Day 16 (4주차)
| 시간 | 학습내용 | 소요시간 | 메모 |
|---|---|---|---|
| 아침 | 주간 목표세우기, GPT 강의 Chapter.3 | ||
| 점심 전 | 튜터님 멘토링 (윤정T, 지선T) | ||
| Arvo | 리뷰 데이터 가공 작업 (GPT, Gemini,어피니티 버블) | 리뷰 데이터 57건을 분류하기위해 4시간 뺑이를 치다. | |
| Evening | 데스크 리서치 |
GPT 활용 강의 Chapter.3
더 빠른 데이터 관리하기
-
유저 퍼널
단계별 유저 수와 전환율 계산 -
정성 데이터 분석 시, 감정 사전을 학습시킨 뒤 점수를 메겨서 긍정/부정 판정하는 방법.
-
새로 배운 시각화 그래프
히트맵, 워드클라우드 -
대시보드 (구글 앱스크립트)
시트, 범위 넣고대시보드로 만들어주는 구글 앱스크립트를 작성해줘
튜터님과 질의응답
윤정T: 커뮤니케이션 아티클 카타
지선T: 서비스 기획의 순서에 관한 질문
윤정 튜터님
무조건적인 수용을 하게 만드는 조직에 입사했다면, 신입/주니어 PM인 나는 무엇을 할 수 있나요?
조직 분위기가 강압적이라 무조건 적인 수용밖에 못한다고 느껴질 때, 과연 이런 반발심이 정말 조직의 문제인지 아니면 내가 조직의 방향과 맞지 않는 생각을 하는 건지 객관적으로 점검 할 필요도 있음.
사전 회의의 중요성을 다들 강조하는데, 사전회의가 오히려 비효율로 이어졌던 사례가 있나요? 실무에서는 사전회의가 과해지는 시점을 어떻게 판단하나요?
목적이 명확이 정해지지 않으면 사전회의는 의미가 없음. 항상 뭘 논의하는지, 어떤 결론이 필요한지 목적을 명확히 해야함. 이거는 사전회의뿐만 아니라 모든 업무에 적용되는 사항. (커피챗, 티타임, 콜드메일 보낼 때 etc etc) 이 기본적인 원칙을 안 지키면 동료의 신뢰를 잃게 되니 명심하자.
지선 튜터님
OKR 수립 과정에서, KR을 설정하는 순서에 대한 질문. 각 방식에 어떤 장단점이 있는지?
Case A (29cm 사례)
목표 설정
목표를 달성하면 어떤 결과가 나와야 할까
결과를 얻기위해 해결 할 문제
문제에 대한 솔루션
Case B (도도 포인트 사례)
목표설정
어떤 문제를 해결해야 하는지
문제에 대한 솔루션
최종적으로 얻고자 하는 결과가 무엇인지 (솔루션 성공에 대한 기준이 됨)
-
케이스 B: 문제가 명확하지 않은 상황
우리가 어떤 문제를 해결해야 할지 모르는 경우, KR을 가장 마지막에 설정함으로써 결과에 대한 실행 가능성을 높일 수 있습니다. 0->1 개발 단계 혹은 PMF를 찾는 단계와 같이 프로덕트의 방향을 찾는 과정으로 이해할 수 있습빈다. -
케이스 A: 성과 중심
반면 케이스A는 프로덕트의 방향이 명확하고, 팀의 목표가 성과를 달성하는 것인 경우로 보입니다. KR을 먼저 수립하고 문제정의를 진행하게 되면 문제의 우선순위를 정하기가 편하고, 프로덕트의 목표에 빠르게 도달할 수 있습니다.
네이버 스마트 스토어 앱 개선 과제
리뷰 데이터 분석? 나처럼 하지 마시오
데스크 리서치
1. 리뷰 데이터 분석
오답노트
0001 — 지피띠니가
.xlxs파일을 읽지 못함. 잼미니도, 클로드도.
0002 — 파일 읽기에 성공해서 대망의 1트. 이제 보니 정말 구린 프롬프트.네이버 스마트스토어 서비스에 대한 VoC를 수집했어. 리뷰 데이터를 통해 사용자들이 겪는 문제를 파악하고싶어. 모든 리뷰를 카테고리 별로 분류할거야. (카테고리 예시: UI/UX, 기능, 가격, 고객 지원, 배송 등) 어떤 카테고리를 적용할 수 있는지 알려주고, categorized data를 엑셀파일로 생성해줘.`0003 — 뭔가 미심쩍기 시작. Confidence 지수를 적용해보기로 함. 카테고리는 재미니가 만들어줌. 요청하지도 않았는데, 엑셀 파일 읽을 수 있냐니까 알아서 카테고리를 나눠 줌.
