스윙 고객센터, 어떻게 응답 시간을 71% 단축했나? - 1부: 게시판으로 전환

안녕하세요!
더스윙에서 개발총괄을 맡고 있는 허승균이라고 합니다.

이번 포스팅은 스윙 고객센터를 어떻게 개선하여 최고의 효율성을 얻게 되었는지 총 2부로 나누어 소개해드리겠습니다.

시작하며

스윙은 오랫동안 실시간 채팅으로 고객을 만났습니다. 서비스 초창기, “지금 바로 묻고, 바로 답한다”는 경험은 분명 강력했고 성장의 핵심 동력이었습니다.

하지만 서비스가 폭발적으로 성장하며 하루 수십만 건의 라이드에서 문의가 쏟아지자,
실시간 응대를 위한 여러 장치가 오히려 상담 효율을 떨어뜨리는 ‘확장 마찰’을 일으키기 시작했습니다.

여러 솔루션을 도입하고 운영 프로세스를 개선하려 했지만, 구조적 한계는 여전했습니다.
우리는 '빠른 응대'가 아닌 '완결성 있는 해결'이라는 본질로 돌아가 고객상담 운영 모델 자체를 재설계하기로 했습니다.

문제: 과연 채팅이 맞는가?

① "무엇을 묻는지"부터 물어야 한다

채팅은 고객이 문제를 명확히 정리하기 전에 대화가 시작됩니다. 상담사가 핵심 정보를 확보하려면 초반 여러 차례의 질의응답, 이른바 '초반 핑퐁'이 필수적이고, 이 과정에서 첫 응답 시간(FRT)과 총 해결 시간(TTR)이 함께 증가합니다.

초반 핑퐁이 만든 FRT/TTR 상승 구조

이때 정보 누락·오입력이 발생하면 재확인과 재질문이 반복됩니다. 특히 서드파티 환경에서는 내부 라이드/결제 이력이 자동 연동되지 않아 고객이 앱에서 값을 찾아 직접 입력해야 하는데, 이 역시 지연과 오류를 키웁니다.

② '빨리'의 함정: 첫 답에 집착하다 끝이 멀어진다

채팅창은 고객에게 “곧바로 답이 올 것”이라는 기대를 만듭니다. 그러나 실제로 결론을 확정하려면 데이터 대조와 정책 검토에 시간이 필요합니다. 규모가 커지고 문의가 몰리면 “바로 답이 없다”는 불만이 쌓이고, 이를 낮추려 첫 응답 시간(FRT)만 무리하게 줄이는 데 집중하게 됩니다.

첫 응답 시간(FRT) 최적화의 착시와 총 해결 시간(TTR) 악화 메커니즘

그 결과 상담은 속도 우선으로 기울어 정확성과 일관성이 떨어지고, 문의가 완전히 해결되기까지 걸리는 시간(TTR)은 오히려 늘어나는 모순이 발생합니다. 속도 착시가 총 소요를 악화시키는 전형적 패턴입니다.

③ 쌓이지만 남지 않는다: 측정도, 학습도 어렵다

채팅 로그는 대표적인 비정형 데이터로, 명확한 자산으로 남기는데 비용이 발생합니다.

우선, 성과 측정이 모호해집니다. 실시간 대화의 흐름에서 '고객의 진짜 의도를 파악한 시점'이나 '정확한 해결을 제시한 순간' 을 칼 같이 잘라내기 불가능합니다. 여기에 고객이나 상담사의 응답 지연 같은 수많은 변수가 더해지며, 결국 우리는 안개 속에서 어렴풋한 감으로 성과를 판단하게 됩니다.

비정형 데이터가 만드는 측정·자동화의 한계

더 큰 문제는 자동화의 한계입니다. 이처럼 변동성 크고 비정형적인 대화 데이터는 AI가 학습하기에 매우 비싼 재료입니다. 대화의 맥락이 수시로 바뀌고 주제가 중첨되는 특성 때문에, 요약·추천·답변 생성 같은 자동화의 비용과 오차율은 높습니다. 결국 데이터는 쌓일수록 운영의 신뢰도를 떨어뜨리고, 미래를 위한 학습 자산이 되지 못한 채 그저 흘러가 버립니다.

