AI 기반 고객경험(CX) 개선 실무 (KPC 1Day GPT / 6H)

2026.03.27 / 동준상.넥스트플랫폼
(AWS SAA, AWS AIF, GCP GenAI Leader)

이번 포스트는 2026년도 한국생산성본부 정규 강의에 참석한 수강 고객을 위해 작성됐습니다. AI 시대의 고객경험(CX)에 대해 알아보고 AI 도구를 이용한 고객 경험 개선 전략을 도출하는 과정입니다.

과정 개요

강의 일시: 26.03.27 금 10:00~17:00
강의 장소: ZOOM 온라인 (KPC 한국생산성본부)
기획: 한국생산성본부 채수연 위원
강의: 넥스트플랫폼 동준상 대표
강의상세정보 확인 및 수강신청:
https://www.kpc.or.kr/PTWED003_dtil_view.do?ecno=47545

KPC [Live] 1Day ChatGPT로 성과올리기 고객경험(CX) 개선전략

학습 목표

생성형 AI를 활용한 고객경험(CX) 분석 및 개선 역량 강화
데이터 기반 고객 개인화 전략 설계 및 실무 적용
ChatGPT, Perplexity, NotebookLM의 실전 활용법 숙달

다운로드 | KPC AX 1Day CX Essential (PDF / 170p)
https://drive.google.com/file/d/1U4hFrKywGBPmNEXQIcOrf2G5wDAEXDYT/view?usp=sharing

✨ 기대효과

ChatGPT, Perplexity, NotebookLM의 통합 활용 역량 습득
실무 데이터(churn.csv 등)를 통한 CX 인사이트 도출 능력 강화
개인화·고객여정·LTV를 종합적으로 설계하는 AI 기반 CX 전문가화

데이터셋/분석노트북

참고자료: Customer Churn: How to Predict, Calculate, and Prevent it?
https://www.leadsquared.com/learn/sales/customer-churn/

🚀 오리엔테이션 & 시작 미션

🎯 목표: 실습 환경 점검 + 학습 흥미 유발

[미션] “나의 AI 도우미 세팅 완료하기”

크롬 브라우저 실행 & 구글 로그인 확인
ChatGPT 접속 → ‘CX 혁신’에 대한 한 줄 요약 생성
- 프롬프트 예시: 고객경험(CX)을 한 줄로 설명해줘. 그리고 가장 인상 깊은 실제 사례를 하나만 알려줘.
Perplexity 접속 → ‘AI를 활용한 CX 개선 사례’ 검색
- 출력 결과를 캡처해 Slack/Zoom 채팅창에 공유
(선택) NotebookLM 로그인 확인 → “CX 개선 전략 노트북” 생성

🧩 출력물:

ChatGPT 한 줄 요약
Perplexity 결과 캡처
NotebookLM 노트북 URL

📊 Phase 1. 고객 데이터 수집 및 분석

🎯 목표: 고객이탈(churn) 데이터를 통해 고객세분화 및 LTV 이해

[미션] “데이터 기반 CX 인사이트 도출”

데이터 다운로드:
- churn.csv (고객번호, 연령, 서비스기간, 지출, 이탈여부 등)
ChatGPT 실습: 아래 CSV 데이터를 바탕으로 고객이탈의 주요 요인을 분석해줘. 분석결과를 표로 정리하고, 고객유지 전략을 제안해줘.
Perplexity 실습: 고객이탈(churn) 예측에 활용되는 최신 AI 모델 사례를 찾아줘.
NotebookLM 실습:
- churn.csv 분석결과를 요약 노트에 업로드
- “이 데이터로 어떤 CX 전략을 세울 수 있을까?” 질문

🧩 출력물:

ChatGPT 분석 결과 (표 + 요약문)
Perplexity AI 모델 조사 요약
NotebookLM 요약 노트 링크

🎯 Phase 2. 개인화 전략 수립 및 고객경험 설계

🎯 목표: 고객 유형별 개인화 시나리오 설계

[미션] “AI로 고객을 분류하고 맞춤 전략 설계”

ChatGPT 실습: 고객 데이터를 기준으로 3가지 페르소나를 만들어줘. 각 페르소나의 주요 행동, 감정, 요구사항을 정리해줘.
Perplexity 실습: 글로벌 기업들이 고객 개인화에 성공한 사례를 3개 찾아줘.
NotebookLM 실습:
- “우리 서비스의 고객 여정 중 개선 가능한 접점을 요약해줘.”
- “페르소나별 CX 개선 아이디어를 종합해줘.”

