🤖 AI ICP 평가 & 너처링
CRM의 AI 기능은 들어온 리드의 적합도(ICP)를 점수로 자동 평가하고 → 부족한 정보를 묻는 너처링 질문을 만들어 고객에게 보내고 → 회신을 반영해 평가를 다시 정교화하면서 → 팀에 쌓인 영업 노하우(지식베이스)를 AI가 검색해 평가·전략에 녹여 주는 영업 보조 도구입니다. "이 리드에 시간을 더 쓸 가치가 있는가"를 사람이 감으로 판단하던 일을, 회사가 정한 기준에 맞춰 일관되게 도와줍니다.
💡 진입 경로: CRM 리드 상세 화면의 AI 평가 패널, 사업부별 기준은 설정 > ICP 평가 기준, 지식베이스는 영업 화면 우측의 Sales Knowledge Base 서랍.
이 문서에서 다루는 내용
- AI 평가·너처링 전체 흐름
- ICP가 무엇이고 어떻게 점수가 매겨지나
- 리드 등급(Hot / Warm / Cold)과 점수 구간
- 사업부별 평가 기준 설정 - 항목·배점·조건
- AI 추가 평가 지침(커스텀 지침)
- AI 너처링 - 부족한 정보 질문 만들기
- 고객 회신과 평가 재정교화
- 확인된 정보 체크와 재평가
- 사업부별 화법 분기(에이전시 / 솔루션)
- 영업 지식베이스(Sales Knowledge Base)
- 지식베이스 AI 검색이 평가에 반영되는 방식
- 수주·실주 자동 사례화
- 운영 팁 & 자주 묻는 질문
1. AI 평가·너처링 전체 흐름
리드가 들어온 뒤 AI가 돕는 과정은 다음과 같이 이어집니다.
| 단계 | 핵심 화면 | 산출물 |
|---|---|---|
| ① ICP 평가 | 리드 상세 > AI 평가 | 항목별 점수·등급·근거·세일즈 전략 |
| ② 너처링 질문 | 리드 상세 > 너처링 | 고객에게 보낼 질문 메일(미리보기) |
| ③ 고객 회신 | 고객 전용 공개 링크 | 고객 답변(BANT 보강) |
| ④ 재평가 | 리드 상세 > AI 평가 | 보강된 정보 반영 재점수 |
| ⑤ 사례 자산화 | 수주/실주 결과 → 지식베이스 | AI 자동 생성 회고 사례 |
💡 각 단계는 독립적으로도 쓸 수 있습니다. 평가만 돌려 우선순위를 정하거나, 너처링만 보내 정보를 모으거나, 지식베이스 검색만 활용해도 됩니다.
2. ICP가 무엇이고 어떻게 점수가 매겨지나
ICP(Ideal Customer Profile, 이상적 고객 프로필) 는 "우리에게 잘 맞는 고객은 이런 모습"을 정의한 기준입니다. AI는 리드의 입력 정보(기업명·웹사이트·문의 내용·예산·일정 등)를 회사가 정한 평가 기준표와 대조해 항목별 점수를 매기고, 이를 합산해 총점·등급을 냅니다.
2.1 평가가 산출하는 것
| 산출물 | 설명 |
|---|---|
| 항목별 점수 | 평가 기준표의 각 항목(예: 기업 규모, 예산 합리성)에 매겨진 점수 |
| 총점 / 만점 | 모든 항목 점수의 합 / 기준표 전체 배점 합계 |
| 리드 등급 | 총점에 따른 Hot / Warm / Cold 분류 |
| 점수 근거(reason) | 각 항목 점수를 그렇게 매긴 이유 |
| 신뢰도(confidence) | 그 판단의 확신 정도(높음/보통/낮음) |
| 세일즈 전략 | 접근법·표현·타이밍·반론 대응 등 실전 팁 |
| 확인 필요 질문 | 평가에 부족했던 정보를 채우기 위한 질문(너처링으로 연결) |
2.2 신뢰도(confidence)의 의미
AI는 추측이 섞인 판단과 확실한 판단을 구분해 표시합니다.
