1. 유저 리서치란?
유저 리서치는 사용자의 행동, 태도, 니즈, 불편함을 파악해 제품 의사결정의 근거를 만드는 과정이다.
단순히 “사용자에게 물어보는 것”이 아니라, 제품과 관련된 가설을 세우고, 적절한 대상에게 질문하고, 수집한 데이터를 분석해 실제 제품 개선으로 연결하는 과정이다.
2. 리서치의 종류
리서치는 크게 데스크 리서치와 필드 리서치로 나눌 수 있다.
데스크 리서치
이미 존재하는 자료를 바탕으로 조사하는 방식이다.
주로 시장 상황, 경쟁 구도, 사용자 불만의 초기 힌트를 파악할 때 활용한다.
예시:
- 시장 리포트
- 경쟁사 분석
- 앱스토어 리뷰
- 커뮤니티 반응
- 내부 CS 데이터
- 기존 서비스 로그
필드 리서치
실제 사용자에게 직접 데이터를 수집하는 방식이다.
대표적으로 설문조사와 인터뷰가 있다.
- 설문조사: 많은 사용자에게 동일한 질문을 던져 수치화된 경향을 파악하는 정량적 리서치
- 인터뷰: 사용자의 구체적인 행동, 태도, 맥락, 감정을 깊이 파악하는 정성적 리서치
목적에 따라 두 방식을 적절히 선택해야 한다
3. 유저 리서치 6단계 프로세스
1단계. 목표와 가설 설정
리서치를 시작하기 전에 가장 먼저 “무엇을 알고 싶은가”를 정해야 한다.
예시:
- 신규 사용자가 회원가입 과정에서 이탈하는 이유를 알고 싶다.
- 사용자가 B마트를 알고도 사용하지 않는 이유를 알고 싶다.
- 특정 기능의 사용성이 낮은 원인을 알고 싶다.
목표가 정리되면 가설도 함께 세울 수 있다.
예시:
사용자가 회원가입 중 이탈하는 이유는 인증 과정이 복잡하기 때문일 것이다.
2단계. 조사 대상자 모집 및 준비
리서치 목적에 맞는 사용자를 모집해야 한다.
예를 들어 결제 이탈 원인을 알고 싶다면, 단순 방문자가 아니라 결제 직전까지 갔다가 이탈한 사용자가 더 적합하다.
이 단계에서는 스크리닝 질문을 활용해 적절한 대상자를 선별한다.
3단계. 인터뷰 또는 설문 진행
조사 방식에 따라 인터뷰나 설문을 진행한다.
인터뷰에서는 사용자의 답변 자체보다, 그 답변이 나온 맥락을 파악하는 것이 중요하다.
예시 질문:
- 그때 어떤 상황이었나요?
- 무엇을 하려고 했나요?
- 어디에서 막혔다고 느꼈나요?
- 그 이후 어떤 행동을 했나요?
4단계. 결과 수집 및 정리
수집한 응답은 그대로 두면 단순 의견 모음에 그친다.
비슷한 응답끼리 묶고, 반복되는 패턴을 찾아야 한다.
이 단계에서 어피니티 다이어그램을 활용할 수 있다.
5단계. 팀 공유 및 우선순위 결정
리서치 결과는 팀과 공유하고, 어떤 문제를 먼저 해결할지 우선순위를 정해야 한다.
이때 단순히 많이 나온 의견만 보는 것이 아니라, 사용자 영향도, 비즈니스 영향도, 해결 가능성 등을 함께 고려해야 한다.
6단계. 프로덕트 반영 후 효과 검증
리서치 결과를 바탕으로 제품을 개선했다면, 실제로 문제가 해결되었는지 확인해야 한다.
예시:
- 회원가입 개선 후 완료율이 상승했는가?
- B마트 인지 개선 후 진입률이 증가했는가?
- 결제 UX 개선 후 결제 이탈률이 감소했는가?
리서치는 인사이트 도출에서 끝나는 것이 아니라, 제품 반영과 검증까지 이어져야 한다.
4. 리서치 실무 도구 3가지
4-1. 스크리닝
스크리닝은 리서치 목적에 맞는 응답자를 걸러내기 위한 사전 조사다.
리서치에서 중요한 것은 많은 사람에게 묻는 것이 아니라, 적절한 사람에게 묻는 것이다.
스크리닝 질문 예시:
- 최근 3개월 내 해당 서비스를 사용한 적이 있나요?
- 특정 기능을 사용해본 적이 있나요?
- 결제 직전까지 갔다가 이탈한 경험이 있나요?
- B마트를 알고 있나요?
- B마트를 사용해본 적이 있나요?
스크리닝 질문은 보통 객관식이나 폐쇄형 질문으로 구성해 조건에 맞지 않는 사람을 빠르게 제외한다.
4-2. NDA
NDA는 비밀유지협약서다.
사용자 조사 과정에서 미출시 서비스 화면, 프로토타입, 내부 정책, 기획 로직 등을 보여줄 경우 정보 유출을 방지하기 위해 필요하다.
특히 다음 상황에서 필요하다.
- 미출시 기능을 보여주는 경우
- 내부 화면이나 관리자 기능을 보여주는 경우
- 신규 서비스 컨셉을 테스트하는 경우
- 외부 유출 시 경쟁사에 노출될 수 있는 정보를 포함하는 경우
4-3. 어피니티 다이어그램
어피니티 다이어그램은 사용자 의견을 비슷한 속성끼리 묶어 패턴을 찾는 방법이다.
