(영상) 웨비나: NPS, 만족도 조사를 넘어, 서비스를 제대로 파악하기 위한 지표 - 비앙카 테이셰이라 지 올리베이라

NPS와 만족도 조사는 사용자의 전반적인 인식은 보여 주지만, 서비스가 어디에서 왜 실패하는지 알려 주지 못하며 조사 피로와 자기보고 편향으로 인해 신뢰성도 점차 낮아지고 있다. 따라서 서비스 성과를 제대로 파악하려면 사용자의 말뿐 아니라 과업완료율, 이용시간, 이탈 지점, 지원 요청과 같이 사용자 여정에서 실제로 발생하는 행동 데이터를 함께 측정해야 한다. 발표자는 서비스가 만들려는 ‘결과’를 먼저 정의하고, 그 결과가 나타났음을 보여 주는 ‘신호’를 찾은 뒤, 이를 추적할 수 있는 구체적인 ‘지표’로 전환하는 방법을 제안한다. 최종적으로는 여러 지표를 삼각검증하고, 핵심성과지표 1~3개와 보조적인 위생지표 10~15개를 선정해 기록함으로써 서비스 개선과 조직 내 의사결정의 근거로 활용해야 한다.

웨비나: NPS를 넘어 - 서비스를 위한 지표
TheStarter | UX디자인 고급 과정
비앙카 테이셰이라 지 올리베이라
2026년 7월 10일
영상 : https://www.youtube.com/watch?v=PuXMD_vMfsE
번역 : 챗GPT. 오역, 생략이 있을 수 있습니다. 원본을 봐주세요.

 

(유튜브 소개글)
클릭 수를 측정하는 것은 쉽습니다. 그러나 복잡한 서비스가 실제로 얼마나 큰 가치를 제공하는지 측정하려면 시스템적 사고방식이 필요합니다.
NPS와 같은 지표는 사용자의 전반적인 감정을 파악할 수 있지만, 경험이 어디에서, 왜 실패하는지는 진단하지 못합니다. 이번 웨비나에서는 비즈니스 목표를 출발점으로 삼아 지표를 다루는 새로운 접근법을 살펴봅니다. 사용자 여정에서 발생하는 데이터를 비즈니스 성과와 지속적인 발전을 이끄는 전략적 수단으로 전환하는 방법을 확인할 수 있습니다.
화면에만 초점을 맞추는 디지털 제품디자인과 달리 서비스디자인은 시간의 흐름에 따라 여러 물리적·디지털 접점에서 형성되는 고객의 전체 경험을 다룹니다. 서비스 지표를 다룰 수 있게 되면 UX 전문가는 실행 중심의 전술적 역할을 넘어 전략가의 역할을 맡을 수 있습니다. 또한 고위 경영진이 요구하는 기술적 엄밀성을 바탕으로 자신의 업무가 창출한 가치를 설명할 수 있습니다.

이번 웨비나에서 다루는 내용
서비스나 제품의 개발 단계에 따라 지표를 분류하고 우선순위를 정하는 방법
사용자 여정을 바탕으로 전략적 지표를 도출하는 방법
서비스 지표를 발굴하고 분류하며 선정하는 데 활용할 수 있는 실용적 프레임워크와 협업 방법

행사 순서
개회, 환영 인사와 교육기관 소개
주제와 발표자 소개
NPS에 관한 참석자 참여 활동
‘지속적 발견: 제품의 진화와 성과’ 과정 소개
NPS의 효과가 미치는 범위와 조사 피로
지표의 유형
서비스 성과를 측정하는 더 나은 접근법
사용자 여정에서 데이터와 증거 찾기
서비스의 증거를 매핑하고 지표를 관리하는 프레임워크 소개
DEVstart 사례
질의응답
마무리 안내
발표자 소개

비앙카 테이셰이라입니다. 리서치, 전략디자인, 서비스디자인 컨설턴트입니다. 사회적 기업의 전략적 디자인 관리 분야 석사학위를 받았으며, 시스템디자인 접근법을 연구하는 박사과정에 있습니다. 서비스디자인, 사용자조사, 전략디자인을 넘나들며 활동하고 있습니다. 10년 이상의 경험을 바탕으로 디자인이 사회의 시스템적 변화를 촉진하는 힘을 연구해 왔습니다. 특히 에듀테크 기업, 대학, 공공부문의 디지털 교육 프로젝트를 다수 수행했으며, 전략적 차원에서 사회적 기업을 지원해 왔습니다. 현재 디자인 연구자이자 프로젝트 관리자로 활동하면서 산타카타리나연방대학교에서 시스템디자인 박사과정을 밟고 있습니다.

LinkedIn: Bianca Teixeira de Oliveira

TheStarter는 포르투갈 최대 규모의 온라인 UX/UI디자인 커뮤니티입니다. 
다양한 참여형 행사, 공모전과 무료 자료를 제공합니다.

비앙카 테이셰이라 지 올리베이라(Bianca Teixeira de Oliveira)
브라질을 기반으로 활동하는 서비스디자이너이자 사용자조사·전략디자인 전문가이다. 그래픽디자인에서 출발해 인터랙션디자인, UX, 서비스디자인을 거쳐 전략디자인과 시스템디자인으로 전문 영역을 확장했으며, 현재 LinkedIn에서는 서비스디자인, 사용자조사, 제품 발견, UX디자인, 전략적 디자인관리를 주요 전문 분야로 소개하고 있다. 
산타카타리나연방대학교(UFSC)에서 사회적 기업의 디자인관리를 연구해 석사학위를 받았으며, 현재 시스템디자인 박사과정을 밟고 있다. 사회적 기업, 디지털 교육, 에듀테크와 공공부문 프로젝트에 참여하면서 개별 접점의 사용성을 개선하는 데 머물지 않고, 사용자 경험과 조직의 의사결정, 사회적 영향을 연결하는 방법을 연구해 왔다.
이번 강연에서는 이러한 배경을 바탕으로 NPS와 만족도 조사에 대한 의존을 줄이고, 사용자 여정에서 실제로 발생하는 행동 증거를 서비스 성과와 연결하는 방법을 소개한다. 특히 결과·신호·지표의 관계, 선행지표와 후행지표, 데이터 삼각검증, 핵심성과지표의 선정 과정을 실무 사례로 설명한다.

 

---

웨비나 전문

미겔

생방송을 시작했습니다. 여러분, 안녕하세요. TheStarter와 DIY 클럽에서 진행하는 또 한 번의 웨비나입니다. 저는 지금 비앙카와 함께 있습니다. 잠시 후 비앙카가 직접 자신을 소개할 예정이므로 충분히 이야기할 시간이 있을 것입니다.

그 전에 몇 가지 중요한 안내를 드리고, 몇 가지 기본 정보를 소개하겠습니다. 그다음 바로 본격적인 내용으로 넘어가겠습니다.

여러분도 아시겠지만 발표와 수업이 진행되는 동안 궁금한 점이나 의견이 있다면 계속 남겨 주시기 바랍니다. 모든 질문을 마지막까지 모아 두셔도 됩니다. 끝부분에 몇 분 정도 시간을 마련해 가능한 모든 질문에 답변하겠습니다.

참가 신청 과정에서 신청서에 질문을 남겨 주신 분들이 있는데, 그 질문 중 일부에도 답변하겠습니다.

오늘 주제는 흥미롭고, 어쩌면 다소 논쟁적일 수도 있습니다. 비앙카가 발표를 시작하기 전에 저도 간단히 소개하겠습니다.

저는 미겔입니다. 제 LinkedIn과 비앙카의 LinkedIn 주소는 여러분이 받은 이메일에 포함되어 있습니다. 아마 이 라이브 스트리밍 영상의 설명란에도 비앙카의 LinkedIn 주소가 있을 것입니다. 영상 설명란을 확인하면 찾을 수 있습니다. 발표 후에 다른 의견이나 질문이 있거나 비앙카의 활동을 계속 지켜보고 싶다면 언제든지 연결 요청을 보내셔도 됩니다.

