PM study

Photo by CoWomen on Unsplash

기획자로 일하다 보면 가장 많이 받는 질문 중 하나가 "우리 서비스의 타겟이 누구야?"라는 말입니다. 저도 처음에는 이 질문에 자신 있게 답하지 못했습니다. "20~30대 여성"이라고 막연하게 답했다가 팀장님께 "그래서 그 안에서 누구를 먼저 잡을 건데?"라는 반문을 들었던 기억이 납니다. 그때부터 저는 세그먼테이션과 타겟팅을 제대로 공부하기 시작했습니다.

이 글은 고객 세그먼테이션(Customer Segmentation)과 타겟팅(Targeting)의 개념을 처음 접하는 주니어 기획자, PM, 서비스 기획자를 위해 작성되었습니다. 어려운 마케팅 용어를 쉬운 비유와 실제 사례로 풀어드릴 테니, 끝까지 읽고 나면 "우리 서비스의 타겟"을 자신 있게 정의할 수 있을 것입니다.

1. 왜 세그먼테이션이 필요한가? "모두를 위한 제품"의 함정

음식점을 하나 차린다고 상상해 보세요. 한식, 중식, 일식, 양식, 채식, 육식 — 모든 사람의 입맛을 맞추려다가는 결국 어느 한 쪽도 제대로 만족시키지 못하는 "그저 그런" 식당이 되고 맙니다. 서비스 기획도 마찬가지입니다.

"모두를 위한 제품"은 결국 "아무도 위하지 않는 제품"이 됩니다.

세그먼테이션(Segmentation)이란 전체 시장을 유사한 특성을 가진 소집단으로 나누는 과정입니다. 이 과정이 필요한 이유는 단순합니다. 기획·마케팅 자원(예산, 시간, 인력)은 항상 한정되어 있기 때문입니다. 한정된 자원을 분산하지 않고 가장 효과적인 고객 집단에 집중투자하기 위해서 세그먼테이션이 필요합니다.

저는 실무에서 이를 "낚시터 선택"에 자주 비유합니다. 바다 어디서나 낚싯대를 드리우는 것보다, 고기가 많이 모이는 포인트를 찾아 집중하는 것이 훨씬 효율적입니다. 세그먼테이션은 그 포인트를 찾는 작업입니다.

실제로 맥킨지(McKinsey) 연구에 따르면, 개인화·세그먼트 기반 마케팅을 실행한 기업은 그렇지 않은 기업 대비 매출이 평균 10~15% 높게 나타났습니다. 세그먼테이션은 이제 선택이 아닌 필수입니다.

2. 핵심 용어 한 번에 정리 — STP 프레임워크란?

세그먼테이션을 이해하려면 STP 프레임워크를 먼저 알아야 합니다. STP는 Segmentation(세분화) → Targeting(타겟팅) → Positioning(포지셔닝)의 세 단계로 구성된 전략 프레임워크입니다.

각 단계의 관계를 쉽게 설명하면 이렇습니다. 먼저 전체 시장을 의미 있는 단위로 나누고(S), 그 중 공략할 집단을 선택한 다음(T), 선택한 타겟의 마음속에 우리 브랜드가 어떤 의미인지를 심는(P) 순서입니다. 이 세 단계는 순서가 바뀌면 안 됩니다. 나누지 않고 선택할 수 없고, 선택하지 않고 포지셔닝할 수 없습니다.

아래 표에서 핵심 용어들을 한눈에 정리해 드리겠습니다.

3. 세그먼테이션의 4가지 기준 — 어떻게 나눌 것인가?

시장을 나누는 방법에는 크게 4가지 기준이 있습니다. 각각의 특징과 활용 상황을 자세히 살펴보겠습니다.

① 인구통계학적 세분화 (Demographic Segmentation)

연령, 성별, 소득, 직업, 학력, 가족 구성 등 측정 가능한 인구 특성으로 고객을 구분하는 방법입니다. 가장 오래되고 널리 쓰이는 방식으로, 데이터 수집이 쉽고 측정 가능하다는 것이 장점입니다.

다만 같은 나이여도 라이프스타일이 전혀 다를 수 있다는 단점이 있습니다. 예를 들어 35세 남성이라도 스타트업 창업자와 대기업 부장은 제품에 대한 니즈가 완전히 다릅니다. 그래서 인구통계 세분화는 보통 다른 기준과 함께 사용됩니다.

