상담 메모를 AI에게 읽혀도 될까?

차·집처럼 결정이 오래 걸리는 업종은 상담 기록부터 남겨야 한다

차나 집은 고객이 몇 주씩 고민한다. 그래서 누가 살 가능성이 높은지 정하기가 어렵다. 리오토의 614만 건 상담 기록을 읽은 AI는 상위 0.1% 고객의 실제 계약 비율을 25.76%로 찾아냈다.

하지만 작은 중개사무소나 판매점이 바로 같은 AI를 만들 필요는 없다. 먼저 고객이 어디까지 왔는지, 무슨 말을 했는지, 왜 상담이 끝났는지를 빠짐없이 남겨야 한다.

AI가 상담 순서를 잘 정하려면 고객의 단계와 대화 내용이 먼저 기록돼 있어야 한다.

왜 차나 집 고객은 연락 순서를 정하기 어려울까

온라인 쇼핑은 클릭 같은 행동이 빠르게 쌓인다. 반면 차나 집은 문의한 뒤 전화하고, 방문하고, 시승하거나 현장을 본 뒤 계약까지 몇 주에서 몇 달이 걸릴 수 있다.

문제는 계약하지 않은 고객을 모두 같은 「실패」로 묶기 쉽다는 데 있다. 시승까지 한 고객과 홈페이지를 둘러보기만 한 고객은 다음 연락 순서가 달라야 하는데, 기록이 없으면 구분하기 어렵다.

항목	비교 실험 데이터	실제 운영 데이터
건수	34만 건	614만 건
계약까지 간 비율	1.45%	1.33%
학습:시험 비율	7:3(시간 순서대로 나눔)	7:3(시간 순서대로 나눔)
담긴 정보	고객 특성·행동 통계, 상담 대화	같은 정보 + 시승·통화 길이 같은 중간 행동
읽은 대화 길이	최대 2,000토큰에서 자름	최대 2,000토큰에서 자름

비교 실험 34만 건에서 계약까지 간 고객은 1.45%뿐이었다. 실제 운영 데이터 614만 건에서도 1.33%였다. 계약 여부만 기록하면 대부분의 고객이 같은 「계약 안 함」에 들어가므로, 그 안에서 누가 더 가까운 고객인지 알기 어렵다.

AI가 상담 기록에서 무엇을 봤을까

연구팀은 고객 특성과 방문 횟수 같은 숫자 정보에 상담 대화도 함께 넣었다. 그리고 고객 한 명의 계약 여부만 맞히는 것이 아니라 고객끼리 비교할 수 있도록 점수를 만들었다.

특히 고객의 단계 차이를 이용했다. 계약한 고객과 떠난 고객은 강하게 구분하고, 시승한 고객과 시승하지 않은 고객처럼 중간 단계의 차이도 학습하게 했다.

비교 짝	연구팀이 둔 무게	작은 가게에 옮기면
계약한 고객 vs 떠난 고객	가장 강하게 구분	계약 vs 연락 끊김
시승한 고객 vs 안 한 고객	중간(핵심 행동)	집 보러 옴·차 타 봄 vs 전화만 함
긴 통화 vs 짧은 통화	약하게(신호는 많지만 잡음도 많음)	상담 20분 vs 2분

이 방식에서는 계약하지 않은 고객 사이에도 순서가 생긴다. 시승했지만 아직 사지 않은 고객이 전화만 한 고객보다 위에 설 수 있다.

기존 방식보다 얼마나 나았을까

비교 실험에서 단순히 「단계가 높은 고객부터, 그중 최근 고객부터」 연락하는 규칙의 상위 0.1% 적중률은 3.28%였다. 상담 기록을 읽는 AI는 같은 기준에서 25.76%였다.

AUC도 기본 AI는 0.7921이었고, 언어 능력을 지키는 장치를 더하자 0.8081, 단계별 짝 학습까지 넣자 0.8161로 높아졌다. 상담 기록에서 뽑은 정보를 기존 예측 모델에 넣기만 해도 AUC가 평균 0.007 올랐다.

순서 정하는 방법	AUC	상위 0.1% 적중	상위 1% 적중	상위 5% 안에 든 계약 고객 몫
단계 높은 순 → 최근 순(규칙)	0.6332	3.28%	1.50%	9.23%
단계별로 나눈 뒤 클릭 예측 모델	0.6898	7.21%	1.90%	18.76%
단계를 입력값으로 넣은 클릭 예측 모델	0.7382	14.41%	10.14%	21.85%
상담 기록 읽는 AI(짝 학습 없음)	0.7491	18.44%	11.56%	23.94%
상담 기록 읽는 AI(짝 학습 포함)	0.7583	25.76%	13.33%	25.18%
짝 학습으로 오른 몫	+1.2%	+39.7%	+15.3%	+5.2%

중요한 것은 단순히 「시승 고객이 더 중요하다」고 정하는 것이 아니라는 점이다. 같은 단계의 고객이라도 대화 내용에 따라 실제 계약 가능성이 달라질 수 있기 때문이다.

