Tableau를 사용하여 지원 통화량을 43% 감소하고 고객 사용 환경이 개선된 Verizon
콜센터, 디지털 및 파견 팀 전체에서 고객 서비스 분석 시간 50% 단축
특정 고객 집단에 대한 통화량 43% 감소 및 기술 파견 62% 감소
Hadoop, Teradata 및 Oracle에서 수십억 개의 데이터 행을 수집하는 1,500여 개의 대시보드 생성
Verizon Fios는 광케이블을 통해 광대역 인터넷, 유선 음성 및 케이블 TV 서비스를 포함하는 주거용 연결 솔루션을 수백만 고객에게 제공합니다. 이러한 서비스에는 690만 개의 광대역 연결, 450만 명의 TV 가입자, 1,220만 개의 유선 전화 사용자가 포함됩니다. 이에 따라 분석 지원 센터 팀은 여러 데이터 원본과 거기서 생성되는 수십억 개의 행(하루 최대 4테라바이트)을 관리해야 합니다. 다른 시각으로 보면, 총 10테라바이트에 이르는 의회 도서관 데이터의 거의 절반에 이르는 분량입니다.
80명이 넘는 직원으로 구성된 Verizon의 분석 지원 센터(ACE, Analytics Center of Excellence) 팀은 회사의 디지털, 콜센터, 파견, 마케팅 및 재무 업무에서 데이터 과학 및 고급 분석을 사용하여 운영을 최적화하고 고객 사용 환경을 개선했습니다. 이들은 Hadoop, Teradata 및 Oracle에서 온라인 및 오프라인 데이터를 가져와서 더 작은 데이터 집합으로 추출 및 축소한 다음 Tableau에서 분석했습니다. 이 효과적인 접근 방식 덕분에 200명이 넘는 이해관계자가 적시에 분석을 위해 대시보드를 활용하게 되었습니다. 이해관계자는 경영진에서 고객 대응 콜센터 직원까지 다양합니다. 이들은 매일 Tableau로 발견하는 인사이트를 통해 더 나은 의사 결정을 내리고 뛰어난 고객 서비스를 제공합니다.
ACE는 플랫폼을 사용하여 운영, 비즈니스 혁신, 제품 개발, 마케팅 및 소프트웨어 엔지니어링 팀이 사용하는 1,500개가 넘는 셀프 서비스 대시보드를 만들었습니다. 데이터가 정리되어 바로 사용할 수 있는 상태임을 보장하는 관리되는 인프라와 함께, 대화형 대시보드는 125,000회가 넘는 조회수를 기록했습니다. Fios 팀이 지리공간 매핑 기능을 통해 위치 기반 영향을 이해하고 고객 채팅 세션의 텍스트를 분석하여 Tableau + R 및 Tableau + Mapbox 통합을 활용함에 따라 Tableau 채택이 늘고 있습니다. 이러한 전략은 통화량과 파견 근무의 감소에 따른 운영 비용 절감과 함께 고객 서비스 문제를 해결하고 고객 만족을 향상하는 데 도움이 되었습니다.
디지털 및 콜센터 운영을 위해 분석 프로세스를 확장하는 분석 지원 센터
Verizon Fios는 수동 Excel 테이블을 사용하여 디지털 및 콜센터 메트릭과 같은 데이터를 분석했습니다. 그 결과는 정적 보고서를 통해 여러 팀에 배포되었습니다. Oracle, Hadoop, Teradata와 같은 여러 원본에서 데이터를 가져와야 했기 때문에 분석 전의 데이터 조인도 까다로웠습니다. 제한된 분석 리소스로 다양한 이해관계자에게 서비스를 제공해야 했으므로 이 프로세스는 비효율적이었습니다. 병목 현상과 중복이 발생했고 사용자는 질문에 대한 답을 찾는 데 필요한 데이터를 손쉽게 소화하지 못했습니다. Contact Center Analytics의 부책임자인 Gregory McConney는 다음과 같이 설명했습니다. "분석 담당 직원들은 고급 분석을 수행하고 비즈니스의 발전에 도움이 되는 예측 모델과 기계 학습 솔루션을 구축하기 위해 노력합니다...비즈니스 이해관계자가 스스로 할 수 있다면 기본적인 인사이트는 우리 팀에서 만들고 싶지 않습니다."
Verizon은 분석 지원 센터(ACE)를 만들기 위해 특별한 관심을 가지고 인재를 모았습니다. 80명이 넘는 직원으로 구성된 팀에서 거의 30명에 이르는 직원이 Tableau 분석을 수행하고 주요 이해관계자에게 인사이트를 제공합니다. 다른 직원들은 데이터 거버넌스, 데이터 준비 및 모델링을 지원하여 Tableau 개발자 및 서버 관리자에게 전달할 수 있게 준비합니다. "우리가 하는 첫 번째 일은 데이터가 올바르게 확장 및 자동화되도록 구성하는 것입니다. 우리는 데이터를 올바르게 구성하고 가장 직관적인 방법으로 정보를 배포할 수 있는 뷰를 구축하는 데 많은 관심을 기울였습니다."라고 Verizon의 데이터 분석 부문 수석 관리자인 Sid Dayama는 설명했습니다.
