[서비스 기획 입문 과제] 문제 해결 프로세스 실습 과정

정성적 데이터를 분석하여 문제 정의를 해보는 실습

 

문제 현상 발견 → 원인 분석 → 문제 정의 → 우선 순위 설정 → 가설 제시

 

위의 순서를 통해 정성적 데이터를 분석해서, 그것으로 원인을 알아보고 문제를 정의. 문제 중 우선순위를 책정에 가장 빠르게 해결해야 하는 것을 정하고 그것의 가설을 만들어볼 것이다. 가능하다면 가설을 검증하는 방법까지 찾아보도록 하겠다.

이 실습을 통해 실제 소속되어있다고 생각해서, 데이터 확인과 문제 정의, 가설을 세우는 과정까지 체험해서 익힐 것이다.

 

 

1단계. 리뷰 데이터로 내용 분석

받은 주제는 네이버 플러스 스토어 앱을 출시한 PM이라고 생각하고, 출시 후 많은 사용자들의 앱 리텐션을 높이는 것을 목표로 한다는 것.

 

리뷰 데이터 분석

먼저, 받은 데이터를 기반으로 앱 리뷰들을 분석해보았다.

받은 앱 리뷰는 57건. 그 중 만족에 해당하는 사용자는 19건, 불만족에 해당하는 사용자는 38건.

비율로 바꾸면 전체 데이터 중 만족 약 33% / 불만족 약 67%이었다.

	만족	불만족
리뷰 수(57건)	19건	38건
비율(백분율)	약 33%	약 67%

 

리뷰 분류

더 자세히 분류해서 분석하기 위해 대주제 카테고리로 나누었다.

분류 기준은 가격, 고객 지원, 기능, 배송, UXUI, 기타로, 여러 카테고리에 해당하는 중복 리뷰도 있다.

노션의 힘을 빌려 데이터베이스 통계로 만들었다. (처음에는 AI에게 분석을 요청했으나, 분류의 정확도가 높지 않아 직접 분류하였다.)

항목별 비교 통계

 

분류 후 각 카테고리에 해당하는 리뷰를 살펴보며 주요 내용이 무엇인지 작성해보았다.

 

만족 내용 정리

카테고리	주요 내용
가격 만족	혜택이 많다.
기능 만족	AI 추천, 알고리즘 기능이 좋았다.
배송 만족	내일배송 붙은 상품은 빨리 와서 좋다.
UI/UX 만족	바로 쇼핑페이지로 갈 수 있다, 편하다.
고객 지원 만족	고객센터에서 친절하게 응대해줬다.
기타 만족	네이버 브랜드 신뢰

 

불만족 내용 정리

카테고리	주요 내용
가격 불만	10% 쿠폰이 최대 5000원까지밖에 안 된다, 멤버십 혜택 부족
기능 불만	AI 추천 알고리즘 문제, 가격 비교 기능 부족, 검색 품질 문제, 앱 성능/안정성
배송 불만	배송이 오래 걸림
UI/UX 불만	혜택·쿠폰·멤버십 구조 복잡, 가격 비교 부족, 앱 구조가 복잡하고 정보 탐색 어려움

 

카테고리별 주요 문제 현상

만족 내용은 그대로 유지하는 편이 좋고, 불만족 내용을 해결해야 할 필요가 있을 것 같다.

불만족 내용을 기반으로 각 카테고리별 주요 문제 현상을 간단히 하나씩으로 정리해보았다.

• 가격: 쿠폰 최대 가격 제한
• 기능: AI 추천 알고리즘 문제
• 배송: 배송이 오래 걸림
• UI/UX: 혜택·쿠폰·멤버십 구조 복잡(8건으로 가장 많음)

 

2단계. 데스크 리서치

리뷰 데이터만 보면 해당 서비스에 관해 지식이 부족하고, 사용자가 직접 어디서 어려움을 느꼈는지 파악하기 어렵기 때문에 데스크 리서치가 필요하다.

1. 직접 앱을 사용해보며 불만에 해당하는 기능들을 시험해보았다.(이후 필요시 캡쳐 화면 첨부)
2. 관련 기사나 아티클을 찾아보며 출시 목적, 회사 방향성, 출시 후 반응 등을 통해 회사가 어떤 것을 유도했는지, 원하는 결과는 무엇이었는지 파악해보고자 하였다.

