3주 4일차 T.I.L

빈수·2026년 3월 26일

✒️오늘 학습 한 줄 : 정신차려 이 각박한 취준생활 속에서

* to do list

SQL 완강 ❎
서비스기획 2-4까지 & 과제 ◧
gpt 구독 ✅
잡담방 아티클 확인 ✅
어제 TIL 수정 ✅

*성과

* 목표 달성률 : 70%
* 달성 못한 이유 (없으면 x) : 집중력 부족 이슈
* 개선해야 할 사항: 체계적인 공부 습관 확립

* 개인 공부 내용

아티클 카타 (잡담방 공유 아티클)

1. "ux 데이터 분석부터 퍼소나 생성까지, 어피니티버블 사용기"

* 어피니티버블: 방대한 양의 정성 데이터를 분류하고 그룹핑하는 어피니티 다이어그램을 대신 수행해주는 ai. 앱 라뷰 분석이 간편하고 좋음 !!

     ㄴ 앱 리뷰 외 주관식 설문, voc 등은?: 가능은 한데, csv 파일 형식으로만 첨부가 가능해서 외부 도구를 통해 데이터 추출 후 변환해야 함. 
                                   ▶️ ‘리스틀리’ 사용하여 데이터 수집 후 csv 파일로 저장 가능 !!
     ㄴ 리스틀리: 원하는 데이터를 수집해 파일로 저장할 수 있는 도구

* 어피니티버블의 추가 활용: 수집한 데이터 기반 페르소나 생성

* 어피티니버블의 페르소나: gpt나 synthetic users 등의 도구는 실제 사용자가 아닌 가상으로 생성된 데이터라 신뢰도가 떨어지는 반면, 어피니티퍼블로 생성한 페르소나는 실제 사용자 데이터를 기반으로 도출하여 신뢰도와 활용도가 높음.

* 어피티니버블의 장점: 사용 간편성, 데이터 처리 완료 즉시 폐기되어 안전한 활용 가능

* 시사점: ai의 활용으로 훨씬 빠른 프로그램 수립 환경이 갖춰지고 있는 만큼, 사용자의 니즈와 페인 포인트를 명확히 해결하는 것이 더욱 중요해지고 있음. 이러한 상황 속에서 방대한 사용자 데이터를 빠르게 이해하고 니즈와 페인포인트 도출로 연결될 수 있도록 돕는 유용한 보조 도구에 대해 알아볼 수 있었음. 당장 다음주에 진행할 과제에서도 사용해볼 수 있을듯

2. "매일 쓸 것 같다던 그 기능, 왜 아무도 안 썼을까?"

서론
ux 리서치를 하다 보면 사용자의 말과 행동이 다름을 자주 목격한다. 이러한 현상을 단순히 말이 틀리고 행동이 옳다, 라는 결론을 내리기엔 단순하다. 사용자의 모순을 구조적으로 해석하고 계측과 실험으로 확인해 설계로 바꾸는 것이 ux리서치이다.

본론

ux에서 자주 쓰는 행동과학 해석 도구: 말은 이상, 행동은 마찰의 결과다.
: 해석 도구라는 건 사용자의 발화나 로그를 어떤 원리로 보았을 때 더 잘 설명되는지를 정해주는 일종의 관점. 같은 현상을 어떤 관점으로 보느냐에 따라 원인과 처방이 달라진다.

1) 최소 노력의 법칙
: 사용자는 가장 쉬운 경로로 흐름.
Ex) 금융 앱 인터뷰에서 자동이체 등록 기능을 원한다는 유저가 많았으나 실제 등록률이 낮다 ➡️ 기능이 필요없어서가 아닌 등록 과정이 귀찮기 때문.

2) 인지 부하 최소화
: 사용자는 화면을 읽고 판단하고 기억하고 비교하는(인지 과부하)를 꺼림.
Ex) 알림을 원하던 유저가 알림을 꺼버린다 ➡️ 알림이 정보가 아닌 판단을 요구하는 작업으로 느껴지기 때문. / 알림을 더 단순하고 직관적으로 만들어야 한다.

3) 기본값 효과
: 사용자는 기본값으로 주어진 설정을 잘 바꾸지 않는다.
Ex) 뉴스레터 구독이나 푸시 알림의 기본값이 꺼짐이고 켤 기회를 제대로 주지 않는다 ➡️ 알림이 중요하다고 생각하는 사용자도 계속 꺼진 상태로 지속

실무 사례 : 알림을 켜게 만들기 위해 온보딩 첫 화면에 권한 요청을 띄우면, 사용자는 이 앱이 자신에게 어떤 가치를 주는지 모르기 때문에 거절함. 그리고 기본값이 그 상태로 굳어버린다. / 기본값 제안 시기를 납득될 수 있는 맥락과 같이 설계해야 한다.

4) 현재 편향과 지연된 보상
: 사람은 먼 미래의 이득보다 당장의 귀찮음을 더 크게 느낀다.
Ex) 가계부 앱의 예산 기능을 원하던 사용자들이 며칠만에 이탈한다 ➡️ 과정은 긴데 일주일 이상 써봐야 의미가 생긴다 (=보상은 늦게 오는데 입력의 귀찮음은 당장 눈 앞에 있음) / 직접 입력이 아닌 추천 예산을 만들어주고, 하루만 사용해도 바로 보이는 인사이트 제공할 것

5) 프레이밍과 손실회피
: 사람은 같은 사실이라도 표현 방식에 따라 다르게 판단하고, 이득보다 손실을 크게 느낀다.
Ex) 동일 제품이어도 리뷰 수 많음, 반품 쉬움, 배송 확실한 비싼 것을 구매 ➡️ 좋은 제품을 사고 싶은 것이 아닌, 잘못 샀을 때의 소요한 시간과 돈, 후회를 피하고 싶기 때문. / 가격 비교 ux만 강화할 것이 아닌 결제 전 불안을 줄여줄 것 (= ‘싸게 사세요’ 보다 ‘망할 확률 줄여드릴게요’가 더 강력하게 작동할 때 많음)

말과 행동을 연결하는 테크니컬 루틴: 가설화 ➡️ 계측 ➡️ 교차검증 ➡️ 실험
: 실무에서 중요한 것은 사용자의 말과 행동에서 오는 간극을 반복 가능하게 다루는 루틴이며, 이 루틴은 리서치보다 분석 설계와 실험 설계에 가까움.

