발견(자유입력 38변형) → 분석(3가지 묶음·17 의미 그룹) → 개선(표준 코드·챗봇) → 결과·학습
인턴 4개월 동안 A/S 운영 데이터 분석 보조 자리에서 시스템·프로세스의 작은 문제 두 건을 본인이 직접 발견하고 개선안까지 가져간 경험이 있습니다.
문제 발견 쪽으로는, '반품 사유 코드가 자유입력으로 굴러가 한 카테고리당 평균 38가지 변형이 쌓이는 결'이 첫 번째였습니다. 본인이 3개월치 CS 로그를 검수하다가 같은 사유가 다른 표현으로 38번 적힌 자리를 본 결이 시작이었습니다.
분석 방법 쪽으로는, '전체 4,200건 CS 로그를 키워드 빈도·임베딩 클러스터·운영팀 인터뷰 3가지로 묶은 결'로 좁혔습니다. 분석 결과 38가지 변형이 실제로는 17개 의미 그룹으로 묶이는 결이 또렷이 보였습니다.
개선안 쪽으로는, '반품 사유 코드 자유입력 → 17개 표준 코드 + 자유 메모 필드'를 분리하는 결을 제안했습니다. 추가로 'CS 콜에서 운영팀이 가장 많이 묻는 3개 자리(택배 추적·결제 환불 시점·교환 가능 기간)를 챗봇 FAQ로 전환'도 같이 가져갔습니다.
결과 쪽으로는, 'CS 처리 시간 건당 4.5분 → 1.8분(-60%)·반품 사유 카테고리화 정확도 +29%p·운영팀 매주 회의 시간 1시간 → 25분'으로 닫혔습니다. 가장 큰 학습은 'A/S는 사후 처리 자리가 아니라, 다음 제품 결을 정렬하는 데이터의 자리'라는 점이었습니다.