올리브영 데이터를 수집하여 리뷰데이터를 통해 

 

문제점을 파악하고 해결방안 모색.

 

그러나 해당 문제가 회사 측에서 봤을 때 과연 문제라고 할 수 있을지에 대한 의문 발생.

 

 

사측의 입장에서 과연 작은 side effect까지 고려할 필요가 있을까?

 

매출에 심대한 타격이 없고

 

실험 상 유의미한 문제가 없고

 

대부분의 사용자에게 좋은 경험을 도출 할 수 있다면

 

소수의 불편은 감수할만하다.

 

그것이 비록 의도적일 지라도 말이다.(다크패턴)

 

 

타겟으로 삼는 사용자의 분포에서 벗어난 사람들의 

 

손해는 사측에선 크게 신경쓰지 않는다.

 

타겟으로 삼는 사용자에게 이득만 가져다 줄 수 있다면

 

필연적인 손실은 짊어지고 진행한다.

 

 

또한 부정적인 데이터만 보면 마치 전체가 다 틀린 것 처럼 느껴진다는 말을

 

실제로 느껴봤다.(편향이 알아서 발생하더라)

 

우리가 알 수 없는 전체 데이터에 비해 소수의 부정적인 의견은 매우 작을 수 있다.


실제 거대한 데이터에서 특정 데이터만으로 결론을 지으면 안된다.

(그러나 원 데이터를 볼 수 없는 상황이면 판단하기 어려울 것 같긴 하다.

애초에 판단 해야겠다는 생각이 잘 안들 것 같다.)

 

 

아주 중요한 교훈을 얻었다.

 

사측의 입장과 부분데이터를 통한 편향

 

또 하나.

 

분석 및 모델링 하는 속도가 빨라야 하고 바로바로 계획 세워서 실행할 줄 알아야 할 듯.

 

보고서 쓰는 속도랑.

1. 주요 사용자 여정

 

1) 사용자 여정이란?

(1) 사용자가 제품이나 서비스를 인지하고 구매하며, 이후까지의 모든 단계를 포함하는 프로세스.

(2) 일반적으로 이커머스에서의 사용자 여정은 다음과 같이 구성.

 

(https://www.sitecentre.com.au/blog/customer-journey-mapping)

  • 인지
    • 사용자가 광고, 검색, 소셜 미디어 등을 통해 제품이나 서비스를 처음 알게 되는 단계
  • 고려
    • 사용자가 웹사이트나 앱을 방문하여 제품 정보를 탐색하고 비교하는 단계
  • 장바구니
    • 사용자가 제품을 장바구니에 담고 구매를 고려하는 단계
  • 구매
    • 사용자가 원하는 제품을 선택하고 결제하는 단계
  • 사후 서비스
    • 제품 사용 후 리뷰 작성, 고객 서비스 이용, 반품 또는 교환 등의 활동이 이루어지는 단계

(3) 이러한 사용자 여정을 시각적으로 표현한 것을 고객 여정 지도라고 함.

 

2) 고객 여정 지도의 활용

(1) 퍼널 분석(funnel analysis)

  • 고객 여정지도 사용하여 단계가 넘어갈 때 유저가 어떤 행동을 하는지를 분석.
  • PM은 각 퍼널에서 전환율이 왜 올라가지 않는지 가설을 세움
    • 가설 확인 실험을 통해 전환율을 높이는 방향으로 실험을 진행하게 됨.

(https://clevertap.com/blog/funnel-analysis/)
(https://clevertap.com/blog/funnel-analysis/)

 

2. 서비스 흐름 및 데이터 흐름

 

1) 사용하는 데이터 총 정리(이것 말고도 상황에 따라 더 다양한 데이터 활용)

(1) 사용자 행동 데이터

(2) 구매데이터

(3) 데모그래픽(인구통계학적) 데이터

(4) 소셜 데이터

(5) 디바이스 및 기술 데이터

(6) 실시간 사용자 데이터

(7) 사용자 만족도 데이터

 

2) 사용자 행동 데이터

(1) 클릭 데이터: 사용자가 클릭한 링크, 버튼, 배너 등을 추적하여 관심사와 선호도를 파악.

(2) 페이지 뷰 데이터: 사용자가 방문한 페이지와 체류 시간 분석. 관심 있는 상품군과 이탈 구간 식별.

(3) 검색 기록: 사용자가 검색한 키워드 분석으로 인기 상품, 트렌드, 관련 키워드 추천 가능.

 

User_ID Session_ID Timestamp Page_Viewed Product_ID Click_Action Duration_Seconds Search_Keyword Device_Type Location
101 S001 2024-12-16 10:00:00 Home   View 120   Mobile Seoul
102 S002 2024-12-16 10:05:00 Product 1001 Add to Cart 300   Desktop Busan
103 S003 2024-12-16 10:10:00 Search   Search 90 Smartphone Mobile Incheon
104 S004 2024-12-16 10:15:00 Cart 1002 Checkout 180   Tablet Seoul
105 S005 2024-12-16 10:20:00 Home   View 150   Mobile Daejeon

 

(https://www.geckoboard.com/dashboard-examples/marketing/web-analytics-dashboard/)

 

3) 구매데이터

 

(1) 구매 이력: 사용자가 구매한 상품의 유형, 빈도, 금액 등을 분석해 개인화된 추천 제공.

(2) 장바구니 데이터: 추가했지만 구매하지 않은 상품을 기반으로 리마케팅 진행.

(3) 반품 데이터: 반품 사유를 분석하여 품질 개선, 사용자 만족도 향상.

 

User_ID Order_ID Order_Date Product_ID Quantity Unit_Price Total_Price Payment_Method Delivery_Status Delivery_Location
201 O001 2024-12-15 15:30:00 1001 1 150.0 150.0 Credit Card Delivered Seoul
202 O002 2024-12-15 16:00:00 1002 2 300.0 600.0 PayPal In Transit Busan
203 O003 2024-12-15 16:30:00 1003 1 100.0 100.0 Debit Card Delivered Incheon
204 O004 2024-12-15 17:00:00 1004 3 200.0 600.0 Credit Card In Transit Daejeon
205 O005 2024-12-15 17:30:00 1005 1 50.0 50.0 Cash Pending Daegu
206 O006 2024-12-15 18:00:00 1006 2 400.0 800.0 PayPal Delivered Gwangju

 

 

4) 데모그래픽 데이터

(1) 연령, 성별, 위치: 사용자 세그먼트화로 지역별 맞춤 프로모션, 사용자 특성에 맞는 콘텐츠 제공.

(2) 소득 수준: 적절한 가격대의 제품 추천 및 프로모션 전략 수립.

 

User_ID Age Gender Location Income_Level Occupation Marital_Status Children Education Preferred_Shopping_Category
301 25 Female Seoul High Student Single 0 Bachelor Electronics
302 34 Male Busan Medium Engineer Married 2 Master Fashion
303 29 Female Incheon Medium Teacher Single 0 PhD Books
304 42 Male Daejeon Low Freelancer Married 1 Diploma Groceries
305 31 Female Daegu High Nurse Single 0 Bachelor Fashion
306 27 Male Gwangju Low Designer Single 0 Master Home

5) 소셜 데이터

(1) 리뷰 및 평점: 제품 개선과 사용자 신뢰 형성. 리뷰 데이터를 분석하여 제품 부족점 파악.

(2) 소셜 미디어 활동: 사용자가 선호하는 콘텐츠 스타일, 유행 상품, 브랜드 이미지 파악.

 

User_ID Social_Platform Follower_Count Post Engagement Rate Average Posts_Per Month Most_Used_Hashtag Platform_Join_Date Content_Type Primary_Activity_Time Account_Status
401 Instagram 1200 8.5 12 #tech 2018-05-10 Images Evening Active
402 Facebook 500 5.0 8 #fashion 2015-09-20 Videos Afternoon Inactive
403 Twitter 800 7.0 10 #news 2017-03-15 Text Morning Active
404 LinkedIn 600 6.0 5 #jobs 2016-11-25 Professional Evening Active
405 YouTube 2000 10.0 15 #vlog 2019-06-01 Vlogs Afternoon Active
406 TikTok 1500 9.0 14 #trend 2020-08-18 Shorts Morning Active

 

6) 디바이스 및 기술 데이터

 

(1) 접속 디바이스 유형: 모바일, 데스크톱, 태블릿 등 기기 별 최적화된 사용자 경험 제공.

  • 브라우저 및 네트워크 속도: 페이지 로딩 최적화로 이탈률 감소.
User_ID Device_Type Operating_System Browser Screen_Resolution App_Version Session_Length_Minutes Network_Type Login_Method Last_Active
501 Mobile iOS Safari 1080x1920 2.1.0 15 WiFi Biometric 2024-12-14 14:00
502 Desktop Windows Chrome 1440x2560 1.5.3 25 4G Password 2024-12-14 15:30
503 Tablet Android Firefox 1280x800 3.2.1 10 5G Biometric 2024-12-14 16:00
504 Mobile Android Chrome 720x1280 2.0.5 20 WiFi Password 2024-12-14 16:30
505 Desktop MacOS Safari 1080x1920 1.9.9 30 4G Password 2024-12-14 17:00
506 Tablet iOS Edge 1440x2560 3.0.0 12 WiFi Biometric 2024-12-14 18:00

 

7) 실시간 사용자 데이터

 

(1) 위치 데이터: 근처 매장 재고 정보 제공, 지역 특화 프로모션 가능.

(2) 실시간 행동 데이터: 세션 중 사용자 행동에 따라 즉각적인 할인 코드 제공, 교차 판매 전략 실행.

 

User_ID Current_Page Session_ID Time_Spent_Seconds Geo_Location Device_Type Browser Current_Action Cart_Items Active_Status
601 Home S011 120 Seoul Mobile Chrome Browsing 0 Active
602 Product S012 300 Busan Desktop Safari Adding to Cart 2 Active
603 Search S013 95 Incheon Tablet Firefox Searching 0 Inactive
604 Cart S014 180 Daejeon Mobile Edge Checkout 3 Active
605 Checkout S015 150 Daegu Desktop Chrome Payment 4 Active
606 Home S016 90 Gwangju Mobile Safari Browsing 1 Active

 

8) 사용자 만족도 데이터

(1) 설문 조사 및 피드백: 사용자가 직접 제공한 경험과 개선 사항을 서비스 품질 향상에 반영.

