# Transforming the Voice of the Customer: Large Language Models for Identifying Customer Needs

### 저자

Artem Timoshenko, Chengfeng Mao, John R. Hauser

### 💡 개요

본 연구는 고객의 요구사항(CNs)을 식별하는 전통적인 VOC(Voice-of-the-Customer) 방식이 전문가의 수동 해석에 의존하여 시간과 비용이 많이 들고 확장성이 떨어진다는 문제를 제기합니다. 이에 연구팀은 대규모 언어 모델(LLM)을 활용하여 CNs 추출을 자동화하는 방법을 제안하고, 지도 미세 조정(SFT)된 LLM이 전문 분석가와 동등하거나 그 이상의 성능을 보임을 입증했습니다. 이는 LLM이 CNs 형식의 문법적, 의미론적 규칙을 학습하여 환각 없이 원본 내용에 기반한 구체적이고 혁신을 안내할 수 있는 CNs를 생성할 수 있음을 시사합니다.

### 🔑 시사점 및 한계

- LLM, 특히 지도 미세 조정(SFT)된 모델은 고객 요구사항(CNs) 추출이라는 인지적으로 어렵고 시간이 많이 소요되는 작업을 자동화하여 VOC 프로세스의 효율성과 확장성을 획기적으로 개선할 수 있습니다.

- SFT를 통해 LLM은 단순히 내용을 암기하는 것이 아니라, 전문적인 CNs 형성에 필요한 문법적, 의미론적 규칙을 학습하여 혁신을 위한 실질적인 통찰력을 제공할 수 있습니다.

- 본 연구에서 사용된 LLM은 비교적 작은 규모에서도 효과적이었으며, 이는 다양한 기업 환경에서 LLM 기반 VOC 솔루션 도입 가능성을 높입니다.

- 향후 연구에서는 다양한 산업 및 언어에 걸쳐 LLM의 일반화 성능을 더욱 검증하고, 실제 비즈니스 의사결정에 미치는 영향을 정량적으로 평가하는 것이 필요합니다.

[PDF 보기](https://arxiv.org/pdf/2503.01870)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).