AI 퀴즈
인사이트
1. 제품 개발 초기 : 아이디어 발굴, 시장 조사+기획 → 사용자 타겟군 정의, 시장 규모 파악, 경쟁 분석
2. 초기 단계에서 가장 중요한 것은 시장 검증 = 사업 성공 가능성 검증 단계
3. 현실성 + 우선순위 결정 = 지금 할 수 있는 것들 중 가장 효과적인 순서를 찾는 것 = 만족도 + 비용을 함께 봐야 함
4. 데이터 기반 문제 정의: 측정 가능한 수치와 지표를 통해 문제를 명확히 정의, 접근
5. 정성+정량 지표의 결합이 중요 = 정성을 기반으로 정량 근거로 뒷받침
예) 로딩이 느리다 → 평균 로딩시간 5초, 업계 기준은 2초다 / 결제 버튼이 불편하다 → 결제 화면 진입 후 이탈률이 20%다
예) 사용자가 많이 떠난다 x 주간 이탈률이 35%에서 25%로 개선되어야 한다.
6. 성능 요소: 구현 정도, 만족도가 직선 비례 / 크면 더 좋고, 없으면 불편하고
7. 매력 요소: 없어도 딱히 불편하진 않은데 있으면 갑자기 대만족
8. 중요한 기준은 올라가는 패턴 서서히 올라가는지(성능) 가파르게 올라가는지(매력) 없었을 때 불만 생성 여부(O 성능, X 매력)
9. 단, 기본 요소가 확보된 다음에 성능 요소가 확보되어야 한다.
서비스 기획 입문 과제
네이버플러스 스토어 리뷰 분석 + 문제 정의 + 가설 수립, 검증 + 해결방안 + 기대 효과
1. 목표 정의
‘탐색과 발견’ 경험을 극대화 시킴으로서 ‘’생활 밀착 발견형 어플”로 자리매김하여 사용자의 구매 편의성 증진을 도모한다.
2. 리뷰 데이터 분석 및 카테고리 분류
- 데이터 분석 및 카테고리 분류
“장점은 곧 약점이다.”
”구매 편의성에 대한 만족이 두드러지게 나타났는데, 동일하게 구매 편의성에서 사용자의 안좋은 경험이 두드러지게 나타났다.”
리뷰 데이터 사용자 경험 기준 긍정적 의견
| 카테고리 | 주요 내용 | 언급 빈도 | 비율 |
| UX/UI | 접근성 용이(3), 직관적인 구조, 앱푸시를 통한 혜택 알림 | 5 | 9% |
| 구매 편의성 | 다양한 상품, 간편함(3), 저렴함, 빠른 배송(2), 초개인화를 통한 탐색시간 단축(2) 검색 고도화를 통한 탐색시간 단축 | 9 | 16% |
| 멤버십/혜택 | 쉬운 접근성, 다양한 혜택(5/이벤트, 적립금, 할인, 쿠폰) | 6 | 11% |
| CS/브랜드 신뢰도 | 친절하고 신속한 대응, 네이버에서 만든 것만 사용 | 2 | 3% |
리뷰 데이터 사용자 경험 기준 부정적 의견
| 카테고리 | 주요 내용 | 언급빈도 | 비율 |
| UX/UI | 낮은 주요 이벤트(혜택) 가독성, 접근성(5), 정보의 불명확성(2) | 7 | 12% |
| 기능/오류 | 앱 최적화(2/느림, 과부하), 장바구니 초기화 오류, 배송비와 쿠폰 연동성 부재, 배송 조회 기능 부재(2), 쿠폰 소멸 알림 부재(2) | 7 | 12% |
| 구매 편의성 | PC대비 사용성 떨어짐(3), 가격 비교 불가능(5), 업자 판매자, 낮은 배송 신뢰도(2), 낮은 검색/추천 정확도(6), 과다한 카테고리별 추천 | 16 | 28% |
| 멤버십/혜택 | 멤버십 차별점 부족(3), 명확하지 않은 조건(2) | 5 | 9% |
3. 카테고리별 주요 리뷰 및 문제 현상 도출
구매 편의성
- 타 몰과의 가격 비교가 안되서 최저가인지 확신이 서지 않음
→ 사용자 탐색 구매 경험 하락- 쿠팡, 지마켓 가격도 함께 나와야 믿고 구매할 수 있는데 네이버 것만 뜨네요. 조금 불편합니다.
- 타몰과 가격 비교가 안 돼서 최저가인지 확신이 안 서요. 외부몰 가격 표시가 필요합니다.
- 가격 비교를 하려면 PC를 이용해야 함
→ 앱 사용률 감소- 특가 찾아보려면 결국 타 앱 켜야 해요. 가격 비교도 안되는데 쿠폰이랑 적립금까지 계산해서 최저가 보려니까 귀찮아서 그냥 pc로 삽니다
- 취향에 맞지 않는 상품이 자꾸 추천됨 (발견 탭 포함)
→ 강조되어야 할 서비스의 약화된 기능, 탐색 → 구매 전환 감소- 제 취향에 맞지 않는 상품이 자꾸 추천되는 것 같아요. 보기 싫은 상품은 빼주세요
- 남편 생일 선물 한 번 구입했더니 그 뒤로 계속 남성 신발이랑 면도기만 떠요. 제 계정인데... 가족 선물 한번 샀다고 평생 남자 취급당하네.
- AI추천이라더니 최근 본 것만 계속 떠요. 추천 기능 신뢰가 안 갑니다.
- 발견탭에서 숏폼 나오는거 너무 아무 상품이나 나와요. 저한테 맞는 상품만 추천으로 보여줘요.
- 정확하지 않은 검색 결과로 쇼핑의 질이 떨어짐
→ 사용자 탐색 비용 증가, 사용자 탐색 만족도 감소- 인공눈물 검색했더니 왜 <인공눈물> 책이 먼저 떠요? 검색 결과 별로에요.