(2) NPS(Net Promoter Score): 고객 충성도를 측정하고, 불만 고객의 문제를 해결.

 

User_ID NPS_Score Feedback Support_Response_Time_Minutes Website_Ease_of_Use Delivery_Satisfaction Product_Quality Loyalty_Program_Rating Likelihood_to_Recommend Overall_Satisfaction
701 9 Great service 5 5 5 5 5 5 5
702 8 Good prices 10 4 4 4 3 4 4
703 10 Excellent experience 3 5 5 5 5 5 5
704 7 Slow delivery 20 3 3 4 4 3 3
705 6 Average 15 4 4 3 4 3 4
706 9 Very satisfied 7 5 5 5 5 5 5

 

 

3. PM의 역할

(사용자 여정의 관점에서 PM이 사용자 여정의 어느 단계에 영향을 미치겠는가?)

 

1) 프로덕트 기획 단계

(1) 기획을 할 때, PM은 사용자가 어떤 경험을 하게 할지 설계

  • PM은 프로덕트 전반에 걸쳐 모두 관여하기 때문에, 사용자 여정의 관점에선 각 단계마다 모두 깊게 관여한다고 할 수 있다.
  • 사용자가 경험할 프로덕트의 구조와 기능을 설계.
  • 그 과정에서 서비스 흐름이나 데이터 흐름도 결정됨

2) 프로덕트 개선 단계

(1) 사용자 행동 데이터 및 다양한 데이터를 모니터링

  • 이 과정에서 문제 발견 및 문제 정의
  • 그 후 가설을 만들고 실험을 진행하여 개선 사항을 도출해 냄.
  • 이렇게 하여 사용자 여정의 특정 단계에서의 문제를 해결
  • 특정한 단계를 결정해놓지 않고 문제가 있는 것 같은 단계에 모두 관여.

     

1. 내가 조사한 PM 직무의 핵심은?"

  • 비즈니스 관점에서 기획으로 문제를 풀어내는 직무. 이때, 문제의 발견 및 결과 확인을 데이터를 통해 실행한다.
    • 문제 발견 및 문제 정의(가설 설정) -> 문제 해결 기획 -> 리소스 분배 -> 프로세스 체크 -> 결과 확인 -> 지속적 모니터링
    • 문제 해결을 위한 여러 직무와의 커뮤니케이션 능력
    • 문제 해결을 위한 우선순위 결정 및 프로세스 절차 기한 모니터링

 

 

2. "다른 도메인의 PM과 공통점/차이점은?"

 

2 - 1. 공통점

  • 목표 설정 및 목표 달성을 위한 전략 기획
  • 목표 달성을 위한 우선순위 결정 및 리소스 배치
  • 다양한 직무와의 의사소통 능력 및 리딩 능력
  • 지표 모니터링
  • 실험 설계 및 결과를 통한 개선 

 

2 - 2. 차이점(이커머스 PM을 기준으로)

  • 도메인 특화 지식
    • 이커머스 PM:
      • 고객 경험(UX)과 구매 여정에 대한 깊은 이해 필요.
      • 결제 시스템, 물류 관리, 재고 관리와 같은 백엔드 시스템에 대한 이해.
      • 시즌성 및 프로모션에 따른 트래픽 변동, 세일 전략 등 비즈니스적인 요소를 잘 이해해야 함.
    • 다른 도메인 PM(예: 핀테크, 게임, SaaS 등):
      • 핀테크 PM은 금융 규제와 보안, 게임 PM은 게임 디자인과 사용자 몰입도, SaaS PM은 클라우드 아키텍처와 고객 유지율 같은 도메인별 핵심 요소를 더 많이 다룬다.
  • 프로젝트의 속도와 우선순위
    • 이커머스 PM:
      • 경쟁이 치열한 업계 특성상 빠른 출시와 지속적인 개선이 중요합니다. 짧은 주기의 릴리즈 주기가 일반적이며, 트렌드와 시즌성을 반영해야 함.
    • 다른 도메인 PM:
      • 프로젝트 속도나 주기가 도메인에 따라 다릅니다. 예를 들어, 헬스케어 PM은 규제 준수와 안정성이 중요하므로 출시 주기가 길 수 있다.
  • 사용자 중심의 KPI
    • 이커머스 PM:
      • 전환율(Conversion Rate), 객단가(AOV), 장바구니 이탈률, 고객 재구매율, LTV(Lifetime Value) 등과 같은 매출 중심 KPI에 집중.
    • 다른 도메인 PM:
      • SaaS에서는 구독 유지율이나 신규 가입자 수, 게임에서는 사용자 참여율과 인앱 구매율 등이 주요 KPI일 수 있다.
  • 기술적 요구
    • 이커머스 PM:
      • 검색 및 추천 알고리즘, 결제 시스템 통합, 물류 추적 API 등과 같은 특화 기술에 대한 이해 필요.
    • 다른 도메인 PM:
      • AI/ML을 활용한 모델링, 보안 및 암호화 기술, 게임 엔진 등 도메인에 따라 필요 기술이 다름.
  • 고객 경험(UX)에 대한 초점
    • 이커머스 PM:
      • 고객의 구매 여정(검색 → 장바구니 → 결제)을 최적화하는 데 집중.
      • 다양한 디바이스(웹, 모바일)에서의 사용자 경험이 중요.
    • 다른 도메인 PM:
      • UX 최적화는 중요하지만, 도메인에 따라 고객 경험의 우선순위나 방식이 달라질 수 있음. 예를 들어, SaaS는 직관적인 UI와 onboarding 과정이 중요하고, 게임은 몰입감 높은 인터페이스가 중요.
  • 데이터의 실시간성
    • 이커머스 PM:
      • 실시간 데이터를 활용해 빠르게 의사결정을 내립니다. 트래픽 급증, 구매 전환율, 장바구니 이탈률 등을 실시간으로 모니터링하고, 문제 발생 시 즉각 대응.
      • 예: 특정 프로모션 이벤트나 시즌별 트래픽 급증에 따른 시스템 부하를 실시간으로 조정.
    • 다른 도메인 PM:
      • 실시간 데이터의 중요성이 상대적으로 낮을 수 있다.
        • 예: 헬스케어 PM은 환자 데이터의 보안성과 정확성이 중요하며, 실시간성보다 데이터의 무결성과 규제 준수가 핵심.
        • 예: SaaS PM은 사용자 로그와 구독 데이터가 실시간보다는 주기적으로 분석되는 경우가 많다.
  • 데이터 소스의 다양성
    • 이커머스 PM:
      • 고객 행동 데이터(클릭, 검색, 구매 등), 제품 데이터(가격, 재고), 물류 데이터(배송 상태), 결제 데이터 등 다양한 소스에서 데이터를 수집합니다.
      • 다양한 소스 통합 및 분석: 이 데이터를 통합하고 유기적으로 분석하는 능력이 필요.
      • 예: 구매 데이터와 마케팅 데이터를 통합해 특정 광고 캠페인의 ROI(Return on Investment)를 분석.
    • 다른 도메인 PM:
      • 데이터 소스가 도메인에 따라 특정 영역으로 제한적일 수 있음.
        • 예: 핀테크 PM은 거래 데이터와 사용자 인증 데이터에 중점을 두고, 데이터의 정확성과 규제 준수를 관리.
        • 예: 게임 PM은 게임 내 사용자 활동 로그와 인앱 구매 데이터를 주로 다룬다.
  • 데이터 접근의 주체
    • 이커머스 PM:
      • 데이터 분석가와 협업하거나, 자체적으로 대시보드 및 BI 도구(Tableau, Looker 등)를 활용해 직접 데이터에 접근.
      • 데이터 접근성이 높은 환경에서 빠른 의사결정을 내리는 것이 중요.
    • 다른 도메인 PM:
      • 데이터 접근이 더 제한적일 수 있으며, 데이터팀 또는 엔지니어에게 의존하는 경우가 많음.
        • 예: 헬스케어 PM은 환자 데이터 접근이 법적, 윤리적 제약으로 인해 제한적이며, 규제 준수를 위해 승인된 데이터만 사용할 수 있음.
        • 예: 정부 프로젝트 PM은 데이터 접근이 계층적이고 엄격하게 제한되는 경우가 많다.
        • 애초에 PM에게 데이터 접근 허가가 부여되지 않을 수도 있다.
  • 규제 및 보안
    • 이커머스 PM:
      • 데이터 접근 규제가 비교적 낮은 편이며, 비즈니스 성장에 초점이 맞춰짐.
      • 하지만, 개인정보 보호법(예: GDPR, CCPA)에 따라 고객 데이터 보호를 신경 써야 함.
    • 다른 도메인 PM:
      • 보안 및 규제 준수가 더 엄격한 경우가 많음.
        • 예: 핀테크 PM은 금융 데이터의 암호화, 보안 규제 준수가 핵심.
        • 예: 헬스케어 PM은 환자 데이터의 HIPAA 규정을 반드시 준수해야 함.
  • 데이터 사이클과 활용 방식
    • 이커머스 PM:
      • 짧은 데이터 사이클과 반복적인 분석:
        • 실시간 데이터와 주간/월간 데이터를 동시에 분석하며, 트렌드에 빠르게 대응.
      • 주기적인 A/B 테스트: 고객 행동 변화에 따라 데이터를 활용해 새로운 전략을 지속적으로 실험.
    • 다른 도메인 PM:
      • 데이터 분석 주기가 상대적으로 길거나 구조화되어 있을 수 있음.
        • 예: 헬스케어 PM은 임상 실험 데이터를 기반으로 한 장기적인 프로젝트를 진행.
        • 예: 게임 PM은 출시 이후 사용자 데이터를 분석해 추가 콘텐츠를 설계.

1. PM은 어떤 역할을 하는 사람인가? 비슷한 경험을 해 본 적이 있나?

 

1) 크게 '프로덕트 기획'과 '프로젝트 매니징', ' 그로스 프로덕트 (출시 후)' 세 개로 나뉘는 것 같다.

 

(1) 프로덕트 기획 

 

타겟의 불편, 욕구, 경험하고 싶은 것들을 캐치하여 해당 부분들을 만족시킬 수 있는 프로덕트를 기획. 특히 PM의 두드러지는 특징은, 기획단계에서부터 데이터를 사용한다는 것이다. 판단의 근거를 데이터를 통해 하고 후에 프로덕트 출시 후 개선에 있어서도 데이터를 매우 적극적으로 사용한다. 거의 데이터 분석가가 하는 정도로 해야 되는 것 같다. 이미 기획이 된 프로덕트의 경우 프로젝트 매니징 및 출시 후 관리를 주로 하게 된다.

