미소는 왜 고객에게 묻지 않을까?

2020년 09월 09일

고객이 한 번이라도 덜 고민하게 하려면

“고객님 집은 몇 평인가요?”

“빨래통에 있는 것들을 세탁할까요? 냉장고 정리를 할까요?”

“고객님 집 청소 후에 쓰레기 봉투가 반 정도 찼을 때 버릴까요, 아니면 재사용하게 둘까요?”

만약 미소가 홈클리닝(가사도우미) 서비스 진행 시 고객을 위한다는 명분 아래 고객에게 질문공세를 펼친다면 어떨까요? 집안일 하는 시간을 절약해 더 가치 있는 일에 집중하기 위한 고객들의 시간을 빼앗는 격이 되어 버리지 않을까요? 개인에 대한 내용들은 경우의 수가 너무 많아서 100개 이상의 질문을 던져도 아마 고객을 100% 파악하기 힘들 것입니다.

실제로 미소는 과거 청소 전 고객에게 다양한 정보를 구했지만 결과적으로 해당 정보들은 고객 만족, 서비스 품질과 연결고리가 크지 않았습니다. 따라서 미소는 서비스 만족과 직결되지 않은 불필요한 질문들은 굳이 하지 않아야 한다는 것을 깨닫고, 어떻게 고객을 귀찮게 하지 않으면서 고객만족을 이끌어 낼 수 있는가에 대해 고민하기 시작했습니다.

비로소 미소가 찾은 최선의 방법은 클리너의 서비스 품질을 전체적으로 상향평준화 해 어떤 고객이든지 만족시키는 것이었습니다. 고객이 서비스에 만족하면 자연스레 서비스를 재이용하거나 주기적으로 홈클리닝 서비스를 이용하는 정기 고객으로 전환되고, 정기 고객에게 정기 클리너를 배정해 지속적인 관계를 이끌어내는 것이죠. 이로써 보다 개인화된 맞춤 서비스를 제공할 수 있게 된다는 가설을 세운 것입니다.

실제로 미소는 홈클리닝 정기 고객들에게 한 번 청소하고 마는 단기 클리너가 아닌 정기 클리너를 배정하고 있습니다. 따라서 고객은 클리너에게 집의 특성, 원하는 청소 범위, 주의사항 등에 대해 매번 새로이 알려줄 필요가 없습니다.

또 ‘고객만족’의 반대 개념인 ‘고객불만’을 최소화하는 데 집중했습니다. 고객 입장에서 가장 최악의 시나리오는 바로 클리너가 미배정되는 것입니다. 고객이 서비스를 예약했는데 클리너가 매칭되지 않아 서비스가 이루어지지 않는 상황인 것이죠. 이를 방지하기 위해 미소는 고객님과 잘 맞는 클리너가 이탈하지 않고 꾸준히 서비스를 제공할 수 있도록 하는 데 주목했습니다.

이처럼 클리너의 서비스 품질 상향평준화, 클리너 이탈 방지 등을 위해서 고도화된 자동매칭 시스템을 도입했습니다. 이는 고객에게 잘 맞는 클리너를 배정하기 위한 기술입니다.

클리너도 모르는 일자리 취향 알아내기

미소는 클리너의 이탈을 막기 위해 클리너의 행동에 집중합니다. 미소의 자동매칭 시스템에는 여러가지 모델이 있는데요. 이 중 하나가 CF(Collaborative Filtering) 방식입니다.

이는 대표적으로 넷플릭스나 이커머스 사이트에서 많이 쓰이는 방식입니다. 넷플릭스의 경우 시청자가 가입할 때 기록한 기본 인적 사항에 더해 ‘사용자 행동(User Action)’이라고 불리는 데이터를 실시간으로 수집합니다. 예를 들어 개개인이 언제 공포 영화를 보는지, 언제 로맨틱 코미디 영화를 보는지, 드라마를 볼 때 몇 시에 보기 시작하는지, 어디서 시청을 그만두는지, TV로 보는지, 아이패드로 보는지 등을 기록합니다. 넷플릭스는 이러한 데이터 분석을 통해 <하우스 오브 카드> 감독과 주연 배우를 결정하기도 했을 정도로 사용자 행동 패턴을 파악하는 것을 중요시 하고 있습니다. 나도 잘 모르는 나의 취향을 귀신같이 알아내는 것이죠.

미소는 클리너를 유저로 삼아 사용자 행동을 관찰합니다. 흔히 고객들의 액션을 관찰하는 것과는 대조되는 모습인데요. 미소 클리너 앱 안에서 클리너의 활동이 다양하게 이루어지기 때문에 이러한 설정이 가능한 것입니다. 실제 사례를 통해 클리너 행동이 어떻게 이루어지는지 설명드리겠습니다.

