고객의 목소리를 AI로 분석하기 전에 CSV 열과 프롬프트를 결정하라

고객의 목소리를 AI로 분석할 때, 갑자기 자유 기술형(free-text) 내용을 붙여넣으면 그럴듯한 요약은 돌아옵니다.

하지만 그 결과를 업무로 다시 가져가려고 하면 곤란해집니다.

어느 폼에서 온 목소리인지
저평가인지 답변이 필요한 사항인지
누가 확인할 것인지
...

이 부분을 알 수 없으면 AI 분석은 "그럴싸한 요약"에서 멈추고 맙니다.

고객의 목소리를 AI 분석에 사용하려면, 프롬프트 (Prompt)보다 먼저 CSV 열을 결정하는 것이 안정적입니다.

고객의 목소리라고 하면 설문조사의 자유 기술형 내용을 떠올리기 쉽습니다.

하지만 실제로는 훨씬 더 넓습니다.

문의 폼
자료 요청 폼
이벤트 신청 폼
...

이것들을 전부 따로따로 분석하면 AI 출력도 리포트도 제각각이 됩니다.

그래서 처음에 공통 열을 만듭니다.

최소 구성이라면 다음 열을 준비합니다.

response_id,submitted_at,source_form,customer_segment,category_hint,score,message,status,owner,followup_permission,sales_or_legitimate
r_001,2026-06-23T10:15:00+09:00,inquiry,trial_user,料金,,"料金プランと導入時期を相談したいです",new,,true,legitimate
r_002,2026-06-23T11:40:00+09:00,survey,paid_user,満足度,2,"初期設定が分かりにくく、途中で止まりました",new,cs,true,legitimate

message만으로는 부족합니다.

source_form이 있으면 문의인지 설문조사인지 알 수 있습니다.

customer_segment가 있으면 무료 사용자와 유료 사용자의 차이를 볼 수 있습니다.

score가 있으면 저평가된 자유 기술형 내용을 우선적으로 볼 수 있습니다.

status와 owner가 있으면 분석 결과를 대응 관리로 되돌릴 수 있습니다.

followup_permission이 없으면 개별 연락을 해도 되는지 판단할 수 없습니다.

AI에게 돌려받고 싶은 것은 요약만이 아닙니다.

적어도 다음 5가지 축으로 나눕니다.

theme: 무엇에 대해 말하고 있는가
sentiment: 긍정, 중립, 부정
urgency: 얼마나 급한가
...

출력 예시입니다.

{
"response_id": "r_002",
"theme": "onboarding",
...

theme와 sentiment만으로는 리포트는 될 수 있어도 대응으로 이어지지는 않습니다.

needs_reply, owner_candidate, improvement_candidate를 나누면 다음 액션으로 연결할 수 있습니다.

프롬프트 (Prompt)는 분석의 목적을 좁힙니다.

당신은 고객의 목소리 1차 분석 담당자입니다.
다음 CSV 행을 읽고, 지정된 JSON 형식으로 반환해 주세요.
목적:
...

고객의 목소리 분석에서는 AI에게 "개선을 결정하게 하는 것"이 아니라, 놓치기 쉬운 목소리를 줍는 보조 도구로 활용합니다.

저평가라고 해서 반드시 답장이 필요한 것은 아닙니다.

반대로 고평가라도 개별 답장이 필요한 경우가 있습니다.

score = 2
sentiment = negative
needs_reply = false

score = 5
sentiment = positive
needs_reply = true

예를 들어, 저평가된 자유 기술형 내용이 일반적인 감상이라면 주간 개선 테마로 다룰 수 있습니다.

반면, 고평가라도 "도입 사례로서 이야기를 듣고 싶다"라고 적혀 있다면 답장 대상입니다.

sentiment와 needs_reply를 분리함으로써 분석과 대응을 섞이지 않게 할 수 있습니다.

고객의 목소리 AI 분석에서는 두 가지 용도가 섞이기 쉽습니다.

전체적인 경향을 보고 싶다
개별 대응해야 할 것을 찾아내고 싶다

이 두 가지는 열을 나눕니다.

전체적인 경향에는 theme, sentiment, source_form, customer_segment를 사용합니다.

개별 대응에는 needs_reply, owner_candidate, human_check_required, status를 사용합니다.

같은 AI 출력이라도 리포트에 사용하는 열과 대응에 사용하는 열을 나누면 운용하기 쉬워집니다.

[ ] response_id를 가짐
[ ] source_form을 가짐
[ ] customer_segment를 가짐
...

고객의 목소리 AI 분석은 단순히 깔끔한 리포트를 만드는 것만으로는 부족합니다.

어떤 목소리를 보고, 누가 확인하며, 어떤 개선 후보로 되돌릴 것인가.

그 단계까지 열(column)과 출력 타입(output type)으로 관리할 수 있다면, 고객의 목소리는 운영(operation)으로 이어집니다.

폼(form)이나 문의를 통해 수집되는 고객의 목소리를 AI 분석에 연결하는 사고방식은 이곳에 정리해 두었습니다.