'TIL' 카테고리의 글 목록

TIL

26.05.29 AI퀴즈 + 서비스 기획 실습 + 아티클카타+ 아티클스터디 TIL

KDE_0316 2026. 5. 29. 09:17

2026. 5. 29. 09:17

AI퀴즈

인사이트

1. 주문 완료까지의 화면 터치수, 터치 횟수, 소요시간 등은 사용자 경험의 효율,편의성 을 측정하는 핵심 UX 지표

2. 포지셔닝(Positioning) 분석: 경쟁사가 목표 고객의 마음속에 어떤 차별화된 가치와 이미지를 심고있는지와 시장에서의 위치를 파악하기 위한 것 예) 프리미엄 품질, 가성비, 혁신적 기술

3. RICE 프레임워크의 구성: R(Reach, 도달범위), I(Impact, 영향도), C(Confidence, 신뢰도), E(Effort, 노력)
RICE 점수: (Reach x Impact x Confidence) / Effort 우선순위 정량적 평가

4. MoSCoW: Must have(필수, 성공을 위해 반드시 필요한), Shold have(중요, 중요하지만 필수는 아닌), Could have(선택, 있으면 좋지만 없어도 되는), Won't have(제외, 이번 릴리즈에서는 구현하지 않음)

서비스 기획 실습

우선순위 파악 / 핵심 문제 정의 / 가설, 가설검증 / [추가수정, 첨부x] 문제정의 다듬기, 구매 편의성 로직트리 텍스트 추가

문제 정의

AI가 사용자의 일시적인 탐색에 대한 고려없이 과거의 구매,검색 이력을 중심으로 추천하는 구조 때문에 사용자의 ‘탐색과 발견’ 경험 저하와 탐색 피로도 증가시켜 홈화면의 사용자 이탈률이 증가한다.
주요한 이벤트, 혜택에 대한 안내가 상세하지 않아 사용자가 주어진 혜택에 대해 제대로 이해하고 이용하기 힘들어 ‘저렴한 가격’에 대한 신뢰를 얻지 못한채 탐색 후 구매 전환율이 낮아지게 된다.

5. 우선순위 파악 및 핵심 문제 정의

문제 우선순위 파악

:: AI 기능 → 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+피로도에 대한 개선
→ 비록 구현에는 조금 어려움을 겪고 임팩트가 크겠지만, 회사의 비전 방향과도 맞으며, 사용자의 VOC도 많은 안건을 최우선 순위로 선정

▼ 근거

💡네이버플러스 스토어와 쿠팡 어떻게 다른가?

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 염두, 고객 니즈는 분명하지만, 비즈니스 목표 ‘탐색과 콘텐츠’와 어긋나는 부분이 있음
→ 다른 방법으로 개선 고려

▼ 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

핵심 문제 정의

💡AI가 사용자의 일시적인 탐색에 대한 고려없이 과거의 구매,검색 이력을 중심으로 추천하는 구조 때문에 사용자의 ‘탐색과 발견’ 경험 저하와 탐색 피로도 증가시켜 홈 화면과 발견 탭의 사용자 이탈률이 증가한다.

사용자가 생일 선물과 같은 일시적인 탐색 후 해당 탐색에 대한 상품들만 추천되어 취향에 맞지 않는 상품들만 탐색하게 됨
이로 인해 사용자의 ‘탐색과 발견’경험의 저하와 탐색 피로도를 증가 시키고 있음
사용자의 취향에 맞지 않는 상품이 지속적으로 추천될 경우 홈 화면, 발견 탭에서 사용자의 이탈률이 점차 증가할 가능성이 있음
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

만약 AI가 홈 화면에 추천 상품을 노출할 때 사용자가 마음에 들지 않는 상품에 대해서 ‘이 상품 추천하지 않기’ 버튼을 눌러 제한할 수 있도록 UI를 개선한다면 홈 화면에서의 이탈률이 감소할 것이다.