UXUI
- 앱 내 주요 이벤트를 한눈에 알기 힘듦
→ 신규 고객 온보딩 효과 저하, 이벤트 참여 감소- 앱 내에서 이벤트 공지나 등급별 쿠폰 등 주요 이벤트를 한눈에 알기 힘듭니다. 전체 공지 혹은 내 등급에 따라 맞춤 혜택을 바로 볼 수 있게 메뉴가 잘 개선됐으면 좋겠습니다.
- 진행중 이벤트나 적립 정보가 앱 메인에서 잘 보이면 더 자주 참여할 듯합니다. 매번 적립 이벤트나 쿠폰, 회원 등급별 혜택 등 안내가 너무 간단해서 신규 이용자는 뭘 해야 하는지 모르겠어요.
- 혜택에 대한 설명이 흩어져 있어 이용에 어려움을 겪음
→ 사용자 혜택 이해 피로도 증가- 멤버십 혜택 많은 건 좋은데, 혜택 있는줄 몰라서 못 쓴것도 있어서 아까워요.
- 멤버십 혜택이 흩어져 있어서 알기 어려워요.혜택 많은 건 좋은데 공부하면서 앱 쓰고 싶진 않아요.
- 컬리 잘 쓰고 있는데, 여기도 입점했네요. 장보기도 편할것 같아요. 근데 컬리 어디서 해야하는지 처음엔 못찾았어요. 점점 앱이 복잡해지는 것 같아요.
기능/오류
- 앱이 너무 느리고, 오류가 발생하여 쓰다가 꺼버림
→ 앱 사용률 감소, 장바구니 이탈률 증가- 앱이 너무 느려서 쓰다가 꺼버린 적 많아요. 개선 필요합니다.
- 찜한 상품이 많을수록 스크롤 내릴 때 버벅이거나 중간에 흰 화면이 나오는 오류가 반복됩니다.
- 담아둔 상품이 가끔 초기화되거나 사라지는 현상이 있어요. 구매 직전에 장바구니가 깨끗해져서 당황한 적도 있습니다. 상품을 오래 담아둘 수 있거나, 최소한 알림이라도 주면 더 좋겠습니다.
- 실제 도착 예측이 부족하여 배송 신뢰도가 낮아짐
→ 구매 전환율 감소, 브랜드 신뢰도 하락- 내일배송인데도 이틀 넘게 걸리고 배송조회도 모호해요. 배송 신뢰도가 낮아요.
- 발송 시작 날짜만 나오고 실제 도착 예측이 부족하네요. 예상 도착일 표기 강화 필요.
- 배송비랑 쿠폰 적용이 결제 직전까지 따로 놀아요. ‘최종 금액 한눈에 보기’ 화면 만들어줘요.
멤버십/혜택
- 플러스 회원이 어떤 이익을 봤는지 알기 힘듦
→ 멤버십 이용 고객 감소- 그냥 기존 네이버쇼핑이고 바뀐게 없음. 배송시스템, 멤버십 혜택 쿠팡이 따라하려고 한거 같으나 카피할거면 제대로 하고 아니면 그냥 하지말길... 몇번 시켜보고 내린결론 난 그냥 쿠팡 할래.
- 쿠팡 로켓멤버십 써서 이제 네이버 플러스 멤버십 해지했더니, 네이버 쇼핑도 굳이 쓰기 싫네요. 혜택 보는게 없는 느낌이에요.
- 도대체 플러스 회원이 어떤 어떤 이익을 봤는지 모르겠습니다. 쿠팡은 무료 배송과 무료 반품이 많은데 여기는 정말 빈약합니다.
- 쿠폰 종류가 많고 조건이 복잡해서 어떤게 이득인지 알 수 없음
→ 장바구니 이탈률 증가, 사용자 혜택 이용 피로도 증가- 쿠폰 종류가 많고 조건이 복잡해서 어떤 게 진짜 이득인지 모르겠어요.
- 앱 첫 구매시 10% 쿠폰이 있길레 사려고보니 최대 5,000원 짜쳐요. 열심히 물건 골라뒀는데 황당해요.
카테고리의 주요 현상들 중 아래의 기준들을 바탕으로 3가지를 선정하여 진행하였습니다.
⚠️1. ‘탐색, 발견형 쇼핑’이라는 서비스 방향에 해당하는 문제일 것
2. 사용자의 구매 경험을 떨어트리는 문제일 것
3. ‘사용자의 구매 편의성 증진’과 연관이 되어있는 문제일 것
- 제외한 문제와 근거
- 플러스 회원이 어떤 이익을 봤는지 모르겠으며, 쿠폰 종류가 많고 조건이 복잡해 어떤게 이득인지 알 수 없음
→ 멤버십, 혜택에 대한 정책적인 문제가 엮여있어 재무쪽과도 함께 얘기해보아야 하는 안건으로 보류 판단 - 정확하지 않은 검색 결과로 쇼핑의 질이 떨어짐
→ AI 기능 고도화가 필요한 안건 + 네이버 자체개발 초거대 언어모델에 대한 정보 부족 - 실제 도착 예측이 부족하여 배송 신뢰도가 낮아짐
→ 물류와 연관이 있는 안건이라 개선하기에 타 팀과의 협업이 필요해보이는 안건으로 보류 판단 - 앱이 너무 느리고, 오류가 발생하여 쓰다 꺼버림
→ 이것 또한 큰 문제라고 생각하나 기능 구현이 오래 걸리며, 사용자 구매경험 증진과 ‘발견형 쇼핑’을 가장 크게 중요시 하고 있는 안건이니만큼 차선으로 보류 해두기로 판단
- 플러스 회원이 어떤 이익을 봤는지 모르겠으며, 쿠폰 종류가 많고 조건이 복잡해 어떤게 이득인지 알 수 없음
4. 문제 원인 분석 및 문제 정의
- 문제 원인 분석
1. 구매 편의성
: 타 몰과 가격 비교가 되지 않아 최저가인지 확신이 서지 않음 + 가격 비교를 하려면 PC를 이용해야 함
💡 ‘발견형 쇼핑’인 네이버플러스 스토어의 서비스 방향성의 의도만을 보았을 때 ‘목적형 쇼핑’ VOC의 성향이 큼
다만 ‘발견’이라는게 새로운 상품을 발견하는 것만을 포함하는가?의 관점만 놓고 봤을 때 서비스의 방향과
오류는 없음 = 소비자는 ‘최저가’라는 발견 또한 하고 싶어함
→ 따라서 이에 대한 원인 분석을 통한 검증이 필요함
[로직트리]
2. 구매 편의성
: 취향에 맞지 않는 상품이 자꾸 추천됨 (발견 탭 포함)
💡네이버 AI는 어떤 것을 기준으로 상품을 추천하는가?
