CS와 설문으로는 알 수 없는 것 | 구매를 망설이는 고객의 속마음을 확인하는 방법

 

 

 

 

안녕하세요, 플러스제로 정성진입니다.

문제는 이 세 가지를 어디서 찾느냐입니다. 데이터 컨설팅을 해온 15년 동안 가장 효과적인 방법은, CS나 설문 같은 정제된 데이터가 아니라 익명 커뮤니티의 날것 그대로의 글을 하나하나 읽어나가는 것이었습니다.

오늘은 제가 왜 CS와 설문 대신 익명 커뮤니티 글과 리뷰로 VOC를 분석하는지, 그리고 그걸 어떻게 활용하는지 이야기하려고 합니다.

VOC를 본다고 할 때 대부분의 회사가 보는 것은 CS자료와 설문 결과입니다. 두 데이터 모두 훌륭한 정보입니다. 다만 구매를 망설이는 고객의 진짜 속마음을 찾기엔 CS와 설문 모두 공감/설득과는 목적이 다른 정보라는 점입니다.

CS에 문의한 사람은 이미 우리 제품을 산 사람입니다. 설문에 답한 사람도 대개 우리 고객 명단에 있는 사람입니다. 즉 우리가 보는 고객의 목소리는 전부 "이미 구매를 완료한 사람"의 목소리입니다.

정작 알아야 할 것은 망설이다 구매하지 않고 떠난 사람들이 무엇 때문에 멈췄는지인데, 그 목소리는 CS에도 설문에도 없습니다.

다만 여기 담기는 내용은 대부분 불만이고, 그 불만은 전부 이미 산 사람에서 나옵니다. CS가 몇 건이든 마찬가지입니다. 사지 않은 사람은 애초에 문의를 하지 않으니까요. 구매를 고민하다 멈춘 사람의 목소리가 CS에 없는 건 데이터가 부족해서가 아니라, 구조적으로 들어올 수 없기 때문입니다.

게다가 CS로 들어오는 말은 다듬어져 있습니다. 고객은 응대받을 목적으로 쓰기 때문에 "환불해주세요", "배송이 안 왔어요"처럼 처리 가능한 형태로 말을 정리합니다. 그 뒤에 있는 진짜 감정, 경쟁사와의 비교, 다시 살지 말지에 대한 판단은 대개 CS에선 적히지 않습니다.

정리하면 CS는 이미 산 사람이 무엇에 실망했는지를 알려줍니다. 개선에는 필수지만, 아직 사지 않은 사람을 설득할 재료로는 부족합니다.

우리가 "가격, 디자인, 성능 중 무엇이 중요합니까"라고 물으면 답은 그 셋 중에서 나옵니다. 정작 고객이 멈춘 이유가 "설치를 직접 할 자신이 없다"였다면, 그 답은 영원히 수집되지 않습니다. 설문은 이미 우리가 가설로 세운 것을 검증할 뿐, 우리가 생각조차 못 한 이유를 발견하지는 못합니다.

여기에 응답 편향이 겹칩니다. 사회적 바람직성 편향(social desirability bias)은 응답자가 자기 표현을 좋게 보이도록 답을 조정하는 경향을 말하는데, 이는 자기보고식 설문에서 부정확한 응답과 잘못된 결론으로 이어질 수 있다는 것이 연구에서 지적되는 문제입니다. 브랜드가 직접 물으면 고객은 조금 더 예의 있게 답합니다.

정리하면 이렇습니다. CS는 구매한 사람의 정제된 불만이고, 설문은 우리가 의도한 질문에 대한 소수의 다듬어진 답변입니다.

둘 다 정확하지만, 둘 다 ‘구매를 망설이다 사지 않고 떠난 사람의 니즈 파악’과는 목적성이 다른 정보입니다.

거기서 나오는 문장은 이런 형태입니다. "A 살까 B 살까 고민 중인데 A는 이 부분이 걸린다", "써봤는데 광고랑 다르다", "이 가격이면 그냥 C 사는 게 낫지 않나". 정제되지 않았고, 우리 질문지에 없던 내용이고, 무엇보다 양이 많습니다.

이 차이가 핵심입니다. CS·설문이 소수의 정제된 답변이라면, 커뮤니티는 대량의 날것 그대로의 속마음입니다.

둘째, 경쟁사와의 적나라한 비교. 커뮤니티에서 고객은 우리 제품을 단독으로 평가하지 않습니다. 항상 다른 제품과 나란히 놓고 어느 쪽이 어디서 낫고 어디서 떨어지는지 말합니다. 설문으로 "경쟁사 대비 어떻습니까"라고 물었을 때 나오는 답보다 훨씬 다양하고 구체적입니다.

