NTT DOCOMO가 AI 기반 고객 경험을 확장하는 방법

1억 명 이상의 고객에게 서비스를 제공한다는 것은 모든 제품 관련 결정이 나라 전체에 영향을 미친다는 것을 의미합니다. 일본 최대 이동통신사인 NTT DOCOMO에서는 단 한 번의 온보딩 개선만으로도 수백만 건의 경험을 변화시킬 수 있습니다. 그러나 이와 같은 규모에서는 또 다른 도전 과제가 있습니다. 고객의 기대에 부응할 기회를 어떻게 신속하게 포착할지입니다.

NTT DOCOMO의 접근 방식은 대기업이 공통적으로 맞이하는 변곡점을 보여줍니다. 셀프서비스 분석에서 AI 에이전트 기반 액션으로 전환하는 것입니다. 이 여정은 정적인 대시보드에서 동적이고 지속적인 고객 인텔리전스로 전환하고자 하는 조직을 위한 전략 사례집이 될 수 있습니다.

기반 마련: 팀 전체에 행동 분석에 대한 접근성 제공

DOCOMO에서 부족한 건 데이터가 아니었습니다. 사실, 대부분의 대기업과 마찬가지로 데이터가 너무 많은 게 문제였죠.

회사가 통신 분야를 넘어 결제, 뱅킹, 콘텐츠, 라이프스타일 서비스로 확장됨에 따라 고객 여정은 자연스럽게 더 복잡해졌습니다. 한 명의 고객이 일주일 동안 서로 다른 그룹에 소유권이 있으며 측정 방식도 서로 다른 5개의 DOCOMO 서비스와 상호작용하는 것이 가능하게 되었습니다.

DOCOMO에서 명확성 부족 문제를 겪고 있지는 않았지만, 조정 프로세스 효율은 개선이 필요했습니다. 이러한 갈등은 기업 리더십에 낯선 것이 아닙니다. 분석을 중앙 집중화하면 실행 속도가 느려질 수 있으며, 접근성을 민주화하면 무질서 및 데이터 무결성 문제가 발생할 위험이 있습니다. DOCOMO는 두 가지 우선순위를 모두 해결하는 대안을 선택했습니다.

1단계: 공통의 행동 언어 만들기

첫 번째 단계는 AI를 바로 도입하는 것이 아니라, 공통의 방향성을 확립하는 것이었습니다.

DOCOMO의 첫 조치는 제품, 마케팅 및 운영 부서 전반에 걸쳐 사용자에게 Amplitude를 배포하는 것으로 시작했습니다. 더 많은 보고서를 생성하기 위해서가 아니라 팀이 같은 정의, 지표 및 행동 관점을 공유하는 것이 목적이었죠.

"Amplitude의 도움을 받아 NTT DOCOMO는 1,000명 이상의 활성 사용자로 셀프서비스 분석을 확장하고 캠페인 효과 분석에 드는 시간을 크게 줄일 수 있었습니다." NTT DOCOMO의 데이터 플랫폼 부서 총괄 책임자인 Takashi Suzuki는 말합니다. "Amplitude AI 에이전트를 통해 팀이 기존 대시보드에서 직접 분석을 효율화하여 전환율을 개선하고, 고객 확보 비용을 절감하는 동시에 더 빠르게 움직일 수 있게 되었습니다."

DOCOMO의 다음 단계는 행동 데이터를 조직 전체에서 공유하는 언어로 만드는 것이었습니다.

• 민주화된 분석: Amplitude를 통해 DOCOMO 내 수백 명의 내부 사용자가 퍼널, 코호트 및 여정 분석에 직접 액세스할 수 있게 되었습니다.
• 의사 결정을 위한 공통 언어: 제품 관리자, 마케터 및 데이터 팀이 동일한 행동 지표를 사용하여 서비스 전반에 걸친 변경 사항을 논의하고 우선순위를 정하기 시작했습니다.
• 입증된 비즈니스 영향력 강조: 팀은 온보딩 과정에서 Amplitude를 사용하고 전환율을 약 2%에서 16%로 개선하는 동시에 고객 확보 비용을 크게 절감하고 인사이트를 얻은 후 액션을 취하기까지 걸리는 시간을 단축했습니다.