→ 고객이 검색한 이력, 이전에 구매한 상품, 장바구니에 담긴 상품, 상품을 보는 시간대까지 분석
[5Whys]
| 횟수 | 왜 | 원인 |
| 1 | 왜 취향에 맞지 않는 상품이 자꾸 추천되는가? | ‘탐색과 발견’을 위해 도입된 AI가 추천해주는데 한계가 있었다. |
| 2 | 왜 AI의 추천에 한계가 있었나? | AI는 사용자의 행동을 예측해서 추천하기 때문에 정확도가 떨어졌다. |
| 3 | 왜 AI 예측 설계는 정확도가 떨어졌는가? | 사용자의 구매패턴, 검색이력을 기반으로 추천하기 때문에 사용자의 상황이 고려되지 않았다. |
| 4 | 왜 사용자의 상황이 고려되지 않았나? | 탐색에 대한 변수가 부족했다. |
| 5 | 왜 탐색에 대한 변수가 부족했는가? | 사용자의 일시적인 관심사에 대한 이해가 부족했다. |
3. UX/UI
: 앱 내 주요 이벤트를 한눈에 알기 어렵고, 혜택에 대한 설명이 흩어져 있어 이용에 어려움을 겪음
[5Whys]
| 횟수 | 왜 | 원인 |
| 1 | 왜 한눈에 파악하기 어려운가? | 진행중 이벤트나 혜택이 앱 메인에서 잘 보이지 않았다. |
| 2 | 왜 앱 메인에서 잘 보이지 않았나? | 주요 이벤트와 혜택에 대한 설명이 흩어져 있었다. |
| 3 | 왜 주요 이벤트에 대한 설명이 흩어져 있는가? | 이벤트와 혜택의 종류가 많아서 사용자의 이해도를 높이기 위해 공간마다 설계했으나 잘 전달되지 않았다. |
| 4 | 왜 이해도를 높이기 위한 설계를 했음에도 사용자가 이용에 어려움을 느꼈는가? | 다양한 이벤트와 혜택에 대한 설명이 너무 간단했다. |
| 5 | 왜 자세한 설명을 하지 않았는가? | 서비스의 목적이 ‘탐색과 발견’위주였기 때문에 이벤트와 혜택에 대한 설명이 부족했다. |
문제 정의
1. AI가 사용자의 일시적인 탐색에 대한 고려없이 과거의 구매,검색 이력을 중심으로 추천하는 구조 때문에 사용자의 ‘탐색과 발견’ 경험 저하와 구매 편의성을 감소시켜 추천 상품을 통한 구매 전환율이 낮아지게 된다.
2. 주요한 이벤트, 혜택에 대한 안내가 상세하지 않아 사용자가 주어진 혜택에 대해 제대로 이해하고 이용하기 힘들어 ‘저렴한 가격’에 대한 신뢰를 얻지 못한채 탐색 후 검색페이지 퍼널에서 사용자의 이탈률이 증가하게 된다.
5. 우선순위 파악 및 핵심 문제 정의
:: 구매 편의성 → UX/UI
1. Big Projects
추천 정확도가 낮은 AI 예측 구조
→ 비즈니스 목표 ‘탐색과 발견’ 부분에 대한 개선 필요성, 사용자 탐색 시간 증가+구매 피로도에 대한 개선
→ 비록 구현에는 조금 어려움을 겪겠지만, 임팩트가 크고 회사의 비전 방향과도 맞으며, 사용자의 VOC도 많은 안건을 최우선 순위로 선정
[근거 ▼]
💡네이버플러스 스토어와 쿠팡 어떻게 다른가?
| 항목 | 네이버플러스 스토어 | 쿠팡 |
| 목적성 | ‘발견과 콘텐츠’ | ‘빠름과 믿음’ |
| 쇼핑 흐름 | AI추천 + 숏폼 콘텐츠 기반 | 직매입 + 로켓배송 기반 |
| 사용자 락인 | 네이버플러스 멤버십 + 넷플릭스/웹툰 구독 | 로켓와우 + 쿠팡플레이 + 쿠팡이츠 |
| 리뷰 시스템 | AI 요약 + 옵션 필터링 UX | 텍스트 중심 (AI 카드 리뷰는 일부 상품) |
| 검색 전략 | 하이퍼클로바X 활용 자연어 검색 + 트렌드 키워드 제안 |
키워드 기반 검색 + 카테고리 중심 탐색 |
| 물류 전략 | 판매자 배송 + 제휴 물류사 (N배송) | 자체 물류창고 + 로켓배송, 새벽배송 등 |
출처: 브런치
2. Quick Wins
부족한 주요 이벤트, 혜택에 대한 안내와 UI/UX의 불편함
→ 다수의 고객 불만 비중, UX/UI 개선을 통해 가독성+접근성+구매 편의성 모두 개선 가능
3. Thankless tasks
가격 비교 기능
→ 가격 비교 기능 추가 후 반대로 유저 이탈이 높을 가능성(최저가가 아니어서 구매를 바로 멈추고 나가는 경우) 염두, 고객 니즈는 분명하지만, 비즈니스 목표 ‘탐색과 콘텐츠’를 보완할 수 있는 기능인지, 목적형 쇼핑을 위한 개선안인지 검토 필요 → 두가지에 대한 검증이 필수적으로 필요하며, 이후 발견형 쇼핑에 맞는 개선 방법을 고려 할 수 있음
[근거 ▼]
💡네이버플러스 스토어는 가격비교와는 다른 플랫폼인가?