A/B 테스트 → 퍼널분석 순으로 진행

A/B 테스트

기존 유저의 20%(20만/100만)를 대상으로 2주간 기존 A군과 홈 화면 추천 영역에 ‘이 상품 추천하지 않기’ 버튼을 놓은 B군의 홈 화면 추천 영역 내 상품 클릭률을 비교
B군의 홈화면 내 상품 클릭률이 5% 증가했다면 50% → 80% → 100%의 유저로 확대하여 테스트 진행
전체 유저를 대상으로 진행했을 때 3% 정도 유의미한 수치를 거두었다면 검증된 것으로 판단

퍼널 분석

A/B 테스트 이후 기존과 ‘이 상품 추천하지 않기’ 버튼을 추가 한 이후의 홈 퍼널을 비교 했을 때, 홈 화면 진입 후 이탈하는 사용자의 수가 전체 3% 이상 감소하였다면 ‘이 상품 추천하지 않기’ 버튼이 ‘탐색과 발견’ 경험에 유의미한 영향을 주었다고 볼 수 있음

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 10% / 최근 검색 키워드(3회 이상) 5% / 사용자의 연령대 기반 주로 검색하는 키워드 15% / 사용자의 연령대 기반 최근 검색량이 급증한 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 구매전환율 증가할 것이다.

※ ‘발견과 탐색’ 에 집중하려면 최근 검색 이력만으로 사용자의 관심사가 일회성인지 여부를 알 수 없음
※ 따라서 발견 탭에서의 사용자 행동과 동일 연령대의 사용자에게 인기 있는 콘텐츠들을 다수 함께 제공하면서 사용자의 취향에 가까운 상품들이 추천 될 수 있을 것으로 기대됨

A/B 테스트 + 사용자 인터뷰 → 구매 전환율 비교 순으로 진행

가설 검증A/B 테스트

기존 유저의 20%(20만/100만)를 대상으로 한달 기존 A군과 AI 추천 구조를 세분화한 B군의 추천 상품 클릭률이 25% 이상 증가하였는지 비교 → 1안 보다 기간이 길며, ‘발견과 탐색’을 극대화하는 개선안인 만큼 유의미한 지표가 필요
클릭률이 25% 이상 달성되었다면 50% → 80% → 100%의 유저로 확대하여 테스트 진행
전체 유저를 대상 30% 정도 유의미한 수치를 거두었다면 검증된 것으로 판단

사용자 인터뷰

기존 홈 화면 추천 영역에서 이탈률이 높은 유저 100명을 선정
20%인 20만의 A/B 테스트 B군에 해당 유저를 포함, 한달 후 인터뷰 진행
인터뷰에서 30% 이상의 유저가 ‘탐색과 발견’에 대한 긍정적인 반응을 보인다면 검증된 것으로 판단

구매 전환율 비교

A/B 테스트 진행 후 기존 대비 추천 상품 영역 클릭 후 같은 세션 내 장바구니/바로 구매 클릭수 변화 비교
해당 과정을 진행 한 사용자 중 실제 결제 페이지까지 진입하여 결제 완료한 사용자의 수가 30% 이상(A/B 테스트 검증 기준 반영) 증가했다면, AI 추천구조 세분화를 통한 사용자 ‘탐색과 발견’ 경험 증대에 유의미한 영향을 주었다고 판단 할 수 있음

아티클카타

1. 아티클 정보

제목 : 서비스 기획자의 뷰티컬리로 확장하기
작성자(저자) : 김수지

2. 핵심 내용 요약

이 아티클의 주요 메시지 :

고객 여정과 목표를 통해 우선순위를 나눌 수 있다. + 유관 부서와의 협업이 중요하며, 즐거운 회고를 통해 더 성장할 수 있다.