 

https://fficial.naver.com/contentDetail/110

• 출시 목적: 정밀한 개인화를 바탕으로 마음에 드는 브랜드를 발굴하고 아이템을 찾아 가는 여정에 몰입하려면 온전히 쇼핑에 집중할 수 있는 환경이 요구됩니다. 독립된 네이버플러스 스토어 앱 출시가 꼭 필요했던 거죠.

https://seonyeon.tistory.com/468

• 쿠폰 받기부터 상품 결제까지의 사용자 기능 흐름 예시

https://www.segye.com/newsView/20241030503950

• 네이버의 자체 개인화 상품 추천 기술인 ‘에이아이템즈(AiTEMS)’ 알고리즘 고도화해 초개인화된 추천 경험을 제공

https://m.blog.naver.com/naverofficial/223703431836

• AI 기술 기술을 기반으로 사용자 개인에게 최적화된 추천/전시가 강화된 발견형 쇼핑 경험을 제공
• 슈퍼적립은 기존의 충성도 높은 멤버십 회원들에게 더 큰 적립 혜택으로 보답
• 네쇼페는 네이버플러스 스토어의 대표적인 프로모션으로, 일년에 한번 역대급 혜택을 제공

 

3단계. 문제 원인 파악 후 문제 정의

문제 원인 파악

리뷰로부터 도출해낸 문제 현상의 발생 배경과 원인을 찾기 위해 5Whys와 로직 트리를 활용해 파악해보고자 한다.

카테고리별 주요 현상이라고 꼽았던 4가지를 통해 정말 문제가 뭘지 알아보도록 하겠다.

 

 

5Whys

문제: 쿠폰 최대 가격 제한(10%인데 5000원) 때문에 불만족을 느낀다.

1. 왜?: 본인이 원래 원했던 10% 할인 금액보다 적은 금액을 할인받는다.
2. 왜 원한 것?: 쿠폰을 받을 때 10% 할인 문구만 보기 때문이다.
3. 왜 할인 문구만?: 10% 할인 문구가 더 눈에 띄고, 최대 5000원 문구는 덜 보이는 UI로 되어있기 때문이다.
4. 왜 UI의 차이?: 마케팅적으로는 사용자에게 기대감을 부여해 클릭률, 구매 전환율을 높이는 게 중요하기 때문이다.
5. 왜 클릭률, 구매 전환율이 중요?: 오픈 초기이고, 많은 사용자를 끌어들이기 위한 이벤트이기 때문에 사용자가 관심을 가지되, 비즈니스적 손실이 크게 나지 않는 편이 좋기 때문이다.

결론: 다소 사용자가 불만족을 느끼더라도, 더 많은 사용자를 끌어들이기 위해 10% 할인 문구가 더 눈에 띄게 하는 마케팅 수법을 사용했다.

쿠폰 받기 UI

 

 

 

문제: AI 추천 알고리즘이 원하지 않는 상품 추천 등을 해서 피로감이 든다.

1. 왜?: 관심 없는 상품이나 이미 충분히 본 상품이 반복 노출되기 때문이다.
2. 왜 반복 노출?: 추천 알고리즘이 사용자의 “일시적 행동”을 강하게 반영하기 때문이다.
3. 왜 일시적 행동?: 빠르게 사용자의 행동을 분석해서 개인화 추천 정확도와 클릭률을 높여야 하기 때문이다.
4. 왜 개인화, 클릭률?: 사용자 장기 취향 데이터보다 클릭·조회 같은 단기 행동 데이터 확보가 더 쉽고 즉각적으로 활용 가능하기 때문이다.
5. 왜 빠르게 분석?: 사용자 행동 데이터 축적이 아직 부족하거나, 추천 시스템이 장기 선호 분석까지 고도화되지 않았기 때문이다.

결론: 앱 오픈 기간이 별로 지나지 않았기 때문에 사용자 행동이 충분히 쌓이지 않았다. 시간이 지남에 따라 장기 선호 분석을 통해 추천 기능이 더 좋아질 것이다.

 

 

 

문제: 배송이 오래 걸려 불만이 생긴다.

1. 왜?: 예상한 시간보다 배송이 오래 걸린다.
2. 왜 오래 걸리나?: 배송 단계 중 일부 단계에서 지연이 발생하기 때문이다.
3. 왜 기대보다 지연되나?: 서비스에서 “내일 배송” 문구가 있는데도 더 지연되기 때문이다.
4. 왜 차이가 발생하나?: 배송 실시간 연동과 품질 관리가 충분히 일관되지 않을 수 있기 때문이다.
5. 왜 일관되지 않는가?: 오픈 마켓 구조상 배송 품질을 통합 관리하기 어렵기 때문이다.