네이버플러스 스토어 : AI 기반 큐레이션 서비스를 제공해주는 스토어. AI 기반의 ‘발견형 쇼핑’을 지향하며, 개인 관심 기반으로 상품을 추천하고 보여주는데 집중하는 네이버 전용 쇼핑 스토어
네이버 가격 비교 : 검색해서 최저가를 찾는 ‘목적형 쇼핑’ 스토어. 외부 쇼핑몰도 들어올 수 있어 사이트별 가격 비교를 통해 구매 가능
출처: 지식인 엉클샘의 앱 자료실
💡탐색? 발견?형 커머스가 무엇인가?
탐색형 쇼핑 : 고객이 검색하지 않아도 콘텐츠를 보다가 자연스럽게 상품을 발견하는 쇼핑 방식
목적형 쇼핑 : 필요한 물건을 검색하고 가격을 비교하여 구매하는 쇼핑 방식
→ 네이버플러스 스토어는 탐색+발견형 커머스
출처: godomall DealSite 경제TV
💡네이버가 최저가가 아님에도 네이버플러스 스토어를 쓰는 이유는?
네이버플러스 스토어를 3달 사용해본 후기
→ 실제로 11번가와 같은 스토어들보다 조금 비싸지만 멤버십 혜택을 이용하면 가격이 거의 비슷함
AI쇼핑과 멤버십 헤택의 연계가 좋았다는 후기
→ 포인트와 쿠폰 혜택을 제대로 활용하면 이득을 얻을 수 있고, 맞춤형 쇼핑 필터링을 통해 시간을 아낄 수 있음
→ 추가적으로 저렴하고 편리한 결제, 다양한 혜택 때문에 많은 사람들이 최저가가 아님에도 이용중이라는 후기를 다수 찾아볼 수 있었음
: 구글 플레이 스토어 리뷰 30개 중 4개 이상 / 17% 이상
→ 문제에서 드러났던 것과 같이, 다양한 혜택에 대한 자세한 안내와 사용자들에게 ‘저렴한 가격’이라는 신뢰를 줄 수 있다면 ‘탐색형 쇼핑’으로서도 개선할 수 있다고 판단하였음
핵심 문제 정의
💡AI가 사용자의 일시적인 탐색에 대한 고려없이 과거의 구매,검색 이력을 중심으로 추천하는 구조 때문에 사용자의 ‘탐색과 발견’ 경험 저하와 구매 편의성을 감소시켜 추천 상품을 통한 구매 전환율이 낮아지게 된다.
- 사용자가 생일 선물과 같은 일시적인 탐색 후, 해당 탐색에 대한 상품들만 노출되어 취향에 맞지 않는 상품들만 탐색하게 됨
- 이로 인해 사용자의 ‘탐색과 발견’경험의 저하와 구매 편의성을 감소 시키고 있음
- 사용자의 취향에 맞지 않는 상품이 추천되어 홈 화면과 발견 탭에서 사용자의 불만이 쌓이고 있으며, 지속적으로 취향에 맞지 않는 상품이 추천될 경우 동일 세션에서 구매까지 이어지지 않는 상황이 증가할 가능성 존재
- 비즈니스 목표인 ‘탐색과 발견’ 서비스가 약화된 기능적 문제 + 이로 인한 사용자의 불만과 불편을 초래하는 결과로 이어지고 있기에 핵심 문제로 정의
5. 해결 방안 가설 설정
가설 1
만약 AI가 홈 화면에 추천 상품을 노출할 때 사용자가 마음에 들지 않는 상품에 대해서 ‘이 상품 추천 받지 않기’ 버튼을 눌러 제한할 수 있도록 UI를 개선한다면 홈 화면에서 추천 상품 → 상세페이지로의 세션 빈도가 3% 증가할 것이다.
- 추천에 맞지 않는 상품 노출로 사용자가 ‘탐색과 발견’에 대한 경험 저하 및 구매에 대한 피로도를 느끼고 있음을 리뷰를 통해 확인할 수 있음
가설 검증
A/B 테스트 → 퍼널분석 순으로 진행
A/B 테스트
- 기존 사용자의 20%(20만/100만)를 대상으로 2주간 기존 A군과 홈 화면 추천 영역에 ‘이 상품 추천 받지 않기’ 버튼을 놓은 B군의 홈 화면 추천 영역 내 상품 CTR을 비교
- B군의 홈화면 추천 상품 내 상품 CTR이 기존 대비 5% 증가했다면 50% → 80% → 100%의 사용자로 확대하여 테스트 진행
- 전체 사용자를 대상으로 진행 후에도 홈 화면 추천 상품 CTR이 기존 대비 증가하는 추세라면 퍼널 분석으로 넘어가 추가 검증 진행
퍼널 분석
- ‘이 상품 추천 받지 않기’ 버튼을 전체 사용자에게 적용한 후의 상품페이지 퍼널을 비교 했을 때, 추천 상품 내 상품 CTR이 기존 대비 증가하는 상태로 유지되면서 홈 화면 진입 후 추천 상품을 통해 상세페이지로 이동하는 사용자 또한 기존 대비 3%이상 증가한다면 ‘이 상품 추천 받지 않기’ 버튼이 사용자의 ‘탐색과 발견’ 경험 증진에 영향을 주었음을 검증 할 수 있음
- 동일 세션 내 장바구니 담기/바로 구매로 이어지는 사용자의 수가 기존 대비 상승하는 추세라면 ‘이 상품 추천 받지 않기’ 버튼이 사용자의 구매 편의성을 증진 시키는데 유의미한 영향을 주었음을 검증할 수 있음
💡왜 3%, 5%로 기준을 세웠는가?
