지원 요청자와의 사용자 인터뷰는 전통적인 분석 도구가 놓치는 자기주도형 경험의 중대한 격차를 드러냅니다.
대화형 설문 조사는 이러한 인터뷰를 지식 베이스 탐색에 대한 확장 가능하고 AI 기반의 대화로 변환합니다.
AI 도구를 사용하면 사용자의 응답에서 패턴을 즉시 찾아내어 질적 피드백 분석이 손쉬워집니다.
전통적인 지원 지표가 전체 이야기를 포착하지 못하는 이유
티켓 양이나 해결 시간은 팀의 바쁨을 보여줄 수 있지만, 사용자가 스스로 문제를 해결하지 못한 이유를 절대 알 수 없습니다. 웹 분석을 봐도 사람들이 어디를 클릭하고 얼마나 머물렀는지 알 수 있지만, 그들이 실제로 무엇을 찾고 있었는지 또는 어디에서 막혔는지 전혀 알 수 없습니다.
전통적인 지표 | 사용자 인터뷰 인사이트 |
티켓 양 | 사용자가 스스로 답을 찾지 못한 이유 |
기사 조회수 | 어떤 지식 베이스 콘텐츠가 문제 해결에 실패했는지 |
클릭 경로 | 사용자가 각자 표현한 실제 질문 |
숨겨진 좌절감: 매주 사용자들은 조용히 포기하고, 헛된 검색 후 자기주도형 서비스를 포기합니다. 대다수는 지원에 연락도 하지 않아서 분석에 그 실망이 등록되지 않습니다. 사실, 고객의 40%는 회사 대표와 직접 이야기하는 것보다 자신의 문제를 스스로 해결하려고 하지만 거의 절반은 여전히 원하는 것을 찾는데 어려움을 겪습니다.
부족한 맥락: 대부분의 분석은 사용자가 어떤 검색어를 시도했는지, 무엇이 그들을 혼란스럽게 했는지, 또는 특정한 기사가 왜 도움이 되지 않았는지를 알려주지 않습니다.