 

(2) 프로젝트 매니징(출시 후)

 

기획이 되었으면, 프로젝트가 원활히 진행되도록(일이 굴러가도록) 관제 센터가 되어 각 팀의 현재 진행 상황과 스케줄 관리 등을 도맡아 한다. 여러 팀들과 지속적으로 연락을 하며 그 과정에서 스케줄 관리 및 협업 툴의 사용이 필수적이다.  

 

 

(3) 그로스 프로덕트(출시 후)

 

프로덕트가 만들어졌으면, 지속적으로 모니터링을 통해 바꿔야 하는 부분이나 개선해야 할 점을 찾는다. 각종 지표들을 보고 판단하며 개선이 필요할 경우, 개선에 대한 기획을 하고 관련 팀들과 회의 후 개선 매니징 통해 개선을 해 나아간다.

 

2) 비슷한 경험

 

데이터 및 Ai 모델링 대회에 혼자 출전하여 데이터 수집부터 실시간 대시보드 완성까지 혼자 진행하여 입상한 경험이있다. 이때 주제의 범위가 매우 넓었기 때문에 어떤 데이터를 분석하고 그 데이터로 뭘 할 건지에 대한 기획과 모델링 대시보드 제작 후 사후 관리까지 전부 혼자 하였다. 다시 생각해보면 PM이 했던 일 + 메이커가 했던 일 + 분석가가 던 일 전부를 했던 셈이다.

 

 

2.위의 업무/학습 경험에서, 어떤 부분이 프로덕트 매니저의 역할과 유사하다고 생각했나?

 

1) 프로덕트 기획 

대회에 참가하기 전, 사전 평가를 하게 되는데 이때 기획안을 제출하게 된다. 

 

2) 프로젝트 매니징 

혼자 출전했기 때문에, 팀들과의 협업 및 매니징에 대한 경험은 없지만, 각 파트가 어떤 일을 해야 하는 지, 어떤 과정을 거치는지는 충분히 경험했다.

 

3) 그로스 프로덕트 

대시보드라는 프로덕트를 만들고 난 후, 좀 더 직관적인 시각화 및 전문적인 정보를 넣기 위해 개선을 하였다. 프로덕트의 근간이 되는 모델도 지속적으로 업그레이드했으며 알림 시스템 등 여러 요소들을 개선했다.

 

4) 아쉬운 점

대회를 진행할 때는, 소비자(타겟)에 대한 생각은 전혀 없었기 때문에, 기획 시 이러한 점을 고려하지 못했다는 점은 아쉽다.

 

 

3.PM의 역량/역할 중에서 내가 관심 있는 것은 무엇이며, 관심 없는 것은 무엇인가?

 

1) 사실 분석은 어떻게 보면 다분히 수동적인 분야라서 돈을 만들어내기 위한 상품 기획을 본격적으로 해본 적이 없다. 그러나 "돈을 번다"의 세 가지 근본 요소인 "상품과 판매, 타깃" 중, "상품"을 기획한다는 부분이 매우 흥미롭게 다가왔다.

 

2) 페르소나 작성 시, 데이터를 통해서 하게 된다. 그러나 기존까지 해왔던 분석의 특성상 주관적인 판단은 최대한 배제해야하기 때문에 이 부분이 매우 신선하게 다가왔다. 또한 데이터에 기반이 있는 내가 지속적으로 훈련을 하면 잘할 수 있는 부분이라고 판단했기에, 페르소나 작성에 큰 관심이 생겼다.

 

4. PM의 역량/역할 중에서 내가 잘 할수 있는 것은 무엇이며, 잘하지 못 하는 것은 무엇인가요?

 

1) 가장 자신있는 것 ---------------------------- 가장 자신 없는 것

 

데이터 관련 > 개발 인프라에 대한 시야 > 개발 그 자체, 기획 > 문서 작성 > 디자인 >>>>>>>>>>>>> 소프트 스킬  

 

2) 소프트 스킬을 많이 늘리도록 하자.

 

내 머리 속에 있는 걸 정확하게 전달하려 노력하기

 

정확하게 듣기(문맥을 고려하여)

 

 

 

5. 내가 되고 싶은 PM은 어떤 모습인가요? 미래의 모습은 나의 장점과 흥미를 모두 반영하고 있나요?

 

1) 단순히 데이터 분석만으로 비즈니스에 대단한 영향을 미치기 힘들다고 판단했기에, 데이터를 통해서 임팩트 있는 결과를 내기 위해선 결국 기획 및 메이커를 해야겠다는 생각을 점점 하게 되었던 것 같다. 또 생성형 AI가 발전하는 속도와 그 영향력에 따라 단순히 데이터 분석 및 모델링만으로는 내가 원하는 정도의 결과와 가치를 만들지 못할 것이라고 판단했다. 

 

2) 또한 비즈니스의 거의 모든 부분에 참여하면서 리스크는 작고(회사에 소속될 수 있는) 신입으로 시작할 수 있는 직업은 거의 PM이 유일하지 않을까 싶었다. 최종 목표는 결국 "(최소한의 정도에서) 모든 걸 다 할 수 있는 역량 + 한 가지 분야의 specialist(Stats, Data Scientis)"가 되어 한 명의 개인으로서 독립적으로 존재하는 것이기 때문에 나의 이상과 알맞다고 판단했다.

 

 

'PM > S.C.C - Essence' 카테고리의 다른 글

이커머스에서 고객 여정 단계와 데이터, 그리고 PM의 역할  (2) 2024.12.17
이커머스 분야에서의 PM  (1) 2024.12.16
페르소나 - 3  (1) 2024.12.11
페르소나 - 2  (1) 2024.12.11
페르소나 - 1  (4) 2024.12.10

1. 데이터 드리븐하게 어떻게 페르소나를 만드는지에 대한 예를 한번 봐보자.

 

시나리오: 헬스케어 앱 개발
목표: 20~30대 직장인을 위한 건강 관리 앱 개발.
결과물: 페르소나를 통해 사용자의 주요 요구와 고충을 반영한 기능 설계.

 


1) 데이터 수집 단계


(1) 데이터 소스


-설문조사
질문:

"주로 건강 관리를 위해 어떤 앱을 사용하시나요?"
"건강 관리에서 가장 큰 어려움은 무엇인가요?"
"건강 관리를 위해 하루에 투자할 수 있는 시간은?"
결과: 응답자의 60%가 "시간 부족"을 주요 문제로 꼽음.
75%가 하루 10분 이하의 시간을 투자할 수 있다고 응답.


-사용자 인터뷰

대상: 20~30대 직장인 10명.
주요 발언:
"회사에선 너무 바빠서 운동을 할 시간이 없어요."
"앱 사용이 번거롭거나 복잡하면 바로 삭제해요."
결과: 간편한 사용성과 짧은 운동 루틴을 선호.


-경쟁사 데이터 분석

주요 헬스케어 앱의 리뷰를 분석:
"XX 앱은 운동 루틴이 너무 길어요."
"OO 앱은 기록이 잘못 저장돼요."
결과: 간결한 루틴과 정확한 데이터 기록이 중요.


-소셜 미디어 데이터
관련 해시태그(#헬스케어, #운동앱)에서 사용자들의 게시물을 분석.
"하루 5분 루틴"이라는 키워드가 높은 인기를 보임.

 


2) 데이터 분석 단계


(1) 공통된 패턴 발견
시간 부족: **대다수의 사용자(60% 이상)**가 "운동 시간이 부족하다"라고 응답.
간편성 요구: 앱이 복잡하거나 번거로우면 사용을 포기.
루틴 선호: "짧고 효과적인 루틴"이라는 요구가 많음.

 

(2) 사용자 그룹화
신규 사용자 그룹: 운동 경험이 적고 앱에 의존하려는 초보자.
헤비 유저 그룹: 이미 건강 관리 루틴이 있으며, 추가 기록과 맞춤형 피드백을 원함.
중간 사용자 그룹: 꾸준히 노력하지만, 꾸준함을 유지하는 데 어려움을 겪음.

 


3) 페르소나 생성 단계


(1) 대표 페르소나 작성

이름: 김지수
나이/성별: 29세 여성
직업: 광고 회사 디자이너
목표: 출퇴근 전후로 간단한 루틴을 통해 체중을 관리하고 스트레스를 줄이고 싶다.

 

(2) 고충
앱 사용이 복잡하면 싫어함.
하루 운동 시간은 최대 10분.
간단한 운동 가이드와 기록 기능을 원함.


(3) 행동 패턴
주로 출퇴근 중 앱을 확인하고, 회사에서 스트레칭 루틴을 따라 함.
주말에는 조금 더 긴 루틴을 선호. 기술 수준: 디지털 환경에 익숙하지만, 앱에 시간을 많이 투자하고 싶지 않음.

 


4) 활용 단계


(1) 기능 설계에 반영


짧은 루틴 제공
"하루 5분 운동" 또는 "10분 스트레칭" 프로그램 제공.


사용자 친화적 UI/UX
첫 화면에 사용자가 선택한 운동 루틴을 바로 실행할 수 있는 버튼 추가.
기록 기능은 간단히 "운동 완료 체크"로 해결.

 

알림 기능
지수가 바쁜 업무 중 운동을 잊지 않도록 하루 2회 알림 제공.

 

(2) 마케팅 메시지 개발


광고 카피
"하루 5분으로 건강을 되찾으세요!"
"바쁜 직장인을 위한 맞춤형 건강 관리."


SNS 캠페인
#5분루틴, #직장인을위한헬스케어 해시태그 활용.

 

5) 지속적 업데이트


사용자 피드백 반영
초기에 배포한 앱 사용자들로부터 피드백 수집:
"운동 루틴을 더 다양하게 추가해 주세요."
"출퇴근 시간 외 알림 옵션이 있으면 좋겠어요."


페르소나 수정
새로운 요구 사항을 바탕으로 페르소나의 행동 패턴과 요구를 업데이트.
요약


데이터 수집

설문조사, 인터뷰, 경쟁사 분석, 소셜 미디어 데이터 활용.


데이터 분석

주요 공통점과 요구사항 도출, 사용자 그룹화.