→ AI 추천 구조 자체를 건드리는 가설2 대비 개선안의 테스트 기간과 규모가 작고, UI 개선을 통한 제품 개선만으로 근본적인 원인인 추천 알고리즘이 변하는 것은 아니기 때문에 소극적인 수치로 설정하여 점진적으로 경험이 개선되는 것에 중점을 두었음
- 사용자 단위 기준, 기존 대비 CTR 5% 증가를 통한 검증 절차를 단계적으로 진행하도록 했고, 추천 상품을 통해 상세페이지로 이동하는 사용자의 수를 전체 사용자 기준, 기존 대비 3%라는 수치를 설정함
가설 2
만약 AI의 추천 구조에 반영되는 요소를
- 구매 이력 20%
- 장바구니에 담은 상품 10% / 재구매 상품 5% / 1회 구매 상품 5%
- 검색 이력 40%
- 자주 검색한 키워드 15% / 최근 검색 키워드(3회 이상) 5% / 유사한 취향의 사용자의 자주 검색한 키워드 10% / 유사한 취향의 사용자의 최근 검색 키워드 10%
- 발견 탭 활동 40%
- 발견 탭 시청 지속 시간 30초 이상의 상품 15% / 발견 탭 내 클릭으로 이어진 상품 25%
로 세분화 하면 사용자의 ‘탐색과 발견’ 경험 증진 및 구매 편의성을 증진 시켜 추천 탐색 → 구매로의 구매 전환율 5% 증가할 것이다.
💡세분화 기준 근거 blux
❗아마존은 고객의 고객의 구매 이력과 검색 패턴이라는 단순한 행동 데이터에 집중하여 전체 매출의 35%가 추천 시스템에서 발생하고 있음
❗무신사 역시 "지금 이 고객이 무엇을 보고 있고, 최근에 어떤 행동을 했는가"인 실시간 고객 행동 분석을 통해 CRM을 늘리고 있음
→ 그만큼 고객의 구매 이력과 검색 이력은 고객의 취향을 나누는 근거가 됨
→ 단, 네이버플러스 스토어가 ‘탐색과 발견’을 중심으로 두는 탐색형 쇼핑 서비스인 점을 바탕으로 고객의 행동 데이터를 ‘발견’ 위주로 구성하고, 검색 이력과 발견 탭 활동을 40% 동일한 비중으로 배정, 나머지 20% 고객의 취향에 맞는 구매와도 이어질 수 있도록 구매 이력을 반영했다.
- 구매 이력 20%
: 사용자의 관심사를 토대로 담긴 것이 장바구니, 사용자가 지속적으로 관심 있는 상품이 재구매 상품, 1회 구매 상품은 일회성일 가능성은 있으나 사용자의 니즈에 따른 구매가 이루어졌으므로 제외하지 않음 - 검색 이력 40%
: 최근 검색 이력만으로 사용자의 관심사가 지속적인지 일회성인지 여부를 알 수 없음. 따라서 자주 검색한 키워드의 비중을 늘리고, 최근 검색 키워드는 누적 3회 이상으로, 유사한 취향의 사용자의 자주 검색한 키워드와 최근 검색한 키워드를 통해 ‘탐색과 발견’으로 사용자 니즈에 가까워지고, 다양한 추천을 받을 수 있도록 배분
→ 근거 / 출처: 아이보스
협업 필터링을 통해 사용자 선호도 기반 상품 추천 고도화 + 지속적인 데이터 수집을 통한 추천 정확도 향상이 가능함 - 발견 탭 활동 40% : 사용자의 행동 기반 분석으로 발견 탭을 채택, 사용자의 시선을 끈 상품과 상품 페이지까지 이동을 시킨 상품들 위주로 사용자가 ‘발견과 탐색’에 집중할 수 있도록 배분
→ 근거 / 출처: 요즘IT
시청 지속 시간은 유튜브와 같은 어플에서도 알 수 있듯이 사용자의 알고리즘에 무게감 있게 반응함. 이를 통해 사용자의 관심사와 취향을 반영하여 사용자 경험을 향상시키는 역할을 하고 있음 - 사용자 간의 가중치 조절 상세 [발견과 탐색] 위주 구성
- 구매 이력이 없는 사용자: 검색 이력 50%, 발견 탭 50%
- 발견 탭 활동 이력이 없는 사용자: 구매 이력 40%, 검색 이력 60%
- 검색 이력이 없는 사용자: 구매 이력 40%, 발견 탭 60%
- 모든 이력이 없는 사용자: 사용자의 타 사이트(구글, 네이버 등)의 구매, 검색 이력을 기반으로 한 상품 구성 40%, 발견 탭 내 상품 중 사용자 행동 이력과 유사한 상품 60%로 배분
- 해당 추천 상품 중 10%는 광고 상품으로 구성될 수 있도록 편성
💡사용자의 행동 데이터 수집 방법은 어떤 것들이 있는가?출처 : EPART
사용자의 반응, 클릭 패턴, 구매 내역, 그리고 소셜 미디어 상의 행동 등을 기반으로 중요한 데이터 포인트를 수집할 수 있음
가설 검증
A/B 테스트 + 사용자 인터뷰 → 구매 전환율 비교 순으로 진행
A/B 테스트
- 기존 유저의 20%(20만/100만)를 대상으로 한달간 기존 A군과 AI 추천 구조를 세분화한 B군의 추천 상품 영역 클릭 후 같은 세션 내 장바구니 담기/바로 구매로 이어지는 상품이 기존 대비 10% 이상 증가하는지 비교
- 기존 대비 장바구니 담기/바로 결제로의 활성화가 검증된 후 사용자의 수를 50% → 80% → 100%로 확대하며 테스트 진행
- 전체 유저를 대상으로 반영했을 때에도 장바구니 담기/바로 결제로 이어지는 상품이 기존 대비 증가하는 추세라면 사용자 인터뷰로 넘어가 추가 검증 진행
💡왜 10%로 기준을 세웠는가?