TheStarter에 관해서도 간단히 설명하겠습니다. 저희는 UX와 제품 분야에서 매우 다양한 활동을 진행합니다. 오늘과 같은 커뮤니티 행사도 있고, 무료 웨비나도 자주 개최합니다. 매달 무언가가 진행됩니다.

강좌, 워크숍과 여러 종류의 프로그램도 운영합니다. 자세한 내용은 저희 웹사이트에서 확인할 수 있습니다. 강좌와 웨비나는 다양한 주제를 다루며, 가능한 한 폭넓은 영역을 포괄하려고 합니다.

저희 강좌로 구성된 자격 인증 과정도 있습니다. 현재 세 가지가 운영되고 있습니다. 많은 분이 요청하셨던 인공지능 전용 인증 과정도 곧 출시할 예정입니다. 아마 12월 이전에는 공개할 수 있을 것입니다.

서로 다른 등급과 강좌로 구성된 연간 구독제도 운영하고 있으며, 인공지능 관련 강좌도 여러 개 준비하고 있습니다. 인증서 발급을 포함한 모든 과정은 저희 플랫폼에서 이루어집니다.

웨비나가 끝난 뒤 참가 신청을 완료한 분과 행사 중에 신청하시는 분에게 이메일을 보내드릴 예정입니다. 인증서를 발급받으려면 저희 플랫폼에 계정을 만들어야 합니다.

웨비나 자료와 발표 중 언급한 추가 자료도 플랫폼에 게시됩니다. 해당 정보의 저장소가 플랫폼에 마련될 것입니다. 현재도 수십 개의 강의, 웨비나와 녹화 콘텐츠가 무료로 공개되어 있습니다. 언제 어디서든 접속해 학습할 수 있습니다.

다음 행사도 안내하겠습니다. 화면에 잘못 표시된 것이 아닙니다. 두 행사 모두 카리나가 진행합니다. 하나는 7월이고 다른 하나는 9월입니다. 그사이에 다른 웨비나가 추가될 수도 있지만, 현재 이 두 행사는 확정되어 참가 신청이 시작된 상태입니다.

화면의 링크나 저희 웹사이트를 이용하거나 QR코드를 스캔하면 다음 웨비나에 신청할 수 있습니다. 하나는 디자인시스템에 관한 웨비나이고, 다른 하나는 UX 프로세스나 제품디자이너의 일상 업무에서 인공지능을 활용하는 방법을 다룹니다.

안내는 여기까지입니다. 비앙카, 이제 발표 자료를 화면에 띄우겠습니다. 편하게 자기소개를 하고 오늘 주제에 대해서도 간단히 설명해 주시기 바랍니다.

비앙카

좋습니다. 고맙습니다, 미겔. 안녕하세요. 포르투갈에서 시청하고 계신 분들에게는 저녁 인사를 드려야겠습니다.

제 소개에 앞서 오늘 살펴볼 내용을 간략히 말씀드리겠습니다.

먼저 제품과 서비스의 차이를 다시 살펴보겠습니다. NPS와 마케팅 및 제품 분야에서 널리 알려진 다른 지표도 이야기하겠습니다. 조사 피로가 무엇이며 지표를 모니터링하는 데 어떤 영향을 미치는지 알아보겠습니다.

지표의 유형에는 무엇이 있고 각각을 어디에 활용할 수 있는지 이해할 수 있도록 지표의 유형도 폭넓게 설명하겠습니다. 그다음 몇 가지 사례를 활용해 서비스 성과를 측정하는 보다 실용적인 부분으로 넘어가겠습니다.

제 소개를 드리겠습니다. 저는 서비스디자인과 UX 리서치 컨설턴트이며, 브라질의 한 대학에서 디자인, 마케팅과 비즈니스를 가르치고 있습니다.

10여 년 전 그래픽디자이너로 경력을 시작했고, 이후 전략디자인에 이르기까지 여러 단계를 거쳤습니다. 인터랙션디자인, UX, 서비스디자인을 거쳤으며, 현재는 전략디자인과 제 박사과정의 연구 분야인 시스템디자인을 다루고 있습니다.

미겔이 설명한 것처럼 화면에 제 LinkedIn 주소가 있습니다. 연결을 원하거나 질문이 있거나 더 배우고 싶은 내용이 있다면 언제든지 연락해 주시기 바랍니다.

이제 본격적인 내용을 시작하겠습니다.

먼저 제품과 서비스의 차이를 명확히 하겠습니다. 학술 문헌에서는 이 두 용어가 유사하게 사용되는 경우도 있지만, 시장에서는 대체로 다음과 같이 구분합니다.

제품이라고 할 때는 하나의 개별적인 인공물을 의미합니다. 오늘 참여하신 분들 대부분은 디지털 제품을 다루고 있을 것이라고 생각합니다. 디지털 제품은 하나의 인터페이스 안에서 이루어지는 사용자 경험입니다.

서비스는 조금 더 복잡한 여정으로 확장됩니다. 시간의 흐름에 따라 여러 상호작용이 발생하고, 사용자는 디지털일 수도 있고 아닐 수도 있는 서로 다른 인터페이스와 접촉합니다.

오늘날 서비스디자인은 공공서비스와 사회적 영역에서 매우 널리 활용되고 있지만, 시장에서도 상당히 큰 분야입니다. 브랜드와 사용자의 경험, 디지털 인터페이스를 넘어서는 복잡한 서비스 경험을 다룹니다.

이제 측정을 해야 하는 이유와 그 중요성을 이야기하겠습니다.

최근 몇 년 동안 측정은 제품디자인과 서비스디자인에서 더욱 중요하게 논의되는 주제가 되었습니다. 특히 지금은 데이터의 시대입니다. 사실상 무한한 데이터가 उपलब्ध하며, 우리는 이 데이터를 가능한 한 전략적으로 다룰 수 있어야 합니다.

가장 기본적인 원칙은 측정하지 않는 것을 관리할 수 없다는 것입니다.

서비스가 의도한 대로 작동하는지, 좋은 경험을 제공하고 있는지, 비즈니스에 가치를 만들고 있는지 측정하지 않으면 알 수 없습니다.

테스트도 마찬가지입니다. 테스트를 실행하려면 목표와 지표가 있어야 하며, 이를 통해 해당 테스트가 성공했는지 판단할 수 있습니다.

측정은 성과를 증명하고 우리가 내린 선택을 정당화하는 데 사용됩니다. 오늘날 디자이너는 직관이나 막연한 추측만이 아니라 사실에 근거해 의사결정을 내릴 수 있어야 합니다.

고객, 이해관계자와 직속 리더를 상대로 우리 업무의 권위를 구축하는 방법도 데이터에 근거한 의사결정입니다. 측정은 제품을 발전시키는 데 중요할 뿐 아니라, 자신이 일하는 조직 안에서 전문적 권위를 형성하는 핵심 단계입니다.

지표 가운데 가장 유명하고 관리자들이 특히 좋아하는 것이 NPS, 즉 순추천고객지수입니다.

이름만으로 바로 떠오르지 않는 분도 있겠지만, “0점부터 10점까지 가운데 이 제품을 친구에게 추천할 가능성은 얼마나 됩니까?”라고 묻는 바로 그 질문입니다.

NPS는 많은 조직이 가장 얻고 싶어 하는 지표가 되었습니다. 8점 이상의 좋은 NPS를 달성하는 것이 오늘날 많은 관리자의 목표입니다.

이 지표에는 장점과 단점이 모두 있습니다. 그러나 본격적으로 NPS를 이야기하기 전에 한 가지 생각해 볼 질문을 드리겠습니다.

여러분이 만족도 조사나 NPS에 진지하게 응답한 마지막 순간은 언제입니까?