| 신뢰도 | 의미 | 활용 |
|---|---|---|
| 높음(high) | 입력 정보로 확실하게 판단됨 | 그대로 신뢰 |
| 보통(medium) | 일부 추론이 섞임 | 너처링으로 보강 권장 |
| 낮음(low) | 정보 부족으로 보수적으로 매김 | 확인 질문 우선 대상 |
💡 정보가 부족한 항목은 AI가 보수적으로(낮게) 점수를 매기고, 대신 "확인 필요 질문"을 만들어 둡니다. 즉 낮은 점수가 곧 "나쁜 리드"가 아니라 "아직 덜 파악된 리드"일 수 있습니다.
⚠️ '업종' 같은 일부 항목은 공시 기반의 행정 분류에서 추출되어 실제 사업과 다를 수 있습니다. AI는 기업명·웹사이트 인지도를 우선해 보정하지만, 결과는 담당자가 한 번 더 확인하는 것을 권장합니다.
3. 리드 등급(Hot / Warm / Cold)과 점수 구간
총점은 자동으로 세 등급으로 분류됩니다. 등급은 영업 우선순위를 빠르게 가르는 신호입니다.
| 등급 | 점수 구간 | 의미 | 권장 액션 |
|---|---|---|---|
| 🔥 Hot Lead | 50점 이상 | 적합도 높음 | 즉시 컨택·기회 전환 우선 |
| 🌤 Warm Lead | 30점 이상 ~ 50점 미만 | 가능성 있음 | 너처링으로 정보 보강 후 판단 |
| ❄️ Cold Lead | 30점 미만 | 적합도 낮음/정보 부족 | 관망 또는 장기 너처링 |
💡 등급 경계 점수는 기준표 만점이 100점일 때를 기준으로 합니다. 평가 결과 화면에는 항상 "총점 / 만점"이 함께 표시되므로 절대 점수보다 만점 대비 비율로 읽는 것이 안전합니다.
4. 사업부별 평가 기준 설정
평가 기준표는 사업부(BU)별로 따로 운영합니다. 같은 회사라도 사업 성격이 다르면 "좋은 고객"의 정의가 다르기 때문입니다.
4.1 진입과 권한
- 설정 > ICP 평가 기준을 엽니다.
- 상단 탭에서 사업부를 선택합니다.
| 탭(사업부) | 평가 성격 |
|---|---|
| 에이전시 | 맞춤 구축·프로젝트형 영업 기준 |
| 솔루션 | 구독형 SaaS 도입 기준 |
⚠️ 기준 편집은 권한이 있는 사용자(예: 슈퍼관리자·팀 리더)만 가능합니다. 권한이 없으면 기준을 열람만 할 수 있습니다.
4.2 기준 설정 화면
4.3 평가 항목의 구성 요소
| 요소 | 설명 |
|---|---|
| 평가 항목(카테고리) | 무엇을 보는가(예: 기업 규모, 예산 합리성, 프로젝트 시급성) |
| 채점 조건 | "이런 경우 몇 점"을 적은 줄. 항목 안에 여러 줄을 둘 수 있음 |
| 배점 | 그 항목의 만점. 채점 조건 중 가장 높은 점수가 자동으로 배점이 됨 |
| 정렬 순서 | 항목 왼쪽 손잡이(⠿)를 잡고 드래그해 순서를 바꿈 |
채점 조건은 "점수 + 조건 설명" 한 쌍으로 입력합니다. 예를 들어 한 항목 안에 아래처럼 단계를 둡니다.