→ AI 추천 구조 세분화는 ‘취향에 맞지 않는 상품 노출’에 대해 해결할 수 있는 문제의 근본적인 원인으로 사용자 행동 데이터의 비중을 조절함으로서 이 문제를 해결할 수 있는지, ‘탐색과 발견’에 대한 경험 증가를 통한 구매로까지 이어지는지 + 비즈니스 목표와도 이어진 임팩트가 큰 가설이니 만큼 과감한 수치로 검증 기준을 세움
사용자 인터뷰
- 기존 홈 화면 추천 상품 클릭률이 낮은 유저 80명을 선정
- 20%에 가설2 A/B 테스트 B군에 해당하는 유저 20명을 추가, A/B 테스트 한달 후 인터뷰 진행
- 총 100명을 대상으로 한 인터뷰에서 60%이상의 유저에게서 ‘탐색과 발견’ 경험에 대한 긍정적인 답변을 받았다면 구매 전환율 비교로 넘어가 추가 검증 진행
💡왜 60%로 기준을 세웠는가?
→ A/B테스트의 경우 1안 보다 기간이 길며, ‘발견과 탐색’을 극대화하는 개선안인 만큼 유의미한 지표가 필요
→ 100만명 중 100명, 그 중 60명으로부터 “추천 상품의 질이 기존보다 좋아졌다고 느끼는가?”에 대한 긍정적인 반응을 받을 수 있다면 기존의 구조가 사용자의 취향 반영을 제대로 하지 못했다는 증명이 됨과 동시에 변경된 구조가 사용자 절반 이상의 취향과 근접한 상품들을 출력해낼 수 있다는 가능성으로 이어짐
→ 이를 통해 구매 전환율 비교시 사용자의 구매 편의성 판단의 근거가 될 수 있음
구매 전환율 비교
- A/B 테스트 진행 완료 이후에 기존 대비 홈 화면 추천 영역 상품 클릭 후 같은 세션 내 장바구니/바로 구매 전환율 변화 비교
- 해당 과정을 진행 한 사용자 중 실제 결제 페이지까지 진입하여 결제 완료한 사용자의 수가 기존 대비 증가하는 추세를 보인다면 AI 추천 구조 세분화를 통한 사용자 구매 편의성 증대에 유의미한 영향을 주었음을 검증할 수 있음
💡왜 5%로 기준을 세웠는가?
→ 실제 결제 활성화 비율의 10%의 절반인 5%만 도달하여도 “전체 100만명 중 5만명이 ‘AI 추천 구조 세분화’를 통한 구매 편의성을 느꼈고, 이로 인해 구매까지 이어졌다.” 는 결론에 도달할 수 있으므로 비율을 A/B 테스트 10%의 절반으로 설정함
6. 예상 기대 효과
만약 AI가 홈 화면에 추천 상품을 노출할 때 사용자가 마음에 들지 않는 상품에 대해서 ‘이 상품 추천 받지 않기’ 버튼을 눌러 제한할 수 있도록 UI를 개선한다면 홈 화면에서 추천 상품 → 상세페이지로의 세션 빈도가 3% 증가할 것이다.
예상 기대 효과
- 서비스
- 사용자의 구매 편의성을 증진 시켜 매출 증대를 경험할 수 있음
: 추천 상품을 통한 장바구니/바로 결제 세션 빈도 증가 → 점진적 구매 전환율 증가 - 비즈니스 목표에 맞는 서비스 개선 가능
: 서비스 고도화를 통한 비즈니스 임팩트 강화 - 서비스 개선을 통한 사용자 만족도 증진
: 앱 긍정 리뷰 증가
- 사용자의 구매 편의성을 증진 시켜 매출 증대를 경험할 수 있음
- 사용자
- 관심 없는 상품을 추천하지 않도록 사용자가 자율적으로 선택할 수 있어 선택의 폭이 넓어짐
: 서비스 신뢰도 증가 - 사용자의 니즈에 맞지 않는 상품 제외를 통한 추천 상품의 정확도 증가
: 구매 편의성 증진, 추천의 초개인화
- 관심 없는 상품을 추천하지 않도록 사용자가 자율적으로 선택할 수 있어 선택의 폭이 넓어짐
만약 AI의 추천 구조에 반영되는 요소를
1. 구매 이력 20%
: 장바구니에 담은 상품 10% / 재구매 상품 5% / 1회 구매 상품 5%
2. 검색 이력 40%
: 자주 검색한 키워드 15% / 최근 검색 키워드(3회 이상) 5% / 유사한 취향의 사용자의 자주 검색한 키워드 10% / 유사한 취향의 사용자의 최근 검색 키워드 10%
3. 발견 탭 40%
: 발견 탭 시청 지속 시간 30초 이상의 상품 15% / 발견 탭 내 클릭으로 이어진 상품 25%
로 세분화 하면 사용자의 탐색과 발견 및 구매 편의성을 증진 시켜 추천 탐색 → 구매로의 구매 전환율 5% 증가할 것이다.
예상 기대 효과
- 서비스
- AI 추천 구조 변경으로 탐색 → 구매의 활성화
: ‘탐색과 발견’을 통한 장바구니/바로 결제 전환율 증가 → 점진적 매출 증가 - 사용자 유치 증진
: 홈 화면 내 추천 상품 CTR 증가 → 사용자 ‘탐색과 발견’ 경험 증진 → 앱 리텐션 증가
- AI 추천 구조 변경으로 탐색 → 구매의 활성화
- 사용자
- AI 추천 구조 변경으로 ‘탐색’ 피로도 감소
: ‘탐색과 발견’을 통한 경험 증진 → 사용자 구매 피로도 감소 - 관심 없는 상품의 노출이 줄어들어 불편 감소
: 서비스 신뢰도 증가, 사용자 탐색 경험 긍정 전환 → 구매 편의성 증가 - 사용자가 ‘탐색과 발견’의 재미를 느껴 자주 접속하게 됨
: 사용자가 ‘탐색과 발견’의 재미를 느낌 → 앱 리텐션 증가 → 재구매율 증가, 앱 긍정 리뷰 증가
- AI 추천 구조 변경으로 ‘탐색’ 피로도 감소
PMPO 서비스 기획 기초
현황 분석
- 문제를 찾기 위해 그 무엇보다 가장 먼저 실행 되어야 하는 것
- 고민의 시간이 많이 소요됨
- 고객의 목소리(VoC)를 가장 먼저 청취함
- 데이터 분석에 많은 시간이 소요됨
가장 먼저 찾아봐야 할 데이터들은?