사용자 인터뷰나 설문 응답을 보면 개별 의견이 매우 많다.
이 의견들을 그대로 나열하면 핵심 문제가 보이지 않는다.
어피니티 다이어그램은 다음 순서로 진행할 수 있다.
- 사용자 발화를 하나씩 나눈다.
- 비슷한 의미를 가진 발화끼리 묶는다.
- 각 묶음에 이름을 붙인다.
- 반복되는 문제 축을 찾는다.
- 핵심 Pain Point를 정의한다.
- 해결 우선순위를 정한다.
예시:
- “쿠폰이 있는지 몰랐어요.”
- “할인이 적용되는 줄 몰랐어요.”
- “결제할 때 혜택을 어디서 확인하는지 모르겠어요.”
이 발화들은 하나의 문제 축으로 묶을 수 있다.
혜택은 존재하지만, 사용자가 발견하고 이해하는 과정에서 실패하고 있다.
5. AI 활용법
5-1. Gemini 활용
Gemini는 외부 정보와 일반 지식을 바탕으로 답변하는 범용 AI로 활용할 수 있다.
주로 다음 작업에 적합하다.
- 리서치 설계
- 인터뷰 질문지 초안 작성
- 설문 문항 아이디어 도출
- 페르소나 초안 작성
- 경쟁사 조사 아이디어 정리
- 브레인스토밍
Gemini를 잘 활용하려면 프롬프트를 구체적으로 작성해야 한다.
C-T-F-C-E 프레임워크
프롬프트를 작성할 때 다음 5가지를 넣으면 좋다.
- Context: 어떤 상황인가?
- Task: 무엇을 해달라는 것인가?
- Format: 어떤 형식으로 답변해야 하는가?
- Constraint: 어떤 조건이나 제한이 있는가?
- Example: 원하는 예시는 무엇인가?
예시:
Context:
나는 비대면 진료 앱의 신규 사용자를 대상으로 리서치를 준비하고 있다.
Task:
신규 사용자가 진료 접수 과정에서 느끼는 불편을 파악하기 위한 인터뷰 질문지를 작성해줘.
Format:
질문 목적 / 질문 문항 / 후속 질문 형식으로 정리해줘.
Constraint:
유도 질문은 피하고, 실제 행동을 묻는 질문 중심으로 작성해줘.
Example:
“최근 비대면 진료를 이용하려고 했던 상황을 떠올려주세요. 그때 어떤 이유로 앱을 열었나요?”5-2. NotebookLM 활용
NotebookLM은 사용자가 직접 업로드한 문서나 데이터 안에서 근거를 찾아 답변하는 소스 기반 AI다.
Gemini처럼 외부 지식을 넓게 활용하기보다, 내가 제공한 자료 안에서 답을 찾는 데 강점이 있다.
따라서 다음 작업에 적합하다.
- 설문 응답 분석
- 인터뷰 기록 요약
- 사용자 발화 클러스터링
- 문서 기반 인사이트 도출
- 원문 근거 확인
- 리서치 결과 정리
NotebookLM은 업로드한 자료를 기반으로 답하기 때문에, 할루시네이션을 줄이는 데 도움이 된다.
설문 데이터 분석 워크플로우
- CSV나 문서 형태의 설문 응답을 업로드한다.
- 전체 응답을 1차 요약한다.
- 반복 키워드를 클러스터링한다.
- 주요 Pain Point를 도출한다.
- 서비스 개선 인사이트를 정리한다.
- 각주나 원문 출처를 확인해 근거를 검증한다.
예시 프롬프트:
업로드한 설문 응답을 바탕으로,
사용자 불만을 5개 카테고리로 클러스터링해줘.
각 카테고리마다
대표 발화,
반복 빈도,
사용자 Pain Point,
서비스 개선 방향을 정리해줘.
반드시 원문 근거를 함께 표시해줘.6. Gemini와 NotebookLM의 차이
Gemini는 아이디어를 넓게 확장하거나, 질문지를 설계하거나, 브레인스토밍할 때 유용하다.
NotebookLM은 내가 가진 자료 안에서 근거를 찾아 요약하고 분석할 때 유용하다.
정리하면 다음과 같다.
- Gemini: 넓게 생각하기, 초안 만들기, 질문 설계
- NotebookLM: 업로드한 자료 기반 분석, 원문 근거 확인, 리서치 결과 정리
따라서 리서치 초기에는 Gemini로 질문지나 조사 방향을 설계하고, 응답이 모인 뒤에는 NotebookLM으로 분석하는 방식이 적절하다.
7. 핵심 정리
유저 리서치는 사용자의 의견을 많이 모으는 일이 아니다.
목적에 맞는 사람에게 제대로 묻고, 수집한 응답에서 반복되는 패턴을 찾아 제품 의사결정으로 연결하는 과정이다.
AI는 이 과정에서 시간을 줄여주는 도구가 될 수 있다.
Gemini는 리서치 설계와 브레인스토밍에, NotebookLM은 수집된 응답 분석과 근거 확인에 적합하다.
중요한 것은 AI가 대신 판단해주는 것이 아니라, PM이 리서치 목적과 분석 기준을 명확히 세우고 AI를 적절한 단계에 활용하는 것이다.
한 문장 요약
유저 리서치는 많이 묻는 것이 아니라, 목적에 맞는 사람에게 제대로 묻고 반복되는 패턴을 찾아 제품 판단의 근거로 바꾸는 과정이다.
