어제는 리뷰 데이터 분석과 데스크 리서치 등을 진행했다.
리뷰 데이터 분석은 가이드 문서에 나와 있는 대로 시도해봤고, 리뷰에서 확인되는 카테고리(가격/혜택, 배송 등)를 정의한 뒤 대표 문제를 찾아보려고 했다. 이 과정에서 카테고리로 분류하는 것부터 어떤 문제가 대표 문제인지 정리하는 것까지 어려움이 많았다.
커머스 서비스 특성상 사용자는 가격에 민감할 수밖에 없다고 판단했다.
따라서 쿠폰, 멤버십 혜택 등에 대한 리뷰를 가격/혜택이라는 카테고리로 분류했다. 하지만 해당 카테고리의 대표 문제가 무엇인지 정리해보려니, 공통되거나 대표적인 문제를 구분하는 것이 너무 어려웠다.
예를 들어,
구매 직전에 적용 제외 상품이거나 최소 구매 금액 조건에 맞지 않아 쿠폰을 사용할 수 없다는 사실을 알게 되어 불만을 느꼈다.가격 정보에 리뷰를 통해 얻는 포인트까지 할인처럼 반영되어 큰 할인처럼 느껴지는 점이 불편하다고 했다.위처럼 하나로 통일하기 어려운 지점이 많아서 카테고리를 더 세분화하는 방향으로 접근했다.
가격/혜택을 1차 카테고리로 두고, 2차로 가격 인지, 가격 비교와 같이 구분한 뒤 3차 분류까지 진행했다. 하지만 이렇게 세분화하니 하나의 카테고리에 한두 개 정도의 리뷰만 해당하는 문제가 발생했다.
이 부분을 문제라고 생각한 이유는 대표 문제가 대표하는 리뷰의 수가 너무 적다고 판단했기 때문이다.
우선 어디에서 혼란스러움이 발생했는지 생각해봤다.
리뷰를 어떻게 카테고리화해야 하는지, 어느 정도로 카테고리화해야 하는지 모르겠다는 점이 가장 컸다. 어떻게든 분류하고 대표 문제를 뽑아보았지만, 설명은 할 수 있어도 명쾌하게 와닿지는 않았다.
그럼 왜 이런 상황에 처했을까?
→ 리뷰 분석을 하는 목적이 무엇이고, 그 목적에 맞게 어떻게 분석할지에 대한 고민이 부족했다.
위와 같은 결론을 내리고, 데스크 리서치를 수행하면서 먼저 서비스의 방향성과 과제에서 나에게 주어진 목표가 무엇인지 다시 확인해보자고 판단했다.
데스크 리서치 통해 얻은 서비스의 목표나 핵심 가치/기능들과, 과제 문서를 다시 정독 해보면서 내가 놓치고 있던 부분을 인지했다.
우선 나에게 주어진 목표가 무엇인지 실제 나의 OKR 관점에서 다시 확인했다(사실 과제 설명에 이미 잘 나와 있었지만, 처음에는 크게 중요하게 느끼지 못했다......)
Objective: 출시 초기의 프로모션 효과가 줄어든 이후, 한 번 유입된 사용자가 앱을 다시 찾고 지속적으로 사용하는 경험을 만드는 것
Key Result: 리텐션을 높이는 것
이렇게 정의하고 보니, 이번 과제는 리뷰 데이터 분석을 통해 리텐션 개선을 위한 서비스 개선안을 도출하는 과정을 연습하는것이다! 라고 깨달았다
이 관점을 바탕으로 과제에서 제공한 일정 가이드와 각 스텝별 가이드를 포함해 나만의 프로세스를 구체화했고, 오늘 하루 종일 그 흐름을 따라 진행했다.
우선 자체적으로 정의해본 프로세스는 다음과 같다.
위와 같이 정의된 프로세스에서 6번까지 진행했다. 가이드상의 일정과 내 자체 프로세스를 비교하면 오늘 7번까지 완료했어야 했지만 이 부분은 내일 중으로 완료해보자.....!