고객 이탈에 반응하는 조직에서, 예측하는 조직으로

고객 이탈은 모든 기업이 관리해야 하는 핵심 지표입니다. 고객 관계의 성과이자 장기적인 성장 가능성을 가늠하는 신호이기 때문입니다.

특히 고객 성공(Customer Success) 조직에게 이탈은 단순한 수치 이상의 의미를 가집니다. 지난 분기 이탈률을 묻는 질문에 대부분의 CS 리더는 어렵지 않게 답할 수 있습니다. 이탈은 전사적으로 논의되는 핵심 지표로, 전체 회의에서 공유되고 대시보드에서도 지속적으로 관리됩니다. 그만큼 이탈은 조직 전반에서 중요한 지표로 인식되고 있으며, 특히 고객 성공 팀에게는 성과와 직결되는 부담이 큰 지표이기도 합니다.

프로덕트 팀이 제품 자체의 문제로 인한 이탈을 주로 다룬다면, 고객 성공 팀은 고객과의 관계를 기반으로 장기적인 사용과 성과를 관리합니다. 고객이 제품을 통해 실제 비즈니스 가치를 얻고 있는지를 가장 가까이에서 확인하고, 그 흐름을 유지하는 역할을 맡고 있습니다.

하지만 모든 이탈이 부정적인 것은 아닙니다. 제품과의 적합도가 낮은 고객이 떠나는 일은 어느 조직에서나 발생합니다. 다만 문제는 대부분의 이탈이 이미 발생한 이후에야 인지된다는 점입니다. 이 단계에서는 대응할 수 있는 선택지가 제한적일 수밖에 없습니다.

이탈 위험을 사전에 인지해야 하는 이유

고객 성공 매니저(CSM), 전략 어카운트 매니저, 테크니컬 어카운트 매니저, 클라이언트 관계 매니저 등 고객 경험을 책임지는 역할에는 다양한 직함이 존재합니다. 명칭은 다르지만, 이들이 수행하는 역할의 중요성은 동일합니다.

이들은 고객이 비즈니스 목표를 달성하도록 돕는 데 초점을 맞추고 있으며, 조직 내에서 누구보다 고객을 깊이 이해하고 있습니다. 많은 산업에서 고객 성공 담당자는 고객 조직의 연장선에서 기능하며, 고객 팀의 일원처럼 일합니다. 고객의 우선순위를 내부에 전달하고, 과제를 함께 해결하며, 제품을 통해 최대한의 가치를 얻을 수 있도록 지원합니다.

고객은 이탈로 이어질 수 있는 신호를 지속적으로 보내고 있습니다. 하지만 고객과 자주 소통하고, 매일 계정 현황을 점검하는 고객 성공 담당자조차 이러한 신호를 놓치는 경우가 적지 않습니다. 고객이 실제로 문제를 언급할 시점에는 이미 감정적으로는 이탈한 상태인 경우가 많으며, 이때는 계정을 회복하는 일이 훨씬 더 어려워집니다.

겉보기에는 정상 상태로 보이던 계정이 이탈했다면, 이는 곧 분석의 사각지대가 존재한다는 의미입니다. 고객의 사용량, 감정, 피드백, 행동 전반에 걸쳐 분명 신호는 존재했지만, 이를 인지하지 못한 것입니다. 고객 상호작용의 내용을 분석하거나 CX 관련 이슈를 예측하고 대응하는 전통적인 CS 분석 도구를 보유하고 있을 수도 있습니다. 그러나 이러한 도구만으로는 계정 단위에서 발생하는 제품 사용 변화나 점진적인 사용 감소까지 포착하기는 어렵습니다.

CS, 프로덕트, 마케팅 데이터를 하나로 연결하는 통합 디지털 분석 플랫폼, 그리고 Amplitude와 같은 플랫폼만이 문제가 표면화되기 전에 위험을 감지할 수 있는 환경을 제공합니다. 이탈을 판단하는 데 있어서는 고객의 말보다 행동이 훨씬 더 명확한 신호이기 때문입니다.