페르소나 작성

특정 그룹의 대표 사례를 바탕으로 현실감 있는 사용자 프로필 작성.


활용

제품 설계, 마케팅 메시지, 기능 우선순위 설정에 반영.


업데이트

사용자 피드백을 통해 지속적으로 개선.

 

 

 

2. 기획 때 사용한 페르소나를 마케팅에도 그대로 적용하나?

 

기획 단계에서 만든 페르소나는 마케팅에서도 기본 틀이 된다. 하지만 그대로 사용하는 것이 아니라, 마케팅 목적에 맞게 보완하거나 확장해야 한다. 기획과 마케팅의 페르소나 사용은 연결되어 있지만, 세부적으로는 차이가 있다.

 

1) 왜 기획 단계의 페르소나를 마케팅에 활용하는가?

A. 일관된 사용자 이해
기획 단계에서 페르소나는 제품 설계의 기준이 되며, 사용자에 대한 깊은 이해를 기반으로 만들어진다.
이를 마케팅에 활용하면, 제품과 마케팅 메시지 간의 일관성을 유지할 수 있다.
예: 제품이 "시간이 부족한 직장인"을 위한 것이라면, 마케팅에서도 "시간 절약"을 강조하는 메시지를 사용할 수 있다.


B. 효율적인 타겟팅
이미 정리된 사용자 유형(페르소나)을 기반으로 마케팅 타겟을 설정하면, 효율적인 광고 캠페인과 메시지 전달이 가능하다.
예: "김지수(29세, 직장인)"라는 페르소나를 기반으로, 페이스북 광고에서 20~30대 직장인 타겟팅.

 


2) 기획 단계의 페르소나를 마케팅에서 그대로 사용할 수 있을까?

 

A. 그대로 사용할 수 있는 부분


사용자의 고충(Pain Points)
기획에서 수집한 "사용자가 겪는 문제"는 마케팅에서도 핵심.
예: "운동 시간이 부족하다" → "하루 5분 루틴으로 간단히 건강 관리."


사용자의 목표:
기획에서 파악한 "사용자가 이루고자 하는 목표"는 마케팅 메시지의 핵심이 된다.
예: "체중 관리" → "바쁜 직장인을 위한 체중 관리 앱."

 


B. 추가로 보완해야 할 부분


구체적인 채널별 행동 패턴
마케팅에서는 사용자들이 주로 사용하는 광고 채널(페이스북, 인스타그램, 구글 검색 등)에 대한 이해가 필요하다.
예: "김지수는 퇴근 후 인스타그램에서 짧은 영상을 본다" → 인스타그램 릴스 광고로 접근.

 

정량적 데이터 기반 세분화
기획 단계에서 페르소나는 정성적 데이터(인터뷰, 설문)에 기반하지만, 마케팅에서는 추가로 광고 퍼포먼스 데이터를 통해 타겟을 세분화할 수 있다.
예: 인스타그램 광고 클릭 데이터를 분석해, 특정 시간대에 더 높은 반응을 보이는 그룹을 식별.


라이프스타일, 감성적 요소
마케팅에서는 사용자의 심리적, 감성적 반응을 유도하기 위해, 페르소나에 라이프스타일과 감정을 더 구체화할 필요가 있다.
예: "김지수는 아침에 피곤함을 느끼며 스트레스를 해소하려고 한다" → "아침 5분으로 활력을 되찾으세요!"라는 메시지.

 


3) 기획과 마케팅 페르소나 활용의 차이

구분 기획 단계 페르소나 마케팅 단계 페르소나
목적 제품/서비스 설계를 위한 사용자 이해 효과적인 메시지 전달과 타겟팅
포커스 사용자의 문제 해결과 목표 달성 사용자 감정 자극 및 행동 유도
활용 범위 제품 설계, 기능 우선순위 설정 광고 채널, 메시지, 콘텐츠 전략
데이터 소스 인터뷰, 설문, 관찰, 기존 사용자 데이터 광고 데이터, 소셜 미디어 반응, 클릭 및 전환 데이터
필요한 보완 요소 없음 (기초 모델)  채널별 특성, 실시간 반응 데이터

 


4) 마케팅에서 활용하는 방식

A. 광고 메시지 개발
기획 단계에서 도출한 사용자의 고충과 목표를 중심으로 광고 메시지를 작성.
기획 데이터: "시간 부족"과 "체중 관리"가 사용자 문제.
광고 메시지: "시간 없는 직장인을 위한 간편 체중 관리, 하루 5분이면 충분하다."


B. 마케팅 채널 최적화
기획 페르소나에서 도출한 사용자의 행동 패턴을 기반으로 적합한 채널을 선택한다.
예: "김지수는 주로 출퇴근길에 스마트폰을 사용한다."
페이스북, 인스타그램 광고로 접근.
저녁 시간대에 맞춘 광고 송출.


C. 실시간 데이터로 수정
광고 퍼포먼스 데이터(클릭률, 전환율)를 분석해 페르소나를 보완한다.
예: 예상보다 30대 남성 사용자도 높은 클릭률을 보인다면, 새로운 페르소나를 추가로 생성.

 


5) 기획과 마케팅 페르소나를 연결하는 팁

페르소나 핵심 정보 유지
사용자의 고충, 목표, 행동 패턴은 기획에서 만든 내용을 그대로 유지.


마케팅에 필요한 데이터 추가
채널별 선호도, 광고 반응 데이터, 라이프스타일 정보 추가.


팀 간 커뮤니케이션
기획 팀과 마케팅 팀이 동일한 페르소나를 공유하고, 필요시 업데이트를 논의.

 


6) 예시: 마케팅 확장

-기획 단계

 

페르소나

김지수(29세, 직장인)
"시간 부족으로 건강 관리를 포기한 직장인."
"하루 10분 이하의 간단한 루틴을 원함."

 

-마케팅

 

광고 메시지

"직장인 5분 스트레칭 루틴으로 건강을 지키세요!"


광고 채널
페이스북과 인스타그램 광고에서 "출근 전/퇴근 후"를 키워드로 설정.


퍼포먼스 데이터 분석
광고 데이터 분석 후, 김지수 외에 다른 타겟(예: 신혼부부, 중년층) 페르소나를 추가.

'PM > S.C.C - Essence' 카테고리의 다른 글

이커머스 분야에서의 PM  (1) 2024.12.16
PM 재고찰 : 기획과 데이터, 그리고 성장의 연결고리  (0) 2024.12.12
페르소나 - 2  (1) 2024.12.11
페르소나 - 1  (4) 2024.12.10
Growth Hacking, Growth Product  (0) 2024.12.09

1. 왜 한 사람을 대표하도록 만드는 걸까? 왜 분포로 만들지 않는 걸까?

 

결론

 

분포로 만들지 않는 이유는 분포가 너무 추상적이어서 실질적인 의사결정을 돕기 어렵기 때문이다.

 

일단 사용자 데이터를 사용해 분포를 세분화한 뒤, 각 그룹의 대표 페르소나를 생성해야 한다.

 

페르소나는 분포를 대변하는 구체적인 이야기를 통해 팀의 방향성을 명확히 하는 역할을 해야 한다는 사실을 명심하자.

 

 

1) 페르소나는 "의사결정 도구"


-한 명의 사람처럼 만드는 이유는 구체성과 공감에 있다.

페르소나는 단순한 통계 데이터가 아니라, 구체적인 행동과 맥락을 담은 "가상의 인물"이다.
팀이 한 명의 사용자에게 집중하면, 더 쉽게 공감하고 그 사람의 문제를 해결하려는 방향으로 논의가 이루어진다.

 

예: "김지수(28세 마케터)는 직관적인 UI를 선호한다." → 구체적이기에 팀이 어떻게 UI를 설계할지 명확히 상상할 수 있음.

 

 

-또한 의사결정에 용이하다.
"우리 사용자의 60%는 모바일을 사용한다"는 통계로는 구체적인 설계 방향을 정하기 어려울 수 있다.
반면, "지수는 출퇴근길에 스마트폰으로 앱을 사용하며 간편한 UI를 기대한다"는 가정은 설계에 직접적으로 반영될 수 있다.

 


-분포로 만들면 어려운 점은 일단 추상적이고 모호함에 있다.
"20~40대 고객, 평균 소득 300만 원, 모바일 사용 비율 60%"라는 분포는 설계나 마케팅에서 현실적인 방향성을 제시하기 어렵다. 분포는 전반적인 트렌드를 보여줄 수 있지만, 구체적인 맥락에서 의사결정을 내리기에는 부족하다.

 

-또한 분포로 만들면 사용자 경험에 대한 깊이 부족해진다.

분포로 표현하면, 사용자가 특정 맥락에서 왜 그렇게 행동하는지, 어떤 감정을 느끼는지 알기 어렵다.
페르소나는 이런 맥락과 감정을 명확히 전달하기 위해 사용된다.


2) 페르소나는 "대표 사례"


-페르소나는 사용자 집단 내 대표적인 유형을 대변한다.
예를 들어, 20~30대 여성 직장인 그룹을 하나의 페르소나로 대표하여, 이 그룹이 공통적으로 가지고 있는 목표와 문제를 요약한다.
이 과정에서 모든 개별 사용자를 포함하지는 않지만, 가장 중요한 공통점을 중심으로 설계된다.

 

-또한 다수의 페르소나로 보완 가능하다.
페르소나는 보통 다양한 사용자 그룹을 나타내기 위해 여러 개가 만들어진다.
(예: "헤비 유저 페르소나"와 "초보 사용자 페르소나"를 각각 만들어, 서로 다른 요구를 반영.)
이렇게 하면 사용자 분포를 전부 표현하지 않으면서도, 주요 그룹을 효과적으로 다룰 수 있다.


3. 사용자 분포와 페르소나의 역할 차이


분포의 역할
분포는 시장 조사나 전체적인 트렌드 파악에 유용하다.
예: "사용자의 80%가 20~30대, 소득은 평균 400만 원." → 큰 그림을 제공.


페르소나의 역할
페르소나는 팀이 구체적인 사용자 경험을 바탕으로 실질적인 결정을 내리도록 돕는다.
예: "김지수는 매일 스마트폰으로 쇼핑하며, 복잡한 검색 기능을 싫어한다." → 실행 가능한 방향성을 제시.


4. 페르소나와 분포를 통합적으로 활용하는 방법


분포로 시작하여, 페르소나로 실행하기.