셋째, 언급이 몰리는 채널과 매체. 우리 카테고리의 대화가 어느 커뮤니티, 어느 게시판, 어느 매체에서 주로 벌어지는지가 데이터로 보입니다. 이건 인사이트를 넘어 실행 정보입니다. 콘텐츠와 광고를 어디에 놓아야 하는지가 여기서 정해지기 때문입니다. 어느 채널에 우리 잠재 고객이 모여 있는지를 감으로 정하던 미디어 플래닝이, 실제 언급량으로 정할 수 있는 문제가 됩니다.

만족은 왜 우리를 선택했는지, 즉 USP의 근거입니다. 
불만은 무엇이 기대와 달랐는지입니다. 
불안(망설임)은 사기 전에 무엇이 걸렸는지로, 구매 전환의 병목(Bottleneck)이 여기서 나옵니다. 
인지 전 니즈는 고객이 아직 우리 카테고리를 해결책으로 인식하지 못한 상태의 욕구로, 신규 시장 진입의 단서가 됩니다.

이 네개의 축을 기반으로 핵심 페르소나(12개 Audience)를 분류/정리합니다. 누가 이 대화를 하고 있는지, 그들이 어디서 망설이고 무엇을 원하는지가 정리됩니다.

경쟁사 비교 발언은 카피의 재료가 됩니다. 고객이 실제로 쓴 비교 문장을 알면, 우리가 어느 축에서 싸워야 하는지가 정해집니다.

언급 채널 데이터는 발행 위치를 정합니다. 그리고 커뮤니티에서 반복되는 질문은 그대로 GEO 대시보드의 트래킹 근거가 됩니다. 사람들이 커뮤니티에서 많이 묻는 질문은 AI에게도 묻는 질문이기 때문입니다.

VI가 커뮤니티에서 얻으려는 것은 비율이 아니라 이유입니다. 왜 망설이고 왜 떠나는지에 대한 질적 신호입니다. 그리고 그 신호가 실제로 얼마나 큰 수요인지는 키워드 검색량과 트렌드라는 정량 데이터로 교차 검증합니다. 질적 이유와 정량 수요를 함께 보는 구조이고, 어느 한쪽만으로 결론을 내지 않습니다.

수집 대상은 공개적으로 게시된 글이며, 산출물은 개인을 식별하는 정보가 아니라 집계된 인사이트입니다. 이 주제만 따로 다룬 글은 시리즈 뒤쪽에서 별도로 정리 할 예정입니다.

자주 묻는 질문

CS 데이터만으로 VOC를 분석하면 무엇이 문제인가요?

구매를 망설이다 떠난 사람의 이유가 없습니다. CS는 이미 구매한 고객의 기록이라 문의가 아무리 쌓여도 망설이다 이탈한 목소리는 들어오지 않습니다. 제품/서비스를 개선하는데는 쓸 수 있지만, 아직 사지 않은 사람을 설득할 정보는 아닙니다.

설문조사와 익명 커뮤니티 분석 중 어느 쪽이 정확한가요?

목적이 다릅니다. 설문은 정해둔 가설을 검증하는 데 강하고, 커뮤니티는 보기로 만들지도 못한 뜻밖의 숨겨진 이유를 발견하는 데 강합니다. 발견은 커뮤니티에서, 검증은 설문과 검색량으로 하는 순서를 권합니다.

고객이 구매를 망설이는 이유는 어떻게 알 수 있나요?

결정 전 발언이 남는 곳을 봐야 합니다. 익명 커뮤니티에는 "A와 B 중 고민 중인데 A는 이게 걸린다" 같은 문장이 그대로 남습니다. Voice Intelligence는 이를 망설임 축으로 분류하고 정리해 줍니다.

Voice Intelligence는 커뮤니티 목소리를 어떻게 분류하나요?

만족, 불만, 불안, 인지 전 니즈의 네 축입니다. 만족은 USP의 근거, 불안은 구매 전환의 병목이 됩니다. 여기에 12개 Audience 기준 페르소나 분류를 더합니다.

커뮤니티 데이터는 표본이 편향된 것 아닌가요?

대표성 있는 정량 데이터가 아니라는 점은 맞습니다. 커뮤니티에서 얻는 것은 비율이 아니라 이유이고, 그 수요 크기는 검색량과 트렌드로 교차 검증합니다.