년 후부터는 굉장히 가파르게 진행될 것 같구요. 다시 말하면 사람이 하는 단위 비용당 상담의 퀄리티가 하락하고 있다는 이야기예요. AI는 계속 고도화되고 있고, 계속 저렴해지고 있어요. 결국 AI가 하는 단위 비용당 상담의 퀄리티는 계속 올라가겠죠. 이 골든 크로스가 3년도 남지 않았다고 보고 있어요. 고객 상담의 미래는 거기에 있습니다.

채널톡을 도입함으로써 좋은 효율을 기록한 브랜드 사례가 궁금합니다.

정말 다양한 기업이 있지만 몇 가지 사례를 꼽아볼게요. 언더웨어 브랜드 베리시는 작년 매출 300억, 올해 매출은 그 두 배 이상으로 예상되는 유망한 기업이에요. ALF가 출시되자마자 빠르게 적용해 유튜버 협업 행사에서 상담원 네 명 몫의 단순 문의를 쳐내는 성과를 얻었죠. ‘무료 교환’ 문의에 한해서는 문의가 40% 감소했어요. 자동차용품 전문점인 불스원은 이미 많이들 아시는 기업일 텐데요. 상담 시스템과 고객 경험을 혁신적으로 개선시키고, 상담을 통한 구매 전환을 일으키기 위해 채널톡을 도입했습니다. 그 결과 월 평균 100건 이상의 구매 전환, 상담 구매 전환율 최대 15%, 1년간 상담사 한 명당 약 3000만원의 추가 매출 창출 등의 성과를 달성했습니다.

채널톡 고객사의 80%는 SMB인 것으로 알고 있어요. 다만 브랜드별로 도입 시기에는 차이가 있을 것 같은데요. 비즈니스의 어느 단계일 때 채널톡을 도입하는 것을 추천하시나요?

사업을 시작하는 DAY 1부터 도입하시길 추천합니다. 비즈니스를 처음 시작할 때는 한정된 리소스내에서 한 명의 담당자가 고객 응대 업무, 마케팅 업무를 모두 해야하는 경우가 많은데요. 이때 업무별 툴이 흩어져 있으면 많은 비효율이 발생합니다. 채널톡은 실제 업무에 사용되는 모든 기능들을 ‘올인원’으로 통합했기에 웬만한 비즈니스 업무는 채널톡 하나로 모두 해결이 가능하죠. 무엇보다도 비즈니스는 성장 여정에 맞춰 고객과의 대화, CRM DB를 잘 쌓아나가는 것이 중요한데요. 초기부터 채널톡을 통한 고객 히스토리가 모여있다면 훨씬 더 좋은 고객경험을 확보하고 효율적으로 성장할 수 있습니다.

채널톡 도입 상담시 가장 많이 받는 문의는 무엇인가요?

고객의 규모에 따라 다른데요. SMB는 낯설고 어려워보인다는 것이고, 큰 기업은 보안에 대한 걱정을 하실 때가 많습니다. 하지만 SaaS는 아직 낯선 것이지 막상 사용해보면 어렵지 않습니다. 또 채널톡은 직관적인 UI/UX를 가지고 있어서 더욱 그렇고요. 만약 궁금한 점이 있다면 매주 수요일 저녁 7시마다 있는 라이브 교육 세션을 이용하실 수 있습니다. 보안 또한 강력한 보안 패키지가 제공되는데요. SAML, 다중인증, 이상 행위 탐지, IP 주소 제한 등 지속적으로 강화된 보안 업데이트가 가능합니다. 빔즈, JUN 등 일본의 큰 기업들도 안심하고 쓰고 있을 정도로 기존 온프레미스 솔루션 대비 보안이 더 좋다고 자부해요.

기억에 남는 고객 피드백이 있을까요?

제품에 대해서는 대체로 긍정적인 이야기를 많이 들어왔어요. 그중 가장 듣기 좋은 얘기는 ‘국내 제품인 줄 몰랐다'는 이야기인데요. 그 정도로 한국에서는 아직 글로벌을 선도할 정도로 잘 만들어진 제품이 없다보니, 다들 해외 제품인줄 아시더라고요. 우수한 제품력에 대한 솔직한 감상으로 느껴져 뿌듯했습니다.

가장 최근 업데이트된 기능을 소개해주세요.

지난 7월 말에 대규모 업데이트에서 ‘워크플로우’와 ‘RAG’ 기능이 출시되었어요.

워크플로우는 기존의 챗봇(’서포트봇’)과 ‘상담 자동화 규칙’이 통합된 기능입니다. 고객의 유형과 상담 상황에 따라 맞춤형 시나리오를 레고처럼 조립해 상담 시작부터 끝까지 자동화할 수 있습니다. 트리 구조의 UX/UI 디자인으로 전체 고객 상담 여정을 한눈에 볼 수 있고, 드래그 앤 드롭 방식으로 원하는 시나리오를 조립하면 되는, 일종의 노코드 툴이기도 합니다.