대시보드 모음을 구축하기 전에 ACE는 이해관계자들과 계획 세션을 열어 필요한 사항을 결정했습니다. 이들은 빠른 로드 시간에 최적화된 대시보드를 개발했으며, 좀 더 효과적인 토론을 지원하여 하향식 의사 결정 방식에 전환을 가져왔습니다.
모든 사용자가 대시보드를 수용하기 시작하자, 팀은 더 효율적으로 작업하여, 도구 설명과 같은 기능으로 인사이트를 발견하고 비주얼리제이션 내에서 세부 정보를 반영하고 필드 정의를 명확하게 했습니다. 이들은 플랫폼의 다른 기능을 수용하고 다양한 차트 유형을 사용하여 고객 사용 환경을 더욱 강화하고자 합니다.
Tableau는 이러한 다양한 소프트웨어와 모두 호환되므로 정말 훌륭합니다. 모두 한데 묶어서 텍스트 마이닝을 하나의 대시보드로 만드는 것은 저희에게 매우 획기적인 사건이었습니다.
50% 단축된 분석 시간으로 수용 능력 증가, 고객 자동 연결 및 감성 개선을 가져온 콜 센터
고객은 온라인 채팅, 콜센터 및 교차 채널과 같은 몇 가지 방법을 통해 Verizon의 지원 팀과 상호 작용합니다. 즉, 디지털 채널에서 시작하여 콜센터에서 끝나는 것입니다. 그러나 Verizon은 고객이 디지털 방식의 셀프 서비스를 이용하고 콜센터를 피하도록 하려고 했습니다. 그렇게 되면 답변이나 기술 방문을 기다릴 필요가 없으므로 만족도가 높아질 수 있습니다. 더 중요한 것은, 고객이 콜센터에 반복해서 연락하지 않도록 하려는 것이었습니다. 반복 연락은 문제가 해결되지 않았음을 의미하고 그에 따라 효율성이 저하되고 콜센터 및 파견 팀 내의 운영 비용이 증가하기 때문입니다.
고객 부문에 따라 통화 행동이 서로 다르다는 것을 파악한 ACE는 특정 고객 집단을 위해 최적화된 자동 연결 솔루션을 구축하여 비즈니스 변환, 분석, IT 및 콜센터 운영 등의 팀이 콜센터에서 고객 참여를 분석하고 통화 감성을 모니터링할 수 있는 Tableau 대시보드를 활용했습니다.
분석 팀은 고객 기반의 각 개인에 대해 17가지 서로 다른 특성을 분석하여 고객의 이용 기간, 사용하는 제품, 통화 동인, 통화 빈도, 평균 처리 시간, 연락 시 통화 감성, 연령 등을 살펴봅니다. 그런 다음 고객을 분류하여 각기 다른 처우 집단에 추가합니다.
이러한 개별 집단은 특별한 지원 큐로 자동 연결되어, 여기에서 문제의 반복을 막기 위해 숙련된 콜센터 담당자가 요청을 처리합니다. 콜센터 담당자는 Tableau 대시보드에서 자신이 상대하는 고객의 과거 통화 패턴과 같은 컨텍스트 정보를 확인할 수 있습니다. 그러면 문제를 효과적으로 해결할 수 있으며 고객도 여러 번 전화하는 번거로움을 피할 수 있습니다.
분석 팀은 Tableau의 알림 기능을 사용해 통화량이 조건부 시각적 임계값 아래로 내려갈 때 이를 알려주었습니다. 이런 상황이 되면 긴급한 요청이 있는 새로운 고객 집합을 표시하고 담당자에게 새로운 고객 목록을 트리거하는 알고리즘이 활성화됩니다.
"기본적으로 이 모든 것에서 인적 요소를 제거하는데, 이는 정말 놀라운 일입니다."라고 Greg는 설명했습니다.
고객의 통화 행위 및 콜센터 직원의 운영 능력에 대한 상황을 파악한 Verizon은 효율성을 개선하여 고객 통화 처리 시 반복되는 통화 횟수를 줄이고 통화량을 43% 줄일 수 있었습니다. 또한 Tableau 대시보드를 통해 고객 서비스 분석 시간이 50% 단축되어 고객 문제를 더 빨리 해결하게 되었습니다. 전략을 개발하는 상급 관리자는 물론, 매일 통화에 응대하고 통화 행위, 패턴 및 내역 추세를 식별해야 하는 현장의 이해관계자들이 대시보드를 사용합니다.