 

-분포로 사용자 세분화
인구통계학적, 행동학적 데이터를 통해 사용자 그룹을 정의.
예: "20대 여성 직장인", "40대 남성 소기업 소유주".

 

-각 그룹에서 대표적인 페르소나 생성
세분화된 그룹마다 페르소나를 만들어, 공통된 요구와 행동을 구체적으로 묘사.
예: "20대 여성 직장인" → "김지수 (28세, 마케터)"라는 페르소나 작성.

 

-분포와 페르소나 간의 연결 유지
페르소나가 전체 분포를 과도하게 축소하거나 왜곡하지 않도록 주기적으로 검토.
데이터와 페르소나의 일치 여부를 정기적으로 확인.

 

 

2. 한 사람을 대표하도록 만들면 결국 해당 그룹의 평균으로 수렴하게 되지 않나?

 

결론

페르소나는 단순히 평균값으로 정하는 게 아니라 특정 그룹의 대표 값을 정해서 만들게 된다.

 

즉, 데이터를 인간 중심으로 구체화하여, 의사결정과 설계에 더 큰 실효성을 제공하는 도구라고 할 수 있다.

 

1) 평균(평균값)의 문제점

(1) 평균은 특정 사용자를 대변하지 못한다.
평균값은 모든 데이터를 단순화하여 대표값을 도출하지만, 실제 사용자의 특성을 반영하기 어렵다.
예: "사용자 평균 나이: 35세"라고 해도, 20대와 50대 사용자가 함께 포함되어 있다면 평균값 자체는 비현실적인 사용자일 수 있다.
평균값은 사용자 분포 내 아웃라이어를 무시하거나 왜곡할 위험이 있다.


(2) 평균은 맥락을 제공하지 않는다.
평균값은 데이터의 전반적인 경향을 보여주지만, 사용자 행동의 목표, 고충, 맥락은 포함하지 않는다.
예: "평균적으로 사용자들은 하루 15분 동안 앱을 사용한다"는 정보로는 그들이 왜 15분 동안 사용했는지를 알 수 없다.


2) 페르소나는 평균이 아닌 "대표값"

 


(1) 특정 그룹을 대변하는 대표 사용자
페르소나는 평균값이 아니라, 특정 사용자 그룹의 공통된 특성과 행동을 대표하는 모델이다.


예: "20대 여성 직장인" 그룹에서


평균: "나이 28세, 소득 300만 원, 매달 3회 온라인 쇼핑."
페르소나: "김지수(28세, 마케터)는 바쁜 업무 속에서도 스마트폰으로 빠르고 직관적으로 쇼핑하려고 하며, 사용자 리뷰를 중요시한다."


이처럼 페르소나는 단순 숫자가 아니라 맥락과 목표, 고충을 포함한 스토리를 전달한다.


(2) 그룹 세분화로 평균의 한계 극복
페르소나는 전체 사용자 군을 나누고, 각 그룹의 공통된 특징과 대표적인 목표를 반영하여 만들어진다.

 

예: 고객을 3개 그룹으로 나눔

 

신규 사용자 그룹: 디지털 제품을 처음 사용하는 40~50대.
헤비 유저 그룹: 매일 1~2시간씩 사용하며 기능 확장에 관심 있는 30대.
가벼운 유저 그룹: 간단한 문제 해결만 원하는 20대 초반.

 

각 그룹마다 페르소나를 만들어, 대표적인 요구와 문제를 기반으로 설계를 진행한다.


3) 평균 대신 그룹별 페르소나 활용의 장점


(1) 행동과 맥락 중심 설계 가능
평균값은 행동의 본질을 드러내지 못하지만, 페르소나는 사용자의 행동과 그 배경에 대한 깊은 이해를 제공한다.
예: "김지수는 스마트폰을 주로 퇴근길에 사용하며, 직관적이고 빠른 UI를 원한다."
이 정보는 평균값으로는 얻을 수 없는 세부적인 설계 방향성을 제시한다.


(2) 주요 그룹에 집중
페르소나는 특정 그룹의 대푯값이므로, 전체 시장을 만족시키려 하지 않고 핵심 타겟에 집중할 수 있다.
평균값은 모든 사용자 집단을 고려하려 하면서도 어느 하나도 충족하지 못하는 설계를 초래할 수 있다.


(3) 여러 페르소나로 다각적 접근 가능
평균값은 하나의 숫자로 요약되지만, 페르소나는 여러 사용자 그룹을 대변할 수 있다.
예: 각기 다른 사용자 그룹(신규 사용자, 전문가, 중급 사용자)을 각각의 페르소나로 만들어, 다양한 요구를 균형 있게 반영.


4) 페르소나는 그룹의 대푯값으로 작동


(1) 그룹 내부의 평균적 사용자
페르소나는 전체 사용자 군의 평균값이 아니라, 특정 그룹의 공통적인 행동과 목표를 대표한다.
이는 하나의 스토리로 사용자를 이해하기 쉽게 만들고, 실제 의사결정에 도움을 준다.


(2) 그룹 내 대표 사례에서 얻는 실질적 통찰
페르소나는 특정 사용자 그룹 내에서도 평균적이기보다는, 그 그룹을 잘 요약하는 "전형적인 사례"로 작동한다.
예: "김지수"라는 페르소나는 20대 여성 직장인 중 일부가 아니라, 전체 그룹을 대표하는 전형적인 특징을 갖춘 인물.


5) 왜 평균 대신 페르소나인가?


(1) 의사결정에서의 실효성
평균은 설계와 마케팅에서 사용자의 목표와 맥락을 고려하기 어렵지만, 페르소나는 사용자와 직접적인 연결 고리를 제공합니다.

 

평균: "사용자의 50%는 모바일, 50%는 데스크톱을 사용한다."
페르소나: "김지수는 출퇴근 중 모바일로 정보를 검색하고, 작업 중에는 데스크톱을 사용한다."

 

(2) 다양성을 포괄하는 방식
평균값은 다양한 사용자 군을 모두 만족시키기 어렵지만, 여러 개의 페르소나를 만들면 다양한 요구를 효과적으로 반영할 수 있습니다.
예: 평균값으로는 "UI는 중간 복잡도로 설계"라는 추상적인 결론에 도달하지만,
페르소나 기반 접근에서는 "초보 사용자를 위한 간단 모드"와 "전문가 사용자를 위한 고급 모드"를 설계할 수 있습니다.

 

 

3. 그렇다면 그룹화를 아주 정교하게 해야 하는 것인가?

 

결론

 

정교한 타겟 그룹화는 특정 상황에서 중요하지만, 모든 경우에 반드시 필요한 것은 아니다.

중요한 것은 상품과 시장 상황에 맞는 타기팅의 적정 수준을 설정하는 것이다.

시장, 경쟁 상황, 자원을 분석하여 타겟팅의 필요성을 평가해야 한다.
지나치게 세분화하거나 과도하게 넓은 타겟팅은 피하고, 핵심 타겟 그룹을 설정하자.
초기에는 특정 그룹에 집중한 후, 성공적인 시장 진입 후 확장하는 전략이 가장 효과적이다.

 

 

1) 특정 그룹 타겟팅의 중요성


(1) 제한된 자원의 효과적 활용
정교한 그룹화를 통해 특정 타겟에 집중하면, 마케팅과 제품 개발 자원을 효율적으로 사용할 수 있다.
예: "모든 사람에게 적합한 상품"보다는, "20대 직장인을 위한 빠른 아침 대용식"과 같은 명확한 타겟팅이 더 효과적이다.


(2) 차별화된 제품과 메시지 전달
특정 그룹에 맞춘 상품은 고객과의 연결을 강화한다.
예: "아무나 사용할 수 있는 운동 앱" 대신 "출산 후 여성의 건강 회복을 위한 운동 앱"처럼 명확한 타겟은 고객의 관심을 끌 가능성이 높다.


(3) 초기 시장 성공 가능성 증가
모든 사람을 타겟으로 하려는 시도는 초기 단계에서 자원을 분산시키고 실패 확률을 높일 수 있다.
특정 그룹에 집중하면, 그 그룹에서 빠르게 성과를 내고 이후 시장을 확장할 수 있다.
사례: 페이스북은 초기에는 대학생만을 타겟으로 했고, 이후 범위를 확대하며 성장했다.


2) 정교한 타겟팅이 반드시 필요한 상황


(1) 시장이 포화 상태일 때
경쟁이 치열한 시장에서는 세분화된 타겟팅이 생존 필수 조건.
예: 많은 화장품 브랜드가 있지만, "비건 화장품"으로 세분화하면 차별화된 가치를 제공할 수 있다.

 

(2) 특수한 문제를 해결하려 할 때
타겟 그룹이 구체적일수록, 그들의 고충(Pain Point)을 해결하는 맞춤형 상품을 설계하기 쉽다.
예: "글로벌 여행자" 대신 "저비용 항공을 이용하는 20대 배낭여행자"를 타겟팅하면, 특정 요구(예: 저렴한 데이터 로밍 서비스)를 더 잘 해결할 수 있다.

 

(3) 제한된 자본과 자원
자원이 제한적이라면, 특정 그룹에 집중하여 작은 시장에서 성공을 거둔 후 확장하는 전략이 중요.


3) 언제 정교한 타겟팅이 필요하지 않을까?


(1) 대중 시장을 겨냥할 때
보편적인 수요가 큰 상품은 타겟팅이 덜 중요할 수 있다.
예: 초콜릿, 생수, 휴지 등 기본적인 상품은 특정 그룹을 타겟팅하지 않아도 된다.


하지만 이 경우에도 브랜드 차별화를 위해 부분적인 타겟팅은 유용할 수 있다.
예: "프리미엄 생수" vs. "저가 생수"로 세분화.

 

(2) 기술적 혁신 상품
완전히 새로운 혁신 상품의 경우, 초기에는 특정 그룹을 타겟팅하기보다 광범위한 테스트를 통해 시장 반응을 탐색하는 것이 더 유리할 수 있다.
예: 스마트폰의 초기 개발 단계에서는 모든 연령대와 직업군이 잠재 고객이었다.


(3) 시장을 개척하거나 실험 중일 때
새로운 시장을 탐색하거나 실험적인 접근을 시도하는 경우, 지나치게 타겟을 좁히기보다는 초기 데이터를 수집하며 유연하게 대응해야.