이 지표가 중요하게 활용되려면 사용자가 실제로 응답해야 합니다. 그러나 오늘날에는 양질의 응답을 얻는 일이 점점 어려워지고 있습니다.

사용자로서 자신의 경험을 생각해 보시기 바랍니다. 만족도 조사에 자주 응답하고 있습니까? 아니면 최근에 받은 만족도 조사를 대부분 무시하고 있습니까?

여러분이 일상에서 반드시 필요로 하고, 그것 없이는 살기 어려울 정도로 중요한 제품의 NPS에 마지막으로 응답한 때는 언제입니까?

여러분이 이상적인 사용자에 해당하는 제품을 하나 떠올려 보시기 바랍니다. 그 서비스의 운영 조직이 마지막으로 여러분의 만족도를 수집한 때는 언제입니까?

한번 생각해 보시고, 자신의 경험을 댓글로 공유해도 좋습니다.

현재 설문조사를 통해 얻는 응답의 양과 질은 계속 하락하고 있습니다.

다시 NPS로 돌아가겠습니다. LinkedIn의 토론이나 여러 기사에서 NPS에 대한 지나친 집착을 비판하는 내용을 이미 보셨을 것입니다. 그러나 NPS가 좋은 지표인지, 자신의 제품에 적합한지를 질문하려면 먼저 이 지표가 어디에서 비롯되었는지 알아야 합니다.

NPS는 2003년에 만들어졌습니다. 프레드 라이켈트가 고객 충성도에 관한 내용을 발표하면서 등장했습니다.

충성도 높은 사용자를 확보하는 것은 분명 모든 비즈니스의 목표 가운데 하나입니다. 충성도 높은 사용자에게는 다른 제품을 판매하기가 더 쉽습니다. 그 사용자는 서비스를 계속 이용할 것이며, 다른 사람에게 서비스를 추천하는 무료 마케팅 채널이 되기도 합니다.

오늘날에도 가장 효율적이고 비용 대비 효과가 좋은 마케팅 수단은 입소문입니다. 따라서 고객을 만족시키고 충성도 높은 고객으로 만드는 것은 디자이너, 마케팅 담당자와 제품관리자가 추구하는 핵심 목표입니다.

이런 의미에서 NPS는 충분히 의미 있는 이론적 근거를 지니고 있습니다.

NPS는 0점부터 10점까지의 척도에 응답하는 방식으로 작동합니다. 최종 결과는 단순 평균이 아니라 조금 더 복잡한 공식으로 계산합니다.

좋은 기업이나 좋은 제품이라면 NPS가 80 이상으로 유지되는 것이 이상적이라고 합니다. 서비스를 적극적으로 추천할 고객인 추천자의 수가 서비스를 부정적으로 이야기할 비추천자의 수보다 현저하게 많을 때입니다.

따라서 NPS는 근거가 있으며 분명한 가치가 있는 지표입니다.

그렇다면 NPS에는 어떤 문제가 있을까요?

우선 NPS의 신뢰성을 검증할 수 있는 유효한 표본 규모에 관한 명확한 기준이 없습니다.

고객이 100명이라면 신뢰할 수 있는 NPS를 얻기 위해 최소 몇 명의 응답자가 필요할까요? 현재 이 계산을 뒷받침하는 확립된 연구가 없습니다.

표본이 50명이나 30명에 불과하거나, 소수의 사용자만 참여한 테스트에서 NPS를 사용할 경우 신뢰도가 크게 떨어집니다.

또 다른 문제는 NPS가 자기보고에 기반한다는 점입니다. 사용자는 자신이 실제로 무엇을 했는지가 아니라 무엇을 느끼거나 기억하는지에 따라 응답합니다.

인간 행동을 어느 정도 이해하는 디자이너라면 사람들이 말하거나 생각하는 것과 실제 행동이 항상 같지는 않다는 사실을 알고 있습니다. 둘 사이에는 차이가 있습니다.

NPS를 서비스의 성공 여부를 보여 주는 유일한 지표로 삼을 때 나타나는 가장 큰 문제는 지나치게 포괄적이라는 것입니다.

대다수 사용자가 만족하는지 여부는 보여 줄 수 있지만, 문제가 정확히 어디에 있는지는 알려 주지 않습니다.

또한 그 결과를 근거로 어떤 전략적 행동을 취해야 하는지도 알려 주지 않습니다. 지표는 의사결정을 뒷받침해야 하지만, NPS는 지나치게 포괄적이어서 이러한 역할을 충분히 수행하지 못합니다.

제가 말씀드린 내용은 NPS 자체를 비판하려는 것이라기보다 주의사항에 가깝습니다.

이 문제는 NPS에만 해당하지 않습니다. 지금까지 설명한 내용은 태도 지표, 즉 자기보고식 지표 전체에 적용됩니다. 사용자가 무엇을 생각하는지 직접 말하게 하는 지표이며, 실제 행동을 관찰하는 방식은 아닙니다.

이러한 지표는 대체로 조사에 의존합니다. 질문이 하나뿐인 조사라 해도 사용자가 하던 일을 멈추고 응답해야 합니다.

NPS 외에도 CSAT, 즉 고객만족도점수가 있습니다. CSAT는 여러 형태의 척도를 사용할 수 있으며 NPS처럼 하나의 방식으로 표준화되어 있지는 않습니다.

CES, 즉 고객노력점수도 있습니다. 사용자가 과업을 수행하면서 얼마나 많은 노력을 기울였는지 묻습니다. 이것 역시 자기보고식 지표이며 서비스와 상호작용하면서 실제로 생성된 데이터에 기반한 것은 아닙니다.

그 밖에도 사용자에게 보내는 다양한 유형의 설문조사가 있습니다.

최근 몇 년 동안 관리자들은 사용자 의견을 듣는 일이 중요하다는 점을 이해하기 시작했습니다.

이러한 요구가 커지면서 많은 디자이너는 사용자 경험 곳곳에 수많은 설문과 질문을 삽입하기 시작했습니다. 사용자의 목소리를 들으려고 할 때 가장 먼저 떠올릴 수 있고 가장 간단해 보이는 방법이기 때문입니다.

그러나 설문을 통해 수집하는 모든 지표는 사용자가 자발적으로 응답해야 한다는 조건에 의존합니다.

또한 사람들이 실제로 무엇을 하는지가 아니라 무엇을 말하는지에 근거한다는 문제가 있습니다.

최근 읽은 책에서 저자는 많은 사람을 인터뷰했는데, 응답자들은 자신이 사는 도시에서 비가 확실히 줄었다고 말했습니다. 그러나 실제 데이터를 확인해 보니 비가 줄어든 것이 아니라 일정한 시기에 더 집중적으로 내리고 있었습니다.

사용자의 인식과 현실이 언제나 같지는 않다는 사례입니다.

그렇다고 사용자의 인식을 파악하는 일이 중요하지 않다는 뜻은 아닙니다. 분명 중요합니다. 다만 디자이너가 그것만을 유일한 근거로 삼아서는 안 됩니다.

이제 ‘설문 과부하’ 또는 ‘조사 피로’를 이야기하겠습니다.

이 용어는 사용자가 오늘날 응답해야 하는 조사의 전체 수를 의미하기도 하고, 하나의 조사에 포함된 질문의 수를 의미하기도 합니다.

오늘날 사람들은 그 어느 때보다 설문에 응답하는 일에 지쳐 있다는 연구가 나오고 있습니다. 설문이 길어질수록 사용자 경험은 더 나빠집니다.

사람들이 응답하더라도 응답의 질이 계속 낮아지고 있습니다. 빨리 끝내려고 충분히 생각하지 않고 응답하며, 여러 질문에서 같은 답을 반복해서 선택하기도 합니다. 단지 설문을 통과해 자신이 원하는 단계로 가기 위해서입니다.

사용자 여정에서 설문 응답을 의무적인 단계로 만들었을 때 이러한 일이 특히 많이 발생합니다. 이는 권장할 만한 방법이 아닙니다.