활용 예시: 20대 여성 대학생 / 40대 기혼 직장인 남성 / 월 소득 500만 원 이상 고소득층

② 지리적 세분화 (Geographic Segmentation)

국가, 지역, 도시 규모, 기후 등 지리적 위치로 고객을 구분하는 방법입니다. 오프라인 비즈니스에서 특히 중요하며, 디지털 환경에서도 지역별 문화·규제 차이를 반영하는 데 활용됩니다. 글로벌 서비스를 기획할 때 로컬라이제이션 전략의 출발점이 되기도 합니다.

활용 예시: 서울 강남 vs 지방 중소도시 / 도심 vs 교외 / 동남아 시장 vs 유럽 시장

③ 심리통계학적 세분화 (Psychographic Segmentation)

라이프스타일, 가치관, 성격, 관심사, 태도로 고객을 구분하는 방법입니다. 저는 이 기준이 가장 어렵지만 가장 강력하다고 생각합니다. "왜 사는가?"라는 질문에 답하는 기준이기 때문입니다. 인구통계의 한계를 보완하며, 데이터 수집이 어렵지만 설명력이 높습니다.

활용 예시: 환경을 중시하는 친환경 소비자 / 가성비를 최우선으로 추구하는 실용적 소비자 / 프리미엄 브랜드를 선호하는 과시적 소비자

④ 행동적 세분화 (Behavioral Segmentation)

구매 행동, 사용 빈도, 브랜드 충성도, 구매 단계로 고객을 구분하는 방법입니다. 디지털 마케팅에서 가장 활용도가 높으며, 실제 행동 데이터 기반이기 때문에 신뢰도가 높습니다. RFM 분석(Recency, Frequency, Monetary)과 연결되어 e-커머스에서 특히 강력한 도구입니다.

활용 예시: 첫 구매 고객 / 90일 이상 미방문 휴면 고객 / 월 3회 이상 재구매하는 충성 VIP 고객

저는 실무에서 보통 인구통계(뼈대) + 심리통계(살) + 행동(근거) 세 가지를 결합해서 세그먼트를 정의합니다. 하나의 기준만으로는 너무 단편적이기 때문입니다.

4. 좋은 세그먼트의 조건 — MADS 프레임워크

세그먼트를 나눴다고 다 끝난 게 아닙니다. "이 세그먼트가 진짜 공략할 만한 가치가 있는가?"를 검증해야 합니다. 이때 사용하는 것이 MADS 프레임워크입니다.

첫째, Measurable(측정 가능성)입니다. 규모와 구매력을 수치로 확인할 수 있어야 합니다. "20대 여성 중 친환경 소비에 관심 있는 층"이라고 세그먼트를 정의했다면, 그 규모가 얼마나 되는지 데이터로 뒷받침할 수 있어야 합니다.

둘째, Accessible(접근 가능성)입니다. 마케팅 채널로 실제로 도달할 수 있어야 합니다. 아무리 좋은 세그먼트라도 우리가 접근할 수 없다면 의미가 없습니다.

셋째, Differentiable(차별 가능성)입니다. 다른 세그먼트와 구별되는 특성이 있어야 합니다. 세그먼트 간에 의미 있는 차이가 없다면 굳이 나눌 이유가 없습니다.

넷째, Substantial(수익 가능성)입니다. 충분한 규모와 수익성이 있어야 합니다. 너무 좁은 니치 시장은 수익을 창출하기 어렵습니다.

저도 실무에서 세그먼트를 정의하고 나면 이 네 가지 조건을 하나씩 체크하는 습관이 생겼습니다. 특히 "측정 가능성" 체크에서 많은 세그먼트 아이디어가 걸러집니다.

5. 타겟팅 전략 3가지 — 어떤 방식으로 공략할 것인가?

세그먼트를 정의했다면 다음 단계는 어떤 세그먼트를 어떤 방식으로 공략할지 결정하는 것입니다. 타겟팅 전략은 크게 3가지로 나뉩니다.

① 비차별화 전략 (Undifferentiated Marketing)

전체 시장을 하나로 보고 단일 마케팅 전략을 적용하는 방식입니다. 대량 생산·대량 마케팅 시대의 방식으로, 초기 코카콜라가 대표적인 예입니다. 규모의 경제를 활용할 수 있지만, 경쟁이 심화된 현대 시장에서는 점점 효과가 줄고 있습니다.

② 차별화 전략 (Differentiated Marketing)

여러 세그먼트를 선택하고 각각 다른 전략을 적용하는 방식입니다. 비용이 높지만 전체 시장 점유율 확대에 유리합니다. 삼성전자가 갤럭시 S(프리미엄) · A(중간) · Z(폴더블 혁신) 시리즈를 각각 다른 타겟에게 다른 메시지로 마케팅하는 것이 대표적인 예입니다.