🧩 출력물:

페르소나 3종 요약표
Perplexity 사례 캡처
NotebookLM 노트 링크

🔁 Phase 3. 지속적인 개선 및 최적화 전략

🎯 목표: 고객 피드백 기반 CX 개선 사이클 설계

[미션] “AI 피드백 루프 만들기”

ChatGPT 실습: 아래 고객 피드백 데이터를 바탕으로 주요 불만 유형과 개선안을 정리해줘.
Perplexity 실습: 고객 만족도 향상을 위해 생성형 AI를 활용하는 최신 트렌드를 알려줘.
NotebookLM 실습:
- “고객 피드백 기반 CX 개선 프로세스” 요약

🧩 출력물:

불만 유형 분석표
개선안 요약문
NotebookLM 정리 노트

💡 Phase 4. 고객생애가치(LTV) 분석 및 고객여정 디자인

🎯 목표: CX 전략을 미니 프로젝트로 완성

[미션] “AI로 그리는 고객 여정 지도”

ChatGPT 실습: 아래 조건을 반영한 고객 여정 맵(CJM)을 설계해줘. - 주요 페르소나: 30대 직장인 - 목표: 고객 이탈률 10% 감소 - 주요 터치포인트: 웹사이트, 챗봇, 이메일, AS센터
Perplexity 실습: LTV 분석과 고객 여정 디자인을 함께 활용한 기업 사례를 조사해줘.
NotebookLM 실습:
- ChatGPT 결과(CJM + LTV 분석표)를 업로드
- “CX 개선 전략 보고서” 자동 요약 생성

🧩 출력물:

고객 여정 맵
LTV 분석표
NotebookLM 최종 보고서 노트

🎓 Phase 5. 결과 공유 & 피드백

수강생 각자 혹은 팀별 미니 프로젝트 발표 (5분씩)
발표 예시:
- CX 개선 시나리오 + 고객 여정 맵 + LTV 개선 아이디어
ChatGPT로 “요약 발표문 자동 생성” 실습: 아래 내용을 바탕으로 발표용 요약문을 3줄로 만들어줘.

🧩 최종 결과물:

발표 슬라이드 or 노트북 링크
CX 개선 전략 요약 PDF

참고자료: 리테일 산업 데이터셋

🏪 1️⃣ UCI – Online Retail Dataset

URL: UCI Machine Learning Repository – Online Retail
데이터 개요: 2010~2011년 영국 기반 온라인 쇼핑몰 거래 내역 (약 50만건)
주요 컬럼: InvoiceNo, StockCode, Description, Quantity, InvoiceDate, UnitPrice, CustomerID, Country
활용 포인트:
- Pandas로 groupby('Country') / groupby('Month') 로 국가·기간별 매출 요약
- GPT API를 통해 “국가별 매출 요약 리포트 자동 작성”
장점: 구조가 단순해 입문자가 데이터 분석과 자연어 보고서 자동화 실습하기 적합

💳 2️⃣ Kaggle – Superstore Sales Dataset

URL: Superstore Sales Dataset
데이터 개요: 미국 오피스 용품 리테일러의 주문, 매출, 이윤, 배송 데이터
주요 컬럼: Order Date, Category, Sub-Category, Sales, Profit, Discount, Region, Ship Mode
활용 포인트:
- groupby(['Region','Category']) 로 지역별·상품군별 매출 비교
- GPT API로 “가장 수익성이 높은 카테고리” 자동 요약 문장 생성
장점: Kaggle 커뮤니티에서 가장 널리 쓰이는 매출 분석 예제 데이터

🛍️ 3️⃣ Kaggle – Walmart Store Sales Forecasting

URL: Walmart Store Sales Forecasting
데이터 개요: 미국 월마트 매장의 주간 매출, 이벤트, 날씨 정보 포함
주요 컬럼: Store, Dept, Date, Weekly_Sales, IsHoliday, Temperature, Fuel_Price
활용 포인트:
- Pandas 시계열 처리(resample('W')) + GPT로 “주간 트렌드 요약 및 매출 이상 탐지 리포트”
장점: 시계열 예측·트렌드 분석과 리포트 자동화 결합에 최적