‘고객 여정’과 ‘목표’에 따라 우선순위를 나누다.
- 분할 정복 (Divide and Conquer) 큰 목표를 더 작은 계획으로 나누고 각 계획의 솔루션을 결합하여 큰 목표를 얻는 전략 예) 네가지 우선순위를 고객 여정에 따라 순차적으로 론치 프리오픈(2종 목표) → 그랜드 오픈(2종 목표)
- ‘공간’을 만들어 ‘유입’ 늘리고 ‘판매’하기
  1) 공간 만들기 : 동등한 계층의 서비스를 알리기 위해 따로 공간 구성
  
  2) 유입 늘리기 : 넛지 전략 추가 (하단 유입경로 추가 / 프로덕트 내 유입)
  3) 뷰티 전용 구좌 개설 : 브랜드별 뷰티 쇼핑 니즈에 따른 브랜드관/뷰티 잡지 Style 방문 목적에 따른 진열 방식 → 판매율에 영향

원팀으로 협업하기
- 유관 부서와 협업
  1) 유관부서들과 로드맵을 같이 보여 세부 태스크 지정 → 어떤 팀이 맡을 수 있고, 도울 수 있는지
  2) 일정 커뮤니케이션 집중 : 변동시 유관 부서들의 전사 일정 차질이 생기지 않도록
- 프로젝트 팀과 협업
  1) 올바른 문제정의로 같은 방향을 바라볼 수 있도록 : 우리가 이것을 왜 해야 하고, 어떤 목표를 가지고 있는지
  2) 이해관계자 눈높이에 맞춘 커뮤니케이션
  3) 회고 미팅 : 4Ls 좋았던 것(Liked), 부족했던 것(Lacked), 배운 것(Learned), 원했던 것(Longed for) → 보드게임 형식으로 즐거운 회고 분위기 조성

핵심 키워드 : 고객 여정, 우선순위, 협업

3. 흥미로운 점/새롭게 알게 된 점

읽으면서 가장 흥미로웠던 부분 :
- 프로덕트 내에서도 유입이 가능하다.
- 아무튼 즐겁게 회고가 마무리 되어야 기억에도 남고 성장이 된다!
- 올바른 문제정의가 항상 밑바탕이 되어야 한다.
이전에는 알지 못했거나 새롭게 배운 내용 :
- 고객 여정을 통한 목표 구성은 생각을 못해봤어서 신선했다. 고객이 어떤 경로로 들어오고 해당 경로로 만들어진 유저들은 다음에 어떤 행동을 할 것이라는 것들을 검증하고 데이터로 쌓아 다음 단계로 착착 나가는게 인상적이었다.

4. 나의 한 문장 요약

이 아티클을 한 문장으로 요약하면?
- 고객 여정과 목표를 통해 고객의 니즈에 맞춘 프로덕트를 개발,발전 시켜나가고 이는 팀이 하나가 되어 같은 목표를 바라볼 때 이루어진다.

튜터님 피드백

팝업, 모달, 논모달 뭐가 다른걸까?

1. 모달/팝업 → 내부 디자인 시스템

2. 화면의 어디서부터 시작되느냐가 기준 / 팝업 : 갑자기 중앙에 뜨는 거 / 모달 : 밑에서부터 위로 올라오는 것

4. 모달, 논모달을 쓰는 경우가 대부분 내부에서 정해져있는 경우가 많고, UX 디자인 시스템에 따라야 하는 경우가 많음

5. PM들이 이거는 반드시 모달로 해야되고, 이건 중요하니까 팝업으로 해야지!해서 되는게 아님. 이렇게 되면 비슷한 레이어나 정보에 대해서 되려 일관성이 없어짐
→ 디자이너들이 이부분은 집중적으로 고민, 반영하는 요소기 때문에 내부 규정에 따르는게 좋다

인스타 스토리 PM이 소셜앱의 본질을 다시 설계하다.

1. 소셜미디어 앱은 사람들이 얼마나 핸드폰을 오래 붙들고 있게 하느냐가 너무너무 중요해서 진짜 진짜 데이터를 많이 봄

2. 알고리즘, 스토리뷰에 대한 논리같은 것들을 만들어야해서 엔지니어링 백그라운드가 있어야 함

읽어봐야 하는 아티클

모든 광고는 자신의 무가치함과 싸우고 있다.