1) 발화를 가설 문장으로 번역
: 사용자의 말 자체은 요구사항이 아닌 의견이고 ux에서 의견은 검증 전까진 가설.
Ex) 알림이 필요할 경우: 특정 이벤트 발생 시 알림을 받으면 사용자는 더 빠르게 재방문하거나, 중요한 행동을 완료할 확률이 높아질 수 있다. ▶️ 핵심은 알림이라는 기능명이 아닌 이벤트, 맥락, 대상, 기대효과를 넣는 것.

2) 계측
: 행동 데이터는 자연 발생 x, 최소한 기능의 채택과 유지와 성과를 측정할 이벤트가 있어야 관찰 가능.
Ex) 알림 : 알림 켬/끔, 선택한 알림 유형, 알림 받은 뒤 유입된 화면, 왈림을 끄기까지 소요된 시간 같은 속성 부여 ▶️ 이 정도는 부여해야 말과 행동을 같은 좌표에 올릴 수 있음.

3) 교차검증
: 기능 사용률 하나만 보고 결론을 내리지 말고 채택률, 습관화, 임팩트로 분해해서 볼 것.

채택률: 한번이라도 켰거나 써본 비율
습관화: 반복 사용하거나 유지한 비율
임팩트: 실제 목표 지표에 영향을 주었는지에 대한 여부
Ex) 알림을 켠 사람은 적지만 유지율과 재방문이 높다 ➡️ 알림을 켜게 만드는 ux 실패
알림을 켠 사람은 많지만 유지율이 낮고 불만이 높다 ➡️ 품질과 빈도, 통제권 설계 실패

4) 실험
: 인과가 필요하다면 무엇이 가치이고 무엇이 마찰인지 가설을 분리해 실험으로 확인하는 것이 가장 빠름.
Ex) 권한 요청 타이밍을 첫 가치 경험 이후로 설정하기, 기본값 변경, 알림 빈도 선택 제공, 알림 유형 분리 등

사용자는 거짓말을 한다, 그래서 ux는 더 정교해질 수 있다
: 사용자의 말과 행동 사이의 간극을 전제로 설계한다면, 발화는 단서이고 행동은 증거이다. 단서를 가설로 만들어 계측으로 관찰하고 교차검증으로 해석해 실험으로 인과를 확인하는 과정이 쌓이면, 제품을 정교하게 만드는 힌트가 된다.

ux 리서치는 탐정의 일과 닮아있다. 증언이 불확실하지도, cctv가 마냥 확실하지도 않다. 증언(=사용자의 말)과 cctv(사용자의 행동)를 같은 사건의 다른 시점으로 보고, 그 사이의 간극을 메우며 진실에 가까워진다.

시사점: 사용자 언행에서 오는 간극을 단순히 이상하다고 치부해버리는 것이 아니라 그 사이에서 오는 원인을 분석하고 프로덕트를 정교화하는 방법론애 대해 상세히 작성되어 있음. 앞으로 우리가 pm으로서 마주해야 할 여러 문제 상황에서 적용할 수 있는 인사이트가 됨.

강의

서비스 기획 입문 강의

* 문제 해결 단계: 목표수립-문제정의-가설수립&검증
ㄴ 왜 이러한 프레임워크가 필요한가?
1) 애자일의 핵심 원칙인 ‘점진적으로 개선하는 방식’과 일치함
2) 데이터 기반의 의사결정으로 성공 확률을 높일 수 있음

* 목표 수립 : 프로덕트 비전, OKR, KPI 등을 가장 상위의 목표로 수립

프로덕트 비전: 팀에 나침반 같은 장기적인 방향성을 제시
OKR: 목표(Objective)와 그 목표를 달성하기 위한 핵심 결과(Key Results)를 정의하여 목표 달성 진척도를 측정. 보통 70~80%의 달성률이 적절한 OKR로 간주
```
* Objective (목표) :도달하고 싶은 상태

* Key Results (핵심 결과) : 목표 달성 정도를 측정하기 위한 구체적이고 정량화된 지표
```
KPI (Key Performance Indicator): 조직, 팀, 또는 개인이 설정한 목표에 대한 달성 수준을 측정하기 위해 사용하는 정량적 또는 정성적 지표
OKR과 KPI의 차이?

항목	OKR (목표 및 핵심 결과)	KPI (핵심 성과 지표)
초점	"무엇을 달성할 것인가"	"어떻게 성과를 측정할 것인가"
구성 요소	목표(Objective)와 핵심 결과(Key Results)	주로 정량적인 성과 지표
범위와 기간	주로 단기적 (분기별 또는 연간 목표 설정)	지속적인 추적 (일상적 성과 측정 및 관리)

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ

*오늘의 인사이트

사용자의 간극에서 고려할 수 있는 ux 개선법과 문제 상황을 바라보는 관점의 차이를 알 수 있었음. 그리고 다음주 과제에 쓸만한 새로운 ai 툴을 알 수 있었답니다. 또 팀원들 과제 피드백 썰을 듣고.. 과제에 필요한 논리적 구성의 기준을 좀 잡을 수 있었구요..
넵. 그렇습니다.