RAG는 AI가 특정 데이터베이스에서 필요한 정보를 탐색해서 답변을 생성하는 기술입니다. AI의 단점이 보통 ‘할루시네이션’이라고들 하죠. 이 할루시네이션의 대비책 중 하나가 확실한 데이터베이스를 참고해 여기서 답변을 생성하도록 하는 것, 바로 RAG입니다. 채널톡의 문서 에디터 툴인 ‘도큐먼트’에 상담에 필요한 내용을 문서로 작성해 두면, ALF가 고객 문의에 필요한 정보를 검색해서 답변을 생성하죠.

활용도가 높지만 비교적 잘 알려지지 않은 기능도 추천해 주세요.

굉장히 빠르게 사용 지표가 상승하고 있긴하지만, 얼마전 릴리즈된 도큐먼트 기능을 소개하고 싶네요. 노션만큼 쉬운 사용성을 가지고 있고 RAG AI 기술과 결합되어 고객과 고객사 모두가 활용할 수 있는 KMS(지식관리 시스템)으로도 활용할 수 있는데요. 기본적으로 무료로 제공되고 있고, 개발직군의 도움 없이도 비즈니스 직군에서도 편하게 세팅하고 사용할 수 있어 강력하게 추천하는 채널톡의 신기능입니다.

AI를 활용한 ALF도 눈에 띄는데요. 아직 AI 활용을 낯설거나 어렵게 느끼는 고객을 위해 ALF에 대해 설명해주시면 좋을 것 같아요.

ALF는 채널톡이 개발한 ‘AI 에이전트’입니다. ALF는 상담의 대부분을 차지하는 단순 문의를 해결해 상담사가 보다 중요한 일에 집중하도록 돕는데요. 상담사 대신 문의에 답변하거나, 고객의 문의를 해결해 줄 수 있는 ‘커맨드’를 호출하기도 합니다.‘커맨드’란 일종의 액션입니다. 명령어를 입력해 앱의 특정 기능을 실행하는 방법이죠. 주문을 취소하고 싶어하는 고객에게는 ‘주문 취소’를 할 수 있는 액션을 제공하는 식입니다. 다만 ‘사용자들이 커맨드를 알아서 입력할 수 있을까?’하는 문제가 있죠. 그래서 ALF가 고객에게 필요한 커맨드를 추천해 주는 식으로 함께 쓰입니다.

상담사 대신 고객 문의에 답할 수 있겠어요.

맞습니다. 기본적으로 ‘FAQ’과 ‘도큐먼트’, 두 가지 지식 베이스를 참고합니다. FAQ는 고객사에서 직접 자주 들어오는 문의에 대한 질문과 답변을 등록해 두는 것이고, ALF는 고객이 다양한 언어로 던진 질문을 이 FAQ에 매칭시켜 정확한 답변을 제공합니다. 또한 도큐먼트에서 질문에 대한 답변을 찾을 수 있는 경우, RAG가 작동해 도큐먼트 기반으로 답변을 제공하기도 합니다. 이를 통해 현재 전 고객사를 아울러 ALF 상담 절감률 30% 수준의 성능을 보이고 있습니다. 참고로 보다 문의가 까다로운 B2B 영역에서는 절감률 20% 수준, 보다 단순 문의가 많이 들어오는 B2C 영역에서는 절감률 30% 이상입니다.

앞으로 더 보완하고 싶거나, 업데이트를 앞두고 있는 부분이 있을까요?

오는 10월에 상담 업무 과정을 한 눈에 보고 최적화할 수 있는<a href="https://channel.io/ko/workflow" rel="noopener noreferrer" target="_blank" style="background-color: transparent; color: rgb(0, 0, 0);"> </a><a href="https://channel.io/ko/workflow" rel="noopener noreferrer" target="_blank">워크플로우</a>가 더 강력한 기능으로 업데이트될 예정이에요. 현재도 AI와 결합하여 강력한 상담 업무 최적화가 가능하지만, 10월에는 전화 업무를 통합하는 IVR 기능이 들어옵니다. 통신사 분들은 모두 아시겠지만 기존 IVR은 변경 시마다 1주일 이상의 꽤나 오랜 시간이 걸렸고, 매번 비용이 발생했습니다. 하지만 채널톡의 워크플로우로 구현되는 IVR은 고객 마다 상황 마다 시간대마다 다른 고객 경험을 구현할 수 있고, 변경 시 즉각 반영됩니다. 대형 콜센터에서도 채널톡을 통해 상당한 CX 업무 혁신이 가능하게 될 거예요.

마지막으로, 채널톡 도입을 망설이는 고객에게 한 마디 부탁드려요!