→ 회원가입을 해야 볼 수 있는데 글 쓴 사람이 넘 잘써서 주니어 PM이라면 이사람거는 꼭 봐야함!

→ 트렌트라이트: 컬리, 쿠팡 같은 것들이 어떤식으로 업데이트를 했고, 어떤 지표를 봤을 것이다 식으로 분석해주는 사람.
어떤식으로 내부적으로 돌아가는지 아티클 같은 것도 써써 꼭 봤으면 좋겠음

→ 위픽레터 같은 홈페이지가 인사이트 넘치는 글들이 많이 올라와서 꼭 보면 좋겠다.

1. 세상에 이런 다양한 서비스가 있구나, 이런 서비스를 생각할 수 있구나 라는 인사이트 얻을 수 있음

서비스 기획자의 뷰티컬리로 확장하기

Q. 고객 여정을 검증하기 전에는 예측을 통해서 진행될텐데 이때 어떤 문제점이나 어려움이 생기나?

1. 고객 여정을 알기 전에 PM은 '고객이 이런식으로 행동해야 된다'를 먼저 생각한 후 고객을 유도하는 UX를 만듬

2. 사실상 출시 했을 때에도 '이렇게 써야해'라고 여정을 만들어 제공하기 때문에 원하는 지표를 얻을 수 있음

3. 이 앱 사용하기에 자유도가 높지 않은데... = PM이 설계한대로 사용하고 있는 것

4. 고객 여정을 통한 개발이 어려웠던 것은 게임필드 외에는 거의 없음 (특히 이커머스)

5. 오른손잡이가 많으니까 아니오는 왼쪽, 예는 오른쪽 이런식으로 버튼을 유도하기까지 하는 설계를 함

6. 뷰티컬리도 처음에 뷰티컬리에 대한 학습을 위해 식료품을 구매하러 왔음에도 6개월은 디폴트가 뷰티컬리여서 자연스럽게 학습이 되어 뷰티컬리 엄청 잘되고 있음.

7. 결국 PM은 의도한대로 설계해야 하는 사람

Q. A/B 테스트를 진행할 때 실제 프로덕트에 적용을 해서 진행하나 가상으로 진행하나?

1. 상황마다 다름

2. 큰 회사의 경우 roll-out의 형태로 진행

3. roll-out: 전체 유저수가 1000만명일 경우 10% 100만을 기준으로 50만한테는 기존, 50만한테는 새롭게 바뀐 기능으로 배포 후 행동패턴에서 괜찮은 지표가 나오면 20%→ 50%→80% →100% 이런식으로 진행함. 신중한 접근 가능

4. 유저가 20~50대 같이 다양하기도 하고, 사용타임도 라이프 스타일도 패턴도 전부 다르기 때문에 점진적 진행이 필요

5. 인스타그램도 계정마다 화면이 다름. 사진 20개씩으로 늘리는 AB테스트때도 어떤 계정에서는 새로운 기능으로 20개씩 가능했는데, 어떤 계정은 안됐고 이 AB테스트 지표가 좋아서 1년만에 전체 유저한테 오픈될 수 있었음

아티클스터디

모든 광고는 자신의 무가치함과 싸우고 있다.

인사이트

1. 이제 광고는 단순 노출을 넘어 하나의 경험으로서 고객의 삶에 얼마나 깊게 점유하고 데이터를 축적할 수 있느냐에 달려 있다.

2. 크리에이티브를 앞세운 광고들 만큼 기억에 남는 요소가 없고, 광고가 무가치해진 것이 아니라 자신의 가치를 고객의 생활에 얼마나 녹였냐에 따라 달라지고 있다.

3. 우리의 실제 생활 동선 안으로 광고가 들어오면 피로감보다 하나의 경험이나 정보처럼 받아들여 질 수 있다. (카카오모빌리티 옥외광고)

4. 매장이 실제 구매가 일어나고 고객의 취향과 행동까지 밀도있게 관찰할 수 있는 곳인 것처럼 결국 서비스든 광고든 이와 같이 반복적 방문, 습관이 되도록 만들어야 한다.