4) 정답: 상황에 따라 다르다


(1) 정교한 타겟팅이 중요한 경우
경쟁이 치열하고, 차별화가 필요한 시장.
제한된 자원으로 시장의 작은 영역에서 빠르게 성공을 목표로 할 때.
특정 그룹의 고충을 해결하거나 특별한 요구를 만족시켜야 할 때.


(2) 정교한 타겟팅이 덜 중요한 경우
대중적으로 보편적인 수요가 있는 상품을 제공할 때.
시장 초기 단계에서 잠재 고객군을 넓게 설정해 데이터를 탐색할 때.
혁신적인 상품을 통해 아직 정의되지 않은 시장을 개척할 때.


5) 전략적 접근법


(1) 정교한 타겟팅의 적정 수준
타겟팅은 지나치게 세분화하면 시장이 너무 작아지고, 너무 넓게 설정하면 자원이 분산된다.
예: "20대 직장인" → 적절.
"서울 거주, 25세 여성, 콘텐츠 마케터, 월 소득 300만 원 이상" → 과도하게 세분화.

 

(2) 초기 타겟팅 + 확장 전략
초기에는 특정 그룹에 집중해 시장에서 성공을 거두고, 이후 타겟을 확장하는 방식이 효과적이다.
예: 스타벅스는 처음에는 고급 커피를 선호하는 전문 직장인을 타겟으로 했지만, 이후 대중 시장으로 확장.



 

 

'PM > S.C.C - Essence' 카테고리의 다른 글

PM 재고찰 : 기획과 데이터, 그리고 성장의 연결고리  (0) 2024.12.12
페르소나 - 3  (1) 2024.12.11
페르소나 - 1  (4) 2024.12.10
Growth Hacking, Growth Product  (0) 2024.12.09
PM 을 향한 첫 발자국  (1) 2024.12.06

1. 페르소나를 사용하는 근본적인 목적

 

 

1) 사용자 중심의 의사결정 지원

제품이나 서비스 개발 과정에서 실제 사용자의 요구, 목표, 행동을 반영해 설계와 개발의 방향성을 제시한다.
팀이 사용자의 관점을 이해하고, 고객의 니즈와 문제를 해결하는 데 초점을 맞추도록 돕는다.

 

2)팀 내 커뮤니케이션과 협업 강화

페르소나는 팀 내 공통된 사용자 모델을 제공해, 제품 기획, 디자인, 마케팅 팀 간에

목표와 이해를 일치시키는 역할을 한다.

 

특히 마케팅 설계에서 페르소나를 정확히 이해하여 적절한

마케팅 플랜을 기획할 수 있게 한다.


3) 사용자 경험(UX) 및 만족도 개선

사용자의 구체적인 문제와 요구를 이해함으로써,

제품이나 서비스가 더 나은 해결책을 제공할 수 있다.

 

또한 사용자와 제품 간의 접점에서 발생하는 불편함이나

니즈 충족을 예측하고 해결해, 사용자 경험을 최적화한다.

 

 


4) 리소스 낭비 최소화

페르소나는 프로젝트의 우선순위를 명확히 하고,

사용자에게 가장 중요한 기능과 서비스를 제공하도록 

설계를 집중시킬 수 있다.

 

사용자에게 필요 없는 기능을 개발하거나, 잘못된 방향으로 마케팅을 진행하는 등의

비효율적인 작업을 줄일 수 있다.

 

 

 

 

 

2. 탄생 배경 및 발전

 

2-1 기술이 우선시되는 제품 개발 기조

 

1980~1990년대에는 기술 중심적인 소프트웨어 개발 및 프로덕트 개발이 이루어졌다. 사용하는 사람의 관점을 생각하지 않고, 어떻게 하면 좀 더 기술적으로 완벽하고 다양한 기능을 한 제품에 넣을 수 있을까를 생각했던 것이다.

즉, 사용자들이 프로덕트를 어떻게 사용할지에 대한 이해가 부족했다.

(가끔 어떤 소프트웨어를 보면 대중을 위한 소프트웨어임에도 직관적이지 않거나 어떻게 사용해야 할지 모르는 소프트웨어들이 있는데 딱 그런 느낌.)

 

2-2 Alan cooper( "The Inmates Are Running the Asylum" )

 

Alan cooper는 1970년대 후반부터 소프트웨어 개발자로 활동하면서 사용자 경험과 개발 과정의 단절을 직접 경험하였다.

그러나 한창 개발자로 활동했던 시기에는 개발자들이 실제 사용자를 만날 기회가 없거나, 만난다고 해도 사용자의 행동과 요구를 체계적으로 정리하지 못하는 문제가 있었다. 즉, 이러한 접근 방식은 처음이라 어떻게 소비자의 데이터를 모으고 데이터를 모은다고 해도 어떻게 활용할지를 전혀 감을 잡지 못했던 시절이었다.

 

그는 "누구를 위해 설계하는가?" 라는 질문에 대한 명확한 답이 없다는 점을 발견하였다.

개발하면서 프로덕트를 사용할 사용자 집단이 모호하게 정의되거나 잘못된 가정에 기반한 설계가 반복되고 있었던 것이다.

 

따라서 이 문제를 해결하기 위해, 쿠퍼는 프로젝트 초기 단계에 사용자 인터뷰와 관찰을 통해 가상의 사용자 모델을 만들어, 팀이 이를 기반으로 설계 결정을 내리도록 하는 방식을 제안했다.

 

이 가상의 사용자 모델이 바로 소위 말하는 페르소나이다.

 

즉, "누구를 위해 설계하는가?"에 대한 방법론적 해답이 가상의 사용자 모델인 "페르소나"

 

그는 페르소나에 대해 

 

"

개발 과정에서 실제 사용자의 요구를 더 효과적으로 반영하려면 

가상 사용자(페르소나)를 설정해 이들이 어떻게 제품을 사용하는지

상상해야 한다.

 

이를 위해서 사용자 인터뷰와 데이터분석을 통해

구체적인 가상 사용자 모델인 페르소나를 개발하고

이를 설계와 의사결정에 반영해야 한다.

 

그러나 페르소나는 모든 사용자를 대표하는 단일 사용자가 아니다.

 

대신 특정 유형의 사용자를 구체적이고 현실적으로 묘사한 모델로서,

디자인 과정에서 사용자 관점을 유지하기 위한 도구이다.

 

사용자의 행동, 맥락, 겪고 있는 문제, 목표를 구체적으로 묘사하여

이를 통해 팀이 사용자와 제품 간의 연결 고리를 명확히 이해하고,

모든 설계 결정을 사용자의 관점에서 내리도록 돕는 역할을 한다.

 

그렇게 되면 사용자의 목표와 니즈를 구체적으로 정의할 수 있어

불필요한 기능을 줄이고 핵심 기능에 집중할 수 있다.
"

 

라고 하였다.

 

 

 

 

2-3. 페르소나를 사용하여 얻을 수 있는 이점

 

(1) 사용자와 개발자 간의 단절 문제를 해결

 

(2) 사용자 중심 설계를 팀에 내재화

 

 

대규모 프로젝트에선 팀원들이 각기 다른 우선순위와 관점을 가질 수 있다.

 

그러나 쿠퍼는 페르소나를 통해 팀 전체가 공통된 사용자 모델을 공유하고,

사용자 중심으로 협업할 수 있도록 만들고자 했다.

 

그렇게 하여 페르소나를 통해 팀원 간의 공통된 언어와 목표를 제공하고

"우리 사용자라면 이렇게 행동할 것이다"라는 명확한 기준을 제시할 수 있다. 

 

 

(3) 제품 개발 초기 단계에서 사용자 통찰 제공

 

제품 개발이 진행된 후, 사용자 피드백을 반영하는 것은 비용이 많이 든다.

초반에 페르소나를 만들면 효율성을 높일 수 있다.

 

 

2-4. 발전

 

2-4-1.UX 디자인과의 발전

 

2000년대 들어 UX 디자인이 부상, 페르소나는 사용자를 더 잘 이해하고 제품 개발의 핵심 지표로 활용되기 시작했다.

 

페르소나는 단순 데이터 분석을 넘어, 사용자의 맥락(Context)과 감정을 고려한 정성적 접근법으로 자리 잡았다.

 

2-4-2. 마케팅과 브랜딩으로의 확장

마케팅에서 타기팅의 개념을 넘어, 구체적인 고객의 이야기를 만드는 도구로 페르소나를 활용하기 시작하였다.

브랜드 메시지, 콘텐츠 전략, 광고 캠페인의 효과를 높이는 데 중요한 역할을 하고 있다.

 

2-4-3. 현대적 활용

 

현대에는 데이터 기반 페르소나(Data Driven Person)를 만들기 시작하였다. 예전에도 데이터를 사용하긴 하였지만, 현대의 다양하고 광범위한 데이터를 활용하여 좀 더 정교하게 설계할 수 있게 되었다.

 

 

2-5. 요약 및 내 생각 정리

결국 사용자가 이걸 어떻게 느끼고 어떻게 활용할 것인가? 이걸 보고 어떤 식으로 느끼게 할 것인가?

 

음악 같은 경우,

어려운 화성학을 총동원한 복잡한 음악 vs 듣는 사람이 느끼기에 좋다고 느끼는 음악

이 차이라고 할 수 있을 것 같다.

 

다시 말하면 대중성이냐 마니아를 위한 것이냐.

내가 좋아하는 것 or 사람들이 좋아하는 것

 

애초에 대중성을 위한 프로덕트를 만든다고 하면

절대로 프로덕트에 넣으면 안 되는 요소들이 있을 것이다.

 

가령 차량의 중요한 버튼을 터치로 만들어버린다거나(나쁜 예)

 

사용하는 사람의 연령대를 고려 못하고 그들에게 익숙하지 않은 방식을 강요한다던가.

 

3. 타겟과의 차이

단순히 타겟이라고 하면 좀 더 정량적인 요소가 강조된 경우가 많다. 대부분 인구통계학적 데이터를 활용하여 타겟을 설정하는 경우가 그러하다. 그러나 페르소나는 거기에 기반하되, 그룹을 세밀하게 나누어, 그 그룹을 대표할만한 한 명의 개인을 매우 구체적이고 세밀하고 묘사한다. 거기에 더해 페르소나가 어떤 목표와 니즈를 갖고 있고 어떤 문제점과 어려움을 겪고 있어서 우리가 만들어야 할 프로덕트로 어떻게 해결할 수 있을지를 고민해 보는 게 핵심이다.   