대시보드를 통해 얻는 인사이트는 콜센터 운영을 최적화하는 데 도움이 되며, 이에 따라 고객이 여러 번 통화할 필요가 없어집니다. 이렇게 적시에 대시보드를 모니터링함으로써 문제 해결 비율과 고객의 만족도 지수가 높아지고, 통화량과 파견 횟수(주요 비용 동인)가 줄어드는 것을 확인할 수 있습니다.
Tableau의 지리공간 매핑으로 파견 근무의 영향을 모니터링하는 팀
Verizon Fios에는 가정에 인력을 여러 번 파견하여 문제를 해결해야 하는 특정 세대가 있었습니다. ACE 팀은 다중 파견의 필요성을 줄이고 고객 만족을 높이기 위해, 파견 팀이 주와 우편번호 수준에서는 물론 개별 가정 수준에서도 현장 기술자 파견 활동의 지리적 영향을 모니터링할 수 있는 Tableau 대시보드 모음을 구축했습니다.
이러한 대시보드는 690만에 달하는 Fios 고객에 대한 파견 활동을 분석했고, 생성된 티켓 수, 티켓 비율, 시작된 파견 횟수, 전반적인 파견 비율과 같은 KPI를 포함했으며, 이러한 파견의 비용 영향을 조사했습니다. 사용자는 고객 유형, 파견의 원인이 되는 서로 다른 문제 유형, 기타 여러 유선 인프라 특성과 같은 차원을 기준으로 이러한 KPI를 더 세분화할 수 있습니다.
Mapbox 통합과 같은 Tableau의 매핑 기능을 사용하여 팀은 히트 맵을 통해 위치 기반 영향을 식별했으며, 티켓 및 파견 비율이 과도하거나 과소한 위치 및 빈번한 파견의 원인이 된 변수를 밝혀냈습니다.
그 결과 Verizon은 기술자 파견 분석 시간을 50% 넘게 줄였으며 지리공간 매핑이 다른 조직의 요구를 어떻게 지원할 수 있는지를 알아냈습니다.
Tableau R 및 Python 통합으로 더욱 심층적인 디지털 제품 분석 가능
Verizon Fios는 좀 더 강력한 고객 참여를 지원하기 위해 디지털 제품을 출시합니다. 이러한 제품 중 하나는 2017년에 출시된 Facebook Messenger의 Fios 챗봇입니다. 이 제품과 기타 제품은 고객이 브랜드에 참여하고 질문할 수 있도록 지원합니다. 취득, 참여, 고객 수용 및 제품 효율성과 관련된 핵심 성과 지표(KP)를 모니터링하기 위한 분석과 보고 기능을 갖추는 것은 매우 중요합니다.
ACE는 Fios 챗봇과 관련된 KPI를 설계하고 고객 채택 및 사용을 모니터링했습니다. 또한 Tableau에서 사용자 지정 날짜가 포함된 매개 변수를 적용하여 시간에 따른 제품 성능을 측정하고 매일, 매주 및 매월 변경 사항을 평가했습니다. 또한 채팅 세션에서 의미를 추출하기 위해 Tableau R 통합을 사용하여 텍스트 분석도 수행했습니다. 범주형 키워드를 추출하기 위해 테이블에 원시 문자열 필드로 저장된 고객 채팅 스크립트에 텍스트 사전 처리가 적용되었습니다. "이 모든 것은 단어의 발생 빈도에 따라 데이터가 집계되는 R에서 수행됩니다. 이것을 Tableau로 가져와서 워드 클라우드를 시각화하여 발생 빈도에 색상과 크기를 할당합니다. 이것은 봇과 채팅하는 동안 고객의 사고방식을 이해하는 데 큰 도움이 되었습니다."라고 Sid는 덧붙입니다.
ACE, 디지털 및 고객 서비스 팀은 Tableau의 유연성을 이용해 고객이 봇에 물어본 각 질문 카테고리에 대한 응답을 추적했습니다. 추출된 정보는 봇이 더 많은 질문을 인식하고 문제 해결을 위해 적절히 응답하도록 하기 위한 봇 인텔리전스 교육에 사용되었습니다. 이러한 지식을 통해 이들은 가장 인기 있는 고객 참여 시간을 알게 되었고, 정전 또는 유료 시청제 스포츠 이벤트와 같은 대규모 서비스 이벤트를 처리할 직원 수를 늘렸습니다.
이것은 Verizon에서 처음으로 R과 Tableau를 통합한 사례였습니다. 그러나 회사 경영진이 제품 출시에 대한 전반적인 고객 반응을 이해하거나 인사이트를 사용하여 제품 마케팅 및 계획을 알리는 것과 같은 긍정적인 결과를 확인하자, Verizon은 자신 있게 다른 원본도 Tableau와 통합했습니다. 분석 채택을 더욱 확장하기 위해 ACE는 TabPy와 함께 Tableau의 Python 모델도 활용합니다.
추가 리소스