고객이 방금 상담을 신청했습니다. 담당자가 1분 만에 전화를 겁니다. 방금 신청한 고객이니 당연히 받을 것 같지만 열 명 중 여덟 명이 받지 않습니다. 리스트가 나쁜 걸까요, 스크립트가 나쁜 걸까요.
둘 다 아닐 가능성이 큽니다. 데이터를 보면 연결률은 리스트 품질보다 발신 설계에서 갈립니다. 언제 거는지, 안 받으면 어떻게 다시 거는지, 그리고 어떤 번호가 고객 화면에 뜨는지. 이 설계에 따라 같은 리스트에서도 연결률이 세 배까지 벌어집니다.
이 글은 누적 100만 건 이상의 통화를 처리한 vox.ai 플랫폼의 아웃바운드 발신 데이터를 분석해 연결률이 실제로 어디서 갈리는지 확인하고 개선 방법을 단계별로 정리한 것입니다. 오늘 당장 운영에서 바꿀 것부터, 발신 구조 자체를 바꾸는 것 순서로 하나씩 쌓아 보겠습니다.
1. 현상: 완료율은 높은데 연결률은 낮다
먼저 기준부터 명확히 하겠습니다. 이 글에서 연결률은 실제로 사람이 받아 대화가 시작된 비율입니다. 수신자가 응답해 대화가 성립해야 연결이고 음성사서함으로 넘어간 콜은 연결이 아닙니다. 통신 장애 같은 기술적 실패와 테스트 트래픽은 집계에서 제외했습니다.
이 기준으로 보면 결과는 분명합니다. 070 번호로 발신한 조직들의 연결률 중앙값은 14.0%입니다. 유선 지역번호는 31.6%, 기업 대표번호(15xx·16xx·18xx)는 42.5%였습니다.
| 발신번호 유형 | 연결률 중앙값 | 분포 (최저~최고) |
|---|---|---|
| 070 인터넷전화 | 14.0% | 13.7~28.3% |
| 유선 지역번호 (02·0xx) | 31.6% | 21.1~57.9% |
| 대표번호 (15xx·16xx·18xx) | 42.5% | 18.7~61.8% |
한 가지 함정도 있습니다. 아웃바운드 성과를 "완료된 콜 수"로 세는 경우가 많은데 완료에는 음성사서함이 섞여 있거든요. 이번 데이터에서 조직별 음성사서함 비율 중앙값은 약 12%였습니다. 완료율만 보고 있다면 실제 연결률을 10%p 이상 과대평가하고 있을 수 있습니다.
현상이 이렇다면 이제 하나씩 올려보겠습니다. 비용이 들지 않는 것부터 시작합니다.
2. 첫 번째 단계: 받는 시간에 건다
가장 먼저 바꿀 수 있는 것은 거는 시간입니다. 번호도, 시스템도 그대로 두고 발신 스케줄만 옮기면 됩니다. 대량 발신 조직 하나가 평균을 왜곡하지 않도록 조직 균등 가중으로 집계한 평일 패턴입니다.
- 요일: 화요일이 42.6%로 가장 높고 월요일이 36.2%로 평일 중 가장 낮습니다.
- 시각: 오전 11시와 오후 2시가 40.8%로 가장 높습니다.
- 피해야 할 구간: 점심 12시는 29.8%로 떨어지고 저녁 7시는 23.5%로 하루 중 최저입니다.
- 오전(8~11시) 평균 37.5%, 오후(1~8시) 평균 32.2%로 오전이 우세합니다.
월요일 오전에 리스트를 정비하고 화요일부터 발신을 시작하는 것, 점심시간과 오후 5시 이후 물량을 오전 10~11시와 오후 2~4시로 옮기는 것만으로 같은 리스트에서 더 많은 연결을 만들 수 있습니다. 참고로 저녁~야간 발신은 연결률이 낮을 뿐 아니라 업종별 법규로 제한되는 시간대이기도 하죠.
3. 두 번째 단계: 재시도를 설계한다
시간을 옮겼다면 다음은 안 받은 고객을 다시 만나는 방법입니다. 이것도 아직 비용의 문제가 아니라 정책의 문제죠. 동일 수신자에 대한 시도 순서별 누적 도달률을 보겠습니다.
| 시도 횟수 | 누적 도달률 | 직전 대비 증가 |
|---|---|---|
| 1회 | 38.6% | — |
| 2회 | 46.3% | +7.8%p |
| 3회 | 49.3% | +2.9%p |
| 4회 | 50.6% | +1.3%p |
| 5회 | 51.1% | +0.5%p |
| 10회 | 51.8% | +0.1%p 미만/회 |
두 번째 시도가 7.8%p를 더하고 세 번째 시도까지 49.3%에 도달합니다. 네 번째부터는 증분이 회당 1.3%p 아래로 떨어지죠. 재시도는 반드시 하되 상한은 3회면 충분합니다.
시점도 중요합니다. 안 받은 고객에게 같은 날 다시 건 콜은 13.0%가 연결된 반면, 다음 날 이후에 다시 건 콜은 19.0%가 연결됐습니다. 방금 못 받은 사람은 조금 뒤에도 못 받을 확률이 높습니다. 재시도는 당일에 몰아 쓰기보다 다음 날 다른 시간대로 분산하는 편이 낫습니다.
문제는 실행입니다. 이번 데이터에서도 발신 대상의 절반가량은 한 번의 시도로 끝났습니다. 상담원이 수동으로 거는 구조에서는 재시도가 그만큼 비싸니까요. 정책을 세워도 사람이 실행하지 못하면 7.8%p는 그대로 버려집니다. AI 아웃바운드 콜봇의 ROI가 재시도에서 나오는 이유도 여기에 있습니다.