 

예를 들면 

 

타겟(Target)
"20~30대 남성, 소득 200만 원 이상, 수도권 거주, 패션에 관심 있음."


페르소나(Persona)
이름: 김xx (27세, 남성)
직업: IT 스타트업 개발자
고충: 매일 출퇴근할 때 편안하면서도 스타일리시한 옷을 찾는 데 어려움을 느낌.
목표: 인스타그램에 어울리는 스타일리시한 패션을 저렴한 가격으로 구매하고 싶음.
행동: 주로 모바일 쇼핑몰에서 구매하며, 인스타그램에서 트렌드를 확인.
가치: 환경을 고려한 지속 가능한 패션을 선호.

 

4. 데이터의 도입-1

 

소설 쓰듯이 오직 상상력으로만 페르소나를 작성하면 안 된다. 반드시 데이터 기반으로 하여 현실성을 검증해야 한다.



4-1. 페르소나 설계에 필요한 데이터


4-1-1. 정성적 데이터
목적: 사용자의 감정, 행동 패턴, 목표 등을 심층적으로 이해.
예시:
  인터뷰: 사용자의 니즈, 고충(Pain Points), 목표에 대한 직접적인 대화.
  관찰 데이터: 사용자가 제품을 실제로 사용하는 모습 관찰.
  설문조사의 서술형 답변: 고객이 직접 작성한 피드백.

4-1-2. 정량적 데이터 
목적: 사용자 집단의 행동을 객관적으로 측정하고 추세를 파악.

예시:
  웹사이트 분석 데이터: 페이지뷰, 클릭률, 이탈률 등.
  소셜 미디어 데이터: 좋아요, 댓글, 공유 횟수 등.
  판매 데이터: 구매 빈도, 구매 제품 유형, 평균 구매 금액.
  설문조사의 객관식 답변: 고객의 응답 비율.

 

4-1-3. 인구통계학적 데이터 
목적:고객 집단의 기본적인 특성 파악.
예시:
  나이, 성별, 직업, 소득, 거주 지역.
  결혼 여부, 가족 구성, 학력 수준.

 

4-1-4.  심리학적 데이터 
목적: 고객의 가치관, 동기, 관심사 파악.
예시:
  라이프스타일: "시간 절약" 또는 "환경 보호"를 중요시하는지.
  동기: 구매를 결정하는 주요 요인 (가격, 품질, 브랜드 충성도).

4-1-5. 행동 데이터 
목적:고객의 구체적인 행동 패턴과 선호도 이해.
예시:
  사용 시간대: 제품이나 서비스를 주로 사용하는 시간.
  구매 경로: 모바일, 데스크톱, 오프라인 매장 등.
  사용자 여정 데이터(User Journey): 첫 방문에서 구매까지의 경로.

 

4-2. 데이터를 얻을 수 있는 곳


4-2-1. 1차 데이터


직접 수집한 데이터로 가장 신뢰도가 높음.


1. 사용자 인터뷰
   장점: 심층적인 정보 수집 가능.
   단점: 시간이 많이 소요되고 비용이 높음.


2. 설문조사
   Google Forms, Typeform 등을 사용해 질문 설계.
   정성적·정량적 데이터를 모두 수집 가능.


3. 사용자 테스트
   제품이나 프로토타입 사용 후 피드백을 수집.
   관찰을 통해 사용자의 실제 행동 이해.


4. 현장 관찰
   고객이 제품을 사용하는 맥락을 직접 관찰.
   예: 카페에서 노트북을 사용하는 모습.

4-2-2. 2차 데이터


다른 곳에서 이미 수집된 데이터를 활용.


1. 웹 분석 도구
   - Google Analytics: 웹사이트 트래픽, 이탈률, 전환율 분석.
   - Mixpanel: 사용자 행동과 상호작용 추적.


2. 소셜 미디어 플랫폼
   - 인스타그램, 페이스북, 트위터 데이터 분석.
   - 사용자 댓글, 해시태그, 트렌드 정보.


3. CRM(Customer Relationship Management) 데이터
   - Salesforce, HubSpot 등에서 고객 행동 및 구매 데이터를 분석.


4. 공공 데이터
   - 통계청, 정부 데이터 포털 등에서 제공되는 인구통계학적 데이터.


5. 시장 조사 보고서
   - Nielsen, Statista, IBISWorld 등에서 산업 트렌드와 고객 행동 데이터를 제공.

4-2-3. 기타 도구

 

설문조사 도구: Google Forms, SurveyMonkey, Typeform.
행동 분석 도구: Hotjar, Crazy Egg (히트맵 및 사용 패턴 분석).

 


4-3. 데이터를 사용할 때의 주의점

 


4-3-1. 데이터의 대표성


문제점: 수집한 데이터가 전체 고객을 대표하지 못할 경우, 왜곡된 페르소나를 만들 가능성.
해결책:
  다양한 채널에서 데이터를 수집해 고객 집단을 고르게 반영.
  샘플 크기를 충분히 확보해 통계적 신뢰도를 높임.

 

4-3-2. 데이터의 정확성


문제점:부정확하거나 오래된 데이터를 사용하면 페르소나가 현실과 괴리될 수 있음.
해결책:
  최신 데이터 사용.
  설문조사와 분석에서 응답의 편향을 최소화.

4-3-3. 개인정보 보호


문제점: 사용자 데이터를 수집할 때 개인정보를 침해할 위험.
해결책:
  GDPR(유럽 개인정보보호법)이나 CCPA(캘리포니아 소비자 보호법) 등 법적 규정을 준수.
  사용자의 명시적 동의(Opt-in)를 얻고, 데이터는 익명화 처리.

4-3-4. 편향된 해석


문제점: 데이터를 해석하는 과정에서 팀의 주관적 의견이 개입될 가능성.
해결책:
  객관적인 데이터 분석 도구를 사용해 패턴을 도출.
  다양한 팀원(디자이너, 마케터, 데이터 분석가 등)의 의견 반영.

4-3-5. 과도한 일반화


문제점: 데이터 분석 결과를 지나치게 일반화하면 특정 사용자 집단의 고충이 반영되지 않을 수 있음.
해결책:
  세분화된 고객군을 설정하고, 각 군에 맞는 페르소나 설계.
  페르소나를 여러 개 만들어 다양한 시나리오를 검토.

4-4. 요약


필요한 데이터: 정성적 데이터(인터뷰, 관찰), 정량적 데이터(분석 툴), 인구통계학적/심리학적/행동 데이터.
수집 방법: 사용자 인터뷰, 설문조사, 웹 분석 도구, 공공 데이터 활용.
주의점: 데이터의 대표성과 정확성을 유지하고, 개인정보 보호와 편향된 해석을 방지.


4'. 데이터의 도입-2 : 기획하기 전에 어떻게 제품의 고객에 대한 데이터를? 

 

4'-1. 기존 데이터 활용


4'-1-1. 시장 조사 및 산업 리포트


-활용 방법
관련 시장과 타겟 고객군에 대한 기존 리포트 활용.

(예: Nielsen, Statista, IBISWorld, 국내 시장 조사기관(KOTRA, 통계청) 데이터.)


-장점
빠르게 시장 상황과 고객 특성을 이해할 수 있음.
이미 검증된 데이터로 신뢰성 높음.


4'-1-2. 경쟁사 분석


-활용 방법

경쟁사의 타겟 고객군과 전략 분석.
경쟁사의 웹사이트, 소셜 미디어, 리뷰를 통해 고객 니즈와 불만 파악.


-분석 요소

고객 리뷰: 아마존, 네이버 쇼핑, 구글 플레이 리뷰 등.
SNS 활동: 해시태그, 댓글, 좋아요 등으로 고객 피드백 파악.
광고 타겟팅 방식: 경쟁사의 광고 메시지를 통해 타겟 인사이트 도출.


4'- 2. 간이 데이터 수집 


4'-2-1. 간단한 설문조사


-목적: 초기 잠재 고객의 기본적인 요구와 선호도를 파악.


-방법:
Google Forms, Typeform 등을 사용해 설문 작성.
소셜 미디어나 커뮤니티에 설문 링크 배포.
질문 예시:
현재 어떤 문제를 겪고 있나요?
어떤 유형의 제품/서비스를 선호하시나요?
구매 결정 시 가장 중요한 요소는 무엇인가요? (가격, 품질, 브랜드 등)


4'-2-2. 소셜 미디어 활용


-목적: 빠르게 시장의 트렌드와 초기 반응을 확인.


-방법:
페이스북, 인스타그램, 트위터 등에서 관련 키워드를 검색.
소셜 미디어에서 잠재 고객의 언급과 해시태그 분석.
간단한 질문을 올려 대중의 피드백받기.
예: "여러분은 [문제]를 어떻게 해결하고 계신가요?"


4'-2-3. 초기 프로토타입 피드백


-목적: 간단한 아이디어나 시제품에 대해 고객 반응을 얻음.


-방법:
클릭 가능한 목업(mockup)이나 서비스 콘셉트를 제공하고 피드백 요청.
사용자가 간단한 설문이나 테스트를 통해 의견을 남기게 함.
예: Figma, Adobe XD, Canva 등을 사용한 간단한 프로토타입.


4'- 3. 가설 기반 페르소나 생성


초기 단계에서는 완벽한 데이터를 얻을 수 없기 때문에 가설 기반 페르소나(Hypothesis-Driven Persona)를 설정한 후,

검증 과정을 거치는 방식으로 진행한다.
가설 검증은 인터뷰, 설문조사, 테스트를 통해 가설의 타당성을 검증한다.
그 후, 고객 피드백에 따라 페르소나를 지속적으로 업데이트한다.


4'- 4. 커뮤니티 및 소규모 테스트

4'-4-1. 관심 고객 그룹과 대화


-활용 방법:
관심 있는 잠재 고객이 있는 커뮤니티나 포럼 참여.
(예: 네이버 카페, Reddit, Facebook 그룹.)
질문을 던져 사용자가 겪고 있는 문제와 요구를 파악.


-효과: 고객의 진짜 고충(Pain Point)을 발견.


4'-4-2. 소규모 제품 테스트


-방법:
최소 기능 제품(MVP, Minimum Viable Product) 출시.
고객 반응과 초기 데이터를 통해 페르소나를 구체화.
(예: 랜딩 페이지 제작 후 간단한 설문조사를 통한 피드백 수집.)