사람들이 언제 가장 적극적으로 설문에 응답하고 싶어 하는지도 생각해야 합니다.

일반적으로 제품에 매우 불만족하고 항의하고 싶을 때 사람들은 자신의 의견을 표현할 방법을 적극적으로 찾습니다.

따라서 설문은 전체 경험을 고르게 반영하기보다 좋지 않은 경험에 관한 부정적 응답을 더 많이 수집하는 경향이 있습니다. 이로 인해 서비스나 제품의 결과가 실제보다 부정적으로 강조될 수 있습니다.

조사 피로에 관한 내용을 정리하면 응답 수가 줄어드는 동시에 응답의 질도 낮아지고 있습니다. 그 결과 우리가 시행하는 설문조사의 신뢰도 역시 하락합니다.

그렇다면 어떻게 해야 할까요?

모든 설문을 없애야 한다는 뜻은 아닙니다. 설문이 너무 많다면 질문 수를 최소한으로 줄여야 한다는 것입니다.

앞서 설명한 것처럼 NPS에는 분명한 가치가 있습니다. 그러나 최근 연구에서 제시하는 보다 전략적인 방향은 사용자의 의견을 묻는 질문을 줄이고, 경험을 평가할 수 있는 다른 종류의 지표를 활용하는 것입니다.

이제 지표의 유형을 살펴보겠습니다.

지표의 유형은 깊이 들어가면 상당히 방대한 주제이므로 모든 내용을 자세히 설명하지는 않겠습니다. 다만 어떤 종류의 지표가 있고, 각 지표가 어떻게 작동하며 어디에 사용할 수 있는지는 소개하겠습니다.

태도 지표는 앞서 설명한 것처럼 사람들이 무엇을 말하는지 측정합니다.

감정과 의견을 측정하며 주관적인 특성이 강합니다. 왜곡된 기억이나 설문에 응답하는 순간의 일시적 감정에도 영향을 받을 수 있습니다.

또한 이러한 지표만으로는 서비스의 실패 지점이나 개선 지점이 어디인지 알아내기 어려운 경우가 많습니다.

그 반대편에는 행동 지표가 있습니다.

행동 지표는 사람들이 실제로 무엇을 하는지 측정합니다. 실제 사용과 상호작용에서 발생한 증거에 기반합니다.

디지털 플랫폼 자체에서 데이터를 수집할 수 있습니다. 디지털 환경 밖에서 이루어지는 상호작용이라면 관찰, 고객지원팀의 기록이나 인공지능으로 영상을 분석하는 카메라 등을 통해 수집할 수 있습니다.

행동 지표의 사례로는 과업완료율, 응답시간, 고객지원 요청량, 사용자가 특정 과업을 완료하는 데 걸린 시간, 서비스 여정에서 사용자가 가장 많이 이탈하는 지점 등이 있습니다.

이러한 지표를 사용하면 사용자가 서비스와 상호작용할 때 실제로 무슨 일이 일어나고 있는지 진단할 수 있습니다.

행동 지표는 실제 환경에서 기록된 수치이므로 추적 가능성과 신뢰도가 비교적 높습니다.

그러나 행동 지표만으로는 어떤 일이 왜 발생했는지 충분히 설명하지 못하는 경우가 많습니다.

행동 지표를 바탕으로 어떤 것이 작동하거나 작동하지 않는 이유에 관한 가설을 세울 수는 있습니다. 그러나 보다 완전한 진단을 하려면 여러 데이터를 교차 분석하거나 행동 지표와 함께 정성조사를 수행해야 합니다. 그래야 실제로 무슨 일이 일어나고 있는지 이해할 수 있습니다.

또 다른 분류로 후행지표와 선행지표가 있습니다.

후행지표는 반응적 지표로, 이미 일어난 일을 보여 줍니다.

NPS는 일반적으로 여정이 끝난 뒤 질문하므로 후행지표입니다. 사용자가 전체 여정을 마친 이후의 만족도를 보여 주기 때문입니다.

매출과 고객이탈률도 사건이 발생한 뒤에 확인하는 지표입니다. 이미 일어난 일을 보여 줍니다.

반면 선행지표는 레이더처럼 작동합니다. 미래를 예측하는 지표입니다.

예를 들어 어떤 학습자가 구매한 강좌의 첫 수업을 24시간 안에 시청하지 않았다면, 그 학습자가 강좌에서 이탈할 가능성이 크다는 사실을 알 수 있습니다.

그러면 이 시점에 개입해 학습자를 유지할 전략을 만들 수 있습니다. 이 문제가 실제 이탈이라는 후행지표로 나타나기 전에 해결할 수 있습니다.

성숙한 제품에서는 이러한 인과관계가 대체로 이미 파악되어 있습니다.

사용자가 이런 방식으로 행동하면 이상적인 사용자가 될 가능성이 높고, 다른 방식으로 행동하면 서비스 중간에 이탈하거나 좋지 않은 경험을 할 가능성이 높다는 관계가 매핑되어 있습니다.

그러나 새로운 제품을 테스트할 때는 가설을 세워야 합니다. 모든 선행지표가 가설에 기반합니다.

예를 들어 “이상적인 사용자는 강좌를 구매한 뒤 일주일 안에 전체 과정을 마치는 사람일 것이다”라는 가설을 세울 수 있습니다.

프로토타입과 최소기능제품을 테스트하면서 이러한 가정이 옳았는지 검증합니다.

지표가 어느 유형에 속하든 가장 큰 구분은 허영지표와 실제로 행동에 옮길 수 있는 실행지표 사이의 구분입니다.

어떤 지표가 항상 허영지표이고 어떤 지표가 항상 실행지표라는 고정된 목록은 없습니다.

무엇을 측정하는지, 목표가 무엇인지, 제품이 어느 개발 단계에 있는지에 따라 달라집니다.

예를 들어 전체 다운로드 수는 허영지표가 될 수 있습니다.

상사나 리더가 이 수치에 지나치게 집착할 수도 있습니다. “이 제품을 출시해서 일주일 안에 다운로드 1,000건을 달성하고 싶습니다. 1,000건을 달성했으니 성공입니다”라고 말할 수 있습니다.

그러나 이 지표만으로는 매우 피상적입니다.

실제 결과를 분석하는 디자이너가 확인해 보니 1,000건의 다운로드 가운데 회원가입까지 한 사람은 10%에 불과하고, 그 10% 가운데 실제로 애플리케이션을 사용한 사람은 5명뿐일 수도 있습니다.

다운로드 수는 커 보이지만 결국 허영지표에 불과합니다.

반면 회원가입률과 실제 사용률은 실행지표가 될 수 있습니다. 어디에서 문제가 발생했는지에 관한 가설을 세울 수 있기 때문입니다.

“가치제안에는 관심을 보이지만 가입 절차가 지나치게 복잡해 아무도 통과하지 못하고 있습니다”라고 판단할 수 있습니다.

또는 “가치제안은 매력적이지만 애플리케이션의 온보딩이 직관적이지 않아 실제 기능에 접근하지 못하고 있습니다”라고 판단할 수도 있습니다.

실행지표는 개발 과정에서 의사결정을 내리고 방향을 수정하거나, 제품을 지속적으로 개선하는 근거가 되는 지표입니다.

이것으로 지표 유형에 관한 부분을 정리하겠습니다.

앞선 슬라이드에서도 “이 지표와 저 지표를 함께 봐야 합니다”, “한쪽만 보지 말고 다른 쪽도 봐야 합니다”라는 이야기를 여러 번 했습니다.

이것이 바로 데이터 삼각검증입니다.

오늘날 디자이너에게 필수적인 역량입니다. 사용할 수 있는 데이터의 양이 무한히 많아지고, 인공지능이 막대한 양의 데이터를 처리할 수 있게 되었기 때문입니다.