언젠가는 저희가 모실 수 있게 될 것 같습니다.(웃음)

<h4> </h4><h3>채널톡을 더 알고 싶다면</h3>🏡 채널톡 블로그: <a href="https://channel.io/ko/blog" rel="noopener noreferrer" target="_blank">https://channel.io/ko/blog</a>🎥 채널톡 유튜브: <a href="https://www.youtube.com/@channel.talk" rel="noopener noreferrer" target="_blank" style="background-color: transparent; color: rgb(0, 102, 204);">https://www.youtube.com/@channel.talk</a>📃 사용자 가이드:<a href="https://docs.channel.io/help/ko" rel="noopener noreferrer" target="_blank">https://docs.channel.io/help/ko</a>

고객 상담의 새로운 챕터
올인원 AI 메신저 채널톡

대표님 고민 광고 돌려서 신규 고객은 늘어나 보이는데 매출은 왜 자꾸만 떨어질까요?해결 방안 고객과 대화만으로 월 매출 1,000만원 더 만들 수 있어요.5분만 읽으면✔️&nbsp;온라인 쇼핑몰에서 매출 내는 3단계 공식을 이해할 수 있어요.✔️&nbsp;<code style="color: var(--txt-black-darkest); background-color: var(--bg-black-lighter);">고객과 대화</code>만으로 월 매출 1000만원 더 만드는 방법을 알 수 있어요.✔️&nbsp;고객과 어떻게 대화해야 하는지, 단골을 어떻게 만드는지 구체적인 방법 3가지를 알 수 있어요.광고 열심히 돌려서 신규 고객은 늘어 보이는데 매출은 좀처럼 늘지 않는 경험 있으시죠? 이커머스 쇼핑몰을 운영 중인 대표님이라면 꼭 한 번씩 겪게 되는 어려움인데요. 이때, 광고비를 쓰지 않고도 매출을 올릴 수 있는 방법은 무엇일까요? 🤔

<h2>쇼핑몰에서 매출 올리는 3단계 공식</h2>

<h4>1단계 : 노출</h4><ol><li data-list="bullet">먼저 브랜드를 외부에 알려야 합니다. 그래야 새로운 고객들이 브랜드를 인지하고 쇼핑몰을 방문하기 때문이죠.</li><li data-list="bullet">일반적으로, 돈 쓰는 마케팅 활동(ex. SNS광고, 인플루언서 협찬 등등)을 많이 해요.</li></ol><h4>2단계 : 유입</h4><ol><li data-list="bullet">브랜드가 외부에 많이 노출되면 인지도가 올라 자사몰에 방문하는 고객들이 늘어나게 됩니다.</li><li data-list="bullet">하지만 신규 고객의 경우 아직 브랜드와 제품에 대한 이해가 부족할 확률이 높아요.</li><li data-list="bullet">따라서 구매를 유도하기 위해 고객을 설득시켜야 합니다.</li></ol><h4>3단계 : 설득</h4><ol><li data-list="bullet">최종 목표인 구매로 전환시키기 위해 고객을 설득시키는 단계예요.</li><li data-list="bullet">유입된 고객 중 브랜드와 제품에 관심 있는 고객을 잘 붙잡고 “왜 우리 제품을 사야 하는지” 설득시키면 구매로 이어지고 매출이 발생하는 거죠.</li></ol>듣다 보면, “노출을 많이 시켜서 사람을 많이 데려와야 유입도 늘어나겠구나. 그래야 설득할 사람이 많아지겠구나?”라고 생각이 들 수 있어요. 그럼 매출을 상승시키기 위해서는 더 많은 광고비를 계속해서 써야만 할까요?

광고비를 쓰면 노출이 늘어나기 때문에 신규 고객 방문(유입)이 늘어나는 것처럼 보입니다. 하지만 고객을 데려오기 위해 더 많은 광고비를 쓰는 건 추천드리지 않아요. 이유는 2가지예요.<ol><li data-list="bullet">이유1 : 광고 예산은 항상 한정적이다.</li><li data-list="bullet">이유2 : 광고로 막 유입된 고객들은 구매할 확률이 낮다</li></ol>광고비는 언제나 한정적입니다. 게다가 피 같은 광고비를 써서 고객을 많이 유입시키더라도 그들이 바로 우리 제품을 사줄까요? 절대 아닙니다. 아직 브랜드에 대해 잘 모르기 때문에 구매하지 않고 사이트를 이탈 확률이 매우 높아요. (광고비 사용 대비 구매 전환율이 몇% 인지 파악하면 더 정확히 볼 수 있어요.)

즉, 100명이 들어오던 사이트에 1,000명이 들어오더라도 유입된 고객을 붙잡고 설득시키지 못한다면 결국 매출은 발생하지 않습니다. 이래도 밑 빠진 독에 소중한 광고비를 계속 붓고 싶으신가요?

<h2>어렵게 얻는 고객을 놓치지 않으려면 고객과 대화하셔야 합니다. </h2>

<h4>고객과 대화하면 무엇을 얻을 수 있나요? </h4>➊ 고객이 누구인지, 무엇을 원하는지 이해할 수 있어요. ➋ 고객에게 세일즈를 할 수 있어요. ➌ 다시 돌아온 고객을 단골로 만들 수 있어요. ➍ 1~3번을 하면 자연스럽게 매출이 오릅니다.

