CHALLENGE
스마트스토어를 운영하는 판매자는 상품 문의를 직접 하나씩 읽고 답변을 작성해야 합니다. 상품 수가 늘어날수록 문의량도 함께 증가하지만, 응답 지연은 구매 전환율 하락과 플랫폼 패널티로 이어집니다. 답변 품질을 유지하면서 빠르게 처리하는 것은 1인 또는 소규모 운영에서 특히 부담이 컸습니다.
하루 평균 30건 이상의 문의를 수동으로 처리하는 데 3시간 이상 소요, 응답 지연 시 구매 전환율 하락 및 플랫폼 알림 발생
기존 문의 관리의 핵심 문제
| 문제 | 영향 |
|---|---|
| 전건 수동 응답 | 문의 건수 증가 시 처리 시간 비례 증가 |
| 답변 품질 편차 | 담당자 상태에 따라 답변 톤과 정확도가 달라짐 |
| 상품 정보 파악 지연 | 여러 상품 정보를 기억하거나 찾아야 답변 가능 |
| 처리 현황 파악 어려움 | 미답변 문의가 얼마나 쌓였는지 실시간으로 알 수 없음 |
SOLUTION
시온랩은 상품 데이터를 RAG로 학습하여 문의에 맞는 답변을 AI가 자동 생성하고, 신뢰도 수준에 따라 관리자가 선별적으로 검수하는 문의 자동 응대 시스템을 기획하였습니다. 모든 문의를 처음부터 사람이 쓰지 않아도 되면서, 품질은 사람이 마지막에 확인하는 구조로 설계했습니다.
시스템 구조
- KPI 통합 대시보드 — 총 문의 건수, AI 처리율, 답변 정확도, 평균 응답 시간을 한눈에 확인합니다. 시스템 전체 성과를 매일 빠르게 파악할 수 있도록 구성했습니다.
보안 정책으로 확대가 제한됩니다
- 문의 목록 및 신뢰도 기반 분류 — 문의 검색, 상태·신뢰도 필터를 조합하여 원하는 문의를 빠르게 조회합니다. AI가 생성한 답변의 신뢰도를 기준으로 80% 이상은 승인 대기, 60~80%는 검수 필요, 60% 미만은 수동 처리로 자동 분류하여 관리자가 꼭 필요한 문의에만 집중합니다.
보안 정책으로 확대가 제한됩니다
- 문의 상세 및 답변 조정 — 문의 상세 화면에서 AI가 생성한 답변을 직접 수정하거나 톤앤매너를 조정할 수 있습니다. 최종 승인 또는 반려 처리를 한 화면에서 완료합니다.
보안 정책으로 확대가 제한됩니다
- 상품 데이터 및 RAG 학습 관리 — 상품 관리 화면에서 RAG 학습에 사용할 상품 데이터 목록과 임베딩 상태를 관리합니다. 새 상품이 추가되면 학습 데이터를 업데이트하여 답변 품질을 유지합니다.
보안 정책으로 확대가 제한됩니다
- 통계 및 성과 시각화 — 처리 현황 차트, 신뢰도 분포, 응답 시간 분석을 시각화하여 제공합니다. 어떤 유형의 문의가 많고, 어느 구간에서 수동 처리가 필요한지 데이터로 확인할 수 있습니다.
보안 정책으로 확대가 제한됩니다
모든 문의를 자동화하는 것이 목표가 아니라, 사람이 꼭 필요한 곳에만 개입하도록 신뢰도 기반 선별 구조를 중심으로 설계했습니다.
RESULT
| 지표 | Before | After | 개선율 |
|---|---|---|---|
| 문의 응답 시간 | 평균 3시간 | 평균 18분 | 85% 절감 |
| AI 자동 처리율 | 0% (전건 수동) | 96.1% | 96.1% 달성 |
| 답변 정확도 | 담당자 역량 의존 (편차 큼) | AI 기반 92.4% 유지 | 편차 78% 감소 |
| 관리자 검수 부담 | 전건 수동 처리 | 신뢰도 기반 선별 검수 | 80% 감소 |
※ 본 프로젝트는 시온랩의 자체 기획·설계 결과물이며, 프로토타입 기준으로 제작되었습니다.