우리의 역할은 사용자 행동을 이해하기 위해 어떤 데이터를 연결해야 하는지 판단하고, 그 데이터에서 가설을 만드는 것입니다.

여기서 중요한 점이 있습니다.

인공지능은 데이터를 처리할 수 있지만, 현재의 인공지능은 데이터를 높은 수준으로 해석하거나 통찰을 만들고 의사결정의 방향을 제시하는 일에는 아직 충분한 품질을 보여 주지 못하고 있습니다.

이 역할은 여전히 프로젝트관리자, 디자이너, 팀 리더와 같이 전략적 역할을 맡은 사람에게 있습니다.

데이터를 해석하고 의사결정을 내리는 일은 여전히 인간의 몫입니다.

따라서 여정에서 하나의 데이터를 발견했을 때, 그 현상을 보완하고 정당화하거나 왜 발생하는지 이해하는 데 도움이 되는 다른 데이터를 찾아볼 수 있는 감각이 필요합니다.

데이터 삼각검증은 서로 다른 출처에서 얻은 데이터를 결합해 관찰한 현상을 설명할 수 있는 가설을 찾는 과정입니다.

여기까지가 조금 더 이론적이고 기초적인 부분이었습니다.

지표의 세계에 무엇이 존재하고 어떤 도구와 가능성을 활용할 수 있는지 이해하기 위한 내용이었습니다.

앞서 설명한 것처럼 NPS만 있는 것이 아닙니다.

더욱 전략적으로 일하고 제품과 서비스를 더 빠르게 개선하려면 훨씬 더 다양한 지표를 활용할 수 있고 활용해야 합니다.

이제 실제로 제품과 서비스의 성과를 어떻게 측정할지 살펴보겠습니다.

여기서는 서비스를 중심으로 이야기하겠습니다. 제품은 대체로 디지털 환경 안에서 작동하므로 데이터를 얻기가 상대적으로 쉽습니다. 그러나 지금부터 소개할 논리는 제품과 서비스에 모두 동일하게 적용할 수 있습니다.

제가 소개할 내용은 제 연구와 경험, 다른 전문가들과의 교류에 근거합니다. 또한 리브워크와 서비스디자인네트워크의 자료도 참고했습니다.

서비스디자인에 관심이 있다면 이 두 기관을 적극적으로 팔로우할 것을 권합니다. 이 분야의 중요한 참고기관이며 언제나 흥미로운 자료를 발표합니다.

이제 서비스의 지표를 측정하는 방법을 이야기하겠습니다.

핵심은 각 시점에서 어떤 지표를 봐야 하는지를 아는 것입니다.

저희는 ‘결과, 신호, 지표’라는 논리를 사용합니다.

결과는 사용자에게 전달하려는 가치 또는 제품을 통해 만들어 내려는 비즈니스 가치입니다. 일반적으로는 고객에게 발생시키려는 영향이나 변화시키려는 행동을 의미합니다.

가치제안 캔버스를 작성할 때 고객에게 제공하고자 하는 여러 가치 속성을 나열합니다. 대체로 우리가 추적해야 할 주요 결과가 여기에 해당합니다.

물론 프로젝트의 맥락, 기간과 제품의 개발 상태에 따라 달라집니다.

신호는 사용자 여정에서 확인할 수 있는 징후입니다. 우리가 의도한 결과가 전달되고 있는지 알려 주는 사건입니다.

지표는 이 신호를 수치화한 것입니다.

지표 또는 측정치는 시간에 따라 추적하고 측정할 수 있는 구체적인 숫자입니다. 해당 신호를 대표해야 하며, 그 신호는 특정 결과와 연결되어야 합니다.

이 개념을 이해하기 쉽도록 사례를 하나 소개하겠습니다.

저희는 프런트엔드 프로그래밍을 배우는 자기주도형 강좌를 개발하고 있었습니다. 교사나 사람의 지원 없이 이용하는 과정이었습니다.

짧은 녹화 강의를 본 뒤 인공지능이 채점하는 연습문제를 푸는 방식으로 구성했습니다.

중요한 점은 이 프로젝트가 ChatGPT 열풍이 일어나기 전이었다는 것입니다. 인공지능이 오늘날처럼 널리 보급되기 전이었기 때문에 당시에는 상당히 차별적인 요소였습니다.

이 강좌를 통해 학습자가 자율적으로 학습하기를 원했습니다.

학습자가 인공지능이 제공하는 피드백을 이해하고 그것을 지식으로 전환할 수 있어야 했습니다.

자기주도형 강좌였기 때문에 학습자가 빠르게 과정을 마치고 노동시장에 진입할 수 있도록 하는 것도 목표였습니다.

이 강좌에서 얻고자 했던 결과 가운데 하나를 사례로 살펴보겠습니다.

우리가 원한 결과 가운데 하나는 기술을 매개로 한 학습 자율성이었습니다. 녹화 강의와 인공지능을 이용해 스스로 학습하는 것입니다.

이것은 가치제안에 포함된 속성이었습니다.

아직 테스트 중이었지만, 고객에게 매우 중요한 속성이라고 판단했습니다. 교사나 튜터에게 도움을 청하지 않고 혼자 학습할 수 있다는 가치였습니다.

그렇다면 사용자 여정에서 이러한 자율성이 실제로 나타나고 있다는 사실을 알려 주는 신호는 무엇일까요?

첫 번째이자 가장 단순한 신호는 사람의 개입에 대한 의존도가 낮다는 것입니다.

강좌에는 지원 커뮤니티가 있었지만, 학습자가 혼자 학습할 수 있다면 커뮤니티에서 질문하거나 도움을 요청할 필요가 없을 것입니다.

또 다른 신호는 오류를 해결하는 속도와 효과가 향상되는 것입니다.

강좌가 진행될수록 학습자는 인공지능의 피드백을 더 빠르게 읽고, 자신의 답을 수정해 연습문제를 맞힐 수 있을 것입니다.

이것이 해당 결과를 보여 주는 주요 신호였습니다.

이제 지표를 살펴보겠습니다.

이 사례에는 여러 지표가 포함되어 있습니다. 하나의 신호에 여러 지표가 연결되는 경우가 많고, 하나의 결과에도 여러 신호가 연결될 수 있습니다.

그 후 각 지표의 우선순위를 정하거나 분류하는 전략을 적용할 수 있습니다.

하나의 신호를 드러내는 지표가 여러 개일 수 있다는 점을 이해하는 것이 중요합니다.

이 사례에서 확인한 지표는 채팅을 통한 도움 요청 건수, 사용자가 다음 연습문제로 넘어가지 못했을 때 개설하는 고객지원 요청 건수, 커뮤니티에서 도움을 요청한 건수였습니다.

기술적 문제뿐 아니라 다음 연습문제로 넘어가지 못한 경우에도 고객지원 요청을 개설하도록 되어 있었습니다.

이것이 우리가 추적하려던 주요 지표였습니다.

여기서 데이터 삼각검증의 중요성을 다시 확인할 수 있습니다.

하나의 지표만 추적했다면 잘못된 판단을 내릴 수 있었습니다.

채팅을 통한 도움 요청과 고객지원 요청이 적은 이유가 커뮤니티가 매우 잘 작동하고 있어서 모든 질문이 커뮤니티로 이동했기 때문일 수도 있습니다.

그렇다면 전체적으로는 여전히 질문이 많이 발생한 것입니다.

우리가 원했던 사람의 개입에 대한 낮은 의존도를 달성한 것이 아닙니다. 따라서 항상 여러 데이터를 삼각검증해야 합니다.

다른 신호도 살펴보겠습니다.

이 사례의 신호는 수집하기가 비교적 쉬웠습니다. 해당 제품은 브랜드에 처음 진입하는 사용자를 위한 100% 디지털 제품이었기 때문입니다.

지표 가운데 하나는 각 연습문제를 맞히는 데 걸린 시간이었습니다. 학습자가 화면과 상호작용하며 머문 시간을 측정했습니다.