이탈을 예측하는 대표적인 행동 신호

Amplitude는 지난 10년 이상 프로덕트 팀과 함께 고객 리텐션과 이탈에 대해 논의해 왔습니다. 특히 제품 내 행동 데이터와 세그멘테이션을 활용해 이탈이나 충성도를 예측하는 핵심 행동이 무엇인지 이해하고, 이러한 행동을 고객 전체에 걸쳐 촉진하거나 억제하는 방법에 집중해 왔습니다. 다만 동일한 인사이트를 고객 성공 팀이 어떻게 활용해 이탈을 예방할 수 있는지에 대해서는 상대적으로 충분히 다루지 못했습니다.

수천 개의 기업과 함께 고객 생태계에서 이탈이 발생하는 흐름을 줄이기 위해 협업하는 과정에서, Amplitude는 이탈을 예측하는 대표적인 선행 지표들을 확인할 수 있었습니다.

활성 사용자 수 감소

DAU(Daily Active Users)와 WAU(Weekly Active Users)는 하루 또는 일주일 동안 제품과 상호작용한 고유 사용자 수를 의미합니다. 이 지표는 단기적인 참여도를 추적하고, 일별 사용 추이를 모니터링하는 데 활용됩니다. DAU가 감소한다는 것은 고객이 이전만큼 제품에서 가치를 느끼지 못하고 있다는 신호일 수 있습니다. 참여도의 감소는 실제 이탈이 발생하기 전에 나타나는 경우가 많습니다.

기능 사용 감소 및 사용 중단

사용자가 특정 기능을 더 이상 사용하지 않게 되는 데에는 이유가 있습니다. 예를 들어 고객이 알림을 끄는 경우, 이는 관심이 줄어들고 있다는 신호일 수 있습니다. 기능 사용이 감소하거나 특정 기능을 완전히 포기하는 행동은 제품에서 제공되는 가치가 약해지고 있음을 의미하며, 이러한 상황에서는 고객이 자신의 사용 목적을 해결할 다른 방법이나 제품을 찾기 시작하게 됩니다.

행동 분석과 세그멘테이션을 활용하면 리텐션에 가장 중요한 기능이 무엇인지 파악할 수 있습니다. 예를 들어, 가장 충성도가 높은 고객들이 하루에 평균 다섯 번씩 제품을 통해 동료에게 메시지를 보낸다면, 메시징 기능은 리텐션에 중요한 역할을 하고 있다고 볼 수 있습니다. 이런 경우에는 메시징 기능 사용량을 면밀히 모니터링하고, 사용량이 감소할 때 즉각적인 조치를 취하는 것이 필요합니다.

고객 지원 요청 증가

고객은 이유 없이 지원팀에 연락하지 않습니다. 따라서 고객 지원 요청이 갑자기 늘어나는 현상은 대부분 긍정적인 신호가 아닙니다. 서비스 프로세스가 아무리 잘 설계되어 있더라도 지원을 요청하는 일 자체는 고객에게 일정한 노력을 요구합니다. 만약 제품을 사용하는 과정에서 지나치게 많은 노력이 필요해진다면, 결국 고객은 그 수고를 감수할 가치가 없다고 판단하게 됩니다.

지원 요청의 급증은 제품상의 문제와 고객의 좌절감을 동시에 시사합니다. 고객 경험에 영향을 미치기 전에 문제를 파악하고 해결할 수 있도록, 지원 요청 볼륨을 지속적으로 모니터링하고 지원 데이터를 면밀히 분석하는 것이 중요합니다.

피드백에서 드러나는 부정적인 감정

리텐션이 높은 기업은 정성적 관점과 정량적 관점 모두에서 고객의 목소리에 귀를 기울입니다. 두 데이터 유형은 모두 중요하며, 서로를 보완하는 역할을 합니다. 감정의 변화를 정확히 이해하고 감지하는 것은 매우 강력하지만, 동시에 쉽지 않은 작업이기도 합니다.

고객의 불만 제기는 명확한 부정 신호입니다. 하지만 실제로 감정은 대화의 내용 속에 보다 미묘한 형태로 숨어 있는 경우가 많습니다. 고객 경험을 체계적으로 관리하는 기업들은 AI Feedback과 같은 도구를 활용해 이러한 모든 대화를 분석하고, 고객이 무엇을 말하고 있는지 파악하며, 부정적인 감정을 핵심 인사이트로 끌어올립니다.