결론: “내일 배송” 등의 문구로 배송 예측 시간의 기대를 품게 하지만, 판매자·물류 환경의 편차로 인해 실제 배송 품질 떨어진다. 예상 도착 예정일 UIUX 표기가 부족하다는 점도 꼽힌다.

 

 

 

문제: 혜택·쿠폰·멤버십 구조가 복잡해서 사용자가 사용·이해하기 어렵다.

1. 왜?: 어떤 혜택을 받을 수 있는지 한눈에 이해하기 어렵다.
2. 왜 이해하기 어렵나?: 혜택 정보가 기능·이벤트·멤버십별로 분산되어 제공되고, 정보값이 많아 찾기 때문이다.
3. 왜 분산되어있나?: 다양한 할인 정책과 프로모션이 지속적으로 추가되었기 때문이다.
4. 왜 계속 추가되나?: 지속적으로 할인 정책과 프로모션이 있어야 구매 전환율과 리텐션율이 오르기 때문이다.
5. 왜 UX 개선보다 추가를 계속했는가?: 혜택 체계 단순화보다 당장의 프로모션 셩과와 마케팅 운영 유연성이 중요시되었기 때문이다.

결론: 다양한 프로모션과 멤버십 정책이 누적되며 혜택 구조의 일관성과 사용성이 낮아지고 있다. 이는 담당하는 곳이 다를 수도 있고, 우선순위가 낮아서일 수도 있겠다.

메뉴 펼치기를 눌러야 이 형태처럼 쿠폰 확인 가능

 

로직 트리

발생 배경과 원인을 알아보기 위해 Why Tree로 그려보았다.

 

문제 정의

원인 → 현상 → 영향 순서로 목표 달성에 방해가 되는 문제를 최대 3개로 작성해보았다.

 

1. AI 추천 알고리즘 문제현상: 최근 본/관심없는 상품이 반복 추천되어 추천 정확도가 낮다고 느껴진다.
   1. 영향: AI 추천 신뢰도 하락, 탐색 경험 만족도 및 재방문 의사 감소
   2. 원인: 단기 행동 데이터 중심으로 동작, 장기적 사용자 맥락 분석이 부족해
   3. 배송 경험 문제현상: “내일배송” 기대 대비 체감 배송 속도가 낮아진다.
2. 영향: 배송 만족도 하락
   1. 원인: 판매자·물류사별 운영 품질 편차, 연동 한계가 존재해
   2. 현상: “내일배송” 기대 대비 체감 배송 속도가 낮아진다.
   3. 영향: 배송 만족도 하락
3.  혜택·쿠폰·멤버십 구조 문제
   1. 원인: 정책이 지속적으로 추가돼, 서로 다르게 운영되기 때문에
   2. 현상: 혜택 정보가 여러 페이지와 기능에 분산되어 직관적으로 이해·파악이 어렵다.
   3. 영향: 혜택 활용 포기 및 사용률 감소, 피로감 증가로 신뢰도 저하

발견한 4가지 문제 중 하나인 쿠폰 최대 가격 제한은 마케팅 수법 중 하나이고, 일시적인 이벤트로 진행했기 때문에 가장 문제가 아니라고 생각해 제외하였다.

 

4단계. 문제 우선순위를 파악해 핵심 문제 정의

우선순위 판단

Impact vs. Effort Matrix

1. 높은 임팩트, 낮은 노력 (Quick wins): 혜택·쿠폰·멤버십 구조 문제
   • UIUX 개선 만으로도 사용자 편의성이 높아질 것 같으며, 개선 비용이 적게 들어갈 것이라고 판단했다.
2. 높은 임팩트, 높은 노력 (Major Projects): 배송 경험 문제
   • 물류와 개인 판매자와도 사전 교섭이 필요할 것 같고, 구조적인 문제에 접근할 필요가 있을 것 같다. 커머스에서 배송 문제는 크다고 판단해 해결할 시 사용자 만족도가 크게 높아질 것 같다고 판단했다.
3. 낮은 임팩트, 낮은 노력 (Fill-ins):
4. 낮은 임팩트, 높은 노력 (Hard Slogs): AI 추천 알고리즘 문제
   • 검색으로 빠져 적게 사용하는 사용자도 있어 해결되어도 직관적으로 알기는 어려울 것 같다. 기술 발전도 필요한 일이라 시간과 인력이 많이 필요한 문제다. 시간, 데이터, 리소스가 많이 필요한 일이라 우선순위가 제일 낮다고 판단하였다.