해결: ‘실시간 대화’에서 ‘완결된 케이스’로

확장성 문제를 풀고 품질·일관성을 높이기 위해, 우리는 운영 모델을 '대화' 에서 '케이스(Case)' 로 전환했습니다. 이를 위해 자체 문의 게시판을 개발하고 기존 운영 어드민과 완벽하게 통합하여, 모든 상담이 한 곳에서 이루어지는 단일 어드민 콘솔을 완성했습니다.

핑퐁에서 한 방으로: 문의의 정형화

우리는 불필요한 '탐색전'을 없앴습니다.
고객이 문의를 남기는 시점에 필요한 정보를 '한 번에' 모두 제공하도록 문의 플로우를 개선 했습니다.

• 문의는 글/댓글(스레드) 형태로 진행되어, 시작부터 끝까지 모든 맥락을 한눈에 파악할 수 있습니다.
• 고객은 한 번에 맥락이 보이도록 문의 요지와 증빙을 정리해 올릴 수 있습니다.
• 상담사는 고객의 다음 말을 기다리거나 흩어진 맥락을 추측할 필요 없이, 처음부터 완결성 있는 답변 작성에만 몰입합니다.
• 물론, 현장 이슈나 안전과 직결된 긴급 조건은 채팅으로 즉시 대응하는 에스컬레이션 경로 또한 마련해두었습니다.

복붙 말고 선택: 컨텍스트 자동 주입

고객의 복붙으로 인한 실수를 없앴습니다.
상담사는 정확한 정보를 기반으로 바로 상담을 진행할 수 있게 되었습니다.

• 고객은 앱에서 라이드/구독 이력 선택 → 문의 생성으로 흐름을 단순화했습니다.
• 시스템이 라이드/멤버십 ID·시간·결제 정보를 자동 주입·검증하여 누락/오입력을 차단합니다.
• 상담사는 정확한 맥락에서 출발할 수 있게 되었고, 그 결과 초기 질의응답 왕복이 줄고 One-shot 비율이 크게 상승했습니다.

한 화면에서 종결: 통합 단일 어드민 콘솔

또한 상담사가 온전히 문제 해결에만 몰입할 수 있는 'Deep Work' 환경을 설계했습니다.

• 상담사는 더 이상 채팅 솔루션, 운영 어드민, 문서를 번갈아 살피지 않아도 됩니다.
• 우선순위 큐(SLA/긴급도), 스레드 본문/증빙, 검색/정책/유사 스레드를 한 화면에서 확인가능합니다.
• 작업 전환 비용이 사라지면서 응대 시간이 자연스럽게 단축되고, 답변의 품질과 일관성은 눈에 띄게 향상되었습니다.

남는 기록을 남긴다: 모든 상호작용의 데이터화

• 문의 접수/댓글/담당자 할당/상태 변경 등 모든 상호작용은 표준화된 스키마에 따라 '케이스 이벤트'로 정밀하게 기록됩니다.
• 이렇게 정제된 데이터를 기반으로 FRT · TTR · One-shot 같은 핵심 지표를 오차 없이 산출할 수 있게 되었습니다.
• 이 데이터는 단순히 과거 기록을 조회하는 것을 넘어, 생산성 관리(대시보드/알람), 품질 코칭(감사 가능한 로그), 지식화(유사 스레드 연결)까지 이어집니다.

결과: 지표로 증명된 효과

1) 고객과 상담사 모두의 시간을 아끼다

가장 먼저, 우리는 고객과 상담사 모두의 가장 소중한 자원인 ‘시간’을 되찾았습니다.
고객이 첫 응답을 받기까지의 대기 시간(FRT)과 문제가 완전히 해결되기까지 걸리는 총 소요 시간(TTR)이 함께 짧아지는 극적인 결과가 나타났습니다.