또한 오늘날의 고객은 인지 여부와 관계없이 끊임없이 피드백을 남기고 있습니다. 설문조사, 지원 티켓, CSM과의 대화처럼 이미 추적하고 있는 요청 기반 피드백 채널도 있지만, 많은 고객 성공 리더들이 놓치고 있는 자연 발생적 피드백 채널도 존재합니다. 예를 들어 커뮤니티 내 논의, 온라인 포럼, 외부 사이트에 남겨진 제품 리뷰 등이 이에 해당합니다.

AI Feedback은 이러한 모든 채널에서 사용자의 목소리를 대규모로 수집하고 분석할 수 있도록 도와줍니다. 이를 통해 부정적인 감정을 보다 이른 시점에 식별하고, 해당 고객에게 적절한 조치를 취해 관계를 회복하는 것이 가능해집니다.

선제적 고객 경험이 의미하는 것

많은 조직이 ‘선제적 고객 서비스’를 이야기합니다. 하지만 실제로 무엇을 의미하는지까지 명확히 정의하는 경우는 많지 않습니다. 고객 성공 리더가 바라는 이상적인 모습은, 문제가 발생한 이후 대응하는 것이 아니라 미리 위험을 감지하고 움직일 수 있는 상태에 가깝습니다.

물론 미래를 정확히 예측하는 것은 불가능합니다. 그럼에도 불구하고 선제적 고객 경험은 감각이나 개인의 경험에 의존하지 않고도 시스템적으로 구현할 수 있습니다. 이를 위해서는 데이터 기반의 구조적인 접근이 필요합니다.

구체적으로 선제적 고객 경험은 다음과 같은 요소로 구성됩니다.

행동 기반 고객 스코어

고객의 상태를 주관적인 판단이 아니라 실제 제품 사용 행동을 기준으로 점수화합니다. 이를 통해 계정별 건강 상태를 일관된 기준으로 비교하고 관리할 수 있습니다.

정상적인 행동 패턴에서 벗어나는 변화에 대한 알림

특정 계정이 평소의 사용 패턴에서 벗어나기 시작하면, 이를 자동으로 감지하고 즉시 알림을 받을 수 있어야 합니다. 이는 문제가 명확해지기 전에 개입할 수 있는 중요한 신호가 됩니다.

계층화된 행동 클러스터 분석을 통한 AI 기반 위험 신호 생성

머신러닝을 활용해 고객 행동을 여러 클러스터로 분류하고, 과거에 이탈로 이어졌던 패턴과 유사한 행동이 나타날 경우 이를 위험 신호로 식별합니다.

머신러닝 기반 고객 그룹화 및 자동 알림

AI가 고객 행동을 지속적으로 학습하며 그룹화하고, 이탈 가능성이 높은 패턴이 감지되면 고객 성공 팀에 자동으로 알려줍니다.

이러한 체계를 통해 고객 성공 팀은 감에 의존하지 않고 데이터를 기반으로 이탈 가능성을 더 이른 시점에 파악할 수 있습니다.

Amplitude로 이탈을 예측하고 관리하는 방식

Amplitude는 제품 행동, 설문, 영업 및 고객 지원 상호작용 등 모든 접점에 걸친 데이터를 하나로 연결해, 고객 성공 매니저(CSM)가 고객의 상태를 입체적으로 이해할 수 있도록 지원합니다. 이를 통해 고객 성공 팀은 이탈로 이어질 수 있는 행동과 감정 신호를 보다 쉽게 식별하고, 그 원인을 파악한 뒤 고객에게 개입할 수 있습니다. Amplitude가 없다면 이러한 위험 신호는 인지되지 않은 채 지나갈 수 있습니다.

고객 성공 팀이 Amplitude를 활용하는 방식은 다음과 같습니다.

행동 코호트 설정

행동 코호트는 특정 기간 동안 제품 내에서 사용자가 수행한 행동을 기준으로 사용자를 그룹화합니다. 코호트 분석을 활용하면 특정 사용자 그룹 또는 세그먼트(코호트)가 왜 제품을 이탈하는지를 분석할 수 있습니다. 사람들이 왜 떠나는지를 이해할 수 있다면 이를 방지하기 위한 행동 역시 취할 수 있습니다.