인사이트

1. 서비스든 광고든 이와 같이 반복적 방문, 습관이 되도록 만들어야 한다. → 너무 와닿는 말이었다.

2. PM은 의도를 설계하는 사람이다.

회고 - 4L

Liked (좋았던 점)

- 탐색과 발견에 대한 사용자 경험 증진이 메인 목표였는데, 어느 순간부터 구매전환율, 가격으로 흐름이 빠져버린다는걸 전혀 눈치 못챘다가 오늘 다시 읽어보고 검토해보다가 알게 되었다. 전체적인 흐름을 나름대로 파악했다는 점에서 오늘의 좋은 점 준다!

Learned (배운 점)

- 며칠전 모달이 무엇인지 여쭤본적이 있다. 그 모달이 어떤건지, 어떻게 쓰이는지 알게 되었다. 디자인 시스템이라는거는 정책처럼 하나의 룰 같은 거라서 역시 중요한 것 같다.

- 고객 여정을 기반으로 목표를 세울 수 있고, 고객의 여정을 따라가서가 아닌 이렇게 사용해야해.라고 고객을 이끄는 유도 방식이 참 신선했다. 돌이켜보면 나 또한 그런식으로 모든 어플을 학습했으니 새로운 관점을 배울 수 있었다.

Lacked (부족했던 점)

- 또 여기 고쳤다 저기 고쳤다 한다... 문제를 먼저 제대로 정의하고 그에 맞는 걸로 스무스하게 진행이 되야하는데 또 어딘가가 걸리는 부분이 있는지 다시 검토해봐야겠다.

- 가설 검증하는 과정에 대한 사고가 많이 부족한 것 같다. 가설을 검증할때 무엇보다 꼼꼼하게 해야하고 탄탄한 검증을 통해 증명하고 적용해야하는데 추정치?를 세우는 것부터 너무 어렵다.

Longed for (바라는 점)

- 가설 검증에 대한 공부를 조금 더 했으면 좋겠다.

저작자표시 비영리 변경금지 (새창열림)

'TIL' 카테고리의 다른 글

26.05.28 AI 퀴즈, 서비스 기획 실습, PMPO 강의 복습, GPT 강의, 아티클스터디 TIL (0)	2026.05.28
26.05.27 AI 진단 퀴즈 + 아티클카타 + 문제정의, 데스크 리서치 TIL (0)	2026.05.27
26.05.26 AI퀴즈 + GPT강의 + 문제해결 실습 TIL (0)	2026.05.26
26.05.25 번개장터 '오늘의 추천상품' 문제정의 ~ 해결방안 (0)	2026.05.25
26.05.22 아티클카타&아티클 스터디 + GPT 활용 + AI퀴즈 인사이트 TIL (0)	2026.05.22

26.05.28 AI 퀴즈, 서비스 기획 실습, PMPO 강의 복습, GPT 강의, 아티클스터디 TIL

KDE_0316 2026. 5. 28. 09:01

2026. 5. 28. 09:01

AI퀴즈

인사이트

1. 데이터 드리븐 문제 정의는 반드시 측정 가능한 지표를 기반으로 해야한다.

2. 팀원들의 의견을 종합하여 핵심문제를 정하자는 취지는 좋으나 주관적 의견은 편향될 수 있어 반드시 데이터로 검증되어야 한다.

3. 데이터 기반의 명확한 문제 정의는 구체적인 지표와 수치, 비교군과의 정량화된 차이가 필요하다.

4. 만족도가 낮다 → 구체적인 수치 없어 모호 / 부족해보인다 → 주관적 판단, 뒷받침하는 데이터적인 근거 없음

5. 데이터를 통한 문제와 규모를 파악한 후 정성적 데이터 조사가 필요하다.

6. 벤치마크 비교(목표치, 이전 데이터, 업계 평균 등)를 통해 문제의 심각성을 판단할 수 있다.