자연어 처리와 토픽모델링을 활용한 고객 불만 분석 및 품질관리 체계 연구 : ICT 산업 중심으로 = A Study on Customer Complaint Analysis and Service Quality Management Using NLP and Topic Modeling: Focusing on the ICT Industry

국문 초록 (Abstract)

정보통신기술(ICT)의 고도화와 디지털 전환은 초고속인터넷, IPTV, 전화 등 유선통신 서비스 품질관리의 패러다임을 변화시켰다. 기존에는 고장률, 복구시간 등 정형 지표로 품질을 평가했으나, 최근에는 고객 체감품질(QoE)과 고객의 소리(VoC)가 서비스 품질을 대표하는 핵심 지표로 부상하였다. 그러나 상담원의 수동 입력, 비일관적 분류, 데이터 불일치로 인해 품질관리의 효율성을 저하시키고 있으며, 비정형 텍스트 기반 VoC 데이터의 체계적 분석이 필요한 상황이다.
본 연구는 유선 정보통신기업의 고객 불만 데이터를 인공지능 기반 자연어 처리(NLP) 기법으로 분석하여, 기존의 주관적 품질관리 체계를 데이터 기반 지능형 품질경영(Intelligent Quality Management; IQM) 체계로 전환하는 것을 목표로 한다. 이를 위해 BERT 기반 고객 불만 분류, 한국어 특화 임베딩 모델인 KoBERT와 문맥 기반 토픽모델 BERTopic을 결합한 분석 프레임워크를 제안하였다.
1단계에서는 BERT 기반 모델을 이용해 고객 상담 텍스트를 ‘일반 문의’와 ‘서비스 불만’으로 자동 분류하고, 불만 데이터를 8개 A/S 카테고리로 세분화하였다. 2단계에서는 BERTopic을 활용하여 불만 데이터의 의미 패턴을 군집화하고, 주요 토픽과 품질 저하 요인 간의 연관성을 도출하였다.
분석 결과, 전체 문서의 99.7%가 유효 토픽에 할당되었으며, ‘인터넷 품질’, ‘TV 품질’, ‘고객 단말 장비 및 환경 A/S’, ‘A/S 접수 후 정상’, ‘통신 프로토콜’ 등 5개의 주요 토픽이 핵심 그룹으로 형성되었다. 특히, 인터넷·IPTV 관련 불만이 전체의 약 73.8%를 차지하여 고객 체감품질이 기업 평가와 직접적으로 연계됨을 확인하였다. 또한 UMAP 기반 거리 맵(Distance Map) 분석을 통해 토픽 간 의미적 유사성을 시각화한 결과, 고객 체감품질 중심 그룹과 운영·망 관리 중심 그룹으로 구분되는 이원적 품질관리 구조가 도출되었다.
본 연구는 BERT와 BERTopic 모델을 기반으로, 품질관리 데이터의 자동화·지능화 구조를 제시함으로써 지능형 품질경영시스템(IQM) 적용 가능성을 실증하였다. VoC → 자동 분류 → 토픽 도출 → 정책 반영으로 이어지는 데이터 흐름을 KPI, SLA, CoQ(품질비용)와 연계 가능한 구조로 설계하여, 데이터 기반 품질관리의 실무 적용 기반을 마련하였다. 이를 통해 고객 불만 분류 자동화, 불필요한 현장 출동 감소, 반복 민원 예방 등 품질관리 프로세스의 일관성과 대응 체계를 고도화하고, 데이터 기반 의사결정을 지원하는 지능형 품질관리 체계 구축의 가능성을 제시하였다.
학문적으로 본 연구는 품질경영시스템(QMS) 연구에 자연어 처리 기반비정형 데이터 분석을 접목함으로써, 정형 데이터 중심의 품질관리 연구를 언어 기반 고객 경험 분석으로 확장하였다는 점에 의의가 있다. 산업적으로는 VoC 데이터를 실시간으로 분석하여 서비스 품질 저하 요인을 조기 탐지하고, 이를 고객 만족 및 기업 평가지수(NCSI, KS-SQI 등) 개선에 활용할 수 있는 QMS 고도화 프레임워크의 근거를 마련했다는 점에서 실무적 의의가 있다.