[평가 항목] 프로젝트 시급성
15 런칭 일정 확정, 3개월 내 착수 필요
10 6개월 내 진행 예정, 일정 어느 정도 확정
5 연내 또는 내년 상반기 검토 중
2 시기 미정, 정보 수집 단계4.4 총점 100점 규칙과 자동 저장
기준표는 모든 항목 배점의 합이 정확히 100점일 때만 저장됩니다. 화면 하단에 실시간 총점이 표시되고 색으로 상태를 알려 줍니다.
| 총점 상태 | 표시 | 저장 |
|---|---|---|
| 정확히 100점 | 초록색 · "✅ 자동 저장 완료" | 자동 저장됨 |
| 100점 미만 | 노란색 · "⚠️ 100점을 맞춰야 저장됩니다" | 저장 안 됨 |
| 100점 초과 | 빨간색 | 저장 안 됨 |
💡 항목을 수정하면 잠시 후 자동으로 저장됩니다(별도 저장 버튼 없음). 단, 총점이 100점이 아닐 때는 저장되지 않으며, 그 상태로 탭을 바꾸거나 창을 닫으려 하면 "변경사항이 저장되지 않았다"는 경고가 뜹니다.
⚠️ 기준표가 비어 있는 사업부의 리드는 평가를 실행할 수 없습니다. 처음 사용할 때는 항목·배점을 먼저 채워 100점을 맞춰 두세요.
5. AI 추가 평가 지침(커스텀 지침)
기준표 아래에는 AI 추가 평가 지침 입력란이 있습니다. 표로 다 담기 어려운 회사만의 판단 규칙을 자연어로 적어 두면, AI가 점수와 전략을 낼 때 기존 기준보다 우선해서 반영합니다.
| 항목 | 내용 |
|---|---|
| 위치 | 기준표 하단 "✨ AI 추가 평가 지침" |
| 적용 우선순위 | 기존 평가 원칙보다 최우선 반영 |
| 적용 범위 | 선택한 사업부 탭에만 적용 |
| 길이 제한 | 최대 2,000자 |
| 저장 | 입력하면 자동 저장(선택 사항) |
예시 지침:
"예산이 부족하더라도 결정권자(C-레벨)가 직접 문의한 경우 점수를
후하게 부여하고, 경쟁사 솔루션을 언급하면 보수적으로 평가하세요."💡 지침은 "왜 그렇게 점수를 매기는지"의 회사 고유 정책을 담는 자리입니다. 자주 바꾸기보다, 실제 수주 데이터를 보며 분기마다 다듬는 것을 권장합니다.
6. AI 너처링: 부족한 정보 질문 만들기
ICP 평가만으로는 한계가 있습니다. 고객이 처음 남긴 정보가 적으면 점수도 추정에 머물기 때문입니다. 너처링은 AI가 부족한 정보를 메우는 질문을 만들어 고객에게 정중하게 보내는 기능입니다.
6.1 너처링이 만드는 것
| 산출물 | 설명 |
|---|---|
| 첫인사(intro) | 과거 문의 이력이 있으면 그 맥락을 자연스럽게 언급, 없으면 생략 |
| 요약(summary) | 고객 문의의 핵심을 2~4문장으로 정리 |
| 질문(questions) | 아직 파악되지 않은 핵심 정보만 골라낸 질문 2~5개 |
| BANT 상태 | 예산·결정권자·니즈·일정의 현재 파악 수준 |
6.2 BANT란
너처링과 평가는 영업의 고전 프레임 BANT를 기준으로 정보 공백을 찾습니다.
| 항목 | 의미 | 질문 예 |
|---|---|---|
| Budget(예산) | 가용 예산 / 규모 | "가용 예산 범위를 알려주실 수 있을까요?" |
| Authority(결정권) | 의사결정 구조·결정권자 | "이번 건 최종 결정은 어느 분이 하시나요?" |
| Needs(니즈) | 핵심 요구·페인포인트 | "현재 가장 불편한 점은 무엇인가요?" |
| Timeline(일정) | 도입/착수 시기 | "언제부터 적용을 원하시나요?" |
6.3 자동 발송 vs 검토 후 발송(반자동)
너처링은 두 가지 모드로 동작합니다.
| 리드 유형 | 동작 |
|---|---|
| 웹 문의로 자동 유입 | AI 분석 직후 너처링 메일이 자동 발송되고, 리드 상태가 신규 → 접촉으로 전환됩니다 |
| 직접 등록 / 검토 운영 | AI 분석만 실행되어 결과가 저장됩니다. 담당자가 질문·요약을 검토·수정한 뒤 [발송] 버튼으로 직접 보냅니다 |
자동 발송 여부는 관리자 설정에서 켜고 끌 수 있습니다(기본 켬).
