리뷰, 반품, 핏 데이터에서 시작하는 가장 현실적인 AX

회사 안에서 AX를 시작할 때 가장 위험한 접근 중 하나는 "제일 화려한 것부터" 만드는 일입니다.

겉보기에는 멋집니다. 하지만 현장에서는 금방 막힙니다.

• 팀이 왜 필요한지 바로 납득하지 못하고
• 데이터를 믿지 못하고
• 운영 부담만 늘어난다고 느끼고
• 결국 몇 달 후 조용히 사라집니다

그래서 저는 AX의 첫 액션으로 리뷰, 반품, 핏 데이터를 자주 봅니다.

왜 이 데이터가 좋은 출발점인가

첫째, 이미 회사 안에 존재합니다.
둘째, 모든 팀이 중요하다고 느낍니다.
셋째, 매출과 비용에 바로 연결됩니다.

예를 들어 반품률은 단순 CS 이슈가 아닙니다.

• 기대치가 잘못 전달됐는지
• 상품 선택이 잘못됐는지
• 콘텐츠가 과장됐는지
• 핏 정보가 부족한지
• 구매 전 판단 시스템이 약한지

여러 문제가 한 번에 드러나는 지점입니다.

리뷰도 마찬가지입니다.

리뷰는 단순한 칭찬 모음이 아닙니다. 실제 고객이 어떤 언어로 만족과 불만을 표현하는지 보여주는 가장 저렴한 데이터셋입니다.

제가 먼저 만드는 건 "답"이 아니라 "읽히는 구조"다

많은 팀이 AI에게 바로 답을 기대합니다.

"이 상품 어떻게 개선해야 하지?" "상세페이지 뭐부터 고쳐야 하지?"

하지만 그 전에 필요한 건 데이터가 같은 방식으로 읽히는 구조입니다.

예를 들어 리뷰 인텔리전스 MVP를 만든다면 저는 보통 이렇게 나눕니다.

• 반복 키워드 추출
• 긍정/부정 맥락 분리
• 사이즈, 배송, 소재, 사용감 등 이슈 클러스터링
• 상품/카테고리/기간별 비교
• 실제 액션 후보 도출

이렇게 정리되면 팀은 감으로 토론하지 않습니다.

같은 표를 보고, 같은 문제를 보고, 같은 언어로 판단하게 됩니다.

좋은 AX는 조직 저항이 낮아야 한다

현실에서 좋은 제안은 기술적으로 가장 어려운 제안이 아니라, 조직이 받아들이기 쉬운 제안입니다.

리뷰, 반품, 핏 인사이트 시스템이 좋은 이유는 다음과 같습니다.

• 기존 업무와 연결되기 쉽고
• 담당자가 효용을 바로 이해할 수 있고
• 숫자로 효과를 추적하기 쉽고
• 다음 액션이 명확합니다

즉, "AI를 썼다"는 명분이 아니라 "이제 우리 팀이 더 잘 판단한다"는 체감이 생깁니다.

장기적으로는 무엇이 바뀌나

이 구조가 자리 잡으면 AI는 단순 자동화에서 끝나지 않습니다.

• 상품 기획이 더 빨라지고
• 상세페이지 메시지가 더 정교해지고
• CS 부담이 줄고
• 반품률 방어와 재구매율 개선이 동시에 가능해집니다

중요한 건, 이 모든 게 대개 조직의 판단 품질이 올라간 결과라는 점입니다.

결론

AX의 첫걸음은 제일 멋진 기능이 아니라, 제일 오래가는 구조여야 합니다.

리뷰, 반품, 핏 데이터는 그 출발점으로 매우 강합니다.

이 데이터를 읽히게 만들면 팀은 더 잘 판단하게 되고, 그때부터 AX는 도입 이벤트가 아니라 운영 체계가 됩니다.