<h4>고객과 대화하고 세일즈하면 월 1,000만원 더 벌 수 있어요</h4>우리 사이트에 방문한 고객들과 대화하세요. 제품에 관심을 가져주는 고객이 누구인지 알아보고, 매일 2~3명 더 구매하게 만드세요.

하루에 100명이 방문하는 매장을 온라인에 열었다고 가정해 볼게요.매장에 방문하는 손님들과 대화하다 보면, 우리 고객이 어떤 사람들인지 알게 될 거에요. 이렇게 고객과 대화하다 보면, 매장을 방문하는 고객들의 특성을 이해하게 됩니다. 예를 들면, 20-30대 여성 고객이 많고, 수줍음이 많지만 관심받길 좋아하고 공통적으로 이런 걸 원하더라와 같은 정보를 얻을 수 있게 되는거죠.대화하다 보면 고객이 무얼 원하는지, 구매를 망설이는 이유가 무엇인지 이해하게 됩니다. 그러면 고객이 준 힌트를 바탕으로 설득하여 구매하게끔 만들 수도 있죠. 마치 매장에 있는 점원들이 세일즈하는 것처럼요!예를 들어 방문 고객 중 10명과 대화했고, 이 중 5명을 설득시켜 객단가 10만원짜리 상품을 구매하게 만들었다면 일 매출 50만원이 벌리는 거죠. 일 매출 50만원이 20일 동안 지속된다면 월 매출 1000만원 추가로 발생하게 됩니다. 여기서 5명이 아니라 7명을 설득한다면, 일 매출 70만원을 벌게 됩니다. 20일 동안 지속된다면 월 매출 1400만원이 추가 매출로 발생됩니다. 고객 2명을 더 설득시켰을 뿐인데, 매출이 400만원이나 더 올랐죠?오프라인 매장처럼 온라인에서도 똑같아요. 자사몰을 방문해준 고객과 대화하세요. 고객이 누구인지 이해하고 문제를 해결해 주세요. 한 명 한 명 대화하며 단골을 만들다 보면 매출은 자연스럽게 오릅니다.

온라인 자사몰에서 어떻게 고객과 대화해야 할지 모르겠다면 아래 3가지 단계로 시작해 보세요.➊ 고객을 먼저 알아봐주기 ➋ 고객이 문의하면 대화 이어나가기 ➌ 다시 돌아온 고객을 알아봐주기

<h4>➊ 고객을 먼저 알아봐주세요</h4>고객을 먼저 알아보는 것. 그냥 나가버릴 고객에서 구매 가능성이 높은 고객으로 전환시키는 첫 시작입니다. 먼저 반갑게 인사해 보세요. 그리고 고객에게 지금 궁금한 것이 있는지, 어떤 고민이 있는지 물어보세요. 먼저 물어보면 고객도 편하게 말하기 시작할 거예요.

<h4>➋ 고객이 문의하면 대화를 이어가세요</h4>고객이 문의하면 바로 응대를 이어가세요. 브랜드의 찐팬을 만들 수 있는 지름길입니다. 문의 남긴 고객이 하루에 5명밖에 안돼도 상관없어요. 그냥 나가지 않고 문의를 남긴다는 건 우리 브랜드에 관심 있다는 강력한 증거입니다. 브랜드를 알아봐 준 소중한 고객이고, 구매할 가능성이 높은 고객이에요. 절대로 놓치지 마세요.고객의 고민을 해소시켜 주세요. 좋은 고객경험은 강력한 입소문을 만듭니다. 패션 브랜드 시엔느는 고객의 고민을 해결해주며 찐팬을 만들고 있어요. 시엔느의 CS 상담에 감동한 고객은 자신의 블로그에 자발적으로 브랜드를 홍보했는데요. 친절하게 고객을 응대했을 뿐만 아니라 고객의 문제를 정확하게 파악하고 해결드린 덕분이었죠.

고객의 문의만 답변해주는 것이 아니라 반대로, 고객에게 질문해 보세요. 고객에게 얻은 인사이트를 통해 제품도 개선하고 매출도 올릴 수 있어요.<a href="https://channel.io/ko/blog/success-story-wooalong" rel="noopener noreferrer" target="_blank" style="background-color: transparent; color: inherit;">디자이너 패션 브랜드 우알롱</a>이 고객 VOC를 반영하여 제품을 개선시킨 대표적인 사례입니다. 대표님과 직원들은 채팅상담으로 문의한 고객에게 어떤 제품을 만들면 좋을지 직접 물어봤어요. 실제로 고객들이 원하는 제품의 색상, 로고 사이즈 등을 반영해 제품을 출시했더니 매출이 크게 뛰었다고 해요.