| 모드 | 동작 | 사용 상황 |
|---|---|---|
| 자동 발송 | 분석 직후 곧바로 고객에게 메일 발송 | 웹 문의로 들어온 리드 |
| 검토 후 발송 | 분석 결과만 저장, 담당자 확인 후 발송 | 수동 등록·중요 리드 |
💡 발송 전 요약과 질문을 미리보기로 확인하고 다듬을 수 있습니다. AI는 고객이 이미 적어 둔 정보를 다시 묻지 않도록 설계되어 있지만, 톤이나 우선순위는 담당자가 마지막에 손볼 수 있습니다.
⚠️ 이미 너처링 메일이 발송된 리드는 중복 발송이 막혀 있습니다. 다시 보내려면 새 분석을 거쳐야 합니다.
7. 고객 회신과 평가 재정교화
너처링 메일에는 고객 전용 공개 링크가 들어갑니다. 고객은 로그인 없이 그 링크에서 질문에 답할 수 있고, 답변은 다시 CRM으로 들어와 평가를 정교화하는 재료가 됩니다.
7.1 고객 회신 흐름
회신이 들어오면 리드 상태도 자동으로 정리됩니다. 상태가 '신규' 또는 '컨택'이었다면 '검증(qualified)' 단계로 자동 전환됩니다.
| 항목 | 설명 |
|---|---|
| 공개 링크 | 고객 전용 토큰이 담긴 URL(로그인 불필요) |
| 회신 기록 | 고객이 제출한 답변과 회신 시각이 리드에 저장 |
| 상태 자동 전환 | 신규/컨택 상태였다면 '검증' 단계로 자동 변경 |
| 중복 제출 방지 | 한 번 회신하면 이미 답변했음으로 표시 |
| 알림 | Slack 채널이 연동돼 있으면 영업 Slack 채널로 "답변 도착" 알림 전송 |
💡 공개 링크는 그 리드 한 건에만 연결됩니다. 고객은 자신의 문의 요약과 질문만 보게 되며, 다른 고객 정보에는 접근할 수 없습니다.
⚠️ 회신 알림은 공용 영업 Slack 채널로 전송됩니다(특정 담당자 개인에게 개별 발송되는 것이 아닙니다). Slack 채널 연동이 설정돼 있지 않으면 알림 단계는 건너뛰며, 회신 기록·상태 전환·재평가는 정상 동작합니다.
8. 확인된 정보 체크와 재평가
전화·미팅으로 알게 된 사실은 너처링 회신이 아니어도 평가에 반영할 수 있습니다. 평가 결과의 "확인 필요 질문" 각 항목에는 담당자가 직접 확인한 정보를 적어 둘 수 있습니다.
8.1 확인 체크 구조
| 요소 | 설명 |
|---|---|
| 질문 | AI가 만든 "확인 필요" 항목 |
| 확인 여부 | 담당자가 확인 완료로 체크 |
| 확인한 정보 | 실제로 파악한 내용을 기록 |
8.2 재평가가 정보를 다루는 방식
재평가를 실행하면 AI는 다음을 지능적으로 처리합니다.
| 동작 | 설명 |
|---|---|
| 확인 정보 반영 | 담당자가 적은 "확인한 정보"를 새 점수에 적극 반영 |
| 담당자 점수 보존 | 담당자가 직접 손본 항목 점수는 유지 |
| 질문 누적 | 기존 확인 질문은 유지하고, 새로 필요한 질문만 추가(중복 없이) |
| 점수·등급 갱신 | 총점·등급을 다시 계산해 저장 |
1차 평가에서 정보가 부족하면 보수적으로 채점하고 확인 질문을 만듭니다. 회신과 미팅에서 얻은 정보를 넣고 재평가하면 점수가 오르고 등급이 바뀔 수 있으며(예: Warm → Hot), 남은 정보 공백만 새 질문으로 추가됩니다.