이 리뷰 데이터를 핵심 카테고리로 분류한 다음 세분화를 진행해줘. <핵심 카테고리> UI/UX/편의성 (검색 필터 작동 방식, 장바구니 접근성, 결제 단계의 복잡도) 기능 및 시스템(알림(톡톡) 오류, 쿠폰/포인트 적용 불가, 페이지 로딩 속도 등) 가격 및 혜택 (가격 비교의 정확성, 네이버플러스 멤버십 혜택, 이벤트 참여 난이도) 고객 지원 (CS) (판매자의 응대 속도, 분쟁 해결 과정, 네이버 상담원 연결) 배송, 물류 (도착 보장 서비스의 정확도, 포장 상태, 반품/교환 프로세스) 상품 품질 및 신뢰성 (상세 페이지와 실물의 차이, 리뷰 조작 의심, 정품 여부) 정책, 운영 (정책, 제재, 노출 알고리즘 등) 기타 <세분화> 세부 분류 체계 (Taxonomy) ### 1. UI/UX/편의성 * **정보 구조(IA):** 메뉴 탐색의 복잡도, 원하는 기능(장바구니 등)을 찾는 경로의 적절성 * **시각적 요소:** 텍스트 가독성(글자 크기), 아이콘 직관성, 다크모드 등 디자인 요소 * **개인화 레이아웃:** 메인 화면의 위젯 구성 만족도, 찜한 상품 리스트 관리의 편의성 ### 2. 기능 및 시스템 * **검색 및 추천:** 검색 결과의 정확도(키워드 매칭), AI 추천 상품의 취향 적중도 * **안정성 및 속도:** 앱 로딩 속도, 화면 버벅임(스크롤 오류), 강제 종료 및 결제 튕김 현상 * **알림 및 연동:** 네이버 톡톡 알림 수신 상태, 외부 SNS(인스타그램 등) 연동 기능의 원활함 ### 3. 가격 및 혜택 * **포인트 및 리워드:** 구매 확정 시 적립금 규모, 포인트 전환 및 사용의 편리함 * **멤버십:** 네이버플러스 멤버십 혜택 체감도, 멤버십 전용 특가 상품의 매력도 * **쿠폰 및 이벤트:** 쿠폰 발급/적용 조건의 복잡성, 이벤트 참여 허들 및 당첨 안내 ### 4. 배송 및 물류 * **배송 속도:** '네이버 도착보장' 준수 여부, 당일/익일 배송에 대한 만족도 * **배송 정보:** 배송 추적 시스템의 실시간 업데이트 정확도, 택배사와의 정보 연동 * **프로세스:** 반품/교환 신청의 간편함, 수거 및 환불 처리 속도 ### 5. 고객 지원 (CS) * **판매자 소통:** 톡톡 문의 응대 속도, 문의 사항에 대한 답변의 전문성 및 친절도 * **분쟁 해결:** 플랫폼(네이버)의 중재 역할, 오배송이나 파손 시의 보상 처리 수준 * **가이드:** 고객센터 FAQ의 접근성, 챗봇 상담의 유용성 ### 6. 상품 및 신뢰성 * **정보 정확성:** 상세 페이지 이미지와 실물의 일치 여부, 상품 스펙 표기 오류 * **품질 및 정품:** 가품 노출 관리 상태, 해외 직구 상품의 검수 신뢰도 * **리뷰 품질:** 허위/광고성 리뷰 필터링 수준, 실사용자 리뷰의 도움 정도 카테고리 열과 세분화 열을 추가하고, 너가 카테고리를 분류한 결과에 대한 confidence 지수도 추가해줘. 이 모든 내용을 "review_data_categorized"라는 제목의 엑셀 파일로 생성해줘0004 — 카테고리가 잘 나뉜 줄 알았으나, 분류가 엉망 진창이였다.
0005 — 매뉴얼 작업을 진행했다. 그리고 다시 인사이트 도출 시도.첨부한 리뷰 데이터를 모두 활용해 아래 작업을 수행해줘. 단, 데이터를 읽을 수 없는 경우 작업 수행을 중지하고, 데이터 재 업로드를 요청할 것. 작업 내용: 1. 카테고리별 빈도 분석 2. 카테고리별 감정 분석 (긍정, 부정 비율 계산 후 주요 내용 분석) 3. 자주 등장하는 단어, 문장 패턴을 추출하여 카테고리별 문제 파악 (confidence 열에 해당하는 데이터는 분석에 활용하지 않는다)0006 — 근데 이 녀석이 카테고리별로 "부정00% 긍정00% 중립00%" 같은 결과를 냄. 나는 이 숫자를 도저히 믿을 수 없으니, 내가 검토할 수 있게 재구성을 요청함.