다국어 초록 (Multilingual Abstract)

The advancement of Information and Communication Technology(ICT) has transformed the quality management paradigm in wired communication services such as high-speed Internet, IPTV, and landline telephony. While traditional indicators like failure rate and recovery time measured service quality, customer-perceived quality(QoE) and the Voice of Customer(VoC) have recently become key evaluation metrics. However, manual data entry and inconsistent classification have limited the efficiency of quality management, highlighting the need for systematic analysis of unstructured VoC text data.
This study proposes a data-driven Intelligent Quality Management(IQM) framework using artificial intelligence(AI)-based natural language processing(NLP) techniques to analyze large-scale customer complaints from a major wired telecom provider. A two-stage framework was designed by integrating BERT-based classification, KoBERT embedding, and BERTopic modeling. The first stage automatically classified customer inquiries into general inquiries and service complaints, subdividing complaints into eight A/S categories. The second stage applied BERTopic to identify semantic clusters and extract key topics related to service degradation.
The analysis showed that 99.7% of the data were assigned to valid topics, forming five main groups: Internet Quality, TV Quality, Customer Device Equipment and Environment, Normal A/S Cases, and Wired Telephony Quality. Internet and IPTV-related complaints accounted for 73.8%, revealing their direct linkage to customer experience. The UMAP-based Distance Map visualized topic relationships, identifying two distinct groups: customer-experience-centric and operations and network-management-centric.
This study empirically demonstrates the applicability of an Intelligent Quality Management(IQM) system by developing an automated BERT-BERTopic-based framework that integrates VoC collection, automated classification, topic extraction, and policy feedback with KPI, SLA, and CoQ indicators, establishing a data-driven foundation for quality management and suggesting improvements in operational efficiency and the enhancement of quality management processes through automated complaint handling and issue prevention.

목차 (Table of Contents)

• 제1장 서론
• 제1절 연구의 배경과 목적 1
• 1. 연구 배경 1
• 2. 연구 목적 3
• 제2절 연구의 차별성 5
• 제2장 이론적 배경 및 선행 연구
• 제1절 품질경영시스템 및 품질비용 7
• 1. 품질경영시스템(QMS) 7
• 2. 지능형 품질경영(IQM) 10
• 3. ICT 산업의 품질비용 12
• 4. 고객 불만 기반 품질경영 체계와 PAF 모델 연계 16
• 제2절 자연어 처리 기반 토픽 분석 18
• 1. 자연어 처리(NLP) 18
• 2. BERT 22
• 3. BERTopic 24
• 4. KoBERT 26
• 5. 토픽모델링 28
• 6. 토픽모델링 기반 품질 개선 및 비용 절감 32
• 제3장 연구 방법
• 제1절 연구의 개요 및 절차 34
• 제2절 데이터 구성 및 전처리 38
• 1. 데이터 출처 및 규모 38
• 2. 불용어 처리 및 전처리 절차 39
• 제3절 1단계: 자연어 처리 기반 고객 불만 분류 및 A/S 카테고리 선별 40
• 1. 일반 문의와 서비스 불만 분류 40
• 2. A/S 카테고리 선별 모델 43
• 제4절 2단계: 토픽모델링 기반 고객 불만 분류 및 서비스 개선 47
• 1. 토픽모델링 절차 47
• 2. 데이터셋과 전처리 48
• 3. KoBERT 임베딩 49
• 4. BERTopic 하이퍼파라미터 설정 50
• 5. 토픽 도출과 품질 요인 매핑 52
• 6. 기대 효과 및 품질경영시스템(QMS) 연계 54
• 제4장 연구 결과
• 제1절 1단계: 자연어 처리 기반 고객 불만 분류 및 A/S 카테고리 선별 성능 55
• 1. 일반 문의와 서비스 불만 민원 분류 성능 55
• 2. A/S 카테고리 선별 성능 57
• 제2절 2단계: 토픽모델링 기반 고객 불만 분류 성능 63
• 1. KoBERT 임베딩 63
• 2. BERTopic 모델링 65
• 제5장 결론
• 제1절 연구의 종합적 논의 73
• 1. 연구 결과의 요약 73
• 2. 연구의 의의 및 한계 76
• 제2절 연구의 시사점 76
• 1. 학술적 시사점 76
• 2. 실무적 시사점 77
• 제3절 연구의 한계점 및 향후 연구 방향 79
• 1. 데이터 및 모델 측면의 한계 79
• 2. 품질 지표 연동 및 정량 검증의 한계 80
• 3. 시스템화 및 실무 적용의 한계 82
• 참고문헌 83
• Abstract 100
• 부 록 102