적극적인 정보 탐색을 향하여: 고객 서비스 챗봇이 대화를 통해 가치를 창출하는 방법

Towards Proactive Information Probing: Customer Service Chatbots Harvesting Value from Conversation

고객 서비스 챗봇은 사용자를 위한 단순한 반응형 지원 도구로서의 역할을 넘어, 고가치 정보와 비즈니스 인텔리전스를 수집하는 전략적 인터페이스로서 점점 더 중요한 역할을 수행할 것으로 기대됩니다. 이에 본 연구에서는 다음과 같은 세 가지 주요 기여를 합니다. 1) 우리는 사전 정의된 목표 정보를 얻기 위해 사용자를 언제 쿼리해야 하는지를 최적화하고, 대화 횟수와 사용자 불편함을 최소화하는 새로운 작업인 '적극적인 정보 탐색'을 소개하고 정의합니다. 2) 우리는 특수화된 대화 전략 모듈을 사용하여 쿼리 시점을 정교하게 제어하는 'PROCHATIP'이라는 적극적인 챗봇 프레임워크를 제안합니다. 3) 실험 결과, PROCHATIP은 기준 모델보다 훨씬 우수한 성능을 보이며, 정보 탐색 능력과 서비스 품질 모두에서 뛰어난 결과를 나타냅니다. 본 연구는 챗봇의 상업적 유용성을 효과적으로 재정의하며, 챗봇을 확장 가능하고 비용 효율적인 적극적인 비즈니스 인텔리전스 엔진으로 자리매김할 수 있도록 합니다. 본 연구의 코드는 https://github.com/SCUNLP/PROCHATIP 에서 확인할 수 있습니다.

Customer service chatbots are increasingly expected to serve not merely as reactive support tools for users, but as strategic interfaces for harvesting high-value information and business intelligence. In response, we make three main contributions. 1) We introduce and define a novel task of Proactive Information Probing, which optimizes when to probe users for pre-specified target information while minimizing conversation turns and user friction. 2) We propose PROCHATIP, a proactive chatbot framework featuring a specialized conversation strategy module trained to master the delicate timing of probes. 3) Experiments demonstrate that PROCHATIP significantly outperforms baselines, exhibiting superior capability in both information probing and service quality. We believe that our work effectively redefines the commercial utility of chatbots, positioning them as scalable, cost-effective engines for proactive business intelligence. Our code is available at https://github.com/SCUNLP/PROCHATIP.