📈 4️⃣ Kaggle – Retail Sales Dataset (E-commerce Sales Data)

URL: Retail Sales Data
데이터 개요: 글로벌 전자상거래 판매 데이터를 월별로 정리
주요 컬럼: Order ID, Date, Category, Revenue, Profit, Quantity, City
활용 포인트:
- Pandas describe() 결과를 GPT로 해석시켜
  “월별 매출 추이와 수익성 분석 보고서 자동 생성”

🧾 5️⃣ Kaggle – Coffee Shop Sales Dataset (소규모 실습용)

URL: Coffee Shop Sales
데이터 개요: 카페 일별 매출과 상품별 판매량 (2021년 데이터)
주요 컬럼: Date, Product, Category, Quantity, Revenue, Location
활용 포인트:
- groupby('Product') 로 상품별 매출 분석
- GPT API를 통해 “가장 인기 있는 메뉴 TOP3”와 “매출 개선 제안” 생성
장점: 파일 크기가 작아 Pandas 입문자에게 이상적

🧠 추천 조합 (VibeCoding 실습용)

실습 단계	추천 데이터셋	주요 학습 포인트
기초 분석 실습	UCI Online Retail	Pandas groupby, describe()
리포트 자동화	Superstore Sales	GPT API로 요약문 생성
트렌드 분석	Walmart Forecasting	시계열 분석 + GPT 리포트
개인화 과제	Coffee Shop Sales	메뉴별 매출 인사이트

🛍️ 예시: 소매유통산업의 LLM 기반 고객경험(CX) 개선

오리엔테이션 & 시작 미션

🎯 목표: AI 실습 환경 점검 + 흥미 유발

🔹 미션: “AI로 보는 신세계의 고객경험”

크롬 브라우저 실행 → 구글 로그인 확인
ChatGPT 실행: 신세계그룹이 AI를 활용해 고객경험을 혁신한 사례를 간단히 요약해줘. → 예시 답변: “신세계는 ‘쓱페이’ 데이터와 AI 추천 시스템을 결합해 개인별 맞춤 상품 제안으로 구매전환율을 27% 향상시킴.”
Perplexity 검색: “신세계 SSG닷컴 AI 마케팅 자동화 사례”
결과 캡처 후 공유
(선택) NotebookLM 로그인 → ‘Retail CX 개선전략’ 노트북 생성

🧩 출력물:

ChatGPT 한 줄 요약
Perplexity 결과 캡처
NotebookLM 노트 링크

📊 Phase 1. 고객데이터 수집 및 분석

🎯 목표: 이탈(churn) 데이터 기반 고객 인사이트 도출

🔹 실습 데이터: `retail_churn.csv`

(고객ID, 나이, 최근구매일, 총구매액, 멤버십등급, 온라인이용여부, 이탈여부)

🔹 ChatGPT 실습

이 데이터를 기반으로 고객이탈의 주요 요인을 분석해줘.
표로 요약하고, 이탈률이 높은 고객군을 설명해줘.

예시 결과:

이탈률 32%

주요 원인: 멤버십 등급 하락, 최근 3개월 구매 없음, 오프라인 중심 고객

유지 전략: 개인화 쿠폰, 재구매 리마인드 메시지, 앱 푸시 활용

🔹 Perplexity 실습

“유통업에서 AI를 활용한 고객이탈 예측 성공사례”
→ 롯데ON, 월마트, Sephora 등 벤치마킹 자료 캡처

🔹 NotebookLM 실습

retail_churn.csv 분석 리포트 업로드
질문: “이탈 가능성이 높은 고객군을 유지하기 위한 CX 개선 전략을 3가지로 요약해줘.”

🧩 출력물:

이탈 요인표
개선전략 제안 3가지
NotebookLM 요약 노트 링크

👥 Phase 2. 개인화 전략 수립 및 CX 설계

🎯 목표: 고객 세분화 기반 개인화 시나리오 설계

🔹 ChatGPT 실습: 페르소나 설계

소매유통 고객 데이터를 기준으로 3개의 대표 페르소나를 만들어줘.
각각의 구매동기, 불만요소, 선호채널을 요약해줘.