제품 팀은 퍼널과 이탈 고객을 독립적으로 신속하게 분석하여 애널리스트 대기열의 병목 현상을 제거함으로써 의사 결정을 신속하게 수행할 수 있었습니다. 또한 통합된 전환 지표는 마케팅 팀과 제품 팀의 기준을 일치시키며 협업을 효율화하고 불일치를 최소화했습니다.

가장 중요한 것은 조직이 데이터에 대한 신뢰를 회복했다는 것입니다. 에이전트가 도입된 후, DOCOMO는 일관되고 신뢰할 수 있는 정보를 기반으로 운영하게 되었습니다.

2단계: 과실이 병목 현상이 되는 곳에 AI 적용

셀프서비스 분석이 표준화되자, 곧 새로운 제약이 등장했습니다. 바로 인지 부하입니다.

셀프서비스 분석을 통해 DOCOMO는 첫 번째 확장 과제인 행동 인사이트를 더 많은 사람에게 제공하는 문제를 해결했습니다. 하지만 다음 병목 현상은 더 미묘하면서도 중요도는 떨어지지 않는 과제였습니다. 바로 인간의 주의력입니다.

최고의 성능을 자랑하는 대시보드라도 여전히 누군가가 다음과 같은 작업을 수행해야 합니다.

• 정기적으로 확인
• 변경 사항 확인
• 변경이 발생한 이유 해석
• 여러 팀의 대응을 조정

DOCOMO 규모의 조직이라면, 이러한 루프는 성공을 가로막는 지루한 장벽이 될 수 있습니다.

DOCOMO의 지역 지사 한 곳에서는 기존 대시보드 위에 에이전트 계층을 시범적으로 적용하여 Amplitude가 이러한 업무 패턴을 어떻게 바꿀 수 있는지 테스트했습니다. 마케터는 보고서를 가져와 수동으로 차트를 연결하는 대신 자연어로 질문하고 에이전트에게 다음을 수행하도록 요청했습니다.

• 유의미한 데이터 포인트 스캔
• 캠페인 성과 요약
• 비정상적인 변동 사항과 가능한 원인 조명

마케팅 주기에서 느리고 보고 중심적이던 단계가 빠르고 반복 가능한 프로세스가 되었습니다. 이러한 설계 선택에는 의도가 있었습니다. AI가 통합 작업을 처리하는 동안 팀은 기존 대시보드와 지표를 그대로 운영했습니다. 워크플로는 그대로 유지되었지만 마찰이 줄어들었습니다.

이 파일럿 프로젝트는 AI가 가치를 제공하는 것은 입증된 워크플로를 대체할 때가 아니라 압축할 때라는 원칙을 명확히 했으며, 이는 그 후의 모든 결정에 이정표가 되었습니다.

3단계: AI를 실험이 아닌 인프라로 취급하기

AI가 운영 가치를 입증하자, DOCOMO는 비슷한 규모의 기업들이 직면하는 문제인 통제되지 않는 데이터 확산에 직면했습니다.

회사는 기존의 운영 방식에 맞는 두 가지 거버넌스 결정을 내림으로써 이 문제를 피할 수 있었습니다.

첫째, 에이전트를 병렬 프로세스로 내보내지 않고 기존 검토 주기에 포함했습니다. 데이터 플랫폼 팀은 교차 대시보드 조사와 전에는 수동 심층 분석을 필요로 했던 주간 요약 생성에 에이전트를 사용하기 시작했습니다. 그 후 AI가 생성한 인사이트는 인간 분석과 동일한 검증 및 토론 워크플로를 거쳤습니다.

둘째, DOCOMO는 에이전트의 초기 설계 파트너가 되었습니다. 이는 기능을 더 일찍 사용하기 위해서가 아니라, 기업 규모에서 에이전트의 행동 방식에 영향을 미치기 위해서였습니다.

