고객 문의 응대 시간 87% 감축 — D2C 패션 브랜드 사례

연 매출 30억 원 규모 D2C 여성 패션 브랜드. 직원 12명. CS 담당 2명이 하루 평균 180건의 카카오톡·인스타 DM·메일 문의를 처리하고 있었다. 80%가 반복 문의(배송 조회, 사이즈 교환, 재입고 알림)였고, CS팀은 정작 클레임·VIP 응대 같은 고부가 업무에 손을 못 대고 있었다. 외주 챗봇 솔루션을 두 번 도입했다가 모두 6개월 안에 해지 — 자사 상품 데이터와 연동이 안 되고, 시즌마다 룰을 다시 짜야 했기 때문.

14일 PoC로 가장 빈도가 높은 3개 문의 유형(배송 조회, 사이즈 추천, 재입고 알림)만 먼저 자동화. Cafe24 주문 API와 상품 마스터를 직접 연동하고, Claude를 단순 응답 생성기가 아니라 '내부 데이터를 조회해서 답하는 에이전트'로 설계. 대답할 수 없는 질문은 무조건 사람 CS에게 에스컬레이션 — AI가 모르는 걸 지어내지 않는 것이 핵심 설계 원칙.

1. 1Day 1~2: CS 로그 2,400건 분석, 문의 유형 분류, 상위 3개 선정
2. 2Day 3~5: Cafe24 API 연동, 주문·재고·상품 데이터 파이프라인 구축
3. 3Day 6~9: Claude 기반 에이전트 구축 (도구 사용, 에스컬레이션 룰)
4. 4Day 10~12: 카카오톡 채널 연결, 실제 문의 100건으로 섀도우 테스트
5. 5Day 13: CS팀과 함께 응답 품질 검수, 톤 조정
6. 6Day 14: 운영 환경 배포 + 인계 + 1주간 모니터링 합의

• 자동 응답 가능 문의 비율: 78% (목표 70%)
• 평균 응답 시간: 4시간 12분 → 38초
• CS팀 일일 처리 건수: 2명 180건 → 1명 40건 (1명은 VIP·클레임 전담으로 재배치)
• 월간 절감 인건비 환산: 약 280만 원
• 14일 PoC 비용 480만 원 → 2개월 만에 회수
• 본 프로젝트(6주)에서 반품·교환 자동화, 재입고 알림 봇, 인스타 DM 통합까지 확장

운영 중인 시스템, 소스코드 전체, 운영 매뉴얼, Claude 프롬프트 문서, 1개월 무상 기술 지원.