<h4>➌ 다시 돌아온 고객을 알아봐주세요</h4>자사몰에 어떤 고객들이 들어오는지 계속 지켜보다 보면, 1번 이상 구매하는 고객이 생길 거에요. 재구매하는 고객이 없는 비즈니스는 오래 살아남기 어려워요. 단골을 만들기 위해 재방문 고객은 반드시 알아보셔야 합니다.스카프 전문 브랜드 생럭슈는 5번 이상 방문한 고객을 먼저 알아보고 감사 인사를 전해요. 이 메시지를 받은 고객은 남다른 대우를 받았다고 느끼고, 브랜드와 사랑에 빠지지 않을까요?

<h2>대화하려면 고객이 누군지 반드시 알아야 해요</h2>

<h4>CRM으로 고객 정보를 모으고 알아보세요</h4>고객이 누구인지 알아보려면 고객의 정보부터 모아야 합니다. 채널톡을 활용하면 고객연락처라는 공간에 고객 데이터가 쌓이는데요. 오프라인 점원처럼 1) 고객을 먼저 이해하고, 2) 고객에게 말을 걸 수 있도록 도와줍니다. 특히 고객이 누구다에서 끝나는 게 아니라&nbsp;고객이 어디서 오셨고, 우리 웹사이트에서 어떤 상품에 관심을 가지고 계시며, 기존에 어떤 상담 대화를 나눴는지까지도 알 수 있어 다양한 인사이트를 뽑을 수 있다는 점이 <a href="https://channel.io/ko/blog/crm-you-already-know" rel="noopener noreferrer" target="_blank" style="color: inherit; background-color: transparent;">채널톡 고객연락처</a>의 가장 큰 특징입니다. <h4>사내 메신저로 고객의 목소리를 팀원들과 공유하세요</h4>고객의 목소리(VOC)를 전사적으로 공유하세요. 담당자뿐만 아니라 대표님부터 모든 팀원들이 아셔야 합니다. 그래야 고객에 대한 응대가 빨라지고, 고객 중심적인 문화가 조직 내에 자리 잡힐 수 있어요. (참고로, <a href="https://channel.io/ko/blog/teamchat_free" rel="noopener noreferrer" target="_blank" style="color: inherit; background-color: transparent;">채널톡 사내메신저는 무료랍니다</a>. )

<h2>결국 고객이 답입니다!</h2>광고비를 쓰는 것이 매출을 보장해주지 않습니다. 성장하는 비즈니스는 고객에 집중해요. 방문한 고객을 붙잡고 대화하세요. 그리고 설득하세요. 그러면 매출은 덩달아 오를 거에요. 채널톡은 언제나 여러분을 진심으로 응원할게요!

스토리에 언급된 SaaS 제품

광고해도 자사몰 매출이 계속 줄어드나요?
해결책은 무엇일까요?

광고비 없이 쇼핑몰 매출 
월 1,000만원 더 올리는 방법

앞으로 채널의 다양한 서비스에 AI 모델들을 실험하고 적용하면서 사용되었던 이론들에 대해서 하나씩 소개해 드릴 예정입니다. 첫 번째로 텍스트 임베딩이라는 개념을 소개드리고자 하며 이 개념이 앞으로 어떻게 채널톡에 활용될 수 있을지 공유드리겠습니다. 텍스트 임베딩 모델도 여러가지 종류와 쓰임새가 있지만 이번 포스팅에서는 텍스트 임베딩의 목적과 단어 임베딩에 대해서 먼저 소개드리겠습니다. [작성자] James _ 채널톡 채널팀 AI 리더

<h4>1. Structured data vs Unstructured data</h4>세상에는 많은 데이터들이 있고 우리는 이 데이터를 이용해서 여러가지 정보를 얻고자 합니다. 데이터들 중에서는 분석하기 쉽게 엑셀이나 DB 등을 통해서 구조가 잘 정리된 데이터도 있지만 훨씬 많은 양의 데이터는 그렇게 예쁘게 정리가 되어 있지 않습니다. 우리가 보통 웹에서 얻을 수 있는 텍스트 데이터들; 뉴스, 블로그, SNS, 대화, 댓글, 소스코드 등 그 형식이 너무 다양해서 하나로 정리하기 힘들게 되어 있죠. 그 뿐만 아닙니다. 세상에 많은 데이터들은 이미지의 형식으로 존재하거나 음성, 심지어 동영상데이터들도 매우 많이 있죠.구조화가 잘 되어 있어서 분석하기 쉬운 데이터들을 정형 데이터(structured data)라고 한다면 그 외에 구조화가 되어 있지 않은 수 많은 데이터들은 비정형 데이터(unstructured data)라고 할 수 있습니다. 각각의 특징을 다음처럼 얘기할 수 있습니다. 정형 데이터 (structured data)<ol><li data-list="bullet">테이블이나 관계형 데이터베이스 구조로 존재한다.</li><li data-list="bullet">숫자나 텍스트, 날짜 등의 형식의 값을 가진다.</li><li data-list="bullet">전체 데이터의 20% 가량을 차지한다.</li><li data-list="bullet">저장 공간이 크지 않다.</li><li data-list="bullet">분석이 쉽다.</li></ol> 비정형 데이터 (unstructured data)<ol><li data-list="bullet">정해진 구조가 없이 자유롭게 존재한다.</li><li data-list="bullet">파일, 웹페이지, pdf 등의 형식으로 존재하고 텍스트, 이미지, 음성, 동영상 등등을 포함한다.</li><li data-list="bullet">전체 데이터의 80% 가량을 차지한다.</li><li data-list="bullet">상대적을 큰 저장 공간을 필요로 한다.</li><li data-list="bullet">분석이 어렵다.</li></ol> 정형 데이터는 분석하기 쉽지만 세상에 존재하는 상당수의 데이터는 비정형으로 되어 있습니다. 이런 비정형 데이터들을 분석하기 어렵다고 해서 방치한다면 상대적으로 우리는 엄청나게 많은 양의 정보를 놓치게 될 것입니다.

