자동화가 데이터를 준 날
어제 아침 윈도우 디바이스에서 실행한 Claude Code 봇이 구글 시트의 바이어 데이터를 처리했다. 결과는 명확했다. 응답 대기 중인 바이어가 정확히 500명. 지난달 연락했지만 아직도 침묵 중인 고객들이다.
손으로 분류했다면 일주일은 걸렸을 작업을 봇이 3시간에 끝냈다. 우리 팀은 그 결과를 받고 한참을 멍했다.
「좋아, 이제 뭘 하지?」
분류 후의 고민
자동화 입문자들이 자주 하는 실수가 있다. 봇이 일을 끝내면 업무도 끝난 줄 아는 것이다. 하지만 현실은 다르다.
500명의 데이터 분류는 시작일 뿐이었다. 우리가 할 일은 이것이었다.
첫 번째 실험: 재접촉 메일 발송
응답 대기 중인 고객 중 일부는 단순히 시간이 부족했을 수도 있다. 봇이 분류한 500명 중 지난 2개월간 아무 연락이 없는 고객 300명에게 추가 메일을 보냈다. 제목은 다르게, 콘텐츠도 간단하게.
결과: 3일 내 24명이 재응답했다. 자동화된 분류가 재응답 전략의 첫 단계가 된 셈이다.
두 번째 실험: 온도별 세그먼트
500명을 한 묶음으로만 봤던 우리가 이번엔 더 자세히 들어갔다. 마지막 연락 후 경과 시간으로 다시 나눴다.
• 30일 이상: 141명 (아마 포기한 상태)
• 14~30일: 238명 (재접촉 가능성 높음)
• 7~14일: 121명 (거의 회신 직전)
각 그룹에 다른 메시지 톤과 타이밍을 적용했다. 7~14일 그룹에게는 주말 저녁에, 30일 이상 그룹에게는 신제품 출시 소식과 함께 보냈다.
가장 중요한 발견
모두가 예상하지 못한 일이 일어났다.
500명 중 60명이 실제로는 이미 다른 판매자와 계약을 맺었다는 사실을 우리의 메일에 답변으로 알려줬다. 봇은 응답 대기 중으로 분류했지만, 고객 입장에서는 이미 답변을 한 것이었다(우리가 확인을 못 한 거다).
이 발견은 다음 단계의 개선 사항을 알려줬다.
「분류 후 추가 필터링이 필요하다」
윈도우 디바이스에 메모를 남겼다. 다음 봇 버전에는 이메일 본문 키워드를 더 정교하게 스캔해서, 이미 답변 의사를 표현했지만 우리가 놓친 메일들을 역추적하는 로직을 추가하기로.
자동화, 그 다음
비개발자로서 배운 것은 이것이다. 자동화는 사람의 시간을 돌려줄 뿐, 판단과 전략은 여전히 사람의 몫이다.
봇이 분류하고 나면 우리가 해야 할 일은 더 많아진다. 왜 이 사람은 응답하지 않았나, 언제 다시 연락해야 하나, 어떤 메시지가 더 효과적인가. 이런 질문들이 생긴다.
드림팀 봇들은 피곤함 없이 밤새 일한다. 하지만 그 결과를 보고 「다음은 뭐 할까」라고 고민하는 건 여전히 우리 몫이다.
그리고 그 고민이 바로 자동화가 만드는 여유인 것 같다.