프리미엄 완성차 전시장실증 사례청자 · 브랜드 CX팀 · 전시장 운영팀

직원이 눈으로 세던 것을, 카메라가 센다

가족 동반인지 아닌지. 사람마다 다르게 세던 기준을 기계로 옮기고, 수기 집계와 대조해 맞는지 확인했습니다.

문제: 현장 직원이 관찰해 손으로 분류하고 집계했습니다. 응대 중에는 놓쳤고, 관찰자에 따라 기준이 흔들렸습니다.
적용·측정: 전시장에서는 방문객 수 · 동선 · 체류시간 · 퍼널을 이미 saai insight로 재고 있었습니다. 남아 있던 것이 고객 유형이었습니다. 응대와 상담을 병행하는 직원이 모든 방문객을 실시간으로 기록하기 어려웠고, 누가 보느냐에 따라 집계가 달라졌습니다. 브랜드의 CX 플랫폼이 쓰는 분류 기준에 맞춰 AI 분류를 만들고, 기존 수기 집계와 나란히 놓고 대조한 뒤 전환했습니다.
측정 결과: AI가 영상에서 그룹 단위로 분류해 통계를 만듭니다. 직원은 상담과 응대에 시간을 씁니다.

예시

현장 수기 분류·집계 → AI 자동 분류·통계 생성

바뀐 것

현장 검증

적용 전 수기 집계 결과와 AI 분류 결과를 병행 비교

검증 방법

현장 검증

익명화 후 분석. 얼굴 인식·개인 식별 없음

개인정보

근거와 적용 범위

02 검증실증 사례청자 · 브랜드 CX팀 · 전시장 운영팀

도입 성숙도

도입 검증
정식 도입
확산

검증 출처

적용 전 같은 기간의 수기 집계 결과와 AI 분류 결과를 병행 비교해 정확도를 확인한 뒤 전환했습니다. 지점명과 분류 기준의 세부는 공개하지 않습니다.

프리미엄 완성차 브랜드 전시장의 실제 사례입니다. 지점명과 분류 기준의 세부는 고객사 보호를 위해 공개하지 않습니다.

얼굴을 알아보지 않고 사람 수를 셉니다

고객 유형을 나누려면 사람을 봐야 할 것 같지만, 이 사례에서 보는 것은 사람이 아니라 형태와 움직임입니다. 영상은 분석 전에 익명화를 거쳐 개인을 알아볼 수 있는 정보가 사라진 상태로 넘어갑니다. 얼굴 인식도, 개인 식별도 하지 않습니다. 남는 것은 몇 명이 함께 움직였는지와 그 무리가 어느 구역에 얼마나 머물렀는지입니다.

그래서 이 사례가 만들어 내는 것은 개인의 기록이 아니라 통계입니다. 무엇을 바꿀지는 전시장 운영팀이 그 통계를 읽고 정합니다.

익명화가 어떻게 이뤄지는지는 익명화 기술에 정리해 두었습니다.

직원이 눈으로 세던 것을, 카메라가 센다

문제부터 결과까지

근거와 적용 범위

얼굴을 알아보지 않고 사람 수를 셉니다

우리 공간의 다음 개선 과제를 함께 정리하세요