실시간 고객 불만 관리를 위한 ML 기반 RE-GrievanceAssist 파이프라인

Core Concepts

실시간 고객 불만 관리를 위한 ML 기반 RE-GrievanceAssist 파이프라인을 통해 고객 경험을 향상시키고 수동 작업을 40% 감소시킴.

Abstract

최근 몇 년 간 부동산 플랫폼 기업들은 고객 불만 관리에 많은 어려움을 겪고 있습니다. 이에 저희는 RE-GrievanceAssist라는 엔드-투-엔드 파이프라인을 개발했습니다. 이 파이프라인은 3가지 핵심 구성요소로 이루어져 있습니다:

응답 필요 여부 ML 모델: TF-IDF 벡터화와 XGBoost 분류기를 사용하여 수동 개입이 필요한지 여부를 판단합니다.
사용자 유형 분류기: FastText 분류기를 사용하여 고객의 유형(소유자, 중개인, 개발자 등)을 식별합니다.
문제/하위 문제 분류기: TF-IDF 벡터화와 계층적 XGBoost 분류기를 사용하여 고객 불만의 유형과 하위 유형을 분류합니다.

이 파이프라인을 통해 약 40%의 일일 티켓을 자동으로 처리할 수 있게 되었습니다. 또한 나머지 60%의 티켓에 대해서도 사용자 유형과 문제/하위 문제 분류기의 통찰력을 활용하여 수동 작업을 50% 줄일 수 있었습니다.
이 시스템은 2023년 8월부터 배포되어 운영 중이며, 월 150,000루피의 비용 절감과 40%의 수동 작업 감소 효과를 거두고 있습니다.

Stats

일일 평균 1,000건 이상의 고객 불만 접수
약 35개의 문제 유형과 10개의 하위 문제 유형 존재
테스트 데이터에 대한 모델 성능:

응답 필요 여부 ML 모델: F1-score 86.39%
사용자 유형 분류기: F1-score 90%
문제 분류기: F1-score 72.95%
하위 문제 분류기: F1-score 62.23%

Quotes

"RE-GrievanceAssist 파이프라인을 통해 고객 경험을 향상시키고 수동 작업을 40% 감소시킬 수 있었습니다."
"이 시스템은 2023년 8월부터 배포되어 운영 중이며, 월 150,000루피의 비용 절감과 40%의 수동 작업 감소 효과를 거두고 있습니다."

Key Insights Distilled From

RE-GrievanceAssist: Enhancing Customer Experience through ML-Powered Complaint Management

by Venkatesh C,... at arxiv.org 05-01-2024

https://arxiv.org/pdf/2404.18963.pdf

Deeper Inquiries

고객 불만 관리 시스템의 성능을 더욱 향상시키기 위해 어떤 추가적인 기술을 적용할 수 있을까요?

고객 불만 관리 시스템의 성능을 더 향상시키기 위해 추가적인 기술을 적용할 수 있습니다. 예를 들어, 자然어 처리(NLP) 기술을 활용하여 고객의 언어를 이해하고 감정 분석을 통해 불만의 심각성을 파악할 수 있습니다. 또한, 강화 학습(Reinforcement Learning)을 도입하여 시스템이 고객의 불만에 대한 최적 대응 방법을 학습하도록 할 수 있습니다. 더 나아가, 음성 인식 기술을 활용하여 고객의 전화나 음성 메시지를 처리하고 불만 사항을 자동으로 분류하는 시스템을 구축할 수도 있습니다.

고객 불만 관리 시스템의 윤리적 고려사항은 무엇이 있을까요?

고객 불만 관리 시스템을 운영할 때 윤리적 고려사항은 매우 중요합니다. 첫째, 개인정보 보호가 필수적입니다. 고객의 불만을 처리함에 있어서 개인정보를 안전하게 보호하고 적절히 다루어야 합니다. 둘째, 투명성과 공정성을 유지해야 합니다. 불만 처리 과정이 투명하고 공정하게 이루어져야 하며, 고객들에게 신뢰를 줄 수 있어야 합니다. 셋째, 알고리즘의 편향성을 방지해야 합니다. 머신러닝 모델이 편향된 결정을 내리지 않도록 모델을 공정하게 학습시키고 모니터링해야 합니다.

RE-GrievanceAssist 파이프라인의 기술적 혁신이 부동산 산업 전반에 어떤 영향을 미칠 수 있을까요?

RE-GrievanceAssist 파이프라인의 기술적 혁신은 부동산 산업 전반에 긍정적인 영향을 미칠 수 있습니다. 먼저, 고객 불만 처리 과정의 효율성이 향상되어 고객 만족도가 증가할 것으로 예상됩니다. 이를 통해 부동산 플랫폼의 서비스 품질 향상과 고객 유지율이 향상될 수 있습니다. 또한, 자동화된 불만 처리 시스템을 통해 인력 및 비용을 절감할 수 있어 기업의 경제적 이점을 얻을 수 있습니다. 더불어, 머신러닝과 자연어 처리 기술을 활용한 이 기술적 혁신은 부동산 산업에 혁신적인 변화를 가져올 수 있으며, 다른 산업에도 영향을 미칠 수 있는 선도적인 사례로 자리매김할 수 있습니다.