8주 4일차 T.I.L

빈수·2026년 5월 1일

✒️오늘 학습 한 줄 :

to do list

0429 발제 & ai native 특강 복습 ✅
우수사례 특강 참여 (11:00) ✅
사이드 플젝 회의 참여 (12:00) ✅
개인 아티클 카타 진행 ❌
심화 강의 1강까지 수강 ❌ (1-2강까지 수강 완료)
T.I.L 작성 ✅

학습 내용

우수사례 특강

서론
이번 과제는 논리에 대한 근거 제시가 제일 관건이었음
데이터 추출 및 분석 역량을 위해 추가 했고, 엄청 깊게 파고든 사람, 다양한 방법으로 추출 및 분석한 사람들 등 있었지만 사실 데이터는 수단일 뿐이었다.

데이터 추출 및 분석에 대해
페르소나 별 본인이 생각하는 시나리오에 맞게 데이터 컬럼 지정하여 분석하면 됨.
Ex) 페르소나 A일 시,
“비싼 상품을 구매하니까 리뷰를 많이 참고할거야” ➡️ review_clicked

우수 사례

Kpi
1. Kpi에 대해 as-is 와 to-be 표시한 케이스 : 가독성 good
2. 설정 Kpi가 중요한 이유에 대한 설명한 케이스 : 논리에 대한 뒷받침 측면에서 칭찬함
페르소나
1. 페르소나 선정 이유 제시한 케이스 : 현재 전환율이 낮지만, 논리적인 이유를 들어 어떤 점을 개선하면 전환율이 효과적으로 오를 것인지 분석하고 페르소나를 설정한 과정이 논리적으로 잘 설명됨.
2. 페르소나의 유저저니맵 그려 문제상황 도출한 케이스(아싸 내 유저저니맵도 실렸어유~) : 이번 과제 때는 데이터 셋만 제공되었기 때문에 페인포인트 추론 및 도출하는 게 어려웠을 수 있는데, 이전에 배운 내용(유저저니맵)을 적용해서 도출하려고 한 점에 대해 칭찬함.
데이터 분석
시각화 측면에 대한 우수사례를 보여주심. 우리가 작성해야 할 문서들은 모두 내가 아닌 타인에게 설득해야 하기 때문에, 데이터처럼 이해하는 데 시간이 걸리는 부분에 대한 시각화가 잘 이루어지면 회의 시간이 많이 줄어들 수 있음. 우리는 특히 시간이 중요한 직무이기 때문에, 시각화 역량 높으면 좋음.
솔루션
1. Ux/Ui 개선에 대한 와이어프레임 제시 : 비슷하게 와이어프레임을 제시한 사람들은 모두 우수 사례라고 봐도 됨. 이러한 ux/ ui 개선이 조금 진부하다고 느낄 수 있는데, 그건 그만큼 효과가 있어서 다른 곳에서 채택이 된 아이디어임.
2. 아이디어 참신한 케이스 : 솔직히 리스크가 몇개 떠오르는 방안이었지만, 창의적인 솔루션이었기 때문에 우수사례로 들고 옴. 만약 발생할 수 있는 리스크 관리에 대한 내용이 추가로 들어갔다면 더 완성도 있는 솔루션이 되었을 것.
와이어프레임
1. As-is / to-be 제시한 케이스: 우리가 ai에 대한 특강 등이 이루어진 후라 그런지 와이어프레임을 다들 잘 제시해줬는데, 특히 as-is / to-be 형식으로 제시한 사례들이 기대 효과에 대한 가시성이 좋았음.
2. 웹하고 앱을 나누어 제시한 케이스 : 굉장히 현실적인 와이어프레임이었다고 판단됨.
추가로 좋았던 케이스
- 시각화 우수 사례 : 걍 딱 봐도 가독성 좋음, 자료 확인
- 문서화 우수 사례:
  왼쪽 자료) 필요한 내용만 압축 + 여백 챙김 
  오른쪽 자료) 노션 특성 상 콜아웃 사용이 가독성 높임. +
  ➡️ 튜터님은 왼쪽 선호. 문서를 많이 보는 사람들에겐 색깔 많이 쓰인 문서가 피로할 수 있음.
- 정량적 목표 설정한 사례  
  1. 정량적인 목표에 대한 설정 근거로 참고 자료를 같이 제시해 설득력을 높인 부분이 좋았음.
  2. 해외 레퍼런스 활용 부분이 좋았음. 근거 제시에 대한 문서 가독성 좀 더 좋았으면 좋았겠지만, 그래도 좋았다.

레퍼런스에 대한 정보 공유
실제 실무에서는 레퍼런스를 국,내외 가리지 않고 3-40개씩 가져감. 튜터님은 프로젝트 시 레퍼런스에 대한 스크린샷을 잔뜩 찍은 후, 앨범 따로 만들어서 보관하심.

마지막으로 칭찬할 점에 대하여
이번에 피드백 진행하시면서 입문과제와 같이 비교하며 보셨는데, 모두 확실하게 성장한 모습이 보여 좋았음. 특히 입문 과제에서 받았던 피드백을 숙련 과제에서 모두 개선한 점에 대해 칭찬하고 싶었다.

ai native 특강

서론
AI 시대가 도래하면서 PM(프로덕트 매니저)에게 요구되는 기술적 이해도 수준이 점점 높아지고 있다.
이제는 데이터 분석, AI 및 자동화 도구 활용 능력이 '알면 좋은 것(Nice to Have)'을 넘어 '필수(Must-Have)' 역량으로 가는 추세.

