AICC Ops Insight

AI 컨택센터(AICC) 시장이 확대되면서, 실제 운영 현장에서는 어떤 지표를 중심으로 움직이는지 궁금해졌습니다.
이 프로젝트는 NAVER Cloud CLOVA AiCall을 중심으로 고객 문의 패턴과 경쟁사 지표를 직접 분석한 작업입니다.

NAVER Cloud 또는 NAVER와 공식적으로 관련된 프로젝트가 아닙니다.

---

Overview

CLOVA AiCall은 Contact Center / Agent / Channel 구조를 기반으로 Inbound·Outbound 콜을 AI Bot으로 처리하는 서비스입니다.
이 서비스를 실제로 운영한다면 어떤 지표를 봐야 할지, 고객 문의 데이터를 KPI로 어떻게 연결할 수 있는지 탐구했습니다.

• 고객 문의 유형 분류 및 운영 인사이트 도출
• AICC 운영 KPI 정의
• KT, LGU+, SKT/SK AX 경쟁사 공개 지표 수집 및 비교
• 운영 개선 방향 제안

---

Why CLOVA AiCall?

국내 AICC 시장에서 CLOVA AiCall은 네이버 클라우드의 주요 AI 상품 중 하나입니다.
KT, LGU+, SKT/SK AX 등 경쟁사의 공개 자료가 비교적 풍부해 벤치마킹이 가능했고,
고객 문의부터 운영 리포트까지 이어지는 흐름을 분석하기에 구조가 명확한 서비스라고 판단했습니다.

---

Data Sources

직접 크롤링한 데이터는 사용하지 않았습니다.

공개 데이터셋

• Hugging Face 고객지원 데이터셋 — 문의 문장, intent, category 기반 분류에 활용

공개 시장 자료

• NAVER Cloud CLOVA AiCall 공식 문서
• KT / LGU+ / SKT·SK AX 관련 공개 기사 및 보도자료

합성 데이터
실제 기업의 AICC 도입 문의 데이터는 공개되어 있지 않아, CLOVA AiCall 문의 양식 항목을 기반으로
도입 문의 단계 정보가 운영 KPI로 어떻게 전환되는지 검증하기 위한 시뮬레이션 데이터를 data/synthetic_leads.csv에 별도로 구성했습니다.

---

Analysis Framework

문의 유형 분류

고객 문의 문장을 아래 유형으로 분류합니다.

• FAQ / 단순 안내
• 업무 처리 요청
• 장애 / 오류
• 불만 / 클레임
• 상담원 연결 요청
• 결제 / 청구
• 계정 / 인증
• 캠페인 / 해피콜

KPI 매핑

문의 유형	운영 관점 인사이트
FAQ	Global Scenario 자동화 후보
업무 처리 요청	Main Scenario 설계 필요
장애 / 오류	상담 어시스턴트 필요
불만 / 클레임	Auto QA 필요
상담원 연결 요청	Human Handoff 정책 필요
불명확 발화	Repair Scenario 중요

---

Competitor Benchmarking

Company	Product	Key Metrics
NAVER Cloud	CLOVA AiCall / HappyCall	자동화율, 대기시간 감소, 처리율 향상
KT	AICC	수주액, 고객사 수, 월 콜 처리량
LGU+	AICC	매출 목표, 고객사 수, Auto QA
SKT / SK AX	AI CCaaS / AICC	도입 문의, 고객사, 상담 자동화 기능

---

Outputs

프로젝트 가이드는 src/와 outputs/ 루트 중심의 최소 제출 구조를 제안했지만, 이 저장소에서는 원천/가공/최종 산출물을 구분하기 위해 구조를 조금 확장했습니다. 분석 스크립트는 scripts/, 중간 가공 데이터는 data/processed/, 제출용 최종 산출물은 outputs/final/에 모았습니다.

data/
  sources.csv
  synthetic_leads.csv
  manual/
    competitor_metrics.csv
  processed/
    customer_support_inquiries.csv
    support_tickets_normalized.csv
    aicc_inquiry_dataset.csv
    aicc_inquiry_scored.csv

outputs/
  final/
    aicc_kpi_summary.csv
    aicc_operation_priority.csv
    aicc_competitor_benchmark.csv
    result_summary.csv
    portfolio_summary.pdf
    charts/
      aicc_operation_priority.png
      aicc_automation_fit.png
      aicc_quality_need.png
      aicc_competitor_benchmark.png

scripts/
  00_collect_hf_datasets.py
  01_collect_support_tickets.py
  01_load_dataset.py
  02_classify_inquiries.py
  03_score_kpi.py
  04_benchmark_competitors.py

Main Final Files

File	Description
data/sources.csv	데이터셋, NAVER 공식 자료, 경쟁사/시장 자료 출처 목록
data/synthetic_leads.csv	AiCall 도입 문의 양식 기반 합성 리드 시뮬레이션
data/manual/competitor_metrics.csv	경쟁사 공개 지표 원천 테이블
data/processed/aicc_inquiry_dataset.csv	공개 고객지원 데이터를 AICC 운영 분류로 정리한 데이터
data/processed/aicc_inquiry_scored.csv	문의 유형별 운영 KPI 점수를 붙인 분석 데이터
outputs/final/result_summary.csv	프로젝트 가이드 방식의 비율 기반 KPI 요약
outputs/final/aicc_kpi_summary.csv	문의 유형별 건수, 비중, 운영 KPI 점수 요약
outputs/final/aicc_operation_priority.csv	운영 우선순위와 추천 액션 요약
outputs/final/aicc_competitor_benchmark.csv	경쟁사 공개자료 기반 벤치마크 결과
outputs/final/charts/	최종 보고서에 사용할 차트 이미지
outputs/final/portfolio_summary.pdf	최종 PDF 산출물 자리

Guide File Mapping

Guide example	Actual file in this repository
src/01_load_hf_dataset.py	scripts/00_collect_hf_datasets.py, scripts/01_load_dataset.py
src/02_classify_inquiries.py	scripts/01_load_dataset.py
src/03_score_operational_kpis.py	scripts/02_classify_inquiries.py, scripts/03_score_kpi.py
src/04_competitor_benchmark.py	scripts/04_benchmark_competitors.py
outputs/classified_inquiries.csv	data/processed/aicc_inquiry_dataset.csv
outputs/operational_kpi_summary.csv	outputs/final/aicc_kpi_summary.csv
outputs/competitor_benchmark.csv	outputs/final/aicc_competitor_benchmark.csv
outputs/result_summary.csv	outputs/final/result_summary.csv

Reproduce

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

python scripts/00_collect_hf_datasets.py
python scripts/01_collect_support_tickets.py
python scripts/01_load_dataset.py
python scripts/02_classify_inquiries.py
python scripts/03_score_kpi.py
python scripts/04_benchmark_competitors.py

data/raw/와 resources/는 Git 추적 대상에서 제외했습니다. 원천 PDF와 대용량 원본 데이터는 로컬에서만 관리하고, 제출용 분석 결과와 출처 요약만 저장소에 포함합니다.