“AI 챗봇 도입 후 고객 문의 90% 자동 해결.” 솔루션 업체 랜딩페이지에서 흔히 보는 문구다. 이커머스 셀러라면 한 번쯤 혹했을 것이다. CS 인력 줄이고, 응대 속도 올리고, 비용은 절반으로. 그런데 이 숫자, 실제로 운영해보면 이야기가 달라진다.
디플렉션 레이트, 이 숫자가 왜 문제인가
디플렉션 레이트(Support Deflection Rate)란 고객이 상담원 연결 없이 셀프서비스(챗봇, FAQ, 자동응답)로 문제를 해결한 비율이다. 업체마다 60%에서 90%까지 자랑하는데, 최근 이커머스 커뮤니티에서 이 수치에 대한 의문이 터져 나왔다.
핵심 문제는 측정 방식이 제각각이라는 것이다. 어떤 솔루션은 챗봇이 응답을 보낸 순간 “해결”로 카운트한다. 고객이 만족했는지, 실제 문제가 풀렸는지는 따지지 않는다. 챗봇이 “배송 조회는 여기서 하세요”라고 링크 하나 던져주면 그게 디플렉션 1건이다. 고객이 링크를 눌렀는지, 결국 전화를 걸었는지는 집계하지 않는다.
내가 직접 겪은 CS 자동화의 현실
지난해 자사몰에 AI 챗봇을 붙여봤다. 초기 설정 자체는 어렵지 않았다. FAQ 데이터를 넣고, 주문 조회 API를 연결하고, 반품·교환 시나리오를 짜면 2주면 돌아간다. 대시보드 숫자는 화려했다. 디플렉션 레이트 78%.
그런데 같은 기간 CS팀의 체감은 달랐다. 전화 문의가 줄지 않았다. 챗봇에서 해결 안 되니까 고객이 전화로 넘어오는 것이다. 게다가 챗봇이 잘못된 안내를 한 경우, 상담원이 수습하는 데 더 시간이 걸렸다. 숫자상 78%가 해결됐는데 CS팀은 더 바빠진 역설.
이유를 파고들었더니 명확했다. 챗봇이 처리하는 78%의 대부분은 원래 문의가 필요 없던 단순 질문이었다. “배송 언제 와요?” “영업시간 알려주세요.” 이런 건 FAQ 페이지만 잘 만들어도 해결된다. 정작 상담원이 필요한 클레임, 부분 환불, 제품 하자 같은 문의는 챗봇이 거의 처리하지 못했다.
진짜 유효한 디플렉션을 구분하는 법
CS 자동화를 제대로 측정하려면 세 가지를 따로 봐야 한다.
1. 자동 완결 비율 — 챗봇 응답 후 48시간 내에 같은 고객이 같은 주제로 재문의하지 않은 비율. 이게 진짜 해결률이다. 재문의가 발생했다면 자동화가 실패한 것이다.
2. 에스컬레이션 비율 — 챗봇에서 시작했지만 결국 상담원으로 넘어간 비율. 이 숫자가 높으면 챗봇이 고객을 한 단계 더 짜증 나게 만든 뒤 상담원에게 넘긴 셈이다. 고객 경험이 오히려 나빠진다.
3. CSAT 연동 — 자동 응답을 받은 고객의 만족도 점수. 디플렉션 레이트가 아무리 높아도 만족도가 떨어지면 의미가 없다. 불만 고객이 재구매를 안 하면 CS 비용을 아낀 것보다 더 큰 손실이다.
그래서 어떻게 쓰는 게 맞나
AI 고객응대 자동화가 쓸모없다는 이야기가 아니다. 제대로 쓰면 확실히 효과가 있다. 다만 접근 방식이 달라야 한다.
1단계: 자동화할 문의와 하지 말아야 할 문의를 분리한다. 주문 상태 조회, 배송 추적, 영업시간 안내 같은 정보 전달형 문의는 자동화 적합도가 높다. 반면 환불 요청, 제품 불량 클레임, 복합 CS는 상담원 전담으로 남겨야 한다. 억지로 챗봇을 끼우면 고객만 화난다. 1인 셀러의 CS 자동화를 다룬 글에서 이 구분을 더 구체적으로 정리했다.
2단계: 챗봇의 “모른다” 응답을 설계한다. 대부분의 실패는 챗봇이 답을 모르면서 아는 척하는 데서 온다. “이 문의는 전문 상담원이 더 정확하게 도와드릴 수 있어요”라고 빠르게 넘기는 게 낫다. 엉뚱한 답을 주는 것보다 10배 좋다.
3단계: 주 1회 실패 로그를 리뷰한다. 챗봇이 처리 못 한 문의를 모아서 패턴을 본다. 반복되는 실패 유형이 있으면 시나리오를 추가하고, 구조적으로 안 되는 건 자동화 대상에서 빼면 된다. 이 과정 없이 “디플렉션 레이트 올리기”만 목표로 두면 숫자만 예쁘고 실속은 없다. CS 문의 데이터를 AI로 분석하는 방법을 활용하면 실패 패턴을 더 빠르게 파악할 수 있다.
솔루션 업체 숫자를 읽는 법
CS 자동화 솔루션을 도입하려면 업체에 세 가지를 물어봐야 한다.
첫째, “디플렉션을 어떤 기준으로 측정하나요?” 챗봇 응답 시점인지, 고객이 세션을 종료한 시점인지, 재문의 여부까지 포함하는지. 이 질문에 명확히 답 못 하면 숫자를 신뢰하기 어렵다.
둘째, “에스컬레이션 비율은 얼마인가요?” 디플렉션 레이트만 보여주고 에스컬레이션 비율을 안 보여주는 업체는 좋은 면만 강조하는 것이다.
셋째, “비슷한 규모의 이커머스 레퍼런스가 있나요?” SaaS나 정보 서비스의 CS와 이커머스 CS는 완전히 다르다. 이커머스는 배송, 반품, 교환이라는 물류 연동 이슈가 있어서 단순 비교가 안 된다.
결국 CS 자동화의 핵심은 숫자 뒤의 맥락이다
90% 디플렉션 레이트가 의미 있으려면, 그 90%가 진짜 해결된 문의여야 한다. 챗봇이 링크 하나 던져놓고 카운트한 90%는 마케팅 숫자일 뿐이다.
이커머스 운영에서 CS는 비용 센터이면서 동시에 재구매를 만드는 접점이다. AI 에이전트의 커머스 자동화 병목에서도 다뤘지만, 자동화의 가치는 속도가 아니라 정확도에서 나온다. 빠르지만 틀린 답은 느리지만 맞는 답보다 비용이 더 크다.
CS 자동화를 검토 중이라면, 업체가 보여주는 숫자의 측정 기준부터 확인하자. 그게 진짜 ROI를 판단하는 출발점이다.