실제 영업 현장에서도 효과가 있었을까

연구팀은 중국의 한 개 성 영업 조직에서 132일 동안 시험했다. 기존 클릭 예측 순서를 받은 팀과 새 AI 순서를 받은 팀을 비교했더니 AI 순서를 받은 팀의 누적 계약 전환이 9.5% 높았다.

다만 이 결과를 작은 가게에 그대로 옮기기는 어렵다. 리오토에는 614만 건의 상담 기록과 단계별 행동 데이터가 있었고, 연구팀은 전용 모델을 직접 고쳐 썼다.

조건	리오토 실험	동네 중개·판매점(예시·조사)
상담 기록 수	614만 건	한 곳에서 한 해 수백~수천 건 정도(예상)
단계 기록	전화·방문·시승·통화 길이가 시스템에 자동 저장	수첩·카톡·머릿속에 흩어짐
AI 학습	전용 모델을 직접 고쳐 씀	범용 챗봇 사용, 직접 학습 어려움
AI 사용 비율	회사 전체 도입	서울 소상공인 9.7%만 사업장에서 AI 사용(중기중앙회, 2025.9, 300명)
도입 걸림돌	—	비용 부담 69.0%·지식·인력 부족 30.7%

작은 중개사무소나 판매점은 기록 자체가 흩어져 있는 경우가 많다. 그래서 지금 필요한 것은 거창한 AI보다 나중에 AI가 읽을 수 있는 형태로 상담 기록을 남기는 습관이다.

그럼 상담 기록은 어떻게 남겨야 할까

연구에서 중요한 것은 결국 「단계」와 「대화 내용」이었다. 작은 가게도 이 두 가지를 기본으로 남기고, 마지막 연락일과 상담이 끝난 이유를 함께 적으면 된다.

고객이 실제로 한 말을 그대로 남기는 것도 중요하다. 「학교 가까운 데」, 「대출 6억 안쪽」, 「충전기 설치 되나」처럼 숫자만으로는 알기 어려운 요구가 상담 기록에 남는다.

남길 칸	예시(중개)	예시(차 판매)	왜 필요한가
단계	문의→통화→현장 답사→가계약→계약	문의→통화→방문→시승→계약	연구의 짝 학습 뼈대
날짜·시각	첫 문의 시각, 마지막 연락일	같음	1시간 안 연락 여부 확인
통화·상담 길이	분 단위	분 단위	약한 신호지만 양이 많음
고객이 한 말 그대로	「학교 가까운 데」「대출 6억 안쪽」	「충전기 설치 되나」	대화가 숫자 칸만으로는 안 보이는 의도를 채움
끝난 이유	다른 데서 계약·보류·연락 끊김	같음	「실패」를 한 칸으로 묶지 않기

이 기록은 당장 AI를 쓰지 않아도 쓸모가 있다. 고객에게 다시 연락할 때 이전 상담 내용을 확인할 수 있고, 고객이 반복해서 묻는 내용은 홈페이지에서 미리 답할 질문을 정하는 데도 활용할 수 있다.

상담 메모를 바로 AI에게 맡겨도 될까

범용 챗봇에게 흩어진 메모를 읽혀 정리하는 것과, AI가 고객의 계약 가능성을 검증된 점수로 계산하는 것은 다르다. 연구팀도 범용 모델이 비교 가능한 점수를 제대로 내지 못한다고 지적했다.

따라서 챗봇이 「이 고객은 계약 가능성 80%」라고 말해도 그 숫자를 검증된 지표처럼 받아들이면 안 된다. 처음에는 단계, 고객의 말, 마지막 연락일을 사람이 함께 보고 연락 순서를 정한 뒤 실제 계약 결과와 맞춰 보는 정도가 현실적이다.

고객에게 얼마나 빨리 연락했는지도 기록할 필요가 있다. 미국 기업 2,241곳을 조사한 결과 온라인 문의에 1시간 안에 답한 곳은 37%였고, 1시간 안에 연락한 회사는 1시간 넘게 기다린 회사보다 상담으로 이어 갈 가능성이 7배 가까이 높았다.

결국 AI를 잘 쓰는 가게는 상담 기록부터 다르다. 누가 계약했는지만 남기는 것이 아니라 어디까지 왔는지, 고객이 무엇을 말했는지, 왜 끝났는지를 남겨야 한다.

이 실험도 한 회사의 중국 전기차 판매 데이터와 한 개 성의 132일 실험에 기반했다. 부동산이나 인테리어에 같은 단계를 그대로 적용할 수 있다는 뜻은 아니다.

① 상위 0.1% 적중률은 단계·최근 순 3.28%에서 상담 기록 AI 25.76%로 높아졌다. ② 짝 학습을 더한 AI의 AUC는 0.8161이었고, 기본형보다 3.0% 올랐다. ③ 한 개 성에서 132일 동안 AI 순서를 받은 영업팀의 계약 전환은 9.5% 높았다. ④ 614만 건의 기록이 있었던 실험처럼 하려면, 작은 가게도 단계·고객 말·끝난 이유부터 남겨야 한다.

같이 읽을 글

자료 출처

작성일 2026년 10월 8일

#업종·사례 #상담 기록 #고객 우선순위 #부동산 중개 #자동차 판매 #리드 스코어링

← 칼럼 목록