또 하나는 학습자가 피드백을 받은 뒤 답을 수정하지 않고 연습문제 페이지에서 이탈한 횟수였습니다.

학습자가 피드백을 받고 답을 수정한 다음 페이지를 닫았다면 성공으로 판단했습니다.

그러나 피드백을 받은 뒤 답을 수정하지 않고 나중으로 미루거나 그 자리에서 포기했다면 경고 신호로 판단했습니다.

이 사례를 통해 결과, 신호와 지표의 관계를 살펴봤습니다.

그렇다면 어디에서 시작해야 할까요?

여러 개념을 설명했고 결과, 신호와 지표의 관계도 소개했습니다.

그러나 실제로 내일 여러분이 개발 중인 제품이나 서비스를 앞에 두고 “오늘은 이 서비스의 지표를 매핑하고 선정하겠습니다”라고 했을 때 어디에서 시작해야 할까요?

먼저 제가 앞서 설명한 가장 중요한 원칙을 기억해야 합니다.

감정과 의견을 측정하기보다 사용자 여정에서 발생하는 증거를 우선적으로 측정해야 합니다.

여정의 증거가 더 신뢰할 수 있습니다.

설문조사와 달리 표본이 작거나 중간 규모이거나 크다는 문제가 없으며, 전체 사용자의 데이터를 확보할 수 있습니다.

모든 서비스에서 NPS를 제거하라는 뜻은 아닙니다.

다만 사용자의 상호작용 과정에서 이미 생성되는 증거를 항상 측정하려고 노력해야 합니다.

첫 번째 단계는 사용자 여정입니다.

사용자 여정은 제품디자이너와 서비스디자이너에게 가장 기본적인 도구일 것입니다.

이미 시장에서 서비스 개발을 하고 있다면 누구나 한 번쯤 사용했을 것입니다. 인터페이스만 다루는 사람도 사용자 여정을 다뤄 본 경험이 있을 것입니다.

저는 사용자 여정에서 시작하는 방법을 선호합니다.

이 단계는 비교적 단순하지만 상당한 집중과 주의가 필요합니다.

사용자 여정을 살펴보면서 관련 있는 데이터를 생성하는 모든 지점을 표시해야 합니다.

사용자가 문을 통해 들어와 어느 방향으로 갈지 선택하는 순간이 있을 수 있습니다.

무인서비스를 이용할지, 직원을 부를지, 아니면 매장이나 박물관 또는 공원을 둘러보기만 할지 선택합니다.

이 순간에도 데이터가 생성됩니다.

사용자 중 몇 퍼센트가 무인서비스로 곧바로 가고, 몇 퍼센트가 여전히 직원을 찾는지 확인할 수 있습니다.

사용자의 각 상호작용은 대부분 어떤 형태의 데이터를 생성합니다.

이 단계에서는 해당 데이터를 이미 수집하고 있는지, 이미 가지고 있는지 또는 앞으로 새로 수집해야 하는지는 고민할 필요가 없습니다.

브레인스토밍과 비슷한 단계입니다.

사용자 여정 안에서 어떤 데이터가 생성되는지 표시하면 됩니다.

아직은 데이터의 유형을 판단하거나 특정 결과와 연결할 필요도 없습니다.

화면을 조금 줄이고 제가 만든 사례를 공유하겠습니다.

제가 구성한 프레임워크를 활용한 사례입니다.

이 프레임워크는 Miro에서 사용할 수 있습니다. 나중에 링크를 받아 이용할 수 있을 것입니다. Miroverse에 공개된 템플릿입니다.

지금은 이 구조가 실제 사례에서 어떻게 사용되었는지 보여 드리겠습니다.

앞서 말씀드린 자기주도형 강좌 사례입니다.

템플릿 전체는 영어로 되어 있지만 쉽게 번역해서 사용할 수 있습니다.

먼저 우리가 원하는 결과를 선정한 방법을 보여 드리겠습니다.

결과를 정의하는 일은 일반적으로 디자이너 혼자서 수행하지 않습니다. 팀과 이해관계자가 함께하는 것이 좋습니다.

당시 저희는 더 저렴하고 단순하며, 학습자가 브랜드를 처음 경험하는 입문용 제품으로 사용할 새로운 강좌를 개발하고 있었습니다.

초기 진입을 유도하는 제품이었고, 고객의 참여를 높여 이후 더 많은 서비스를 구매하도록 하는 것이 목표였습니다.

신규 고객을 유치하고 이 제품을 브랜드의 진입점으로 활용하는 것이 목표 가운데 하나였습니다.

또 다른 목표는 비즈니스 모델을 검증하는 것이었습니다.

우리가 제안한 가치가 실제로 유효한지를 검증해야 했습니다.

무료로 여러 상황에서 테스트한 적은 있었지만, 최소기능제품을 실제로 판매하는 것은 처음이었습니다.

또한 대규모 사용 환경에서도 사람의 개입에 대한 낮은 의존도가 유지되는지 검증하고자 했습니다.

소규모 프로토타입에서는 이미 테스트했고 잘 작동했습니다. 이제 더 많은 사용자를 대상으로도 실제로 작동하는지 확인하려고 했습니다.

이런 방식으로 팀이 함께 원하는 결과를 설정했습니다.

그다음 사용자 여정에서 데이터를 생성하는 접점을 매핑했습니다.

화면에서 볼 수 있듯이 발견, 활성화, 획득과 유지로 나뉜 매우 단순한 여정입니다.

이 단계에서는 결과에 지나치게 얽매이지 않는 것을 선호합니다.

제품이 발전하면 핵심 결과와 목표가 달라질 수 있기 때문입니다.

그럴 때 다시 이곳으로 돌아와 이미 어떤 지표가 존재하는지 확인하고 재사용할 수 있습니다. 전체 과정을 처음부터 반복할 필요가 없습니다.

당시에 발견한 지표 가운데 하나는 강좌를 구매한 학습자 중 Discord 커뮤니티에 실제로 가입한 비율이었습니다.

학습자가 각 연습문제를 완료하는 데 얼마나 오래 걸리는지도 확인했습니다.

실제로 몇 개의 강의를 시청하는지, 영상을 보지 않고 건너뛰거나 빠르게 넘기기만 하는지도 살펴봤습니다.

주당 평균 활동 수 역시 지표였습니다.

이 지표들은 플랫폼 자체에서 생성되므로 추적하기 쉬웠습니다. 그 후 필요한 지표를 선택해 수집하면 됐습니다.

이 과정은 디자이너가 개인적으로 수행하는 것을 선호합니다. 많아도 두 명 정도가 함께하면 됩니다.

전략적인 작업이라기보다 운영적인 작업이므로 혼자 하는 편이 더 간단할 수 있습니다.

그다음 지표를 분류합니다.

태도 지표, 행동 지표, 선행지표와 후행지표로 나누는 이유는 무엇일까요?

그 가치는 뒤에서 더 분명하게 나타납니다. 우선 서로 다른 유형의 지표를 균형 있게 수집하고 있는지 확인할 수 있습니다.

예를 들어 태도 지표만 잔뜩 수집하고 있다면 여정으로 돌아가 행동 지표를 더 찾아야 합니다. 태도 지표만으로는 근거가 취약하기 때문입니다.

매핑 과정에서 후행지표는 많이 발견했지만 선행지표는 거의 발견하지 못했을 수도 있습니다.

그렇다면 다시 돌아가 더 많은 데이터를 찾아야 합니다.

여정의 특정 순간에서 데이터가 발생하지 않는다면 어떤 인공물이나 기술을 추가해야 데이터를 더 수집할 수 있을지 생각할 수 있습니다.

이 과정을 통해 매핑이 충분히 포괄적이고 여정 전체를 다루고 있는지, 아니면 특정 순간에만 지나치게 집중되어 있는지 검토할 수 있습니다.

시간이 많이 걸리기 때문에 지금 각각의 지표를 하나씩 분류하지는 않겠습니다.

