요즘 CAC가 왜 이렇게 비싸죠? 채널은 포화, 광고 효율은 떨어지고, 결국 ‘들어온 유저를 놓치지 않는 힘’이 곧 획득 효율이 됩니다. 여기서 제가 제일 좋아하는 레버가 CS입니다. 특히 이메일 CS는 유저의 첫 성공(Activation)과 불만 처리(Retention)를 직격하는데, 자동화가 비교적 쉬워서 “빨리 테스트해봐야 돼!”가 가능한 영역이죠.
dev.to의 「How to Use AI to Handle Customer Support Emails」는 핵심을 정확히 짚습니다. “그냥 ChatGPT에 붙여넣기”는 하루 반짝이고 끝나요. 제품 맥락을 모르고, 톤이 흔들리고, 고객 히스토리가 없고, 로그/감사 추적도 안 되고, 무엇보다 여전히 사람이 분류(트리아지)를 하게 됩니다. 우리가 원하는 건 ‘프롬프트’가 아니라 ‘파이프라인’입니다.
맥락을 성장 관점으로 번역해보면 이렇습니다. 운영 비용 절감 → 1차 응답 속도 단축 → 불만의 온도(감정)를 낮춤 → 해결률/재문의 감소 → 이탈 감소 → 리뷰/추천 증가. “이거 바이럴 될 것 같은데?”라는 포인트도 여기서 나옵니다. 빠르고 일관된 지원 경험은 제품 기능만큼이나 공유되는 스토리가 되거든요.
기사에서 제안한 구조(이메일 유입 → 의도/긴급도 분류 → 루틴 70%는 AI 초안+원클릭 승인, 복잡 30%는 인간에게 브리프 제공 → CRM 로깅)는 AARRR에 그대로 꽂힙니다. Activation 단계에서 ‘가입 후 막히는 순간’(결제 오류, 사용법 문의, 환불 정책)을 23분 안에 해결하면, 첫 성공까지의 시간이 줄고 전환율이 올라갈 확률이 큽니다. Retention은 더 직접적이에요. 불만 티켓의 처리 지연은 곧 churn 리스크 신호니까요.
여기서 진짜 비밀 무기는 ‘지식베이스(FAQ/정책/버그&워크어라운드/가격 플랜/변경 로그)’입니다. AI가 사람처럼 말하는 게 중요한 게 아니라, 우리 제품의 정답을 “항상 같은 품질로” 말하게 만드는 게 중요합니다. 기사 사례처럼 1차 응답 4시간→23분, 티켓 처리 12분→3분, CSAT 유지, 무편집 발송 62%가 나오면? 단순 비용 절감이 아니라, ‘구매 전 불안’과 ‘구매 후 좌절’을 동시에 줄여서 CAC를 간접적으로 깎는 구조가 됩니다(출처: dev.to).
기술/아키텍처 관점에선 velog의 LLM 서비스 아키텍처 가이드가 힌트를 줍니다. 초반엔 API형 LLM으로 빠르게 붙이고, 물량이 늘면 vLLM 같은 서빙 엔진/배치로 단가를 방어하는 식으로요. 즉, MVP는 Zapier/Make+서버리스 분류/초안+Notion 리뷰 큐로 주말에 만들고, 볼륨이 검증되면 비용과 지연을 줄이는 방향으로 스케일하면 됩니다. “이게 Scale 가능한가요?”에 대한 답이 여기 있어요: 파이프라인은 그대로, 서빙만 최적화하면 됩니다.
시사점은 하나: AI CS는 ‘지원팀 자동화’가 아니라 ‘퍼널 최적화 장치’로 봐야 합니다. 추천하는 첫 실험은 딱 2주짜리입니다. (1) 루틴 티켓 자동화 비율(무편집 발송률), (2) FRT(First Response Time), (3) 재문의율, (4) churn-risk 플래그 적중률, (5) Activation 이벤트 완료율(예: 결제 성공/첫 프로젝트 생성)까지 같이 트래킹하세요. Conversion rate가 얼마나 오를까요? 제품마다 다르지만, 최소한 “막힘” 구간에서의 이탈을 줄이는 방향으로는 거의 항상 이득이 납니다.
전망은 더 공격적입니다. 뉴시스가 다룬 ‘SaaSpocalypse’ 논쟁처럼(엔터프라이즈 에이전트, MCP 커넥터 확장), 소프트웨어는 죽기보다 ‘연결’로 재정의되고 있습니다. CS도 마찬가지예요. 이메일 자동화는 시작이고, 곧 결제/CRM/온보딩/환불/버그 트래킹까지 에이전트가 오케스트레이션합니다. 중요한 건 “AI가 관계를 대체하지 않는다”는 원칙입니다. AI는 루틴을 처리하고, 사람은 관계를 지킵니다. 그리고 그 관계가 결국 CAC를 낮추고 LTV를 올립니다—이거, 성장팀이 안 붙을 이유가 없죠.