VOC 분석 방법: 고객 의견 분류·지표 계산·취업 포트폴리오 예시

VOC 분석은 고객의 의견·불만·제안을 정리해 서비스에서 확인할 문제와 개선 후보를 찾는 과정입니다. 취업 준비에서는 자료의 범위, 분류 기준, 계산과 해석의 한계를 설명하는 사례로 활용할 수 있습니다. 고객 리뷰를 읽었다는 이유만으로 기업의 채용 계획이나 실제 조직 문화를 알아냈다고 볼 수는 없습니다.

이 글에서는 고객 의견과 다른 자료를 구분하고, 가상 문의 8개를 정리하는 예시부터 지표 계산·개선 제안·포트폴리오까지 살펴봅니다. 아래 문의와 숫자는 설명을 위해 별도로 만든 자료이며 실제 기업의 고객 데이터나 측정 성과가 아닙니다.

목차

1. VOC의 의미와 자료의 범위
2. 수집·분류 전에 정할 기준
3. 가상 문의 8개를 정리하는 예시
4. 건수·CSAT·문의율 계산
5. 개선 우선순위와 효과 확인
6. 취업 포트폴리오와 면접에 연결하기
7. 자주 묻는 질문

VOC는 고객이 전한 경험과 의견을 살피는 자료입니다.

VOC의 의미와 자료의 범위

VOC는 Voice of Customer, 고객의 소리를 뜻합니다. 상담, 설문, 제품 리뷰, 고객 제안 등 여러 접점에서 나온 의견을 다룰 수 있습니다. Zendesk의 VOC 설명도 여러 채널의 피드백을 모아 분석하고 부서 간에 공유해 서비스 판단에 활용하는 흐름을 설명합니다. 특정 분석 도구를 구입해야만 시작할 수 있다는 뜻은 아닙니다.

겉보기에는 비슷하지만 구분할 자료

자료	알 수 있는 내용	그 자료만으로 단정하기 어려운 내용
고객 문의·리뷰	의견을 남긴 사람의 이용 경험과 요구	전체 고객의 만족도, 문제의 확정 원인, 회사의 채용 계획
기업의 FAQ	회사가 안내하는 정책과 질문 항목	실제 문의 빈도와 고객별 경험
직원 의견·퇴사 설문	일하는 환경과 직원의 경험	동일한 기업 고객 전체의 의견
채용 공고	공고에 명시된 업무와 지원 요건	고객 불만의 규모나 공개되지 않은 채용 계획

직원의 업무 관련 피드백을 다루는 Voice of Employee는 별도로 구분할 수 있습니다. Qualtrics의 직원 의견 설명도 이 범위를 구분합니다. 직원이 고객에게 들은 말을 전달한 자료라면 고객 의견의 간접 기록임을 표시하고, 직원 본인의 근무 경험과 한데 섞지 마세요.

환경·안전·포장에 관한 고객 의견을 ESG 검토의 단서로 활용할 수는 있습니다. 그러나 고객의 인식만으로 탄소 배출 감소나 노동 환경 개선이 측정된 것은 아닙니다. 관련 보고서를 인용하려면 해당 항목·기간·측정 근거를 확인하고, 그 문서에서 채용 증가까지 추론하지 않습니다. 출생 연도만으로 솔직함·소비 성향·조직 문화 선호를 미리 정해 분류하지 않는 것도 필요합니다.

수집·분류 전에 정할 기준

먼저 분석으로 답할 질문을 적으세요. “가상 쇼핑몰의 배송 문의에서 상태 안내와 관련된 문제 후보를 찾는다”처럼 범위가 구체적이면, 모을 자료와 제외할 자료를 판단하기 쉽습니다. 아래 6개 항목은 소규모 연습 과제에 사용할 수 있는 확인표입니다.

1. 기간·채널: 어떤 기간의 상담·리뷰를 읽었는지, 빠진 채널은 무엇인지 적습니다. 공개 리뷰와 비공개 상담을 같은 모집 경로로 취급하지 않습니다.
2. 분석 단위: 메시지 1개, 상담 티켓 1개, 고객 1명, 주문 1건 중 무엇을 셀지 정합니다. 한 사람이 여러 번 연락한 일을 고객 수로 세지 않습니다.
3. 포함·제외: 중복 전송·광고·관련 없는 내용의 처리 규칙을 적고 제외 이유를 남깁니다. 불편한 결과가 나온다는 이유로 불만 자료를 제거하지 않습니다.
4. 분류 기준: 주제·문의 목적·감정·영향·처리 상태를 구분합니다. “부정적”이라는 감정만으로 배송 문제인지 로그인 문제인지 알 수는 없습니다.
5. 자료 관리: 사용할 권한과 공개 범위를 확인하고 개인 연락처·주문번호 등 불필요한 식별 정보를 보고서에서 제외합니다. 공개 화면에 보인다는 이유만으로 원문을 대량 복제하거나 다른 목적으로 재사용하지 않습니다.
6. 검토 방법: 애매한 기록은 확인 필요로 남기고, 일부 자료를 다른 사람 또는 시간 간격을 둔 재검토로 비교합니다. 분류 규칙을 바꿨다면 이전 기록에도 같은 기준을 적용했는지 확인합니다.