💡 평가는 한 번 하고 끝내는 것이 아니라, 정보가 쌓일 때마다 다시 돌려 점점 정확해지는 도구입니다. 회신·미팅 직후 재평가를 습관화하면 등급의 신뢰도가 올라갑니다.
9. 사업부별 화법 분기(에이전시 / 솔루션)
같은 AI라도 사업부에 따라 평가 관점과 질문·전략의 화법이 다르게 동작합니다. 리드의 성격(에이전시형 / 솔루션형)에 맞춰 자동으로 분기됩니다.
| 구분 | 에이전시(구축형) | 솔루션(SaaS 구독형) |
|---|---|---|
| 영업 목표 | 디스커버리 미팅·범위 논의 | 제품 데모·무료 체험·온보딩 |
| 평가 관점 | 프로젝트 범위·예산·시급성 | 도입 시기·현재 도구의 한계·확장성 |
| 핵심 질문 | 예산·구축 방식·필수 연동 | 사용 인원(라이선스)·데이터 이전·연동 |
| 전략 화법 | 포트폴리오·장기 안정성 레퍼런스 | 빠른 온보딩·데이터 마이그레이션·윈백 |
| 금지 표현 | 자사 역량을 의심하는 자문 금지 | "견적/구축" 같은 SI 용어 대신 SaaS 용어 |
💡 솔루션 리드의 경우 AI는 자연스럽게 연계 제품(파트너포털 등) 크로스셀링 관점도 질문·전략에 녹입니다. 회사 전략에 맞지 않으면 발송 전 미리보기에서 정리하세요.
⚠️ 모든 화법 분기에는 공통 안전장치가 있습니다. AI는 검증되지 않은 수치(예: "매출 200% 보장", "6개월 내 투자비 회수")를 전략에 쓰지 않도록 제한되어 있습니다.
9.1 화면에 보이는 등급은 양 사업부 모두 동일 기준(50점/30점)
내부적으로 AI가 점수를 매길 때 참고하는 등급 설명은 사업부에 따라 표현이 조금 다릅니다(솔루션 분기는 "Hot 80점·Warm 40점"이라는 일반적 SaaS 관례 문구를, 에이전시 분기는 기준표 만점 대비 50점·30점 문구를 안내). 하지만 이는 어디까지나 AI가 점수의 분포 감각을 잡는 데 쓰는 안내 문구일 뿐입니다.
최종적으로 화면에 표시되는 Hot/Warm/Cold 등급은 사업부와 무관하게 동일한 서버 기준으로 계산됩니다.
| 구분 | 값 | 적용 범위 |
|---|---|---|
| Hot 경계 | 50점 이상 | 에이전시·솔루션 공통 |
| Warm 경계 | 30점 이상 ~ 50점 미만 | 에이전시·솔루션 공통 |
| Cold 경계 | 30점 미만 | 에이전시·솔루션 공통 |
💡 즉 "솔루션 리드라서 80점을 넘겨야 Hot이 되는" 것이 아닙니다. 두 사업부 모두 기준표 만점 100점 기준 50점/30점에서 등급이 갈립니다(3장 점수 구간과 동일). 사업부 차이는 등급 경계가 아니라 질문·전략의 화법과 평가 관점에서 나타납니다.
10. 영업 지식베이스(Sales Knowledge Base)
지식베이스는 팀의 영업 노하우·사례·자료를 한곳에 모아 두는 공간입니다. 영업 화면 우측의 Sales Knowledge Base 서랍에서 관리합니다.
