견적·도입 문의 전화를 영업 리드로: AI 인바운드 리드 분류

AI 인바운드 리드 분류는 견적·도입 문의 전화를 음성 AI가 먼저 받아 회사 규모, 도입 시점, 필요한 기능 같은 질문으로 문의를 정리하고, 조건이 맞는 문의는 영업 담당자에게 바로 연결하며 나머지는 등급을 매겨 CRM에 넣는 구성입니다. KAT Cloud(캣클라우드)에서는 문의 전화번호에 음성 AI를 연결하고, 즉시 연결은 AI→직원 연결(핸드오프)로, 등급 판정과 CRM 기록은 CALL_COMPLETED 웹훅을 받은 내 서버에서 처리합니다. 이 글은 실제 기업 사례가 아니라 매장용 소프트웨어를 판매하는 B2B 회사를 가정한 설계 예시입니다.

문의 전화가 리드가 되지 못하는 이유

B2B 회사의 대표 문의 번호에는 성격이 다른 전화가 섞여 들어옵니다. 다음 달 도입을 검토하는 회사, 가격만 알아보는 개인 사업자, 기존 고객의 사용 문의, 거꾸로 영업하러 온 전화, 채용 문의까지 같은 번호로 옵니다. 영업 담당자가 미팅 중이면 이 중 가장 중요한 전화를 놓치고, 받더라도 담당자마다 묻는 항목이 달라 CRM에 남는 정보가 들쭉날쭉해집니다.

리드 분류의 목적은 두 가지입니다. 바로 이야기해야 할 문의를 놓치지 않는 것, 그리고 모든 문의를 같은 항목으로 기록하는 것입니다.

AI가 묻는 질문과 분류 기준

AI 에이전트의 응대 지침에는 묻는 순서와 기준을 문장으로 적습니다. 질문이 길어지면 고객이 끊고 싶어지므로 다섯 개 안팎으로 줄입니다. 응대 지침과 음성 모델은 KAT Cloud 콘솔에서 설정합니다.

1. 1어떤 일로 연락했는지(도입 문의, 기존 고객 문의, 기타)
2. 2업종과 규모(예: 매장 수, 사용 인원)
3. 3해결하려는 문제나 필요한 기능
4. 4도입을 원하는 시점
5. 5회신받을 연락처와 편한 시간(발신번호와 다를 때)

예산은 처음부터 묻지 않고, 고객이 가격을 먼저 물으면 공개된 요금 범위만 안내한 뒤 견적은 담당자가 드린다고 답하게 합니다. 답을 바탕으로 문의를 세 갈래로 나눕니다.

즉시 연결 기준(예: "도입 시점이 1개월 안이고 매장 5곳 이상")은 응대 지침에 적어 AI가 통화 중 판단하게 하고, 그 밖의 세밀한 등급은 통화가 끝난 뒤 서버가 요약을 보고 매깁니다. 기존 고객 문의는 고객지원 담당에게 넘기고, 영업 제안이나 채용 문의는 메모만 남기고 정중히 마무리합니다.

KAT Cloud로 구성하기

번호와 연결 대상

회사 문의 번호를 그룹 하나로 만들면 070 번호가 발급됩니다. 영업 담당자는 그룹 멤버로 두어 AI→직원 연결 통화를 받게 하고, 대표번호가 필요하면 대표번호 부가서비스(1개당 월 30,000원)를 함께 씁니다. 연결이 일어나면 CALL_RECEIVED 웹훅에 handOffReason이 실려 옵니다. 담당자가 전화를 받기 전에 사유와 고객 번호를 메신저로 보내 두면 앞의 질문을 반복하지 않고 바로 상담을 이어 갈 수 있습니다. 연결 설계는 AI에서 사람으로: 상담원 연결 설계에서 자세히 다룹니다.

음성 모델

리드 분류 통화는 건수가 많지 않고 한 통의 가치가 큽니다. 그래서 다른 업종보다 높은 가격대 모델을 고를 여지가 있습니다. 이 글은 분당 140원인 gpt-realtime-2.1과 분당 30원인 Gemini 3.8 Live 두 경우로 계산합니다. 어느 모델이 질문 순서를 잘 지키고 고객 답을 정확히 받아 적는지는 실제 문의와 비슷한 시나리오로 시험 통화를 해 보고 정합니다. 모델별 단가는 AI 모델 목록에 있습니다.