미국 CFPB는 자체 소비자 민원 데이터베이스 안내에서 민원이 전체 소비자 경험을 대표하는 통계 표본이 아니며, 건수 비교에는 고객 규모 등 맥락이 필요하다고 설명합니다. 이 금융 민원 자료를 국내 쇼핑몰 통계로 옮겨 쓸 수는 없지만, 의견을 낸 사람과 전체 이용자를 구분해야 한다는 분석상의 한계를 점검하는 참고가 됩니다.

또한 고객의 서술은 확인할 단서입니다. “결제가 두 번 됐다”는 문의만으로 실제 이중 결제가 확정되는 것은 아니므로, 허용된 범위에서 거래 상태 등 다른 자료와 대조할 필요가 있습니다. 개인 연습에서 원자료에 접근할 수 없다면 원인을 확인하지 못했다고 적습니다.

가상 문의 8개를 정리하는 예시

다음 R01~R08은 모두 작성한 가상 문장입니다. 실제 고객에게 받은 메시지가 아닙니다. 이번 예시의 집계 단위는 중복을 정리한 문의 사례이며, 주제는 대표 주제 1개만 부여한다고 가정합니다. 중복 확인에는 문장 유사성뿐 아니라 같은 사례에 속한다는 기록이 있다고 가정합니다.

원시 기록 8개와 처리 판단 — 가상 자료

기록	가상 문의 요약	처리와 주제
R01	주문한 상품의 출고 여부를 확인하고 싶음	유효 사례 A / 배송 상태 안내
R02	R01과 같은 사례의 동일 메시지가 재전송됨	이번 사례 집계에서는 중복 제외, 원본 연결 유지
R03	예정일이 지났는데 배송 상태 설명을 찾기 어려움	유효 사례 B / 배송 상태 안내
R04	반품 접수 후 환불 진행 상태를 확인하고 싶음	유효 사례 C / 환불 진행
R05	로그인 인증번호가 오지 않아 접속하지 못함	유효 사례 D / 로그인
R06	제품 설명에서 크기 정보를 찾기 어려움	유효 사례 E / 상품 정보
R07	상담 안내가 이해하기 쉬웠다고 평가함	유효 사례 F / 상담 칭찬
R08	상품·서비스와 관련 없는 광고 문구	분석 범위 밖 광고로 제외

원시 기록 8개에서 중복 1개와 광고 1개를 제외하면 유효 문의 사례는 6개입니다. 배송 상태 안내 2개, 환불 진행 1개, 로그인 1개, 상품 정보 1개, 상담 칭찬 1개입니다. 칭찬도 분석 범위에 들어 있으므로 분모에서 임의로 빼지 않습니다.

여기서 배송 상태 안내의 비중은 2 ÷ 6 × 100 = 약 33.3%입니다. 표현은 “이 연습 자료의 유효 사례 중 배송 상태 안내 주제 비중”입니다. 전체 쇼핑몰 고객의 33.3%가 배송 문제를 경험했다는 뜻이 아니며, 실제 배송 지연 비율도 아닙니다.

R01과 R03은 같은 주제라도 원인이 같다고 확인된 것은 아닙니다. 출고 여부 안내, 예정일 표시, 실제 물류 지연 등 가능한 설명을 나누어 후속 확인을 적습니다. 실제 분석에서 하나의 문의에 여러 주제를 붙인다면 주제별 사례 수의 합계가 전체 사례 수를 넘을 수 있음을 알리고, 단일 주제 방식의 비중과 혼용하지 않습니다.

분류 사전에는 “배송 상태 안내: 출고·배송 위치·예정일의 확인 관련 문의”처럼 포함 기준을 적고, “배송비 결제 문의는 결제/비용 주제로 분류”처럼 경계 사례도 남길 수 있습니다. 이 사전은 조직마다 같은 정답을 갖는 규칙이 아니라 분석 목적에 맞춰 검토할 초안입니다.

고객 의견의 분류와 실제 개선 여부는 각각 기록합니다.

