기존의 챗봇은 고객 문의를 빠르게 처리하기 위해 만들어졌습니다. 간단한 질문에 답변하는 데 특화되어 있죠. 그러나 실제로 이탈(Churn)을 유발하는 복잡한 문제는 여전히 사람이 해결해야 합니다.
챗봇은 사용자가 어디에서 막혔는지, 질문하기 전에 어떤 시도를 했는지, 그리고 챗봇이 제안한 해결 방법이 실제로 효과가 있었는지 전혀 알지 못합니다. 답을 찾아주는 기능은 있지만, 프로덕트와 유저에 대한 핵심적인 맥락(Context)은 빠져 있습니다.
이런 한계는 특히 중요한 문제일수록 더 크게 드러납니다. 계정 설정 방법을 이해하지 못한 사용자는 챗봇이 느려서 이탈하는 것이 아닙니다. 애초에 유저가 계정 설정에 어려움을 겪고 있다는 사실을 아무도 알아채지 못했기 때문에 이탈하는 것입니다.
그래서 앰플리튜드가 Amplitude AI Assistant를 새롭게 선보입니다.
제품 데이터가 고객 지원을 바꾸는 방식
AI Assistant는 앰플리튜드의 사용자 행동 맥락 데이터를 기반으로 한, 프로덕트 내 지원 에이전트입니다. 즉, 유저가 질문하기 전에 어떤 행동을 했는지, 현재 제품의 어느 화면에 있는지, 그리고 도움을 받은 이후 실제로 목표를 달성했는지까지 확인할 수 있습니다.
이제 지원 에이전트는 단순히 도움말 문서에 의존하는 것이 아니라, 프로덕트 팀이 의사결정에 활용하는 동일한 데이터를 확인합니다.
유저가 ‘계정은 어떻게 설정하나요?”라고 질문했을 때, 일반적인 챗봇은 정형화된 도움말을 보여줍니다.
그러나 AI Assistant는, 현재 사용자가 머무르고 있는 화면(계정 페이지), 프로덕트 내 행동 이력(아직 계정을 생성하지 않음), 그리고 최근의 행동 맥락(최근 5분 간 설정 사이드바를 찾지 못함)까지 파악합니다.
이와 같은 정보를 바탕으로 하는 AI Assistant의 답변은 더 이상 일반적인 안내가 아닙니다. ‘유저의 실제 상황에 맞게 개인화된 답변’입니다.
챗봇을 넘어, 제품 안에서 함께 탐색하는 지원 에이전트로
대부분의 고객 지원 도구는, 아무리 잘 만들어져 있어도 ‘답변을 제공하는 것’에서 멈춥니다. 유저에게 무엇을 해야하는지 알려주고, 실제 실행은 유저가 해야 합니다. 간단한 작업이라면 이 정도로 충분할 수 있겠지만, 여러 단계를 거쳐야 하는 작업이거나 유저에게 익숙치 않은 기능이라면 단순한 답변만으로는 부족합니다.
이 지점에서 AI Assistant의 강점이 드러납니다. 유저에게 단계별 안내가 필요한 상황이라면, 대화 흐름 안에서 바로 제품 내 가이드를 실행할 수 있습니다. 유저는 AI Assistant의 안내를 따라가기만 하면 되기 때문에, 별도의 탭을 열거나 도움말을 읽어야 할 필요가 없습니다.
그뿐만 아니라 AI Assistant는 앰플리튜드의 Guides와 Surveys 기능과 연결되어, 프로덕트 내에서 실행까지 가능합니다. AI는 무엇을 보여줄지, 언제 개입할지, 특정 유저가 특정 작업을 완료하도록 어떻게 도울지 스스로 판단할 수 있습니다.
실제 유저 행동 기반 개인화
대부분의 고객 지원 개인화는 여전히 ‘규칙’ 기반으로 이루어집니다. 미리 설정해둔 규칙에 따라, 사용자는 정형적인 안내를 받게 됩니다.
AI Assistant는 유저가 실제로 한 행동을 기반으로 지원을 개인화합니다. 첫 세션에서 3가지 기능을 탐색한 체험판 유저와, 가입만 하고 다시 돌아오지 않은 체험판 유저는 서로 다른 안내를 받습니다. 더불어, 고급 기능을 사용할 수 있는 숙련된 유저가 특정 상황에서 막혔다면, 기초부터 설명하는 대신 그 수준에 맞는 응답이 제공됩니다.