 

핵심 문제

위의 문제 정의에서 선정한 3개의 핵심 문제의 우선순위를 판단하고, 그 중에 가장 우선순위가 높은 1가지 핵심 문제를 선정했다.

혜택·쿠폰·멤버십 구조 문제
Impact vs. Effort Matrix를 통해 가장 쉽고 빠르게 사용자 편의 효과를 이끌어낼 수 있는 문제라고 생각했다. 사용자 리뷰에서 가장 불많이 많은 항목이기도 하고, 가장 개선이 필요해보이기도 하였다.

 

5단계. 해결 방안 가설 설정

혜택·쿠폰·멤버십 구조 문제를 해결하기 위한 가설을 세워볼 것이다.

 

문제는, 혜택 정보가 분산되어 있고 탐색 비용이 높다.

• 홈 화면에 멤버십데이, 슈퍼특가, 슈퍼적립 등의 혜택 칸이 나뉘어져 각각 다른 혜택을 다른 페이지로 들어가 확인해야 한다.
• 보유 쿠폰 확인이 어렵다. 버튼이 어디 있는지 찾기 어렵고, 숨겨져 있다.
• 상품 페이지 내에서 최대 적립 포인트 XXX원을 누르면 사용 가능 쿠폰, 혜택, 정립을 통한 최종 구매 예상가를 볼 수 있으나, 버튼 텍스트와 내용 불일치로 인해 사용하기 어렵다.

 

가설 1

혜택 모아보기 탭을 신설해 혜택을 한 화면에서 통합 제공하면, 혜택을 쉽게 발견해 사용률이 증가할 것이다.

 

검증 지표: 혜택 모아보기 탭 진입률, 쿠폰 사용률, 멤버십 혜택 사용률, 혜택 기반 구매 전환율

검증 방법:

• A/B 테스트: 기존 구조 그룹(A)과 탭을 신설한 그룹(B)로 나눠 검증 지표를 비교.
• UT: 받은 쿠폰은 어디에 있는지, 멤버십 혜택에 무엇이 있는지, 최종가가 얼마인지 확인 등을 하는 유저 테스트 실행.
• VOC 분석: 개선 전후 관련 VOC가 감소했는지 확인.
• 설문조사/인터뷰: 보다 쉽게 혜택 확인이 가능했는지 확인.

 

가설 2

상품 상세 페이지에서 혜택을 통한 최종 구매 예상가를 볼 수 있는 UI를 수정하면, 실제 체감 혜택을 명확하게 확인할 수 있어 구매 결정을 더 빠르게 할 것이다.

 

검증 지표: 해당 UI 버튼 클릭률, 혜택 적용 구매율, 구매 전환율

검증 방법:

• A/B 테스트: 기존 UI 그룹(A)과 수정 UI 그룹(B)로 나눠 검증 지표를 비교.
• UT: 적용 가능한 혜택, 최종 구매 예상가를 확인하는 등의 유저 테스트 실행.
• 히트맵/클릭맵 분석: 사용자가 실제로 쉽게 확인해서 클릭하는지 분석.
• 구매 결정 시간 측정: 개선 전후로 해당 UI 버튼을 누르는지, 확인하고 구매 결정이 빨라졌는지 비교.
• 설문조사/인터뷰: 보다 쉽게 혜택, 예상가 등 확인이 가능했는지 확인.

 

 

기타 인사이트

상품 화면에서 캡쳐해보는데 토스트 알림으로, 상품을 공유해보세요라는 게 떴다.(이하 첨부사진 중간)

오늘 직접 한 이 문제 해결 프로세스 과정과는 아무 상관없지만, 처음 보는 알림 기능이어서 신기한 점도 있고. 공유하기 버튼을 누르는 순간 상품 링크를 공유할 수 있도록 되어있어, 캡쳐 공유보다 직접 링크를 통한 방문으로 구매 유도를 하려고 하는 것 같아 괜찮은 아이디어라는 생각이 들었다.

캡쳐하는 순간 뜨고 금세 사라진다. 그래서 바로 한번 더 캡쳐했다.

 

기존 데이터, 서비스를 살펴보고 역기획/문제 발견으로 발전을 위해 문제 정의와 가설 설정까지 해보는 실습은 여러 번 더 해서 확실히 내 것으로 하면 좋을 것 같다. 여러 번하면, 크게 어려움 없이 나중에도 할 수 있을 것 같다.