- VoC
- 앱 리뷰
- CS 인입 현황
- 심층 인터뷰
- 사내 VoC 요약본
- 사내 데이터
- 매출: GMV, AOV, AOF, Contribution Margin, 성장률 등
- 고객: DAU, WAU, MAW, traffic, CPA, 퍼널별 행동 흐름, 체류 시간, NPS 등
- 제품: retention, 주문 성공률, 주문 실패율, 구매 이탈 등
- 외부 데이터
- 논문
- 뉴스기사
- 통계자료
- 전문가 의견
- 설문조사
주의점
1. 가장 최신 데이터로
2. 가장 비슷한 케이스로
3. 국내/글로벌 나눠서
4. 타 플랫폼 리서치도 포함
VoC
- 고객의 입장에서 제품의 불편함을 알게 됨 → 제품 발전
- 고객이 제품에 대해서 어떻게 생각하는지 → 고객 이해
- 고객의 의견을 통한 소통
- 고객의 의견을 제품에 반영 → 서비스에 대한 고객 로열티 증진
배달 앱의 퍼널
홈 메뉴 (고객 유입) - 메뉴 탑색 - 장바구니 추가 - 결제 - 배달 - 제품 수령 - 재방문
ㅣ ㅣ
환불 리뷰 / 환불
시장 규모 파악
- 제품의 성장 가능성 예측
- 업계의 트렌드와 동향 파악
- 숫자를 얼마나 높일 수 있을지 목표 설정 가능
- 시장 예측의 기본은 TAM -SAM -SOM
- TAM: 전체 시장(궁극 도달 목표치)
SAM: 유효 시장(경쟁사도 확인할 수 있는 규모)
데이터가 있다면 경쟁사들의 시장까지 조사하는 것이 좋음
SOM: 수익 시장(1차적으로 당장 타겟하는 수익시장)
= 초기 시장 진입 전략을 통해 빠르게 도달할 수 있는 시장의 규모를 찾아내는 것 - 예) 배달 시장: 목표 시장 인구 x 연 평균 배달 주문 횟수 x 1회 평균 주문 금액 = 시장규모
- + 예상 시장 점유율까지 곱하면 더 현실적인 수치를 볼 수 있음
인사이트
1. GMV: 전체 매출
AOV: 평균 결제(주문) 금액
AOF: 빈도수
Contribution Margin: 공헌 이익 = 매출 - 변동비
영업 이익 = (매출비 - 변동비) - 고정비
CPA(Customer Per Action): 행위당 비용, 사용자가 특정 행위를 할 때 과금되는 방식
회원가입, 구매, 다운로드 등이 일어날 때 지불하는 방식
NPS(Net Promoter Score): 브랜드고객 충성도를 측정하는 지표
2. 데이터는 뜯어보기도 해야하지만 조합해 보기도 해야한다.
3. 클릭률 = 사용자를 얼마나 잘 끌어들이느냐 / 전환율 = 유입된 사용자를 얼마나 고객으로 잘 전환 시키느냐
아티클 스터디
뭐 이런 것도 다 픽업 되나요? (배민 스토어 픽업 고객 서비스 편)
인사이트
1. 회사의 비전에 따라 서비스의 범위가 달라질 수 있다. 배민은 이제 꽃도 1시간 안에 배달한다...
2. MVP에는 오픈 범위 스펙에 어떤 기능까지 포함시켜야 할지, 왜 그 기능이 다른 것보다 더 중요하고 가치 있을지 고민해야 한다.
3. PM이라면 다양한 관점에서 다각도로 판단할 수 있어야 한다.
4. 이 기능이 얼마나 고객에게 큰 가치를 주게 될 것인지, 나중에 고도화 할 때 확장성 있는 기능인지 고민이 필요하다.
5. '왜 채택하게 되었는지, 왜 채택하지 않게 되었는지'를 항상 고민하다보면 논리적인 설득 역량을 키울 수 있다. + 팀원 설득, 궁금증 해소 가
6. 기획은 한 흐름으로 이어붙였을 때 어색한 부분이 없어야 한다.
뭐 이런 것도 다 픽업됩니다!(배민 스토어 픽업 플랫폼 및 셀러서비스편)
인사이트
1. 플랫폼 PM: 어떤 물건이든 장바구니에 잘 담을 수 있도록 장바구니를 잘 들어주고 물건을 잘 담는 역할
2. 새로운 서비스를 만들 때 프로젝트의 목표를 만드는 법: 유사한 서비스가 사내 서비스 내에 있는가 분석, 해당 지표를 비교군 삼아 목표를 설정할 수도 있다.
3. 내부 지표가 없는 경우: 타사/업계 트렌드를 보고 통계자료 등을 찾아 예상수치를 뽑아보며 목표 설정
4. 유사 서비스를 참고하여 '우리가 참고할 수 있는 부분에 대한 지표'에 대한 기대 결과를 추출, 이를 통해 시뮬레이션을 반복하여 목표 설정
5. 서비스의 성장과 기회를 찾기 위해 데이터를 추적하는 것까지가 PM이 수행해야 하는 일이다.
6. 끊임없이 왜요?를 말할 수 있는 사람이 되야한다. 그만큼 Why가 중요하니까.
7. 요구사항의 본질을 파악하고 이루고자 하는 목표를 달성할 수 있는 프로덕트를 만들어야 한다.
8. 이 기능이 왜 필요하지? 이 기능이 우리 목표를 달성하는 데 도움이 얼마나 되지?
9. 길을 잃을 때 또한 Why에 집중하자.
10. 요구사항, 개발의 방향은 MVP 스펙이 확정 되어도 변할 수 있다.