CALL_COMPLETED로 등급 매기고 CRM에 넣기

CALL_COMPLETED 웹훅에는 summary, AI 구간 대화 sttAI, 영업 담당자 구간 대화 sttDirect, tag가 들어옵니다. 서버는 sttAI에서 다섯 가지 질문의 답을 뽑아 CRM 필드에 넣고, 규칙이나 LLM으로 등급을 매깁니다. tag가 AI_TO_DIRECT면 즉시 연결된 리드로 표시합니다. 데이터 구조는 통화 받아쓰기와 요약 데이터 구조에, 전화번호로 기존 고객을 찾아 CRM에 붙이는 방법은 CRM에 통화 기록 남기기에 있습니다.

def to_lead(data: dict) -> dict:
    # CALL_COMPLETED 의 data 를 CRM 리드 한 건으로 바꾼다
    said = " ".join(t["text"] for t in data.get("sttAI", []) if t["role"] == "customer")
    return {
        "phone": data["fromNumber"],
        "call_id": data["callHistoryId"],
        "summary": data.get("summary"),
        "connected_to_sales": data.get("tag") == "AI_TO_DIRECT",
        "grade": grade_lead(said),  # 내 규칙 또는 LLM
    }

통화가 끝난 뒤 미팅 일정이나 소개 자료 안내는 POST /chat-room → POST /chat으로 같은 번호에서 보냅니다. 요청 필드는 채팅 API 문서에 있습니다.

한 달 비용 가늠하기

아래 가정으로 계산합니다. 금액은 모두 부가세 별도입니다.

• 비즈니스 플랜(월 50,000원, 수신 3,000분·SMS 200건 포함)
• 문의 전화 월 300건, AI 구간 통화당 4분 → AI 1,200분
• 그중 60건은 영업 담당자에게 즉시 연결, 담당자 구간 평균 8분 → 480분
• AI 받아쓰기·요약 사용(각 분당 10원)
• 후속 안내 문자 250건(SMS)

계산식은 "50,000원 + 수신 초과분 × 3원 + AI 1,200분 × 모델 단가 + 수신 1,680분 × 20원 + (250 − 200)건 × 10원"입니다.

대표번호를 함께 쓰면 각 합계에 월 30,000원이 더해집니다. 두 모델의 차이는 이 가정에서 월 132,000원이므로, 이 금액을 리드 한 건의 가치와 비교해 정합니다. 요금 구조는 요금 안내에 있습니다. 개발 없이 문의 전화 응대만 바로 붙이고 싶다면 사업자용 AI 업무전화 앱 제로콜도 있습니다.

도입 전에 챙길 점

• 녹음 고지: 첫 인사에 녹음 사실과 목적(상담 기록)을 알립니다.
• 수집 항목과 광고 동의: 리드 분류에 필요한 항목만 묻습니다. 통화에서 받은 연락처로 나중에 광고성 문자를 보내려면 별도의 수신 동의가 필요할 수 있으므로 상담 안내와 광고를 구분합니다. 실제 적용은 법률 검토가 필요합니다.
• 연결 실패: 영업 담당자가 모두 통화 중이거나 미팅 중일 때를 대비해, 즉시 연결 조건에 맞았는데 tag가 AI로 끝난 통화는 서버가 찾아 우선 콜백 목록에 올리고 담당자에게 다시 알립니다.
• 가격 안내 범위: AI가 할인이나 맞춤 견적을 약속하지 않도록, 공개된 요금 범위 밖의 질문은 담당자에게 넘긴다고 지침에 적습니다.
• 웹훅 누락: 웹훅은 10초 안에 2xx로 응답해야 성공으로 처리됩니다. 리드는 한 건도 놓치면 안 되므로 GET /call-history에 updatedAfter 커서를 넣은 보충 조회를 함께 돌려 CRM과 맞춰 봅니다.

자주 묻는 질문

AI가 리드 등급까지 매겨 주나요?

이 글의 구성에서 KAT Cloud는 통화 요약과 받아쓰기를 CALL_COMPLETED 웹훅으로 전달하고, 리드 등급은 그 데이터를 받은 내 서버가 규칙이나 LLM으로 매깁니다. 통화 중에 판단해야 하는 즉시 연결 기준만 AI 에이전트의 응대 지침에 적어 둡니다.

영업 담당자에게 연결될 때 앞의 대화 내용을 알 수 있나요?

KAT Cloud는 AI→직원 연결이 일어날 때 CALL_RECEIVED 웹훅에 전환 사유(handOffReason)를 담아 보냅니다. 이 사유를 담당자 메신저로 보내면 담당자가 전화를 받기 전에 문의 요지를 볼 수 있고, 통화 전체 내용은 통화가 끝난 뒤 CALL_COMPLETED의 요약과 받아쓰기로 확인합니다.

문의 전화가 많지 않은데 높은 가격대 모델을 써도 되나요?

KAT Cloud의 음성 모델 요금은 AI가 실제로 동작한 시간에만 분당 단가로 청구되므로, 문의 전화가 적은 회사는 높은 가격대 모델을 써도 월 금액이 크게 늘지 않습니다. 이 글의 가정(AI 1,200분)에서는 분당 140원 모델과 30원 모델의 차이가 월 132,000원입니다.