지금 분석한 내용을 리뷰 카테고리 별로 묶어서 정리해줘.(지금은 내가 지시한 작업 순서대로 나뉘어져있음) 추가로 카테고리별 빈도에 해당하는 수치를 백분위로 환산해줘.0007 — 근데 부정, 중립, 긍정 평가를 적용하니까 정확도가 떨어지는 현상 발생.
1. 긍정/중립/부정에 대한 평가 데이터를 초기화해. 2. 리뷰 데이터 속 '만족/불만족'열에 해당하는 데이터가 '만족' 일 경우 긍정, '불만족'일 경우 부정으로 평가할거야. 3. 새로운 평가를 반영해서 분석 보고서를 업데이트해줘.0008 — 인사이트는 내가 뽑을 게 넌 정리나 해.
지금 '결론'에 해당하는 내용은 의미가 없게 느껴져. 데이터에 대한 구체적인 해석도 아니고, 뚜렷한 next action이 제시 된 것도 아니라서 소구력이 약해. 각 카테고리별로 부정적인 리뷰를 종합해서 2-3개의 리뷰로 압축한 내용으로 대체해줘(비중이 높은 부정 리뷰 기준).
이제와 돌이켜 보면 그냥 제일 먼저 데이터 스크리닝을 해서 키워드를 뽑아 낸 다음,
그걸 이용해서 프롬프트를 작성하고 카테고리 분류를 했어야 했다.
나는 그걸 역방향으로 해서 일을 두번.. 아니 세번 네번 하고도 100% 신뢰할 수 없는 결과를 뽑아냈더라...
아 그리고 시각화는 지피티가 잼미니보다 낫다.
왼쪽이 챗. 오른쪽은 10리 밖에서 봐도 나노바나나...
재미나이야 "배경은 투명"
2. 데스크 리서치
네이버+ 스토어의 역사 [출처]
2000년대 초반 - 네이버 지식 쇼핑 : 커머스 역시 네이버가 전달해야 할 지식과 정보의 일환으로 생각
2013년도 - ‘쇼핑 윈도’ 론칭. 매장에서 상품을 둘러보는 듯한 감각을 생생하게 재현해 보자는 기획
2015 네이버 페이 간편결제 서비스 - 결제 과정에서 느꼈던 복잡함을 대폭 해소
2017 AiTEMS - 성별, 연령 등의 데이터를 기반으로 아이템을 추천
네이버플러스 스토어 앱이 독립 출시 된 이유:
- 사용자들의 삶에서 쇼핑이 차지하는 비중이 높아짐
- 정밀한 개인화를 바탕으로 마음에 드는 브랜드를 발굴하고 아이템을 찾아 가는 여정에 몰입하려면 온전히 쇼핑에 집중할 수 있는 환경이 요구
- ‘발견’ 탭
- 앱에서만 가능 : 초개인화
서비스의 목표는 5,000만 국민의 모두 다른 쇼핑 경험
UGC 콘텐츠→블로그에 올라온 리뷰 콘텐츠를 쉽게 확인할 수 있도록 발전시킬 예정
개선 과제: 한눈에 봤을 땐 최저가가 아니더라도 결과적으로 계산해 보면 가격 경쟁력이 높은데, 그동안 이 점을 잘 어필하지 못함→사용자에게 주는 혜택을 ‘플러스’라는 키워드로 강조.
앱 주요 기능: [출처]
자주 방문하는 스토어나 관심 있는 스토어를 앱 첫 화면에서 바로 확인
빠르게 무료 ‘네이버배송’
AI 쇼핑 가이드
UGC 콘텐츠를 통해 내 취향에 딱 맞는 상품을 발견
주문 및 배송 상태 알림부터 첫 구매 쿠폰, 단골 할인, 쿠폰 할인 등 다양한 맞춤형 혜택 소식
AI 쇼핑 에이전트(베타 서비스) [출처]
비전 : 모두에게 퍼스널 쇼퍼를 제공 📄
주요 기능:
이미지 검색
상세페이지 요약모드
상품에 대한 질문을 대화형으로
블로그 및 카페 데이터를 통해 사용자 리뷰를 학습해 모델에 종합적으로 녹여 냄.
이전에 네이버에서 구매하고 찜했던 이력까지 참고해 상품을 제안
쇼핑과 관련된 궁금한 모든 것