4. 세 번째 단계: 발신번호를 070에서 대표번호로 바꾼다
시간대와 재시도로 운영을 최적화해도 넘기 어려운 천장이 있습니다. 번호 자체입니다. 070으로 거는 한, 아무리 좋은 시간에 여러 번 걸어도 고객 화면에는 "받고 싶지 않은 번호"가 뜹니다.
앞의 표에서 070과 대표번호의 중앙값 차이는 28.5%p였습니다. "업종이 달라서 그런 것 아니냐"는 반문이 나올 만해서 같은 회사가 두 종류의 번호를 함께 쓴 경우만 따로 확인했습니다.
플랫폼 기업 A사는 동일 기간에 대표번호로 건 콜의 43.2%가 연결됐지만 070으로 건 콜은 13.7%만 연결됐습니다. 같은 회사, 같은 고객군에서 29.6%p 차이입니다. 유통 기업 B사는 대표번호가 유선 지역번호보다 13.2%p 높았고 교육 기업 C사에서도 9.0%p 차이가 재현됐습니다.
이유는 고객 입장에서 보면 자연스럽거든요. 070은 스팸으로 인식되기 쉬운 번호 대역입니다. 모르는 지역번호보다는 기업 대표번호가 "받아도 되는 전화"라는 신호를 줍니다. 070 발신을 대표번호 발신표시로 바꾸는 것만으로 연결률의 체급이 달라집니다.
5. 네 번째 단계: 레터링으로 번호에 이름을 붙인다
대표번호로 바꿔도 고객 화면에는 여전히 숫자만 뜹니다. 1666으로 시작하는 번호가 우리 회사인지, 카드사인지, 보험사인지 고객은 알 수 없거든요.
레터링은 발신 시 수신자 화면에 번호와 함께 회사 이름을 표시해 주는 부가서비스입니다.
고객이 "어디서 온 전화인지"를 벨이 울리는 순간에 확인하니 통상 5%p 안팎의 추가 연결률 개선을 기대할 수 있습니다. 이 수치는 자사 실측이 아니라 업계에서 통상 기대하는 수준입니다. 대표번호 전환으로 40%대에 올라선 연결률을 한 단계 더 밀어 올리는 역할입니다.
vox.ai에서는 발신번호 등록과 레터링 신청을 함께 처리합니다.
6. 다섯 번째 단계: 걸기 전에 문자로 예고한다
번호와 이름까지 갖췄다면 마지막 단계가 남았습니다. 고객이 전화를 기다리게 만드는 것입니다.
모르는 전화는 안 받아도 기다리던 전화는 받습니다. 상담 신청 직후 "신청해 주셔서 감사합니다. 오늘 오후 2시에 1666-XXXX 번호로 상담 전화를 드리겠습니다"라는 문자를 먼저 보내고 그 시간에 걸면 고객 입장에서 이 전화는 더 이상 낯선 번호가 아닙니다. 어떤 번호로 언제 올지 아는 전화입니다.
이 방식은 특히 신청 직후 콜백, 예약 확인, 만기 안내처럼 고객이 맥락을 이미 아는 콜에서 효과가 큽니다. vox.ai는 SMS 단건 발신과 대량 발신을 지원합니다. 캠페인 리스트 전체에 사전 고지 문자를 보내고 정해진 시간에 AI 상담사가 발신하는 흐름을 하나의 플랫폼에서 구성합니다.
7. 정리: 연결률은 설계의 결과다
다섯 단계를 다시 쌓아 보겠습니다.
- 화요일, 오전 11시와 오후 2시: 점심 12시와 저녁 발신은 피하기. 오늘 바로 적용 가능.
- 재시도 상한 3회, 다음 날 분산: 도달률 38.6%에서 49.3%로.
- 발신번호를 대표번호로: 같은 조직 실측 기준 최대 29.6%p 상승. 가장 큰 단일 개선.
- 레터링으로 이름 표시: 통상 5%p 안팎의 추가 개선 기대.
- 사전 SMS 고지: 기다리는 전화로 만들기. 신청 콜백·예약 확인에서 특히 유효.
리스트와 스크립트를 바꾸지 않아도 발신을 어떻게 설계하느냐만으로 연결률은 다른 구간으로 올라섭니다. 그리고 이 다섯 가지는 전부 사람의 의지가 아니라 시스템으로 실행할 때 유지됩니다. 시간대 스케줄링, 재시도 정책, 번호·레터링 세팅, 사전 문자 발송까지 AI 아웃바운드는 이를 예외 없이 실행합니다.
지금 운영 중인 아웃바운드의 연결률이 어느 구간에 있는지 궁금하시다면 데이터를 함께 보며 개선 여지를 확인해 드리겠습니다.
vox.ai의 CX 데이터 분석과 도입 사례를 뉴스레터로 받아보실 수 있습니다.
데이터 방법론 노트
누적 100만 건 이상의 통화를 처리한 vox.ai 플랫폼에서, 최근 발신된 아웃바운드 콜 데이터를 분석했습니다. 통신 오류 등 기술적 실패와 테스트 트래픽은 집계에서 제외했습니다. 연결은 수신자가 응답해 대화가 성립한 경우로 정의했으며 음성사서함 도달은 연결로 집계하지 않았습니다. 전체 평균에는 특정 대량 발신 조직의 왜곡을 막기 위해 조직 균등 가중을 적용했습니다. 시간대·재시도·발신번호 수치는 자사 플랫폼 실측이며, 레터링·사전 고지 효과는 일반적으로 기대되는 수준을 제시한 것입니다. 개별 조직의 리스트 품질과 업종에 따라 결과는 달라질 수 있습니다.