• 첫 응답까지의 고객 대기 시간(FRT): 145.5분 → 42.8분 (▼71% 단축)
• 문의 해결까지 총 소요 시간(TTR): 175.7분 → 51.2분 (▼71% 단축)

이는 단순히 더 빨리 응답한다는 의미를 넘어섭니다. 고객은 더 이상 기약 없는 기다림 속에서 불안해하지 않아도 되며, 상담사는 ‘빠른 인사’가 아닌 ‘빠른 해결’에 집중할 수 있게 되었습니다.

2) 두 번 묻지 않는다: 완결성 있는 상담의 증명

가장 자랑스러운 지표는 바로 ‘상담 품질’의 변화입니다.
고객이 같은 문제로 다시 문의하는 것은 고객과 상담사 모두에게 고통스러운 경험입니다. 우리는 이 문제를 거의 완벽하게 해결했습니다.

• 첫 답변으로 문의 해결(One-shot): 80.8% → 99.5% (+18.7%p)
• 30일 내 재문의(Repeat): 6.0% → 0.5% (▼92% 감소)

이제 거의 모든 문의가 단 한 번의 답변으로 완결됩니다.
고객이 같은 문제로 두 번, 세 번 다시 찾아오지 않아도 된다는 것, 그것이야말로 우리가 고객의 시간을 얼마나 소중히 여기는지를 보여주는 가장 확실한 증거입니다.

3) 건강한 시스템의 선순환: 예측 가능한 운영의 시작

마지막으로, 우리는 고객이 원할 때 언제든 편하게 문의할 수 있는 환경을 만들었습니다.
그 결과, 문의가 특정 시간대에 집중되던 비효율이 해소되고, 전체 고객 지원 파이프라인이 훨씬 건강해졌습니다.

• 게시판으로 고객 접근성이 높아져, 전체 문의량은 16% 증가
• 업무 시간 내 문의 집중도는 평균 12% 감소

이는 상담사들이 낮 시간의 과도한 피크 타임 압박에서 벗어나, 밤새 접수된 문의들을 아침에 차분하고 균등하게 처리할 수 있게 되었음을 의미합니다.
결과적으로 고객의 편의는 극대화되고 상담사의 업무 효율은 높아진, 진정한 ‘윈-윈(Win-Win)’ 구조를 완성했습니다.

마치며

게시판 전환은 단순한 채널 교체가 아니라
고객상담 운영 모델 전체를 재설계하는 과정이었습니다.
그 결과 응답 속도, 처리 효율, 품질 관리에서 확실한 개선을 만들었습니다.

물론 이 과정에서 풀어야 할 새로운 과제들도 발견했습니다.
함축적이거나 장문의 문의 의도 파악, 희귀 케이스의 정책 검토, 톤·맞춤법·근거 표기 등 ‘작성 품질 편차’가 그것입니다.

다음 2부에서는 이러한 문제들을 스윙의 AI 시스템 ‘Synapse’로 어떻게 해결했는지 소개해 드리겠습니다.

부록 — 용어 정리

• FRT(First Response Time): 티켓 생성 → 첫 응답(상담사)
• TTR(Time To Resolution): 티켓 생성 → 종료
• One-shot 해결률: 추가 고객 코멘트 없이 종료된 비율
• Repeat(30d): 동일 고객·유사 카테고리로 30일 내 재문의 비율

🚖 함께 할 동료를 찾고 있습니다 🚖

SWING은 더 나은 도시를 만들기 위해 노력하는 팀입니다. 데이터, 기술, 사용자 중심의 혁신을 통해 이동 경험을 바꾸고자 하는 분들을 기다리고 있습니다.  

여정에 함께하고 싶다면, 망설임 없이 지금 바로
아래 링크를 통해 지원 부탁드립니다!

👉 SWING 채용 공고 확인하기 👈