건수·CSAT·문의율 계산

좋은 보고서는 숫자 옆에 분모를 함께 보여 줍니다. 주제별 문의 비중, 만족도, 주문 대비 문의율은 서로 다른 지표입니다. 아래 계산은 앞의 가상 문의 8개와 별도로 만든 연습 숫자입니다.

지표별 분모를 나눈 가상 계산

지표	가정과 계산	해석
CSAT	만족/불만족 2가지 응답 방식에서 유효 응답10건, 만족8건: 8÷10×100=80%	응답한 평가 중 만족 비율. 전체 고객의80%가 만족한다는 뜻은 아님
설문 응답률	설문 대상40건, 유효 응답10건: 10÷40×100=25%	정의한 대상 중 응답한 비율. 미응답을 만족 또는 불만족으로 채우지 않음
주문 1,000건당 배송 문의	기간 A: 문의40건÷주문2,000건×1,000=20건 기간 B: 문의45건÷주문3,000건×1,000=15건	문의 건수는 늘었지만 주문 규모로 나눈 값은 감소. 고객 수나 배송 사고율과는 다른 값

Zendesk 만족도 계산 예시도 긍정 평가 티켓을 평가 응답 티켓으로 나누는 방식을 설명합니다. 실제 도구의 척도와 집계 조건을 확인하세요. 5점 척도라면 어느 점수를 만족으로 볼지 등을 명시해야 하며, 서로 다른 척도의 수치를 그대로 비교하지 않습니다.

위 기간 A와 B에서 문의 건수는 40→45로 12.5% 증가했지만, 주문 1,000건당 문의는 20→15로 25% 감소했습니다. 따라서 “문의가 늘었으니 서비스가 나빠졌다”거나 “문의율이 줄었으니 개선이 성공했다”고 계산만으로 확정할 수 없습니다. 채널·분류 기준·기간·주문 종류·공지 여부가 비교 가능한지도 살펴야 합니다.

이 문의율 예시는 같은 범위·기준으로 집계한 문의 사례와 주문 수를 가정합니다. 실제 운영에서는 이전 기간 주문의 문의가 섞일 수 있으므로, 접수 시점 기준인지 주문 발생 집단 기준인지 정해야 합니다. 한 주문에서 여러 문의가 가능하다면 이 값은 주문 1,000건당 문의 건수이지 문의한 주문의 비율이 아닙니다.

개선 우선순위와 효과 확인

많이 나온 주제부터 무조건 처리할 필요는 없습니다. 빈도와 함께 이용을 막는 정도, 피해 가능성, 영향 범위, 근거의 확실성, 필요한 작업을 비교하세요. 이번 가상 자료에서는 배송 안내가 2건으로 가장 많지만, 로그인 실패 1건이 특정 조건에서 이용 자체를 막는다면 빠른 확인이 필요할 수 있습니다. 적은 건수만으로 사소한 문제라고 판단하지 않습니다.

• 문제 후보: 일부 문의에서 배송 상태를 확인하려는 요구가 보인다는 수준으로 적습니다. 모든 고객의 핵심 불만이라고 확대하지 않습니다.
• 후속 확인: 해당 주문의 상태·안내 화면·고객이 사용한 경로를 확인할 수 있는지 담당자와 검토합니다. 실제 접근·확인을 하지 않았다면 계획으로 남깁니다.
• 개선 후보: 상태 표시 문구 보완, 안내 위치 조정, 지연 공지 등 가능한 대안을 비교합니다. 물류 지연이 원인이라면 화면 문구만 고치는 것으로 해결됐다고 보지 않습니다.
• 실행 기록: 담당자·결정·예정일·보류 이유·실제 반영 여부를 기록합니다. 제안서 전달과 서비스 반영은 구분합니다.
• 확인 계획: 같은 분류 기준으로 문의를 다시 집계하고, 여전히 해결되지 않은 사례와 이용 규모를 함께 봅니다. 전후 차이와 인과관계를 같은 의미로 쓰지 않습니다.

고객에게 대응 결과를 전달하는 업무를 맡았다면 확인된 범위와 회사의 응대 절차를 따르세요. 분석용 의견을 읽었다고 해서 지원자가 임의로 고객에게 연락하거나 회사의 해결 약속을 대신할 수는 없습니다.

문의만으로 사용자가 어느 단계에서 막혔는지 알기 어렵다면 UX 리서치의 조사 방법과 관찰 분석 예시를 참고해 추가 조사 질문을 만들 수 있습니다. 기능 개선 후보를 제품 과제로 전달하는 방법은 PO의 백로그와 우선순위 정리에서 이어 볼 수 있습니다.