다음으로 팀과 함께하기를 권하는 단계는 핵심성과지표와 위생지표를 정의하는 것입니다.

앞서 매핑한 동일한 지표를 이곳으로 가져와 두 유형 가운데 하나에 배치합니다.

오늘날 우리는 지나치게 많은 데이터에 둘러싸여 있습니다. 따라서 무엇이 가장 중요한지 우선순위를 정해야 합니다.

특히 이해관계자나 고객에게 결과를 전달할 때는 세 장 이내의 슬라이드로 성공을 설명할 수 있어야 합니다. 흔히 세 장을 마법의 숫자라고 합니다.

어떤 지표를 대시보드의 표지와 첫 화면에 배치할 것인지 정해야 합니다.

더 깊이 들어가야 확인할 수 있지만 추적할 가치는 있는 지표도 구분해야 합니다.

이러한 지표는 나중에 데이터 삼각검증에 활용할 수 있지만, 모든 이해관계자가 바로 볼 수 있는 위치에 둘 필요는 없습니다.

핵심성과지표는 상사가 “이 제품이 잘되고 있습니까?”라고 물었을 때 무엇으로 대답할 것인지를 나타냅니다.

집중력을 유지하기 위해 일반적으로 한 개에서 최대 세 개의 핵심성과지표만 선정합니다.

좋은 우선순위 선정 훈련이며, 팀이 함께 수행해야 합니다.

위생지표는 경험의 구체적인 측면을 측정하는 다른 지표입니다.

데이터를 삼각검증하고 실제로 무슨 일이 일어나고 있는지 더 세밀하게 이해하는 데 사용합니다.

일반적으로 10개에서 15개 정도를 선정합니다.

특히 새로운 제품을 개발할 때 지나치게 많은 데이터로 대시보드를 부풀리지 않기 위해서입니다.

데이터가 너무 많으면 결국 해석하거나 사용하지 못합니다.

따라서 이 두 가지 마법의 숫자를 이용해 사용하는 지표의 우선순위를 정합니다.

마지막으로 이야기할 부분은 기록입니다.

업무가 바쁘다 보면 지식관리를 위한 기록을 남길 시간이 부족할 수 있습니다.

표를 만들고 문서를 작성하며 결과 보고서를 만드는 일이 귀찮게 느껴질 수도 있습니다.

그러나 기록은 매우 중요합니다.

기록은 조직 내부의 벤치마크를 만듭니다. 향후 다른 제품을 개발할 때 참고자료로 사용할 수 있습니다.

또한 지표와 결과의 연결 관계를 기록합니다.

비슷한 결과를 추구하는 제품은 어떤 지표를 사용했는지 확인하고 그것을 참고할 수 있습니다.

벤치마크와 목표도 기록해야 합니다.

저는 벤치마크와 목표를 구분하는 것을 선호합니다.

벤치마크는 유사한 제품이나 외부 조사에서 얻은 참고 기준일 수 있습니다.

이미 완성된 제품의 벤치마크를 가져올 수 있지만, 여러분의 제품은 아직 개발 중일 수도 있습니다.

따라서 여러분의 목표가 해당 벤치마크와 정확히 같을 필요는 없습니다. 다만 그 벤치마크를 근거로 목표를 결정하고 정당화할 수 있습니다.

이러한 기록을 남기고 사고의 논리를 문서화하면 자신의 업무에 대한 권위를 형성하는 데 도움이 됩니다.

중요한 이해관계자가 “왜 A를 하고 B는 하지 않았습니까?”라고 질문하더라도 그 선택의 배경이 되는 전체 논리를 보여 줄 수 있습니다.

제 경험으로 보면 디자인 업무의 배후에 이처럼 많은 전략적 사고가 있다는 사실을 확인했을 때 사람들은 상당히 깊은 인상을 받습니다.

이와 같은 전략과 사고의 논리를 갖추는 것은 지표와 직접 관련된 내용은 아닐 수 있습니다. 그러나 자신이 일하는 조직 안에서 전문적 권위를 뒷받침한다는 점을 강조하고 싶습니다.

여러분, 제가 정말 많이 이야기했습니다. 많은 내용을 소개했고 사례도 하나 설명했습니다.

이제 발표 자료로 돌아가겠습니다. 지금부터는 여러분의 질문을 받겠습니다.

채팅에 질문을 남겨 주셨고, 신청서로 미리 보내 주신 질문도 있습니다.

마지막 10분 동안 여러분의 질문에 답변하겠습니다.

미겔

비앙카, 발표가 진행되는 동안 호브송이 몇 가지 의견과 질문을 남겼습니다. 그가 남긴 내용을 차례로 살펴보겠습니다.

비앙카

그렇습니다, 호브송. 제가 말씀드린 응답 편향이 바로 그것입니다.

매우 만족한 사람이나 매우 불만족한 사람은 자신의 의견을 표현하려고 합니다.

따라서 이들의 목소리는 제품에 대체로 만족하지만 굳이 시간을 들여 응답하려 하지 않는 다수의 목소리보다 더 강하게 나타납니다.

미겔

몇 분 뒤에 제가 질문을 하나 드리면 도움이 될 수도 있겠습니다.

비앙카

그렇습니다.

데이터 삼각검증을 이용하면 가설이나 통찰을 더욱 강화할 수 있습니다.

예를 들어 NPS가 부정적으로 나타났지만 다른 데이터를 보니 사용자들이 예상한 시간 안에 서비스의 전체 여정을 완료하고 있을 수 있습니다.

그러면 “NPS 수집 방식에 어떤 문제가 있을 수 있습니다”라는 의문을 제기할 수 있습니다.

강좌 사례를 다시 들어 보겠습니다.

처음에는 가장 좋은 학습자가 첫날 플랫폼에 접속해 곧바로 세 개 정도의 연습문제를 푸는 사람이라고 생각했습니다.

그러나 다른 데이터를 살펴보면서 실제로는 그렇지 않다는 사실을 발견했습니다.

사람들은 일주일 정도 지나고 나서야 본격적으로 활동을 시작했습니다.

평가 결과와 이용시간의 관계도 살펴볼 수 있습니다.

저희가 발견한 또 다른 사실은 사람들이 연습문제를 완료하기 전에 플랫폼을 자주 벗어난다는 것이었습니다.

채팅이나 커뮤니티에서 질문이 발생하지 않더라도, 사용자가 다른 웹페이지에서 답을 찾고 있다는 의미일 수 있었습니다.

서비스 지표를 삼각검증하면 여러 가설을 만들 수 있습니다.

그러나 실제 답을 얻으려면 보다 심층적인 조사와 정성조사가 필요한 경우가 많습니다.

그때 이러한 정성적 데이터를 다른 지표와 함께 삼각검증할 수 있습니다.

미겔

호브송이 남긴 또 다른 질문이 있습니다. 다른 질문도 있지만 하나씩 살펴보겠습니다.

비앙카

그렇습니다. 기본적으로는 필요하다고 말할 수 있습니다.

다만 과정은 반복적으로 진행됩니다.

예를 들어 데이터를 매핑하는 과정에서 사용자 여정에 공백이 있고, 사용자를 지나치게 혼자 두는 순간이 있다는 사실을 발견할 수 있습니다. 그 결과 사용자가 길을 잃을 수도 있습니다.

사용자 여정이 잘 구조화되어 있을수록 좋습니다.

그러나 이러한 정교화는 서비스를 구축하는 전체 과정에서 계속 이루어집니다.

완벽한 사용자 여정이 있어야만 이 과정을 시작할 수 있는 것은 아닙니다.

사용자 여정을 성찰적으로 검토하는 과정 자체가 여정을 점점 더 정교하게 만드는 데 도움이 됩니다.

미겔

서비스디자인과 제품디자인 직무의 차이가 무엇인지 묻는 질문이 있습니다.

비앙카

그렇습니다. 설명하겠습니다.