-장점: 고객이 실제로 제품을 필요로 하는지 초기 검증 가능.


4'- 5. 데이터 확보 시 주의할 점


4'-5-1. 초기 데이터의 한계
초기에는 데이터가 제한적일 수 있으므로, 너무 확신을 가지지 말고 가설을 열어두는 태도가 필요하다.
여러 데이터 소스와 방법을 병행해 사용해야 한다.


4'-5-2. 고객의 숨겨진 니즈 파악
고객이 명시적으로 언급하지 않은 숨겨진 니즈(Implicit Needs)를 발견하는 것이 중요하다.

서브텍스트를 반드시 파악해야 한다. 

보통 데이터로 해결 가능하나, 초기에는 검증에 사용할만한 신뢰도 높은 데이터를 얻기가 어렵기 때문에 더욱 조심해야 한다.

예: "기능이 많아서 좋아요"라는 말 뒤에 "하지만 직관적이지 않아 불편" 같은 숨겨진 메시지 파악.


4'-5-3. 데이터 편향 주의
데이터가 특정 채널이나 특정 집단에만 치우치지 않도록 조정해야 한다.
다양한 소스(소셜 미디어, 설문조사, 관찰)를 활용하도록 하자.


4'-5-4. 개인정보 및 윤리적 문제
초기 고객 데이터 수집 시에도 개인정보 보호 규정(GDPR, CCPA)을 준수해야 한다.
데이터 수집에 대한 고객의 동의(Opt-in)를 반드시 받자.

 

5. 주의점

 

5-1. 과도한 일반화

잘못된 데이터나 편견에 기반한 페르소나는 오히려 비효율적인 결과를 초래할 수 있다.

 

5-2. 실제 데이터 부족

정성적 분석에만 의존하면 현실과 동떨어진 페르소나를 만들 위험이 있음. 페르소나가 실제 고객 데이터를 잘 반영하는지 주기적으로 점검하고 업데이트해야 한다.

 

5-3. 고정적 사용

페르소나는 시간이 지나면서 사용자 요구와 행동이 변할 수 있으므로 정기적으로 업데이트가 필요하다.

 

5-4. 지나치게 한정적인 타겟 설정

페르소나를 너무 구체적으로 정의하면 Bias가 크게 발생할 수 있다. 

따라서 다수의 페르소나를 만들고, 의사결정 시 페르소나를 통한 기준을 너무 엄격히 하지 않고 유연하게 한다.

 

5-5. 지나친 단순화

페르소나를 너무 단순화하거나 정형화된 양식에만 의존하면 사용자 다양성을 간과할 위험이 있다.

따라서 맥락과 행동을 중심으로 기술하는 것이 좋다.

예를 들면, "IT 직군" 대신, "매일 이메일을 통해 30건 이상의 프로젝트를 관리하며, 생산성 도구의 직관적인 UI를 중시"와 같이 아주 구체적으로 페르소나가 하는 행동들을 나열하는 것이 도움이 된다.

 

5-6. 내부(회사) 관점에 치우침

팀 내에서 편리하거나 회사의 목표에만 맞춘 페르소나를 만들 수가 있다.

이렇게 되면 실제 사용자의 요구를 반영하지 못한다.

 

따라서 페르소나 생성 과정에서 실제 사용자 인터뷰와 관찰을 포함해야 하고

가정을 했으면 검증을 해야 한다.

 

또한 실제 사용자 행동 데이터를 직접 보면서 만들어야 한다.

 

5-7. 페르소나 남용

모든 결정을 페르소나에만 의존하면, 창의적이고 유연한 사고를 잃을 수 있다. 페르소나는 설계와 의사결정을 지원하는 도구! 일 뿐이다.

모든 것을 결정짓는 절대 기준이 아닌 것이다.

시장 데이터, 트렌드 분석, 경쟁자들이 현재 어떻게 하고 있는 등등 다른 요소와 종합적으로 활용해야 한다.

 

5-8. 과도한 디테일

페르소나를 지나치게 상세하게 적는 경우가 있을 수 있다. 페르소나의 디테일은 제품 설계와 사용자 경험에 직접적인

영향을 미치는 정보에만 집중해야 한다. 즉, 페르소나가 겪는 문제와 요구에 초점을 맞추도록 하자.

 

5-9. 페르소나와 전체 시장과의 괴리

페르소나는 특정 유형의 고객에 집중하기 때문에, 전체 시장의 다양성을 고려하지 못할 수 있다. 따라서 데이터 분석을 통해 고객 segment를 나누고 페르소나가 특정 segment에 부합하는지 체크한다.

 

5-10. 핵심 : 구체화하되, 유연성을 잃지 말자.

 

6. 페르소나의 구성 요소

1) 인구통계학적 정보 : 나이, 성별, 직업, 소득 수준, 라이프 스타일, 선호도 등등

2) 행동패턴 : 온라인에서의 행동, 구매 여정, 의사 결정 방식

3) 목표 : 페르소나가 제품이나 서비스를 이용하여 문제 해결 혹은 달성하려는 목표 성취

4) Pain point : 페르소나가 겪는 문제 혹은 갖고 있는 목표

5) 심리적 특성 : 가치관, 동기, 선호도 등등

 

6) 

 

7. 페르소나의 활용

 

1) 제품 개발 : 어떤 기능이 필요한지, 어떤 문제가 해결되어야 하는지 소비자 입장에서 명확히 파악

2) 마케팅 전략 : 메시지와 채널을 소비자의 관점에서 선택.

3) UI/UX 디자인 : 사용자가 직관적으로 사용할 수 있는 인터페이스 설계.

 

 

 

8. 만드는 방법

 

다음 5개의 절차를 순서대로 진행해 보자.

 

8-1. 사용자 조사(데이터 수집)

-핵심 목표: 실제 사용자를 이해하기 위한 데이터를 수집


-방법:
직접 인터뷰: 사용자가 제품/서비스를 어떻게 사용하는지 묻기.
설문조사: 여러 사용자로부터 정량적 데이터를 얻기.
관찰: 사용자가 문제를 해결하거나 행동하는 방식을 관찰.
기존 데이터 분석: 웹 분석 도구나 CRM 데이터를 활용.


8-2. 핵심 사용자 그룹 정의

-핵심 목표: 사용자 집단을 나누고 우선순위 정하기


-방법:
세분화(Segmentation): 연령, 직업, 기술 수준, 구매 동기 등으로 사용자 그룹을 나누기.
핵심 그룹 선정: 모든 사용자를 대표하려 하지 말고, 제품 성공에 가장 큰 영향을 미칠 주요 고객층을 선택.

 

-예시: "자주 구매하는 충성 고객" vs. "한 번만 구매한 신규 고객."


8-3. 페르소나 작성

-핵심 목표: 구체적이고 현실감 있는 가상 인물 만들기


-포함해야 할 요소:

인구통계학적 정보: 나이, 성별, 직업, 소득 등.
행동 패턴: 제품을 사용하는 방식과 빈도.
목표와 동기: 사용자가 무엇을 이루고 싶어 하는지.
고충(Pain Points): 사용자가 겪는 주요 문제.


-예시:
이름: 김xx (32세, 남성)
직업: 스타트업 디자이너
목표: 효율적으로 디자인 작업을 관리하고 싶음.
고충: 기존 툴이 너무 복잡하고 직관적이지 않음.


8-4. 팀 내 공유와 활용

-핵심 목표: 모든 팀이 사용자 관점에서 일하게 만들기


-방법:
페르소나를 팀과 공유하여 공통된 사용자 모델로 활용.
디자인, 마케팅, 개발팀 모두 같은 방향으로 작업하도록 정렬.
팀 회의, 의사결정 시 "이 페르소나가 이 기능을 좋아할까?"라는 질문을 중심으로 논의.


8-5. 지속적 업데이트

-핵심 목표: 사용자 변화에 맞게 페르소나를 발전시키기


-방법:
주기적으로 사용자 데이터를 검토하고, 필요하면 페르소나를 업데이트.
새로운 제품 기능이나 시장 진입 시 페르소나를 재점검.

 

 

'PM > S.C.C - Essence' 카테고리의 다른 글

페르소나 - 3  (1) 2024.12.11
페르소나 - 2  (1) 2024.12.11
Growth Hacking, Growth Product  (0) 2024.12.09
PM 을 향한 첫 발자국  (1) 2024.12.06
Ice Breaking  (0) 2024.12.05

https://nusnu.tistory.com/89

 

데밸챌) 그로스 해킹 - 1

데이터를 다루면서, 특히 예측 문제들을 많이 다루면서  실제로 내가 하는 이 행동이 회사에 실질적으로 기여를 하고 있긴 한 것인가 하는  의문을 가질 때가 많았다.  예측 모델의 정확성을

nusnu.tistory.com

https://nusnu.tistory.com/90

 

데밸챌) 그로스 해킹 - 2

본질적으로 그로스 해킹이란 "어떻게 하면 서비스, 제품 측면에서 데이터를 바탕으로 회사를 성장시킬것인가? " 에 답하는, 성장에 초점이 맞추어진 프레임이라고 할 수 있다.   주요 흐름은

nusnu.tistory.com

https://nusnu.tistory.com/91

 

데밸챌) 그로스 해킹 - 3. 지표란?

조금은 넓은 시야에서 지표를 바라보도록 하자.  AARRR을 떠나서 지표란 무엇일까? 지표란 어떤 현상을 알기 쉽게 요약하기 위해 데이터를 토대로 목적에 맞게 계산하여 하나의 대표값으로 나

nusnu.tistory.com

https://nusnu.tistory.com/92

 

데밸챌) 그로스 해킹 - 4. A/B 테스트, 실무에서의 적용 과정

이번 3주 차에서는 그로스 해킹을 실제로 어떻게 적용할 수 있을지, 그리고 필요한 환경과 지식에 대해 구체적으로 배울 수 있었다. 특히 ETL, 데이터 파이프라인, 사용자 행동 로그 같은 용어들

nusnu.tistory.com

 

'PM > S.C.C - Essence' 카테고리의 다른 글

페르소나 - 2  (1) 2024.12.11
페르소나 - 1  (4) 2024.12.10
PM 을 향한 첫 발자국  (1) 2024.12.06
Ice Breaking  (0) 2024.12.05
애자일  (0) 2024.12.04

+ Recent posts