내부에서 ‘관리자’로 분류된 유저라도 사실은 프로덕트를 처음 접하는 신규 직원일 수 있고, ‘신규 유저’로 분류되어 있지만 사실은 숙련된 사용자일 수 있습니다. AI Assistant는 행동 데이터를 기반으로 움직이기 때문에, 기존의 규칙 기반이 아닌, 개인화된 지원을 제공할 수 있습니다.
세션 리플레이로 전후 맥락까지 파악하기
기존의 고객 지원 지표는 피상적인 경우가 많습니다. 유저가 ‘좋아요’ 버튼을 눌렀는지, 채팅 창을 닫았는지 정도는 알 수 있지만, 이런 신호는 그 순간의 만족도만 보여줄 뿐 실제로 유저가 겪고 있는 문제가 해결됐는지는 알려주지 않습니다.
AI Assistant는 세션 리플레이와 연결되어, 고객 지원 팀이 문제를 해결하는 방식을 바꿉니다. 유저가 대화를 시작할 때, AI Assistant는 이미 해당 유저의 행동 맥락을 파악하고 있습니다. 어떤 버튼을 클릭했는지, 어디에서 머뭇거렸는지, 어떤 오류를 겪었는지 등을 파악할 수 있습니다.
그리고 대화가 끝난 이후에는 유저의 세션을 이어서 확인합니다. 유저가 실제로 작업을 완료했는지, 같은 지점에서 다시 막히는지, 아니면 프로덕트를 떠났는지까지 확인할 수 있습니다.
이제 단순히 ‘문의가 잘 마무리됐는지’가 아니라, ‘문제가 실제로 잘 해결됐는지’를 파악할 수 있게 됩니다. ‘유저가 고객 지원에 만족했는가?’에서 ‘유저가 하려고 했던 일을 실제로 해냈는가?’로 질문이 바뀌는 것이죠. 이는 고객 지원이 실제로 효과적이었는지를 판단하려는 팀에게 중요한 차이입니다.
고객 지원이 AI Assistant에서 상담원으로 넘어가는 경우에도, 이 맥락은 그대로 이어집니다. 기존의 대화 내용, 대화 이전에 유저가 어떤 행동을 했는지에 대한 요약, 그리고 세션 리플레이까지. 상담원은 아무런 정보 없이 대화를 시작하는 것이 아니라, 상황을 충분히 이해한 상태에서 대응할 수 있습니다.
프로덕트 개선으로 이어지는 대화
AI Assistant의 대화는 앰플리튜드의 AI Feedback 시스템으로 연결됩니다. 비정형 피드백 데이터가 분석 데이터, 세션 리플레이와 함께 구조화된 인사이트로 전환됩니다.
이를 통해 프로덕트 팀은 어떤 기능에서 질문이 가장 많이 발생하는지, 어떤 온보딩 단계에서 반복적으로 혼란이 생기는지, 유저가 실제로는 겪고 있지만 데이터로는 포착되지 않는 문제 상황은 무엇인지 파악할 수 있습니다.
이제 채팅 기록은 단순한 로그가 아니라, 무엇을 만들고, 무엇을 개선하고, 어디에 투자할지를 결정하는 프로덕트 데이터의 일부가 됩니다.
마무리
AI Assistant는 맥락을 수집하고, 상황을 이해하고, 행동을 실행한 뒤, 그 결과가 실제로 효과가 있었는지를 측정합니다. 이는 프로덕트 팀이 이미 앰플리튜드를 통해 기능 개발과 실험에서 활용해온 동일한 사이클입니다.
이제 AI Assistant는 고객 지원을 담당하고, 대화는 사용자가 어디에서 어려움을 겪는지를 드러내며, 팀은 그 문제를 해결합니다. 그 결과, 해당 주제에 대한 문의는 줄어들고, AI Assistant는 새로운 문제를 처리할 여유를 갖게 됩니다. 이제 고객 지원은 사용자 피드백이 단절되는 지점이 아니라, 제품 개선으로 이어지는 출발점이 됩니다.
지금 바로 앰플리튜드에서 AI Assistant 데모를 확인해 보세요.
|
프로덕트 분석을 넘어,
|