LinkedIn에서 제품디자인에 가까운 업무 내용을 담은 서비스디자인 채용공고를 검색하면 실제로 많이 찾을 수 있습니다.

학술 문헌에서는 두 분야를 구분하지만, 오늘날 일부 저자는 제품이라는 말을 제품과 서비스를 모두 포함하는 개념으로 사용합니다.

그러나 원칙적으로 제품디자인은 특정 제품 안에서 이루어지는 사용자 경험에 초점을 맞춥니다.

디지털 제품이라면 인터페이스 사용성과 인터랙션까지 포함하는 경우가 많습니다.

서비스디자이너는 일반적으로 제품을 넘어서는 영역을 다룹니다.

마케팅팀, 영업팀과 고객경험팀과 연결해 일합니다.

서비스디자이너는 인터페이스나 사용자 경험의 세부사항을 담당하는 다른 디자이너와 함께 일하는 경우가 많습니다.

서비스디자이너 자신은 비즈니스를 조금 더 거시적으로 바라봅니다.

따라서 서비스디자인이 조금 더 전략적인 수준에서 이루어진다고 할 수 있습니다.

미겔

좋습니다. 신청서로 받은 질문도 몇 가지 소개하겠습니다.

단순히 더 배우고 싶다고 말씀해 주신 분도 여러 명 있습니다.

그 가운데 흥미로운 질문이 하나 있습니다.

팀에서 지표를 활용하는 문화를 처음부터 확장 가능한 방식으로 구축하려면 어떻게 해야 합니까?

비앙카

좋습니다.

초기에는 상당한 실험 과정이 필요합니다.

제 경험을 예로 들겠습니다.

저는 새롭게 구성되고 있던 디자인팀에 참여한 적이 있습니다.

처음에는 각자가 지표를 다루는 자신만의 구조를 가지고 있었습니다.

저희는 북클럽을 운영하는 방법을 좋아했습니다.

책과 논문을 함께 토론하고 좋은 실천 방법을 공유했습니다.

각 디자이너가 자신의 프로젝트를 다른 디자이너에게 소개하도록 하기도 했습니다.

그러나 가장 중요한 일 가운데 하나는 발표 마지막에 설명한 기록입니다.

지식관리를 해야 합니다.

지표를 어떻게 활용했는지 더 많이 기록할수록 새로 합류한 사람에게 전달하기 쉬워집니다.

또한 지표를 활용하는 일을 팀의 습관으로 만들기도 쉬워집니다.

다만 의식적으로 노력해야 합니다.

지표를 활용하고 기록하는 일은 저절로 생기는 습관이 아닙니다.

디자이너의 업무에서 자연스럽게 우선시되는 일도 아닌 경우가 많습니다.

미겔

다음 질문으로 넘어가기 전에 신청서에서 받은 다른 질문이 하나 있습니다.

기존 서비스를 맡았을 때 어디서부터 시작해야 하는지, 개선사항을 매핑하고 이를 구현하는 데 어려움을 겪는다는 내용입니다.

어떻게 해야 할까요?

비앙카

‘지속적 리서치와 발견’ 강좌에서 더 깊이 다루는 내용입니다.

이미 운영되고 있는 서비스를 맡았다면 처음부터 새로 만들 필요는 없습니다.

가장 먼저 해야 할 일은 진단입니다.

이때도 사용자 여정에서 시작할 수 있습니다.

서비스를 매핑하고 기존 기록을 찾아야 합니다.

제 경험으로는 새로운 서비스를 맡았을 때 기존 기록이 없는 경우가 많았습니다.

앞서 말씀드린 강좌에서 이 부분을 더 자세히 설명하지만, 첫 번째 단계는 항상 진단입니다.

개선을 제안하기 전에 시간을 들여 현재 무슨 일이 일어나고 있는지를 이해해야 합니다.

진단을 수행하고 기존에 측정하는 지표와 측정하지 않는 지표가 무엇인지 확인해야 합니다.

여러 기업을 살펴보면 측정하지 않는 것이 상당히 많습니다.

따라서 데이터를 찾기 위해 사람들에게 계속 질문하고, 깊이 파고들며, 곳곳을 뒤져야 할 수도 있습니다.

가장 중요한 권고는 먼저 시간을 들여 진단하고 기존 상황을 분석한 뒤 개선 작업을 시작하라는 것입니다.

미겔

호브송의 질문으로 다시 돌아가겠습니다. 참고자료에 관한 질문입니다.

발표 중에 몇 가지를 이미 소개했지만, 추가로 추천할 자료가 있습니까?

비앙카

서비스디자인네트워크를 추천합니다.

테리사 토레스의 《Continuous Discovery Habits》도 이 주제를 많이 다룹니다.

최근 출간된 책 가운데 데이터를 많이 다루는 《Design 5.0》도 있습니다.

이 책은 데이터와 디지털 비즈니스에 관해 상당히 많은 내용을 다룹니다.

지금 바로 떠오르는 주요 참고자료는 이 정도입니다.

미겔

다음 질문은 조금 전에 다룬 서비스디자인과 제품디자인의 차이와 관련된 것 같습니다.

서비스디자인이 제품디자인보다 상위에 있다고 말할 수 있습니까?

비앙카

저는 ‘상위’라는 표현을 좋아하지 않습니다.

일반적으로 두 직무 사이에 위계가 있는 것은 아니기 때문입니다.

서비스디자인이 제품디자인보다 더 포괄적인 범위를 다룬다고 말할 수는 있습니다.

제품디자인은 조금 더 구체적인 영역에 집중합니다.

미겔

그렇게 표현할 수 있겠습니다.

채팅에 계신 분 가운데 직무에 관해 다른 의견을 말씀하고 싶은 분이 있다면 자유롭게 남겨 주시기 바랍니다.

서로 다른 직업과 직무가 불가피하게 뒤섞이는 경우가 많습니다.

물론 실제 수행하는 과업에는 분명 상당한 차이가 있습니다.

여러분, 다른 질문이 더 있는지 모르겠습니다.

발표 자료를 다시 띄우겠습니다.

화면에 표시된 링크를 통해 앞으로 예정된 웨비나를 확인할 수 있습니다.

현재 두 개의 웨비나 참가 신청이 열려 있습니다. 포르투갈의 여름이자 브라질의 겨울인 이 기간에 몇 개의 웨비나가 더 추가될 예정입니다.

비앙카가 설명한 ‘지속적 리서치와 발견’ 강좌도 곧 시작합니다.

저희 웹사이트의 강좌 목록에서 찾을 수 있습니다.

아직 첫 번째 과정의 구체적인 일정은 나오지 않았지만 곧 공개될 예정이므로 관심 있게 지켜봐 주시기 바랍니다.

오늘 비앙카가 소개한 여러 개념과 그 밖의 관련 주제를 강좌에서 훨씬 더 깊이 다룰 것입니다.

오늘 참석해 주신 모든 분과 질문을 보내 주신 분들에게 감사드립니다.

질문이 매우 많았는데 좋은 일입니다.

다시 한번 참여해 주셔서 감사합니다.

몇 주 뒤에 다시 만나겠습니다. 다음 웨비나는 제가 잘못 기억한 것이 아니라면 22일에 열릴 예정입니다.

비앙카, 마무리 인사를 부탁드립니다.

비앙카

모두 참여해 주셔서 감사합니다.

이후 Miro 프레임워크 링크를 받으실 수 있을 것입니다.

제 LinkedIn 주소도 이미 제공되어 있으므로 언제든지 편하게 연락해 주시기 바랍니다.

미겔

좋습니다. 여러분, 대단히 감사합니다.

마르셀루, 호브송, 다니엘과 오늘 함께해 주신 모든 분에게 감사드립니다.

남은 오후와 저녁을 잘 보내시기 바랍니다.

축구를 좋아하는 분이라면 한 시간 뒤 프랑스와 모로코의 경기가 시작됩니다.