DOCOMO의 피드백은 협업과 이전 작업 이력에 중점을 두어 여러 팀이 서로의 프롬프트와 분석을 재사용하고 신뢰할 수 있도록 했습니다. 또한 작업 그룹이 파생 지표를 구체화하는 데 도움이 되는 AI 보조 지표를 정의해야 한다고 주장했으며, 권장 사항을 살펴보고 검증할 수 있는 정보를 제공하도록 설명 가능성을 요구했습니다.

AI 도구가 해결해야 할 파편화 문제를 오히려 재현하는 새로운 사일로가 되어버리는 것은 흔한 실패의 원인입니다. DOCOMO는 위와 같은 거버넌스 관점을 취함으로써 이를 방지했습니다.

4단계: 의사 결정 현지화

마지막 단계는 많은 글로벌 기업이 과소평가하는 실제적 현실에 초점을 맞췄습니다. AI는 현지 워크플로에 적합할 때만 가치를 유지할 수 있다는 것이죠.

DOCOMO의 경우, 언어와 맥락이 여기에 해당합니다. 제품 및 UX 팀은 주로 일본어로 작업하므로, AI 기반 사용자 행동 리플레이 요약은 번역이 필요한 결과물이 아니라 일본어로 명확하고 실행 가능한 형태여야 했습니다.

이는 또한 정량적 신호와 정성적 신호가 더 긴밀하게 통합되어야 함을 의미했습니다. 사용자 행동 리플레이는 사용자가 이탈한 지점과 사용자가 하려던 작업을 연결해, 팀이 즉시 대응할 수 있는 형식으로 제공해야 했습니다. 이를 통해 팀은 중앙의 해석을 기다릴 필요 없이 작업을 수행할 수 있었습니다.

이 접근 방식은 DOCOMO의 광범위한 운영 철학을 반영합니다. 도구가 팀의 업무 방식에 적응해야 하며, 그 반대가 되어서는 안 된다는 것이죠.

다른 곳에도 적용 가능한 운영 프레임워크

DOCOMO의 운영 계획은 다른 기업들도 도입하여 적용할 수 있는 구조를 개괄적으로 보여줍니다.

• AI를 도입하기 전에 공통의 행동 기반을 확립하라. 팀이 데이터를 믿지 않으면 그 위에 구축된 AI 또한 신뢰하지 않을 것이다.
• AI를 도입할 때는 접근성보다 주의력이 문제가 되는 구체적인 워크플로 제약을 타겟팅하라. 제한된 환경에서 가치를 입증하라.
• AI를 확장할 때는 인프라로서 운영 및 관리하라. 협업, 설명 가능성 및 검증을 처음부터 프로세스에 통합하라.
• AI를 운영 단계로 적용할 때는 집요하게 현지화하라. 언어, 워크플로 및 문화적 맥락이 도구가 사용될지 무시될지를 결정한다.

이 작업에는 의도성과 인내, 명확한 성공 지표, 사업 팀과 플랫폼 팀 간의 긴밀한 협력이 필요합니다. 하지만 성공했을 때 그 성과는 대단히 유의미하며, 동시에 조직마다 그 양상이 달라집니다.

지금 DOCOMO의 사례가 중요한 이유

AI 에이전트 도입을 고민하는 기업 리더에게 DOCOMO의 경험은 출발점을 다시 그어주는 역할을 합니다.

DOCOMO와 같은 규모에서는 경쟁 우위란 인사이트가 행동에서 전략적 액션으로 이동할 때 일관성을 유지하는 데 달려 있습니다. 리더들이 기억해야 할 핵심은, DOCOMO의 청사진이 원칙에 따른 실행, 명확한 커뮤니케이션, 집중된 의도가 어떻게 성공으로 이끄는지의 모범사례를 보여준다는 것입니다.

대규모 고객 기반을 가진 조직에는 지속 가능한 운영 우수성이 가장 중요합니다. 이러한 조직의 경우, 실제 혁신과 더불어 프로세스의 일관성이 성공을 견인합니다.