예시 결과:
① 프리미엄형(고가·충성도 높음)
② 가성비형(세일 정보 민감)
③ 편의형(온라인·간편결제 중심)

🔹 Perplexity 실습: 사례 조사

“리테일 기업이 고객 페르소나별 개인화 전략으로 성과를 낸 사례”

예: Sephora – 뷰티 인사이트 기반 맞춤추천
Walmart – 구매내역 기반 실시간 쿠폰

🔹 NotebookLM 실습: CX 아이디어 브레인스토밍

업로드: 페르소나별 전략 정리문
질문: “이 페르소나별로 구매경험을 향상시킬 수 있는 맞춤 메시지나 UX 요소를 제안해줘.”

🧩 출력물:

페르소나별 개인화 전략표
Perplexity 사례 요약
NotebookLM 전략노트

🔁 Phase 3. 지속적인 개선 및 최적화 전략

🎯 목표: 고객 피드백 → 개선 루프 설계

🔹 ChatGPT 실습

다음은 고객 피드백 데이터 일부야. 불만유형을 분류하고, 개선안을 제안해줘.
1. 배송 지연
2. 교환처리 느림
3. 앱 로딩 오류
4. 직원 응대 불친절

예시 결과:

배송/CS 프로세스 개선

앱 UX 개선

직원 응대 평가 피드백 시스템 도입

🔹 NotebookLM 실습

업로드: 고객 불만 데이터 요약본
질문: “고객 불만 데이터를 지속적으로 모니터링하고 개선하는 CX 관리 프로세스를 요약해줘.”

🧩 출력물:

불만유형표
개선 루프 프로세스 도식화
NotebookLM 요약노트

💡 Phase 4. 고객생애가치(LTV) 분석 및 고객여정맵

🎯 목표: LTV 분석 + 고객여정 기반 미니 프로젝트 완성

🔹 ChatGPT 실습

고객 여정 맵(CJM)을 만들어줘.
- 대상: 프리미엄형 고객
- 목표: LTV 10% 향상
- 주요 터치포인트: 오프라인 매장, 앱, 멤버십 혜택

예시 결과:

인지(매장 디스플레이) → 탐색(앱 추천) → 구매(모바일 결제) → 충성(등급 리워드)

개선 아이디어: 오프라인-온라인 통합 추천, 개인화 멤버십 혜택 강화

🔹 Perplexity 실습

“리테일 산업에서 LTV 분석을 기반으로 한 CX 개선 사례”
→ Costco, Target, 이마트24 등 사례 정리

🔹 NotebookLM 실습

업로드: ChatGPT 고객 여정 맵 + LTV 결과표
질문: “이 CX 전략의 핵심 성공요인을 요약해줘. 향후 개선 포인트도 제안해줘.”

🧩 출력물:

고객 여정 맵
LTV 분석표
NotebookLM 보고서

🎓 Phase 5. 결과 공유 및 피드백

🎯 목표: 미니 프로젝트 발표 + 피드백

🔹 발표 구성 예시

프로젝트명: “SSG 멤버십 고객 이탈률 20% 감소 전략”
내용: churn 데이터 분석 → 페르소나 설계 → CX 개선안 → LTV 향상 예측
도구활용: ChatGPT + Perplexity + NotebookLM

🔹 발표요약 자동생성

아래 내용을 3줄로 요약해서 발표용 멘트로 만들어줘.

🧩 최종 결과물:

발표용 PDF or 링크
CX 개선 전략 요약문

참고자료 및 다운로드

데이터셋 & 분석노트북: CUSTOMER CHURN PREDICTION 📈
https://www.kaggle.com/code/bhartiprasad17/customer-churn-prediction

데이터셋 2: superstore-sales-dataset.csv
https://www.kaggle.com/datasets/vivek468/superstore-dataset-final

분석노트북 2.1: Data Analysis for Marketing Strategy
https://www.kaggle.com/code/sasakitetsuya/data-analysis-for-marketing-strategy

분석노트북 2.2: SuperStore Sales Profit Discount Predict 🛍️🛒
https://www.kaggle.com/code/danishmubashar/superstore-sales-profit-discount-predict

분석노트북 2.3: Super store Analysis 🏪| Data Visual. | Seaborn🔴
https://www.kaggle.com/code/ashwinshetgaonkar/super-store-analysis-data-visual-seaborn

수강 고객 특화 콘텐츠 포함 / 첫 포스팅: 25.10.16 / 강연 문의: JUN (naebon@naver.com)

