주문 내역과 고객 문의는 쌓이는데 무엇을 먼저 개선해야 할지 막막할 때가 많다. ChatGPT의 파일 업로드(File Uploads)와 데이터 분석(Data Analysis)을 활용하면 엑셀·CSV 자료에서 반복 질문, 불만 유형, 상품별 매출, 구매 간격을 표와 차트로 정리할 수 있다.
다만 고객 이름·전화번호·주소를 그대로 올리거나, 몇 건의 기록만으로 고객의 성향을 단정해서는 안 된다. 분석용 표에는 필요한 항목만 남기고, 확인된 사실과 AI가 제안한 가설을 분리해야 한다.
이번 칼럼에서는 농장 자료를 예로 들어 문의·판매 데이터를 고객 분석표로 바꾸는 과정을 살펴본다.
감보다 기록이 먼저다
“선물 고객이 많다”, “배송 문의가 자주 온다”는 현장 감각은 출발점이다. 그러나 개선 순서를 정하려면 기록으로 확인해야 한다. 주문일, 상품, 수량, 결제 금액, 판매 채널, 문의 내용, 교환·환불 여부, 재구매 여부를 한 표에 모으면 질문이 어느 상품과 시기에 집중되는지 볼 수 있다.
정확도를 높이려면 첫 행에 알아보기 쉬운 열 이름을 쓰고 한 행에는 주문 한 건만 기록한다. 여러 표를 한 시트에 섞거나 중간에 빈 행을 넣지 않는다.
분석 전에 개인정보와 데이터 품질을 정리한다
원본 주문대장은 보관하고 분석용 복사본을 만든다. 고객 이름은 ‘고객001’과 같은 임의 코드로 바꾸고 전화번호, 상세 주소, 계좌번호, 자유 서술란의 식별 내용은 삭제한다. 조직의 보안 규정과 서비스의 데이터 설정도 확인한다.
그다음 중복 주문, 취소·환불, 빈칸, 날짜 형식, 금액 단위, 상품명 표기를 점검한다. ‘딸기잼’, ‘수제잼’, ‘잼 300g’이 같은 상품이라면 기준명을 정해야 집계가 갈라지지 않는다. 문의 내용도 원문은 보존하되 분석용 열에는 배송, 보관, 체험 예약, 알레르기, 교환·환불처럼 분류값을 추가한다.
네 가지 질문으로 분석 범위를 좁힌다
자료를 올렸다면 막연히 “분석해 줘”라고 하기보다 다음 질문을 순서대로 요청한다.
• 반복 문의: 문의 유형별 건수와 비율은 얼마이며, 어떤 상품·채널·월에 집중되는가?
• 불만과 이탈: 취소·환불과 함께 나타난 문의는 무엇이며, 원문 근거가 있는가?
• 구매 이유: 선물, 체험 후 구매, 맛, 가격 등 기록된 선택 항목이나 고객이 직접 남긴 문장에서 확인되는 이유는 무엇인가?
• 재구매 신호: 익명 고객 코드 기준으로 2회 이상 구매한 고객의 상품 조합과 구매 간격은 어떠한가?
구매 이유가 기록돼 있지 않다면 AI는 사실을 알아낼 수 없다. 상품 구성과 구매 시점만 보고 “선물용 고객”이라고 단정하지 말고 ‘가능성’으로 표시해야 한다. 고객 유형도 사람의 성격이 아니라 관찰 가능한 행동을 기준으로 ‘체험 후 구매’, ‘명절 선물’, ‘정기 재구매’, ‘첫 구매’처럼 분류한다.
기능명과 출력 형식을 함께 지정한다
판매 파일을 파일 업로드(File Uploads)로 추가한 뒤 데이터 분석(Data Analysis)을 요청한다. 반복 분석이라면 ChatGPT 프로젝트(Projects)에 분석 기준과 익명화된 자료를 모아 둘 수 있다. 다음과 같이 지시하면 결과를 검토하기 쉽다.
“첨부한 판매·문의 자료를 분석하라. 먼저 열 이름, 행 수, 결측값, 중복값, 취소·환불 처리 기준을 확인하라. 문의 유형별 건수와 비율, 상품·채널별 매출, 익명 고객 코드별 구매 횟수와 평균 구매 간격을 계산하라. 관찰된 사실과 해석·가설을 별도 열로 구분하고, 각 결론의 근거 행을 표시하라. 구매 이유가 기록되지 않았으면 추정하지 말고 ‘자료 없음’으로 적어라. 마지막에 사람이 확인할 이상값과 실행 아이디어를 제시하라.”
결과가 나오면 주문 건수와 고객 수를 혼동했는지, 취소 매출을 제외했는지, 중복 코드가 있는지, 성수기 효과를 재구매로 오해하지 않았는지 원본과 대조한다.
이번 달 자료 한 개를 익명화해 문의 유형 상위 3개와 재구매 신호 1개를 찾아보자. AI가 보여 준 숫자보다 원본 자료와 사람이 확인한 개선 행동이 최종 결과물이다.
자주 묻는 말(FAQ)
Q1. 고객 이름과 전화번호를 지우면 바로 업로드해도 되나?
이름과 전화번호뿐 아니라 상세 주소, 계좌번호, 주문 메모, 상담 원문에 남은 식별 정보도 확인해야 한다. 분석에 꼭 필요한 열만 남긴 복사본을 만들고 조직의 개인정보·보안 규정과 서비스 데이터 설정을 먼저 확인한다.
Q2. AI가 고객의 구매 이유를 자동으로 찾아낼 수 있나?
설문 선택값, 문의 문장, 후기처럼 근거가 기록돼 있을 때만 확인할 수 있다. 구매 상품과 시기만으로 이유를 단정하면 추정이다. 결과표에서 ‘관찰 사실’, ‘가설’, ‘자료 없음’을 구분해야 한다.
Q3. 재구매 고객이 많으면 바로 메시지를 보내도 되나?
분석과 광고성 메시지 발송은 별개의 일이다. 수신 동의, 발송 목적, 관련 법령과 채널 정책을 확인해야 한다. 처음에는 개인별 자동 발송보다 상품 안내 개선, FAQ 보완, 재고·배송 공지처럼 전체 고객 경험을 높이는 일부터 시작하는 편이 안전하다.
칼럼리스트 소개
윤성임 | 소셜앤비즈·한국AI융합비즈연구원 대표
윤성임 기술창업학박사는 건양사이버대학교 겸임교수, 국립목포대학교 등에 출강하고 있으며, KT·KTDS에서 16년간 ICT 시스템 개발·운영과 사용자 교육 현장을 경험했다. 현재 공공기관, 기업, 대학, 상공회의소, 각 지역 농협 및 농업기술센터 등을 대상으로 생성형AI 활용, AI 리터러시, AX·DX 전환 전략, AI 기반 업무혁신, 문서·콘텐츠 자동화, AI 에이전트 활용 교육과 컨설팅을 진행하고 있다. 특히 농축임수산업 종사자와 소상공인 등 비전공자 현장 실무자가 복잡한 AI 기술을 쉽게 이해하고 실제 업무에 적용할 수 있도록 돕는 실무·실습 중심 AI 교육을 확대하고 있다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}