Amplitude를 활용하면 사용자가 제품에서 한 행동, 또는 하지 않은 행동의 조합을 기준으로 CSM이 이러한 세그먼트를 쉽게 생성하고 분석할 수 있습니다. 이를 통해 고객이 이탈하는 이유에 대한 가설을 수립하고 검증할 수 있습니다. 예를 들어 행동 코호트 분석을 통해 ‘베이직’ 요금제에 가입한 사용자가 충분한 기능에 접근하지 못해 이탈하고 있다는 사실을 발견할 수도 있고, 리마인더 알림을 활성화하지 않은 사용자가 앱 사용을 잊어버려 아무런 가치를 얻지 못한 채 이탈하고 있다는 점을 확인할 수도 있습니다.

핵심 지표 변화에 대한 자동 알림

Amplitude의 알림 시스템은 고급 데이터 마이닝과 머신러닝을 활용해 데이터 내의 이상 징후를 자동으로 감지하고, 숨겨진 트렌드를 즉시 알려줍니다. Amplitude는 계측한 모든 이벤트에 대해 자동 알림을 생성해 각 이벤트에서 발생하는 이상 현상이나 예상치 못한 변화까지 추적할 수 있도록 지원합니다.

또한 고객 성공 리더는 고객 상태나 이탈과 관련된 특정 조건을 기준으로 맞춤형 알림을 직접 설정할 수도 있습니다.

사용자가 이탈하는 지점 파악

Amplitude의 Journeys 기능은 시각적인 경로 분석을 제공해, CSM이 제품 내 어느 지점에서든 사용자 행동의 이전 또는 이후 흐름을 탐색할 수 있도록 합니다. 경로 분석은 사용자가 퍼널에서 이탈한 이후 어떤 행동을 하는지 파악하는 데 매우 유용합니다.

예를 들어 사용자가 온보딩 플로우를 완전히 중단하는지, 아니면 대신 다른 활동에 참여하고 있는지를 확인할 수 있습니다.

사용량 감소의 ‘이유’를 설명하는 AI 내러티브

Amplitude는 AI를 활용해 행동 변화, 피드백 테마, 패턴 인식을 결합합니다. 이를 통해 CSM은 왜 사용량이 감소하고 있는지, 그리고 다음으로 무엇을 해야 하는지를 이해할 수 있습니다.

Amplitude는 모든 접점과 데이터를 분석해, 이를 실행 가능한 추천 사항과 함께 간결한 설명으로 변환합니다. 그 결과 문제를 파악하는 데 쓰는 시간은 줄어들고, 문제를 해결하고 고객 관계를 강화하는 데 더 많은 시간을 쓸 수 있게 됩니다.

Amplitude를 활용한 고객 이탈 예측과 리텐션 관리

이탈은 사라지지 않습니다. 이탈은 피할 수 없는 문제지만, 그렇다고 조직이 계속 수동적으로 대응할 필요는 없습니다. 이탈로 이어지는 고객 이슈에 반응하는 방식에서 벗어나, 이를 예측하고 예방하는 접근으로 전환해야 합니다.

이탈을 선제적으로 관리하는 고객 성공 팀은 Amplitude와 협업하며 다음과 같은 방식으로 선제적으로 움직이고 있습니다.

• 행동 데이터를 기반으로 QBR과 갱신 전략을 설계합니다.
• Amplitude 인사이트를 활용해 타깃화된 고객 채택 캠페인을 실행합니다.
• 프로덕트 및 마케팅 팀과 협업해 고객 여정의 마찰 지점을 제거합니다.

흩어져 있던 고객 신호를 리텐션으로 전환해 보세요. 피드백, 감정, 실제 제품 행동을 하나의 시야로 연결하면, 위험이 커지기 전에 이를 포착할 수 있습니다.

< 함께 보면 좋은 콘텐츠 >

🔗고객의 목소리를 한 곳에서: Amplitude AI Feedback

🔗예측 인사이트로 더 똑똑하게 타겟팅하기: AI 고객 세분화

🔗고객이 이탈한 이유? 고객의 마음을 읽는 비밀: 세션 리플레이

🔗리텐션 마스터 전략 가이드북