목표

고객의 추가 가입 가능 상품 및 예상 금액대를 예측하고 해당 상품을 가장 잘 판매하는 FP를 실시간으로 추천함으로써 상담 효율을 높이고 잠재 고객 전환율을 향상시키는 것을 목표로 했습니다.

개발범위

Philo-T 솔루션을 기반으로 고객 DB 분석, FP 활동 데이터 분석, 추가 가입 예측 모델 및 FP 실적 예측 모델을 개발했습니다. 또한, 상담 DB와 FP DB 간 실시간 매칭 알고리즘을 구축하여 고객-FP 간 유사도 기반 매칭 결과를 시각적으로 제공하는 기능을 포함했습니다.

기대효과

데이터 기반 매칭을 통해 기존 랜덤 분배 방식보다 고객 만족도와 FP 정착률 향상을 기대할 수 있으며 FP의 실적 격차를 줄여 조직 전반의 영업 효율을 높이는 효과를 기대했습니다.

배경

기존에는 고객 상담 DB가 FP에게 무작위로 분배되어 FP 간 영업 성과 편차와 고객 경험 만족도 하락이 문제로 지적되었습니다. 이에 교보생명은 데이터 중심의 AI 매칭 시스템을 도입해 FP의 전문성과 고객 니즈를 정량적으로 연결하는 체계를 마련하고자 했습니다.

솔루션

Philo-T의 대규모 문서·데이터 분석 및 추천 기술을 응용하여 FP 실적 데이터를 기반으로 한 차월 실적 예측 모델과 고객-FP 매칭 알고리즘을 구현했습니다. 이를 통해 고객별 상품 추천과 FP별 맞춤 코칭을 동시에 지원하며 실시간으로 FP의 강점과 고객의 관심 상품을 연결하는 맞춤형 영업지원 환경을 제공합니다.