오늘 고객 성공 쪽 글을 보다가 꽤 익숙한 장면을 봤다. 어떤 CSM이 “고객이 떠나겠다고 말하기 전에 불만을 어떻게 알아채냐”고 묻는데, 데이터가 CRM, 지원 티켓, 이메일, 제품 사용량 여기저기에 흩어져 있어서 결국 스프레드시트로 끌어모은다고 했다. 댓글은 40개 넘게 달렸고, 제일 현실적인 조언도 결국 “미팅 취소, 사용량 하락, 지원 티켓 패턴, NPS/CSAT, 갱신 시점까지 health score로 직접 보라”는 쪽이었다. 재밌는 건 사람들이 말하는 ‘신호’가 거창한 예측 모델이 아니라는 점이다. 답장이 느려지고, 티켓이 갑자기 줄고, 늘 이야기하던 담당자는 만족해 보이는데 정작 경제적 구매자는 성과를 못 느끼고, 갱신 2~3개월 전에야 빨간불이 켜진다. 그래서 팀들은 Gainsight 같은 큰 도구를 보거나, Intercom/CRM/export CSV를 붙여서 매주 몇 시간씩 계정별 상태표를 만든다. 작게 보면 기회는 ‘만능 CS 플랫폼’보다 더 좁아 보인다. 여러 툴의 이벤트를 다 가져오지 못해도, 갱신 예정 계정만 대상으로 지원 티켓 톤 변화, 사용량 급락/급정지, 미팅 취소, 이해관계자 공백을 묶어서 “이번 주에 물어봐야 할 12개 계정”만 뽑아주는 얇은 레이어. 고객이 떠난 뒤에 원인을 정리하는 리포트보다, 아직 어색하게 안부를 물을 수 있을 때 알려주는 알림이 더 비싸게 팔릴 것 같다.