10.1 등록할 수 있는 자료
서랍 상단에는 두 개의 등록 버튼이 있습니다. 📎(클립) 아이콘으로 파일을 업로드하거나, ✨ 새 지식 버튼으로 메모를 직접 작성합니다.
| 유형 | 등록 방법 | 설명 |
|---|---|---|
| 메모(직접 작성) | ✨ 새 지식 버튼 | 노하우·후기·전략을 블록 에디터로 작성 |
| 파일 | 📎 클립 아이콘 | 제안서·자료 등 파일 업로드 |
| 🤖 AI 자동생성 사례 | 자동(수주·실주 시) | 수주·실주 회고가 자동으로 쌓인 항목(11·12장) |
💡 링크(URL) 항목이 목록에 보이면 누르면 새 창으로 열립니다. 다만 서랍에서 직접 새 링크를 등록하는 버튼은 없으며, 사람이 추가하는 자료는 파일 업로드와 메모가 기본입니다.
10.2 작성 화면과 긴 글 자동 분할
지식베이스에는 AI가 자동 생성한 사례와 팀원이 직접 쓴 지식이 함께 쌓입니다. AI 생성분에는 🤖 배지와 "수주/실주 결과에서 보기" 링크가 붙어 원본 기회로 바로 이동할 수 있습니다. 상단의 [✨ 새 지식] 으로 직접 등록합니다.
| 항목 | 설명 |
|---|---|
| 작성/수정 | 블록 에디터(헤더·리스트·체크박스 등 지원) |
| 글자 수 표시 | 작성 중 글자 수·비율을 막대로 표시 |
| 자동 분할 | 한 항목이 너무 길면 여러 개로 나눠 저장(예: "(1/3)") |
| 작성자 표시 | 사람 작성 항목은 작성자 이니셜, AI 사례는 🤖 배지 |
💡 자료는 짧고 주제가 또렷할수록 AI 검색에 잘 걸립니다. 하나의 긴 문서보다 사례·교훈 단위로 쪼개 올리는 편이 평가·전략 반영에 유리합니다.
11. 지식베이스 AI 검색이 평가에 반영되는 방식
지식베이스는 단순 보관함이 아닙니다. ICP 평가를 돌릴 때 AI가 의미 기반으로 유사 과거 사례를 찾아 평가·전략에 자동으로 참고합니다.
11.1 의미 기반(시맨틱) 검색
키워드가 정확히 일치하지 않아도, 뜻이 비슷한 자료를 찾아냅니다. 예를 들어 신규 리드가 "노후 사이트 리뉴얼" 문의라면, 과거의 비슷한 리뉴얼 수주/실주 사례를 자동으로 끌어와 참고합니다.
| 특성 | 설명 |
|---|---|
| 검색 방식 | 의미 유사도 기반(단순 단어 일치가 아님) |
| 참고 건수 | 평가 1건당 가장 유사한 소수의 사례만 선별 |
| 적용 시점 | ICP 평가·재평가를 실행할 때 자동 |
11.2 사업부별 사례 활용 원칙
| 사업부 | 과거 사례 활용 방식 |
|---|---|
| 에이전시 | 유사 조건에서 실주한 이유를 보고 관련 항목을 보수적으로 평가, "과거엔 이 점이 중요했다"는 전략적 질문 추가 |
| 솔루션 | 구축형 사례라도 영업 논리·페인포인트·리스크만 추출해 SaaS 구독 관점으로 변환 적용 |
💡 즉 회사에 사례가 쌓일수록 AI 평가의 근거가 풍부해집니다. 지식베이스 관리가 곧 평가 품질 향상으로 이어지는 구조입니다.
⚠️ 의미 기반 검색은 사례가 충분히 쌓여 있을 때 효과가 큽니다. 도입 초기에는 참고할 사례가 적어 평가가 입력 정보 위주로 이뤄질 수 있습니다.
12. 수주·실주 자동 사례화
기회가 수주 또는 실주로 마무리되면, 그 결과를 AI가 회고록(케이스 스터디) 형태로 정리해 지식베이스에 자동 저장합니다. 사람이 따로 정리하지 않아도 사례가 자산으로 쌓입니다.
