쇼핑몰 CS팀 AI 전화 도입기: 반품·교환 전화를 AI가 처리하게 된 이야기

월 매출 8억 규모의 패션 쇼핑몰을 운영하고 있습니다. 자사몰과 스마트스토어를 병행하는데, CS 전화가 하루 평균 200통이 넘습니다. 5명이 풀로 전화를 받아도 점심시간과 퇴근 직전에는 대기 콜이 쌓이고, 고객은 화가 나고, 상담원은 지칩니다.

작년 여름 성수기에 일 주문량이 1,500건을 넘기면서 CS팀이 완전히 무너졌습니다. 전화 응답률이 60% 아래로 떨어지고, 네이버 스토어 평점에 "전화 안 받는다"는 리뷰가 달리기 시작했습니다. 인력을 충원하려 해도 CS 경력직은 구인이 어렵고, 신입은 교육에 2주가 걸립니다.

그래서 AI 전화 도입을 결정했습니다. 솔직히 반신반의했지만, 지금은 "왜 더 일찍 안 했나" 싶습니다. 6개월간의 도입 과정과 성과를 솔직하게 공유합니다.

도입 배경: 하루 200통 CS 전화의 늪

CS 전화의 70%는 반품·교환·배송 3가지

도입 전에 2주간 CS 전화를 카테고리별로 분류해봤습니다. 결과는 명확했습니다. 배송 조회가 35%, 반품·교환 접수가 25%, 상품 문의가 15%로, 이 세 가지가 전체의 75%를 차지했습니다. 나머지는 결제 문의, 쿠폰 관련, 기타 등이었습니다.

한국소비자원 통계에서도 온라인 쇼핑 관련 민원의 상당수가 배송과 교환·반품에 집중된다고 나와 있는데, 저희도 정확히 같은 패턴이었습니다. 특히 배송 조회는 "제 택배 어디 있어요?"라는 거의 동일한 질문이 반복되고, 상담원은 주문번호 확인하고 CJ대한통운 송장 조회해서 읽어주는 게 전부입니다.

인력 채용의 한계와 이직률 문제

CS 상담원 채용 공고를 내면 지원자가 많지 않습니다. 연봉 수준도 높지 않고, 감정 노동 강도가 세서 평균 근속 기간이 8개월 정도였습니다. 한국온라인쇼핑협회에서도 중소 쇼핑몰의 CS 인력난을 주요 이슈로 다루고 있을 정도입니다. 새로 뽑으면 교육하고, 교육 끝나면 또 나가고. 이 사이클을 반복하는 것 자체가 비용이었습니다.

AI 전화 시스템 구축 과정

쇼핑몰 관리자 시스템과 API 연동

ClawOps를 기반으로 AI 전화 시스템을 구축했습니다. 핵심은 자사몰 관리자 API와의 연동이었습니다. 주문 DB, 택배사 배송 API, 반품·교환 접수 시스템을 ClawOps의 웹훅으로 연결했습니다. 쇼핑몰 주문확인 AI 전화에서 다룬 구조와 비슷한데, 저희는 인바운드(수신) 방향으로 적용한 셈입니다.

주문번호 기반 자동 조회 시나리오

고객이 전화하면 AI가 주문번호 또는 전화번호를 물어봅니다. 전화번호로 최근 주문을 자동 매칭하고, 여러 건이면 어떤 주문인지 확인합니다. 이 흐름을 만드는 데 약 2주가 걸렸고, 시나리오 테스트에 1주가 더 소요됐습니다. 물류·배송 AI 전화에서 설명하는 택배사 API 연동 방식을 그대로 활용했습니다.

카테고리별 자동화 성과

3개월 운영 후 측정한 카테고리별 자동화율입니다.

배송 조회: 자동화율 95%

가장 성과가 좋았습니다. "택배 어디 있어요?"에 대해 AI가 송장번호 조회 후 현재 상태를 안내합니다. "배송 중이며 오늘 오후 도착 예정입니다"까지 안내할 수 있어서, 상담원 연결 없이 95% 이상이 해결됩니다. 이 한 가지만으로 전체 CS 콜의 35%가 자동화된 겁니다.

반품·교환 접수: 자동화율 70%

단순 변심 반품이나 사이즈 교환은 AI가 접수까지 완료합니다. "M 사이즈를 L로 교환하고 싶다"는 요청은 자동 처리됩니다. 다만 상품 하자, 오배송 같은 케이스는 사진 확인이 필요해서 상담원에게 넘깁니다. 이 부분은 솔직히 전화만으로는 한계가 있습니다.

상품 문의: 자동화율 40% (한계)

"이 바지 실측이 어떻게 되나요?", "이 색상 실물은 어때요?" 같은 질문은 상품 DB에 정보가 있으면 답변 가능하지만, 감성적인 질문이나 코디 추천 같은 건 AI가 처리하기 어렵습니다. 여기는 앞으로도 사람의 영역이라고 생각합니다.

CS팀 역할의 변화

단순 응대에서 복잡 케이스 전담으로

AI 도입 후 CS팀 5명 중 2명은 다른 업무로 재배치했습니다. 남은 3명은 AI가 넘기는 복잡 케이스만 처리합니다. 하자 클레임, VIP 고객 응대, 대량 주문 건 등 판단이 필요한 일에 집중하니 상담 품질이 올라갔습니다.

고객 만족도 변화 (CSAT 추이)

도입 전 CSAT 3.2점에서 6개월 후 4.1점으로 올랐습니다. 의외로 "AI한테 빨리 답 들어서 좋다"는 피드백이 많았습니다. 대기 시간이 평균 3분에서 10초 이내로 줄어든 게 결정적이었습니다. AI 전화 에이전트 KPI 측정에서 다루는 지표 프레임워크를 참고해서 주간 단위로 성과를 추적했습니다.

다른 쇼핑몰에게 전하는 도입 팁

시작은 배송 조회 한 가지만

처음부터 모든 CS를 AI로 돌리려 하면 실패합니다. 저희도 배송 조회 하나로 시작해서 2개월간 안정화한 후 반품·교환으로 확장했습니다. 배송 조회는 시나리오가 단순하고 자동화율이 높아서 성공 경험을 만들기 좋습니다.

점진적 확대 전략이 성공 열쇠

배송 조회로 신뢰를 쌓고, 반품·교환을 추가하고, 상품 문의는 가능한 범위만 자동화하는 순서가 맞습니다. 각 단계에서 최소 4주는 운영 데이터를 쌓고 시나리오를 보완해야 합니다. 급하게 넓히면 오히려 고객 불만이 생깁니다.

---

쇼핑몰 CS에 AI 전화를 도입하는 건 더 이상 실험이 아닙니다. 배송 조회 자동화 하나만으로도 체감 효과가 큽니다. ClawOps로 시작하면 별도의 전화 인프라 구축 없이 API 연동만으로 빠르게 적용할 수 있습니다. CS팀이 단순 반복 업무에서 벗어나면, 정말 중요한 고객 케어에 집중할 수 있게 됩니다.