Case 1. 클리너가 특정 지역의 일자리만 조회하는 경우

클리너들 중에 강남구 일자리만 주로 조회할 경우, 강남구 청소 일자리를 신청하지 않았어도 강남구에 많은 관심이 있다는 표시입니다. 또 역 가까운 일자리를 선호한다든지, 반복해서 같은 일자리를 열어보는 액션을 통해서도 클리너들의 선호도나 좋아할 만한 일자리를 파악해 그에 맞는 일자리 제안을 할 수 있는 것이죠. 이를 통해 클리너의 이탈을 낮출 수 있습니다.

Case 2. 한 장소를 여러번 청소한 경우

앞서 언급한대로 클리너의 선호도에 따른 행동도 중요하지만 그보다 우선적인 것은 한 장소를 여러번 청소한 것에 대한 부분입니다. 그만큼 고객의 해당 클리너에 대한 만족도가 높았다는 뜻이고, 이런 경우 고객의 서비스 이용이 오래 지속되기 때문입니다.

지속 가능한 클리너 찾아내기

클리너의 서비스 품질을 상향평준화 하기 위해 예측 모델을 활용해 자동매칭 시스템에 반영하기도 합니다.

미소는 클리너를 평가할 때 “이 클리너는 어느 고객에나 보내드려도 최소 이만큼의 청소 품질을 제공할 수 있다”는 기준을 원칙으로 삼습니다. 이러한 기준에 부합하는 클리너를 찾기 위해 클리너가 어느 일자리를 갔을 때 일을 지속하지 않고 그만두는지 그 비율을 예측합니다. 보통 홈클리닝 정기 고객과 클리너의 관계가 지속되지 않는 이유는 정형화된 사유가 없습니다. 상대방의 성격, 눈빛 등 꽤나 다양한 문제들이죠.

따라서 이를 알아내기 위해 과거 데이터를 활용합니다. 예를 들어 2017년 데이터를 통해 2018년의 행동을 예측하여 그 결과가 맞는지, 틀린지 수없이 검증을 하는 것입니다. 2018년 역시 과거이기 때문에 정답이 이미 정해져있어 이러한 방식이 통하는 것입니다. 이렇게 검증된 다양한 모델, 알고리즘을 자동매칭 시스템에 반영, 운영합니다.

자동매칭 시스템 도입 후 높아진 정기 고객 전환율

2019년 말까지 미소는 알고리즘 기반 추천 방식으로 클리너와 고객을 매칭시켰습니다. 해당 방식은 클리너가 미소 앱에 입력한 선호하는 일자리 위치와 자주 갔던 일자리 시간대를 기준으로 일정 비율을 일괄 적용해 반복적인 순서로 일자리를 노출시키는 것을 말합니다. 하지만 클리너의 성향마다 각 항목의 중요도가 다를수 있기에 이를 개인화 하여 맞춤 추천하는 자동매칭 시스템으로 변경했습니다.

자동매칭 시스템을 도입하면서 서비스 품질이 높은 클리너 풀(Pool)이 형성됐고, 클리너 이탈을 막아 공급량 및 점유율이 상승했습니다. 이에 따라 고객들은 고품질의 서비스를 제공 받아 만족하여 단기 고객에서 정기 고객으로 다수 전환됐죠. 현재 미소의 정기 고객 비율은 전체 고객 중 약 75%나 됩니다. 정기 일자리 증가에 따라 전체 수입도 상승해 클리너들의 만족도 역시 올라갔습니다.

이러한 과정을 통해 정기 고객에게 정기 클리너를 배정할 수 있게 되었고 결국 고객을 위한 개인화된 서비스를 제공하는 선순환 구조를 이루었습니다. 자동매칭 시스템은 결국 클리너와 고객 서로에게 윈윈이 되는 전략인 셈입니다.

압도적인 이용자수 덕분에 실현 가능한 테크놀로지

미소의 홈클리닝 서비스 누적 주문건수는 동종업계에서 압도적으로 높습니다. 그 이유는 고도화된 자동매칭 시스템이 결국 높은 고객 만족도를 이끌어내기 때문일 텐데요. 이러한 기술은 이용자 수가 많을수록 적용 가능합니다.

자동매칭 시스템 방식 중 하나인 CF(Collaborative Filtering) 방식은 동일한 조건에서 유사한 사건이 발생해야 적용 가능합니다. 예를 들어 서울에서 신청이 들어온 주문 건들은 서로 유사 범위 안에 있기때문에 CF 방식이 적용 가능한 것이죠. 이처럼 미소 홈클리닝 서비스는 이용자수 볼륨이 타사 대비 압도적으로 크기 때문에 자동매칭 시스템을 고도화할 수 있습니다.

미소의 소원은 고객님이 고민하지 않는 것입니다. 마치 한마리의 우아한 백조처럼 보이는 곳에서는 고요하지만 보이지 않는 곳에서 치열하게 노력하는 미소는 언제나 고객을 위한 더 나은 방식을 찾고 있습니다. 고객님은 그저 원하는 서비스 날짜와 시간만 선택하세요. 미소가 고객님과 잘 맞는 클리너를 약속된 시간에 보내드릴게요. 신경 쓰이는 집안일일랑 미소에 맡겨두고 전에 없던 새로운 일상을 만끽하시면 됩니다.