11. Feature Flag: 기능을 점진적으로 출시하여야 하거나, 기능 출시 전 특정 환경에서 테스트가 필요할 때, 추가 앱 배포 없이 특정 시점에 기능 오픈을 할 때 등 다양한 상황에서 활용 = 기능을 온오프 할 수 있도록 만듦
12. MVP에는 최소한의 가치 전달이 가능한 최소한의 품질을 확보하는 것에 집중해야 한다.
인사이트
1. CTR 클릭율, CVR 전환율
2. CTR: 광고나 콘텐츠가 사용자에게 노출 된 횟수 대비 실제로 클릭된 횟수의 비율 / (클릭 수 ÷ 노출 수) × 100(%)
사용자 초기 관심 유도 정도 = 사용자를 얼마나 잘 끌어들이는지
3. CVR: 클릭 후 방문한 사용자 중에서 구매, 가입, 문의 등의 실제 행동으로 이어진 비율
마케팅 노력이 실질적인 비즈니스 성과로 얼마나 효과적으로 연결되었는지 = 끌어들인 사용자를 얼마나 고객으로 잘 전환시키는지
4. 예산이 제한적: 클릭 수 최대화 전략 / 최대한 많은 트래픽 확보 / 예산을 빠르게 소진할 위험성이 있으므로 타겟 CPA를 설정하여 예산을 통제하는 전략 고려 가능
5. 브랜드 인지도 상승: 높은 클릭률
6. 직접적인 판매 증가, 회원 가입 같은 구체적인 비즈니스 성과: 전환율 최적화
7. 클릭률과 전환율은 고객 여정의 연속적인 단계를 나타낸다. 두 지표를 동시에 개선하려면 웹사이트 전체를 하나의 통합된 고객 경험으로 설계하여야 하며, 유입부터 전환까지 하나의 흐름으로 구성하는 것이 진정한 마케팅 효과를 발휘하게 함
8. 이커머스에서는 실제 구매 의도가 있는 사용자를 적절한 비용으로 유입시키고 그들을 고객으로 전환하는 것이 중요하다.
9. 고객들이 구매 타이밍을 놓치지 않도록 알람을 설정하는 것 또한 중요한 전략이 될 수 있다.
10. 결제 프로세스 간소화, 개인화된 추천 시스템을 통해 사용자 여정 각 단계에서 이탈률을 줄일 수 있다.
11. CTR을 통해 웹사이트의 사용자 경험, 결제 시스템, 고객 서비스 등을 최적화 하고 성공 지표로 삼을 수 있다.
인사이트
1. 단순한 유저 이탈률 증가, 탐색 → 구매 전환율 감소가 아닌 내가 가설에 세운 근거들처럼 핵심 문제를 뒷받침 할 수 있는 근거로 가설이 되어야 한다. 앞 뒤 맥락이 맞지 않으면 옳은 해결안이 아니다. 문제를 뒤집으면 해결책이 된다. 해결책을 뒤집으면 문제가 되야한다.
회고 - 4L
Liked (좋았던 점)
- 뇌피셜의 검증 수치를 전부 빼버리고 사용자 행동을 기반으로 어떻게 검증이 이루어질지, 어떤 것을 통해서 검증할 것인지로 루트를 바꾸고 나니 훨씬 설득력 있는(?) 문서가 된 것 같았지만... 결국 KPI는 검증 가능한 수치를 논리적으로 납득 시킬 수 있도록 기준을 세우고 그를 통해 증명해야 되는 것이기 때문에... 뇌피셜을 뇌피셜이 아니게 근거를 열심히 세워 보는 경험을 할 수 있었다.
Learned (배운 점)
- 뇌피셜의 검증 수치는 없느니만 못하다. 모든 것은 데이터를 기반으로 하여야하며, 문서를 보는 이가 납득 할 수 있는 구조로 수치를 세우고 검증해야 함을 다시금 배울 수 있었다.
Lacked (부족했던 점)
- 마지막 날에서야 내 검증 수치 디테일한데 뭔가 근거가 부족하지 않나?라는 것을 떠올릴 수 있었다. 정량적 근거 없이 추상적인 수치를 세우는 것에 대해 더 빨리 깨닳았으면 좋았을텐데...
- 글이 진짜 너무 많은 것 같다... 정리가 너무 안된게 아닌가 ㅠㅠ싶다...
- 이제 생각났는데 데이터... IR 자료나 광고 매체 소개서 같은거 볼걸 싶어져서 아쉬워졌다.
Longed for (바라는 점)
- 어제 인스파이어드를 조금 읽어보고 느낀게 있다. 안타깝지만 나의 아이디어가 대부분 소용 없을 것이란 것이었다. 마지막의 마지막까지 서비스 목적에 맞는 기획서를 쓰려고 노력했지만... 이게 정말 고객이 원하는게 아니면 어떡하지?라는 의문이 다시 생겼다 인스파이어드를 마저 다 읽고 다시 한번 돌아 볼 수 있었으면 좋겠다.
- 오늘 아티클에서 본 것 처럼 유사 서비스의 비교군을 통해 목표를 잡아볼 수 있는 것을 한번 적용해봐도 좋을 것 같으니 다음에 트라이 해보길
'TIL' 카테고리의 다른 글
| 26.06.05 AI 퀴즈 + 아티클카타 + 아티클 스터디 + 서비스기획 숙련 강의 TIL (0) | 2026.06.05 |
|---|---|
| 26.06.04 AI 퀴즈 + 서비스기획 숙련 1챕터 TIL (0) | 2026.06.04 |
| 26.06.01 AI퀴즈 + 서비스기획 실습 + 아티클 스터디 TIL (0) | 2026.06.01 |
| 26.05.29 AI퀴즈 + 서비스 기획 실습 + 아티클카타+ 아티클스터디 TIL (0) | 2026.05.29 |
| 26.05.28 AI 퀴즈, 서비스 기획 실습, PMPO 강의 복습, GPT 강의, 아티클스터디 TIL (0) | 2026.05.28 |