<h4>2. Why do we want data after all?</h4>우리가 결국 데이터를 통해서 하고자 하는 것들이 무엇인지 다시 생각해볼까요? 제 생각엔 크게 세 가지의 목적으로 구분될 수 있을 것 같습니다. <ol><li data-list="ordered">검색: 우리가 가지고 있는 데이터에서 필요한 데이터만을 찾아야하는 일이 많습니다. 수많은 웹사이트들 중에서 우리가 원하는 정보를 가진 웹사이트를 찾아야 하는 일도 있고, 수많은 동영상 중에서 보고 싶은 영상만을 찾고자 하기도 합니다. 데이터의 수가 많으면 많아질수록 검색은 점점 더 어려운 문제가 되겠죠.</li><li data-list="ordered">분석: 물론 데이터를 분석한다는 것은 아주 다양한 개념을 포함하는 말이지만 크게 분류하자면 분석이라는 것은 데이터가 가지고 있는 유용한 정보를 추출하는 모든 행동을 말합니다. 통계적인 지표를 추출하거나 (statistics) 비슷한 것끼리 묶어주거나 (clustering) 데이터 간의 상관관계를 분석하거나 (correlation) 하는 등의 여러가지 분석을 얘기할 수 있을 것입니다.</li><li data-list="ordered">예측: 예측은 데이터를 이용해서 궁극적으로 하고 싶은 일 중에 하나일 수도 있습니다. 미래의 어떤 값이나 현상을 예측함으로서 우리는 큰 생산성의 향상을 기대할 수 있습니다. 예측이라는 것은 비슷한 사례를 검색하거나 현재의 데이터 분석을 통해서 이루어질 수도 있는 것이므로 이 세가지 목적이 밀접하게 관련이 있다고도 볼 수 있습니다. 물론 End-to-end 방식을 통해 바로 예측하는 것이 최근의 트렌드라고도 볼 수 있습니다.</li></ol>앞에서 말한 정형 데이터들은 이 세가지 활동을 하는데에 큰 어려움이 없습니다. 약간의 전처리 과정만 거친다면 정형 데이터들은 1. DB에 저장되어 SQL을 통해서 검색을 할 수도 있을 것이며, 2. 데이터를 수치화하여 수학적인 분석이 가능할 것이고 3. 이를 통해 다양한 확률적인 기법을 통해 예측에 사용될 수 있습니다. 하지만 비정형 데이터들은 상대적으로 이런 일을 하기엔 좀 까다로운 데이터들입니다. 물론 비정형 데이터를 정형화(structuralize)할 수만 있다면 문제가 없을 것입니다. 하지만 그게 쉬운 일이었다면 애초에 비정형 데이터라는 말이 있지도 않았겠죠. 수많은 형식의 데이터를 하나의 형식으로 정형화시킨다는 것은 매우 힘든 일일 뿐만 아니라 가능하다 하더라도 그 과정에서 손실되는 정보들도 많이 생겨서 결과적으로 그다지 효율적이지 않을 것입니다.