Share on Facebook

Post on X

Save

2026 AX 인사이트 (KPC / 12H)

Claude Code의 작동 원리 P1: Tool Use 메커니즘

AI, Colab, Sheets를 활용한 데이터 시각화, 분석 자동화 실무 (화성상의 / 7H)

바이브코딩 워크숍 | ‘바이브코딩 중급과정’ 개요 (구름, 온라인, 오전/오후, 80H)

Google Cloud Next ’26 핵심 요약: AI 에이전트의 성능이 소프트웨어의 성능

과정 개요

학습 목표

✨ 기대효과

데이터셋/분석노트북

🚀 오리엔테이션 & 시작 미션

🎯 목표: 실습 환경 점검 + 학습 흥미 유발

[미션] “나의 AI 도우미 세팅 완료하기”

📊 Phase 1. 고객 데이터 수집 및 분석

🎯 목표: 고객이탈(churn) 데이터를 통해 고객세분화 및 LTV 이해

[미션] “데이터 기반 CX 인사이트 도출”

🎯 Phase 2. 개인화 전략 수립 및 고객경험 설계

🎯 목표: 고객 유형별 개인화 시나리오 설계

[미션] “AI로 고객을 분류하고 맞춤 전략 설계”

🔁 Phase 3. 지속적인 개선 및 최적화 전략

🎯 목표: 고객 피드백 기반 CX 개선 사이클 설계

[미션] “AI 피드백 루프 만들기”

💡 Phase 4. 고객생애가치(LTV) 분석 및 고객여정 디자인

🎯 목표: CX 전략을 미니 프로젝트로 완성

[미션] “AI로 그리는 고객 여정 지도”

🎓 Phase 5. 결과 공유 & 피드백

참고자료: 리테일 산업 데이터셋

🏪 1️⃣ UCI – Online Retail Dataset

💳 2️⃣ Kaggle – Superstore Sales Dataset

🛍️ 3️⃣ Kaggle – Walmart Store Sales Forecasting

📈 4️⃣ Kaggle – Retail Sales Dataset (E-commerce Sales Data)

🧾 5️⃣ Kaggle – Coffee Shop Sales Dataset (소규모 실습용)

🧠 추천 조합 (VibeCoding 실습용)

🛍️ 예시: 소매유통산업의 LLM 기반 고객경험(CX) 개선

오리엔테이션 & 시작 미션

🎯 목표: AI 실습 환경 점검 + 흥미 유발

🔹 미션: “AI로 보는 신세계의 고객경험”

📊 Phase 1. 고객데이터 수집 및 분석

🎯 목표: 이탈(churn) 데이터 기반 고객 인사이트 도출

🔹 실습 데이터: retail_churn.csv

🔹 ChatGPT 실습

🔹 Perplexity 실습

🔹 NotebookLM 실습

👥 Phase 2. 개인화 전략 수립 및 CX 설계

🎯 목표: 고객 세분화 기반 개인화 시나리오 설계

🔹 ChatGPT 실습: 페르소나 설계

🔹 Perplexity 실습: 사례 조사

🔹 NotebookLM 실습: CX 아이디어 브레인스토밍

🔁 Phase 3. 지속적인 개선 및 최적화 전략

🎯 목표: 고객 피드백 → 개선 루프 설계

🔹 ChatGPT 실습

🔹 NotebookLM 실습

💡 Phase 4. 고객생애가치(LTV) 분석 및 고객여정맵

🎯 목표: LTV 분석 + 고객여정 기반 미니 프로젝트 완성

🔹 ChatGPT 실습

🔹 Perplexity 실습

🔹 NotebookLM 실습

🎓 Phase 5. 결과 공유 및 피드백

🎯 목표: 미니 프로젝트 발표 + 피드백

🔹 발표 구성 예시

🔹 발표요약 자동생성

참고자료 및 다운로드

Related Posts

2026 AX 인사이트 (KPC / 12H)

Claude Code의 작동 원리 P1: Tool Use 메커니즘

AI, Colab, Sheets를 활용한 데이터 시각화, 분석 자동화 실무 (화성상의 / 7H)

바이브코딩 워크숍 | ‘바이브코딩 중급과정’ 개요 (구름, 온라인, 오전/오후, 80H)

Google Cloud Next ’26 핵심 요약: AI 에이전트의 성능이 소프트웨어의 성능

🔹 실습 데이터: `retail_churn.csv`