이번 주차 학습
1. AI를 활용한 논리적 기획: 제미나이와 노트북 LM을 사용하여 아이디어를 논리적인 기획으로 발전시키는 방법 (특강으로 진행)
2. 자동화 파이프라인 구축: 메이크와 클로드 코드를 이용해 업무 자동화 워크플로우 구축
ex) AI를 통해 VOC 자동 분류(칭찬, 버그 제보 등)
3. 웹 애플리케이션 제작 경험: 노코드 툴인 프레이머 사용하여 기획안을 실제 웹 애플리케이션으로 만들어보는 경험

리서치의 종류

데스크 리서치 (2차 조사): 책, 논문, 뉴스 기사 등 기존에 존재하는 자료를 분석하는 방법. 시간과 비용 절감과 거시적 트렌드 파악에 용이.
필드 리서치 (1차 조사 / 유저 리서치): 현장에서 사용자를 직접 만나 제품에 대한 인식, 사용성 등을 평가하는 방법. 사용자의 구체적인 행동 원인, 니즈, 페인 포인트를 심층적으로 발굴하는 것이 목적.

리서치의 분류

정량적 리서치: 수치화된 데이터를 다루며, '무엇'과 '얼마나'에 답함 (예: 설문조사)
정성적 리서치: 사용자의 행동, 태도, 감정 등 구체적인 의견을 다루며, '왜'에 답함. (예: 심층 인터뷰, FGI, UT)

다양한 UX 리서치 기법 및 도구

UT (Usability Test): 사용자가 실제 제품/서비스를 사용하는 과정을 관찰, 의도된 플로우와 실제 행동 패턴의 차이, 페인 포인트를 발견하는 기법
- 활용 도구: Maze, Useberry 등 피그마 프로토타입과 연동하여 테스트를 진행할 수 있음. 또는 전문 시설에서 여러 대의 카메라로 사용자의 행동과 표정을 녹화하기도 함.

FGI (Focus Group Interview): 공통된 특성을 가진 소수의 그룹(4~6명)을 대상으로, 특정 주제에 대해 모더레이터의 중재 하에 토론하며 의견을 수집하는 인터뷰 기법. 신제품 컨셉 평가 등에 자주 사용.
섀도잉 (Shadowing): 사용자의 일상이나 업무 환경을 그림자처럼 따라다니며 간섭 없이 관찰하는 기법. 품이 많이 들어 현재는 UT가 더 많이 활용됨.
카드 소팅 (Card Sorting): 사용자 관점에서 정보와 콘텐츠를 그룹핑하고 메뉴 구조(IA)를 설계하기 위해 사용하는 기법. 참가자가 기능이나 정보가 적힌 카드를 유사한 것끼리 묶고, 각 그룹에 맞는 명칭을 부여하는 방식으로 진행.

유저 리서치 진행 프로세스
1. 계획 수립: 리서치를 통해 확인하고자 하는 가설, 달성 목표, 리서치 기법, 주요 지표 등을 사전에 명확히 정의
2. 대상자 모집: 조사 목적에 맞는 대상자 기준을 마련하고, 스크리닝 설문을 통해 적합한 참여자 선발. NDA, 보상 안내, 인터뷰 가이드 작성도 이 단계에서 이루어짐.
3. 리서치 수행: 계획된 설계에 따라 현장(대면/비대면)에서 리서치 진행. 참여자 동의 하에 인터뷰 내용을 녹음하거나 화면을 녹화하여 사후 분석 자료로 활용.
4. 분석 및 인사이트 도출: 수집된 데이터를 어피니티 다이어그램 등의 기법으로 분석하여 패턴과 핵심 인사이트(3~5개)를 도출. 이후 우선순위를 정하고 팀원들과 공유하여 제품 개선을 위한 의사결정 돌입.

심층 인터뷰 (In-depth Interview, IDI) 심화

정의: 특정 목적을 가지고 1:1로 진행되는 반구조화(Semi-structured) 인터뷰. 정해진 질문 외에도 대화의 흐름에 따라 유연하게 추가 질문을 던져 사용자의 생각, 감정, 니즈를 깊이 파악.
목적: 숫자만으로 파악하기 힘든 문제의 원인, 즉 '왜(Why)?'에 대한 인사이트를 얻기 위함.
ex) 왜 특정 기능을 사용하지 않는가?, 왜 서비스 이용 중 이탈했는가?
진행 방식: 일반적으로 30분에서 최대 1시간 내외로 진행, 참여자와 진행자 모두의 집중력 저하를 방지하기 위해 시간 조절

리서치 관련 주요 용어 정리

스크리닝 (Screening): 리서치 목적에 맞는 응답자(타겟)만 선발하기 위해 사전에 진행하는 짧은 설문 조사. 설문조사 진행 시 가장 앞부분에 배치하며, 3~5개의 필수 문항으로 구성하는 것이 효과적.
NDA (Non-Disclosure Agreement): 비밀유지계약. 리서치 과정에서 공개되는 미출시 서비스 정보(컨셉, 화면, 기능 등)를 외부로 유출하지 않겠다는 참여자의 서약을 받는 문서. 기업의 공식 리서치에서 주로 사용.
어피니티 다이어그램 (Affinity Diagram): 정성적 데이터를 유사한 그룹으로 분류하여 패턴과 핵심 문제를 시각적으로 찾는 도구. 팀원 전체가 참여하여 문제의 우선순위를 정하고 해결 방안에 대한 공감대를 형성하는 데 사용됨.
활용 도구) Miro, FigJam

AI 도구 활용 실습 계획