Lillo blog

릴로그

"문의하셨던 상품, 재입고됐어요" — 기억하는 AI 챗봇이 리텐션을 바꾸는 법

신디

신디

에디터

2026-07-17
"문의하셨던 상품, 재입고됐어요" — 기억하는 AI 챗봇이 리텐션을 바꾸는 법

챗봇은 원래 모든 걸 잊어버리는 존재였다

지금까지 대부분의 AI 챗봇은 대화가 끝나면 고객을 잊었습니다. 어제 배송 지연 문의를 했던 고객이 오늘 다시 접속해도, 챗봇은 처음 만난 사람을 대하듯 "무엇을 도와드릴까요?"부터 시작했습니다. 고객 입장에서는 매번 같은 이야기를 반복해야 하는 피로감이 쌓이고, 기업 입장에서는 이미 확보한 데이터를 상담 경험에 전혀 활용하지 못하는 손실이 발생합니다.

2026년 들어 이 구조가 바뀌고 있습니다. IBM은 2026년 기술 전망에서 "지능형 메모리"를 AI 시스템의 새로운 경쟁 우위로 꼽았습니다. 대화가 끝나도 맥락이 사라지지 않고, 세션과 채널을 넘나들며 고객을 기억하는 AI가 표준이 되고 있다는 뜻입니다.

고객은 이미 "기억하는 서비스"를 기대하고 있다

숫자로 보면 이 변화는 선택이 아니라 필수에 가깝습니다.

소비자의 83%는 상담 상대가 자신의 이력을 알고 있기를 기대하거나 그것이 도움이 된다고 답했고, 70%는 AI 상담에도 사람과 같은 수준의 상황 인식을 원한다고 답했습니다. 반대로 채널 간 연속성과 개인화된 기억을 제공하지 못하면 고객의 74%가 별다른 항의 없이 조용히 이탈할 위험이 있다는 조사도 있습니다. 불만을 표시하지 않고 그냥 떠나버리는, 가장 발견하기 어려운 이탈 유형입니다.

효과 역시 뚜렷합니다. AI 기반 개인화를 도입한 기업은 그렇지 않은 기업보다 매출이 40% 높았고, 고객 유지율은 10~30% 개선되는 것으로 나타났습니다. 개인화된 대화형 AI를 통해 고객 생애가치(LTV)가 평균 15% 늘고, 평균 주문 금액은 20% 증가했다는 리포트도 있습니다. 맥킨지는 AI 기반 고객 경험이 고객 만족도를 15~20%, 매출을 5~8% 끌어올리는 동시에 서비스 비용은 20~30% 낮춘다고 분석했습니다.

기억이 실제로 만드는 차이: 두 가지 장면

숫자보다 이해하기 쉬운 건 실제 시나리오입니다.

한 가죽 가방 브랜드는 구매 데이터를 분석해 구매 후 6개월 시점에 가죽 관리용품 수요가 몰린다는 패턴을 발견했습니다. 이 시점을 기억하고 있던 AI는 고객이 먼저 묻기 전에 관리용품을 제안할 수 있었습니다. 문의에 답하는 챗봇이 아니라, 고객의 다음 필요를 먼저 아는 챗봇입니다.

또 다른 사례는 이탈 조짐이 있는 고객을 다루는 방식입니다. 평소 주 2회 접속하던 고객이 열흘째 접속하지 않으면, AI는 이를 이탈 신호로 판단하고 그 고객이 과거 가장 많이 클릭했던 카테고리의 베스트 상품을 담아 개인화 메시지를 자동으로 보냅니다. 세포라의 AI 추천 엔진처럼 구매 이력 기반 추천만으로 매출을 11% 끌어올린 사례도 있습니다.

공통점은 하나입니다. 챗봇이 "질문에 답하는 도구"에서 "고객을 알고 있는 상담원"으로 역할이 바뀌었다는 것입니다.

릴로가 이 흐름에서 유리한 이유

여기서 중요한 질문은 "AI에게 무엇을 기억시킬 것인가"입니다. 대화 로그만 저장한다고 메모리가 되는 건 아닙니다. 진짜 개인화는 고객이 어떤 페이지를 봤는지, 무엇을 클릭했는지, 언제 이탈했는지 같은 행동 데이터와 상담 맥락이 연결될 때 완성됩니다.

릴로는 이커머스 사용자의 행동을 수집·분석하고 세밀하게 타겟팅해온 데이터 인프라를 이미 갖추고 있습니다. 이 데이터를 AI 챗봇의 메모리와 연결하면, 단순히 "이전 대화를 기억하는" 수준을 넘어 "이 고객이 무엇을 원할지 먼저 아는" 상담 경험을 만들 수 있습니다. 앞서 언급한 이탈 감지 후 자동 개인화 메시지 발송 같은 시나리오는, 별도의 데이터 인프라를 새로 구축해야 하는 기업보다 이미 행동 데이터 기반 타겟팅 역량을 가진 서비스가 훨씬 빠르게 구현할 수 있는 영역입니다.

도입을 검토한다면 체크할 것

메모리 기반 개인화를 시작하려는 팀이라면 다음 세 가지부터 점검해볼 만합니다.

첫째, 무엇을 기억할지 우선순위를 정해야 합니다. 모든 클릭과 대화를 저장하는 것보다 재구매 시점, 이탈 신호, 반복 문의 유형처럼 실제 상담과 마케팅에 쓰일 데이터부터 연결하는 것이 효과가 빠릅니다.

둘째, 채널 간 연속성을 확인해야 합니다. 앱 챗봇에서 문의한 내용이 웹이나 카카오 알림톡 상담으로 이어질 때 끊기지 않아야 "기억하는 서비스"로 체감됩니다.

셋째, 개인정보 활용 범위를 명확히 고지해야 합니다. 개인화가 강해질수록 고객은 편리함과 동시에 데이터 활용에 대한 신뢰를 함께 요구합니다.

정리하며

2026년 AI 챗봇 경쟁의 무게중심은 "얼마나 똑똑하게 답하는가"에서 "얼마나 정확하게 기억하는가"로 옮겨가고 있습니다. 고객은 이미 기억받는 경험을 기대하고 있고, 그 기대에 맞춰 리텐션과 매출로 응답하는 기업과 그렇지 못한 기업의 격차는 앞으로 더 벌어질 가능성이 큽니다. 행동 데이터 기반 타겟팅에서 출발한 릴로에게는, 이 변화가 위협이 아니라 가장 자연스럽게 올라탈 수 있는 파도입니다.

참고 자료

"문의하셨던 상품, 재입고됐어요" — 기억하는 AI 챗봇이 리텐션을 바꾸는 법 | 릴로그