플러스프로젝트 배경
고객사는 매년 12만 건 이상의 반품 리뷰 텍스트를 수기로 분류하며 막대한 시간과 인력을 투입해왔습니다. 이커머스에서 제공하는 객관식 반품사유 카테고리는 개수가 제한적이고 서비스 개선에 치중되어 있어, 상품별로 필요한 정보를 충분히 얻기 어려웠습니다. 전체 반품 리뷰 중 절반가량이 리뷰 텍스트 형태로 작성되는데, 이를 분류하는 과정에서 많은 리소스가 소모되고 일부 고객 의견(VoC)이 누락되는 문제가 발생했습
프로젝트 성과
60시간 → 10시간으로 감축된 데이터 분류 시간
- 기존에는 월 1만건 이상의 반품 데이터를 수기로 분류, 60시간 이상 소요
- AI 솔루션을 통해 10시간 이내로 분류하며 시간과 인력을 극적으로 단축
- 93%는 AI가 정확히 분류, 7%만 사람이 검수
- AI 솔루션을 통해 10시간 이내로 분류하며 시간과 인력을 극적으로 단축
- 93%는 AI가 정확히 분류, 7%만 사람이 검수
원하는 기간/상품의 텍스트 데이터를 분석하여 정확한 VoC 수집
- 기존에는 제한된 카테고리로만 반품 사유를 분류, 원인 파악이 어려웠음
- AI로 원하는 기간/상품별 맞춤형 카테고리(ex. 지퍼 불량)로 자동 분류 가능
- 텍스트 교차 검증으로 30만 건의 VoC 정확히 분석
- AI로 원하는 기간/상품별 맞춤형 카테고리(ex. 지퍼 불량)로 자동 분류 가능
- 텍스트 교차 검증으로 30만 건의 VoC 정확히 분석
핵심 기능
각 고객사, 상품 맞춤형 카테고리로 반품 데이터 분류
- 고객사의 니즈에 맞춰, 분류/문제/상세 3 depth로 반품 데이터를 분석합니다.
- 전체 상품에 대해서나, 원하는 특정 상품에 대해서 분석할 수 있습니다.
- 전체 상품에 대해서나, 원하는 특정 상품에 대해서 분석할 수 있습니다.
진행 단계
AI 서비스 기획 및 요구사항 분석
2024.01.
- 반품 데이터 분석 솔루션에 필요한 주요 기능 확정
- 고객사의 니즈를 파악하고 논의하며 솔루션 최적화
- AI 모델이 분석할 데이터 종류와 프로젝트 목표를 구체적으로 정의
- 고객사의 니즈를 파악하고 논의하며 솔루션 최적화
- AI 모델이 분석할 데이터 종류와 프로젝트 목표를 구체적으로 정의
프로젝트 상세
1. 포트폴리오 소개: AI 기반 반품 리뷰 자동 분류 솔루션 2. 작업 범위: 개발 3. 핵심 기능: - 맞춤형 반품 사유 분류: 고객사 니즈에 맞춰 3단계(분류/문제/상세)로 분석 - 특정 기간별 데이터 분석: 원하는 기간을 선택해 반품 원인 비교 가능 - AI·사람 협업 분류: AI가 자동 분류하고, 7% 미만의 데이터만 사람이 검수하도록 최적화