12.1 자동 회고록 구성
| 섹션 | 내용 |
|---|---|
| 고객 배경 | 기록에 명시된 고객사 정보 |
| 핵심 페인포인트 | 문의·활동에 나타난 고객 문제 |
| 우리 제안 전략 | 실제 기록된 제안 내용 |
| 견적 규모·조건 | 견적서에 명시된 항목·금액 |
| 결과 및 사유 | 수주/실주 결과와 기록된 사유 |
| 🌟 AI 레슨런 | 데이터에서 확인된 인사이트 2~3가지 |
12.2 자동 사례화의 안전 규칙
| 규칙 | 설명 |
|---|---|
| 사실 기반 | 기록에 있는 내용만 작성, 추측·과장 금지 |
| 데이터 부족 표기 | 근거가 없는 섹션은 "데이터 없음"으로 명시 |
| 중복 방지 | 같은 기회의 회고록이 이미 있으면 다시 만들지 않음 |
| 검색 연결 | 저장된 사례는 이후 ICP 평가의 의미 기반 검색 대상이 됨 |
💡 자동 생성된 사례에는 "수주/실주 결과에서 보기" 링크가 붙어, 원본 기회로 바로 이동할 수 있습니다. 가명 예: 도원물산 수주 사례, 라온커머스 실주 사례.
13. 운영 팁 & 자주 묻는 질문
운영 팁
- 기준표는 처음엔 단순하게 두고, 실제 수주 데이터를 보며 항목·배점을 다듬으세요.
- 정보가 적은 리드는 점수만 보지 말고 신뢰도(낮음) 와 확인 질문을 함께 보세요.
- 너처링은 발송 전 미리보기로 질문을 정리한 뒤 보내세요.
- 회신·미팅 직후 재평가를 습관화하면 등급이 점점 정확해집니다.
- 사례·노하우는 주제 단위로 쪼개 지식베이스에 올려 검색 적중률을 높이세요.
자주 묻는 질문
Q. 점수가 낮으면 버려야 하나요?
아니요. 낮은 점수는 적합도가 낮은 경우도 있지만, 정보가 부족해 보수적으로 매겨진 경우도 많습니다. 신뢰도와 확인 질문을 보고 너처링으로 보강한 뒤 재평가하세요.
Q. 등급 경계(50점/30점)는 바꿀 수 있나요?
등급은 기준표 만점이 100점일 때를 전제로 동작합니다. 사업부 성격은 기준표 항목·배점과 AI 추가 지침으로 조정하세요.
Q. 솔루션 리드는 80점이 넘어야 Hot인가요?
아니요. 화면에 표시되는 등급은 두 사업부 모두 50점/30점 기준으로 동일하게 계산됩니다(9.1 참고). AI가 점수를 매길 때 참고하는 내부 안내 문구만 사업부별로 조금 다를 뿐, 최종 등급 경계는 같습니다.
Q. 회신이 오면 알림은 누구에게 가나요?
공용 영업 Slack 채널로 "답변 도착" 알림이 갑니다(특정 담당자 개인 발송이 아님). Slack 채널 연동이 없으면 알림만 생략되고, 회신 기록·상태 전환·재평가는 정상 진행됩니다.
Q. 사업부 기준이 저장되지 않아요.
배점 합계가 정확히 100점이어야 저장됩니다. 하단 총점이 노란색(미만)이나 빨간색(초과)이면 저장되지 않습니다.
Q. 너처링 메일을 두 번 보낼 수 있나요?
이미 발송된 리드는 중복 발송이 막혀 있습니다. 새로 분석을 거치면 다시 보낼 수 있습니다.
Q. AI가 고객이 이미 적은 내용을 또 묻지 않을까요?
AI는 고객이 입력한 정보를 다시 묻지 않도록 설계되어 있습니다. 다만 발송 전 미리보기에서 한 번 확인하는 것을 권장합니다.
Q. 지식베이스에 자료가 없어도 평가가 되나요?
됩니다. 사례가 없으면 입력 정보와 기준표만으로 평가하고, 사례가 쌓일수록 과거 사례를 참고해 근거가 풍부해집니다.
Q. 'AI 자동생성' 사례는 누가 만든 건가요?
기회가 수주/실주로 마무리될 때 AI가 기록을 바탕으로 자동 작성한 회고록입니다. 🤖 배지로 사람 작성 항목과 구분됩니다.