<h4>3. Vector Embedding</h4>만약에 이런 비정형 데이터들을 정보 손실을 최소화하며 하나의 형태로 압축시켜서 표현할 수 있다면 어떨까요? 꿈같은 얘기겠지만 이게 가능하다면 비정형 데이터로 검색/분석/예측을 하는 것도 훨씬 쉬운 일이 될 것이라고 예상할 수 있습니다. 많은 AI 기술들은 이런 데이터들을 벡터라는 숫자들로 표현하여 이를 해결하려 합니다. 벡터 (Vector): 벡터라는 개념은 고등학교 수학이나 물리에서도 배우셨을텐데요(?) 흔히 유클리드 공간에서의 벡터라는 것은 크기와 방향이 같이 있는 기하학적 개념을 얘기합니다. 일단 지금은 그냥 n개의 숫자 표현이라고 생각하면 됩니다. 여기서 n은 차원수(dimension)를 말하는 것입니다. 그리고 이런 벡터들이 존재하는 공간을 벡터 공간(vector space)라고 합니다. 벡터 공간 내에서 벡터들은 사칙 연산이 가능하며 서로의 거리도 잴 수 있고 각도도 잴 수 있습니다. 임베딩 (Embedding): embed라는 단어의 사전적 의미는 "박아 넣다"입니다. 여러가지 형태의 데이터를 벡터 공간에 박아 넣어서 벡터로 만드는 것을 임베딩(embedding)이라고 하고 그렇게 만들어진 벡터를 임베딩 벡터 (embedding vector)라고 말합니다. 텍스트를 벡터로 만드는 것을 텍스트 임베딩 (text embedding), 이미지를 벡터로 만드는 것은 이미지 임베딩(image embedding)이라고 하면 되겠죠. 다루기 힘든 데이터들을 벡터로 만든 뒤 벡터 공간 내에서 더하고 빼고 거리도 재고 각도도 재면서 분석하는 것이 임베딩의 목표라고 할 수 있습니다. 좋은 임베딩이란? 임베딩이 데이터 분석에 도움이 되려면 비슷한 성질을 가지는 데이터들의 벡터들은 서로의 거리가 가까우면 좋습니다. king이라는 단어는 queen이나 man같은 단어와는 거리가 가까우면서 woman이라는 단어와는 거리가 멀어야 좋다는 뜻입니다. 이런 임베딩을 가질 수 있다면 어떤 기준 벡터로부터 거리가 가까운 벡터들을 찾아주는 검색이 가능할 수 있고, 거리가 가까운 벡터들을 묶어서 그룹화하는 클러스터링도 가능하겠죠. 내가 아는 데이터의 벡터와 거리가 가까운 것을 보고 데이터의 특성을 예측하는 것도 가능할 것입니다. 보통 벡터들의 거리는 코사인 유사도 (cosine similarity) 혹은 유클리드 거리 (Euclidean distance)로 표현하는데 이 글에서는 코사인 유사도를 사용하겠습니다. 코사인 유사도는 다음과 같이 정의할 수 있어요. 이런 임베딩을 어떻게 하면 만들 수 있을까요? man, woman, king, queen 네 단어에 대한 벡터를 만들면서 man, woman과 king, queen은 가깝게 queen, man과 king, woman은 멀게 하면 좋을 것 같은데요. 이런 임베딩은 사실 얼마든지 만들 수 있고 무한히 많이 만들 수 있습니다. 예를 들어 vman=(1, 0), vwoman=(0, 0), vking=(1, 2), vqueen=(0, 2)로 정의하면 어느 정도 가능해지죠.

하지만 이건 단어가 네 개 뿐인 상황이고, 단어가 엄청 많아지면 이렇게 쉽게 임베딩을 만드는 건 어려운 일이 될 거에요. 이 때, 단어가 아무리 많아도 쉽게 만들 수 있는 임베딩이 있습니다. 그건 벡터의 각 차원에 해당하는 값을 각 단어들의 일치여부로 정의하는 방법입니다. 이 때 이 벡터들의 차원은 단어들의 전체 개수와 같게 되죠. 전체 단어가 n개이면, 차원이 n인 벡터들로 n개의 단어를 one-hot encoding 벡터로 표현할 수 있습니다. 예를 들어볼까요? n개의 단어 중에 순서대로 man, woman, king, queen, apple, orange, … 이런식으로 단어가 주어진다고 가정하면 one-hot encoding은 vman = (1, 0, 0, …), vwoman = (0, 1, 0, …) 이렇게 표현할 수 있게 되는거죠. 하지만 one-hot encoding이 우리가 원하는 임베딩일까요? 위에서 언급했듯이 좋은 임베딩은 비슷한 성질을 가지는 데이터들의 벡터는 서로의 거리가 가까우면 좋은데 one-hot encoding은 모든 벡터들의 코사인 유사도가 0이라 좋은 임베딩이라고 할 수 없습니다! 결국 좋은 임베딩을 구하기 위해서 우리는 딥러닝의 도움을 받게 됩니다! One-hot encoding은 딥러닝이 좋은 임베딩을 구하기 위한 입력 포맷으로 쓰이게 됩니다.