취업 포트폴리오와 면접에 연결하기

VOC 분석 경험은 고객 경험·운영·기획 등의 공고에서 요구하는 업무와 연결해 설명할 수 있습니다. 모든 직무의 필수 역량이거나 숨겨진 채용 기회를 보장하는 수단으로 쓰기보다, 지원 공고에 있는 실제 책임과 자신의 수행 경험을 대조하세요.

1. 목적과 출처: 무엇을 판단하려 했고 어느 기간·채널의 자료를 사용했는지 적습니다. 가상 데이터라면 자료 첫 부분과 결론에 표시합니다.
2. 정리 과정: 원시 기록 수, 유효 사례 수, 중복·제외 규칙과 이유를 보여 줍니다.
3. 분류 근거: 분류 사전과 애매한 사례를 어떻게 다뤘는지 설명합니다. 검토자가 달라졌을 때 판단이 달라진 부분도 남깁니다.
4. 계산: 분자·분모·기간·단위를 적고 계산 가능한 표를 제시합니다. 문의 비중과 고객 비율을 구분합니다.
5. 제안과 한계: 데이터에서 보인 내용, 원인이 확인되지 않은 부분, 개선 후보와 필요한 추가 확인을 나눕니다.
6. 담당 범위와 결과: 직접 분석한 것, 팀과 결정한 것, 실제 반영한 것, 측정한 것을 구분합니다. 없는 성과 수치를 넣지 않습니다.

이 글의 자료로 연습했다면 “가상 문의 기록 8개를 중복·광고 처리 규칙으로 정리해 유효 사례 6개를 분류하고, 배송 안내 비중의 분모와 추가 확인 사항을 작성했다”라고 설명할 수 있습니다. 실제 기업의 VOC 분석으로 문의를 줄였다고 표현하면 안 됩니다.

엑셀 등의 표 도구로 시작할 때도 분류와 계산 근거를 남기는 것이 우선입니다. SQL·텍스트 분석·AI 사용 여부는 자료 규모와 공고의 요구에 맞춰 판단하세요. AI가 분류하거나 요약한 결과는 원문과 대조하고, 복합 주제·반어법·맥락 누락을 검토합니다. 사용 권한이 없는 고객 자료를 외부 도구에 입력하지 않습니다.

재직 중 경험을 활용한다면 회사 자료의 공개 범위를 확인하고 허용된 요약을 사용하세요. 퇴사·재직·이직 시점은 각자의 여건에 따라 결정할 일이며, VOC 분석 과제 하나로 취업 가능성이나 더 나은 근무 환경을 보장할 수는 없습니다.

자주 묻는 질문

고객센터 FAQ를 읽는 것도 VOC 분석인가요?

서비스 정책과 분석 질문을 이해하는 자료로 활용할 수 있습니다. 다만 FAQ 항목 자체는 고객의 원문 의견이나 실제 문의 횟수가 아니므로, 자료의 성격을 구분해서 설명하세요.

중복 문의는 모두 삭제하면 되나요?

집계 목적에 따라 다릅니다. 동일 전송의 중복과 해결되지 않아 다시 연락한 재문의는 다를 수 있습니다. 원본 연결과 처리 이유를 남기고, 사례 수·연락 횟수·고객 수를 구분하세요.

부정적인 의견이 많으면 가장 시급한 문제인가요?

빈도만으로 정하지 않습니다. 영향을 받는 범위, 이용 중단·피해 가능성, 자료의 대표성과 원인 확인 수준을 함께 검토합니다. 감정 분류가 문제의 원인을 대신하지도 않습니다.

공개 리뷰나 AI로 만든 데이터로 포트폴리오를 만들 수 있나요?

공고의 과제 조건, 자료 이용·공개 범위를 먼저 확인하세요. 공개 리뷰는 출처·선정 기준·한계를 적고, AI 생성 자료는 가상 자료로 명시합니다. 실제 고객 조사와 개선 성과로 바꾸어 표현하지 않습니다.

VOC 경험이 있으면 이직에 유리한가요?

지원 직무가 요구하는 업무와 연결되는 경험인지 확인해야 합니다. 분석 목적·판단 기준·직접 맡은 범위를 증명하는 사례가 될 수 있지만, 그 자체가 합격이나 보상을 보장하지는 않습니다.

자료 확인: 2026-09-08. 본문의 문의 8개, 분류와 모든 계산 값은 교육용 가상 예시입니다. 링크한 기업·기관의 실제 고객 자료를 분석하거나 성과를 측정한 것은 아닙니다.