<h4>4. Deep Learning for Embedding</h4>딥러닝 모델은 주어진 손실함수(loss function)를 최소화하는 과정을 통해 최적의 모델 파라미터를 찾는 것으로 학습을 시킬 수 있는데요. 최적의 텍스트 임베딩을 위해서는 어떤 데이터를 어떤 손실함수를 통해서 학습시켜야 될지에 대해서 이야기 해보겠습니다. 분포 가설 (Distributional Hypothesis)“나는 오늘 아침으로 OO을 먹었다”라는 문장을 생각해보겠습니다. 여기 OO에 들어갈 수 있는 단어는 어떤게 있을까요? 주로 아침 식사로 먹는 음식들이 될 것입니다. 예를 들면 "토스트", "시리얼", "떡국", "샌드위치", "바나나" 등의 단어들이 포함될 수 있겠죠. 단어가 무엇인지 몰라도 앞뒤로 사용되는 단어들을 보면 대략적으로 그 의미를 유추할 수 있습니다. 이처럼 어떤 단어의 의미는 단어가 같이 사용된 맥락에 의해 결정된다는 것이 분포 가설의 핵심 아이디어입니다. 이 분포 가설을 통해서 딥러닝 모델은 단어에 최적화된 임베딩을 찾을 수 있습니다. 가장 대표적인 예가 word2vec이라는 단어 임베딩 (word embedding) 모델입니다.word2vecword2vec은 자연어 처리(NLP) 분야에서 가장 유명한 단어 임베딩 방식 중 하나입니다. 분포 가설을 기반으로, word2vec은 단어의 의미를 해당 단어의 주변 단어들, 즉 맥락에 기반하여 표현하려고 시도합니다. 즉, 유사한 맥락에서 함께 사용되는 단어들은 의미적으로 유사하다고 가정합니다. word2vec은 크게 두 가지 아키텍처로 구분됩니다: <ol><li data-list="ordered">CBOW: 이 방식은 주변 단어들(예: “오늘”, “아침”, “먹었다”)을 입력으로 받아 중심 단어(예: “토스트”)를 예측합니다. CBOW는 주변 단어들의 평균을 사용하여 중심 단어를 예측하는 모델입니다.</li><li data-list="ordered">Skip-Gram: 이 방식은 중심 단어를 입력으로 받아 주변 단어들을 예측합니다. 이 방식은 대규모 데이터셋에서 더 좋은 성능을 보이는 경향이 있습니다.</li></ol> 어떤 아키텍처를 사용하든, word2vec의 목표는 각 단어에 대해 고정된 크기의 벡터를 생성하는 것입니다. 이 벡터는 단어의 의미적 특성을 반영하여 유사한 단어들은 벡터 공간에서 서로 가깝게 위치하게 됩니다.

word2vec을 사용하면 단어에 대한 사칙연산도 가능합니다. 단어의 임베딩이 벡터임으로 벡터의 사칙연산을 사용하는거죠. 예를 들어 vking - vman + vwoman = vqueen 같은 식을 대략적으로 만족할 수 있게 됩니다. (왕인데 남자가 아니고 여자이면 여왕) 학습이 간단하고 수렴이 빠르며 작은 모델로도 이런 장점들을 가지는 단어 임베딩을 만들어낼 수 있어서 많이 쓰이는 모델입니다.하지만 이 word2vec으로 대표되는 단어 임베딩은 몇가지 뚜렷한 한계점이 존재합니다. <ol><li data-list="ordered">학습 데이터에 없는 단어(out-of-vocabulary)에 대해서는 임베딩을 구할 수 없습니다.</li><li data-list="ordered">그리고 단어 임베딩은 단어별로 정의되기 때문에 다의어에 대한 처리가 어렵습니다. 단어는 문맥에 따라 의미가 다를 수 있는데 예를 들어 사과를 표현하는 apple과 회사를 표현하는 apple의 벡터 임베딩이 하나이기 때문에 두 단어를 구분할 수 없습니다. 이는 word2vec이 분포 가설을 제대로 반영하지 못하는 부분이라고 볼 수 있습니다.</li></ol>

다음 포스팅에서는 이런 단어 임베딩의 한계점을 극복하는 조금 더 개선된 임베딩 방법에 대해서 소개 드리겠습니다. 그리고 이런 임베딩을 통해서 구현할 수 있는 응용사례들도 설명드리겠습니다. 앞으로 채널팀의 AI 포스팅도 많은 기대 부탁드립니다!

스토리를 제작한 SaaS Company

모두가 궁금해하는 최대의 화두 AI,
AI와 관련한 개념부터 부셔보자

[AI] 텍스트 임베딩의 소개 -
1편 : 단어 임베딩

랜딩페이지에 채널톡을 삽입하는 것은 의외로 간단해요.

채널톡(ChannelTalk)을 삽입한 원페이지 랜딩페이지 제작기

채널톡의 VIP유지전략은 AI를 활용한 고객중심 경험설계이다.

AI 상담원 채널톡(ChannelTalk)으로 VIP 매출 늘리는 법

채널톡의 서포트봇 폼과 고객메신저 기능을 잘 활용해 보아요.

채널톡, ChannelTalk

(주)채널코퍼레이션

이 소프트웨어에 대해

한 줄 코멘트

스토리

고객 상담의 새로운 챕터 올인원 AI 메신저 채널톡

광고비 없이 쇼핑몰 매출 월 1,000만원 더 올리는 방법

[AI] 텍스트 임베딩의 소개 - 1편 : 단어 임베딩

요금제

자주 묻는 질문

함께 많이 보는 소프트웨어