③ 집중화 전략 (Concentrated/Niche Marketing)

하나의 세그먼트에 자원을 집중하는 방식입니다. 스타트업이나 중소기업에 특히 적합합니다. 다이슨이 고급 청소기 시장에 집중하거나, 발뮤다가 프리미엄 소형 가전 시장에만 집중하는 것이 좋은 예입니다. 자원이 제한된 초기 서비스라면 집중화 전략을 먼저 선택하고 점차 확장하는 것이 현명합니다.

제가 스타트업 기획자로 일할 때 저는 항상 집중화 전략을 먼저 추천합니다. "처음부터 모든 세그먼트를 잡으려다 아무것도 못 잡는" 실수를 너무 많이 봤기 때문입니다. 린 스타트업의 핵심도 결국 가장 중요한 세그먼트 하나에 집중하는 것입니다.

6. STP 실전 적용 예시 — 배달 앱 신규 서비스 기획 케이스

지금까지 배운 내용을 실제 서비스 기획에 적용해 보겠습니다. "1인 가구 건강식 구독 서비스"를 기획한다고 가정해 봅니다.

Step 1 — Segmentation (시장 세분화)

1인 가구 전체 시장을 인구통계 + 심리통계 + 행동 기준으로 나눠 보면, 20대 자취생(가성비 우선), 30대 직장인 건강 관심층(편의+영양 균형 추구), 40대 다이어트 목적 1인 가구(체중 관리+식단 관리 필요), 50대 이상 혼밥족(건강+외로움 해소) 등으로 나눌 수 있습니다.

Step 2 — Targeting (타겟 선택)

MADS 기준으로 검토하면, 30대 직장인 건강 관심층이 가장 유력한 타겟입니다. 규모(측정 가능), SNS·검색 광고로 접근 가능(접근 가능), 가성비형 20대와 분명히 구별(차별 가능), 월 5~10만 원 구독 의향이 있는 충분한 구매력(수익 가능)을 갖추고 있습니다.

Step 3 — Positioning (포지셔닝)

선택된 타겟에게 "바쁜 직장인도 매일 건강하게"라는 메시지를 심습니다. 단순 배달이 아닌 "내 몸에 맞는 식단을 알아서 챙겨주는 서비스"로 포지셔닝합니다.

이 과정을 거치면 제품 기능, UI/UX, 가격 정책, 마케팅 메시지까지 일관된 방향을 갖게 됩니다. STP가 단순한 마케팅 이론이 아니라 서비스 전략의 나침반이 되는 이유입니다.

7. 페르소나(Persona) 작성법 — 타겟을 사람으로 만들기

타겟팅이 완료된 후에는 추상적인 세그먼트를 구체적인 사람으로 묘사하는 작업이 필요합니다. 이것이 바로 페르소나(Persona)입니다. 페르소나는 "공감을 위한 도구"입니다. 개발자, 디자이너, 마케터 모두가 같은 "사람"을 상상하면서 일할 수 있게 해줍니다.

좋은 페르소나에는 다음 요소가 포함됩니다. 이름과 나이, 직업과 소득, 하루 일과(Life Routine), 핵심 니즈와 불편함(Pain Points), 서비스를 사용하는 상황(Use Case), 그리고 의사결정 시 중요하게 생각하는 가치(Decision Driver)가 있어야 합니다.

예를 들어 앞서 기획한 건강식 구독 서비스의 페르소나라면 이렇게 만들 수 있습니다. "이지은, 32세, 서울 마포구 거주, IT 스타트업 마케터, 월 소득 350만 원. 아침 7시 출근, 밤 9시 퇴근. 점심은 회사 근처 편의점이나 배달로 때움. 운동을 시작했지만 식단 관리는 엄두를 못 냄. 인스타그램에서 건강식 콘텐츠를 즐겨 봄. 월 7만 원 이하라면 구독 서비스를 써보고 싶다."

페르소나를 이렇게 구체적으로 만들면, "이지은이라면 이 기능이 필요할까?"라는 식으로 의사결정의 기준점이 생깁니다. 저도 신규 서비스를 기획할 때 팀원들과 함께 페르소나를 만들고 사무실 벽에 붙여두는 방식을 자주 사용합니다. 기획 방향이 흔들릴 때마다 페르소나를 다시 보면 답이 보이는 경우가 많습니다.

8. 세그먼테이션 실무에서 자주 하는 실수 5가지

주니어 기획자들이 세그먼테이션 작업에서 자주 저지르는 실수들을 정리해 드립니다. 저도 처음에 다 경험했던 실수들입니다.

실수 1. 세그먼트를 너무 넓게 정의한다
"20~40대 여성"처럼 광범위한 정의는 세그먼테이션이 아닙니다. 내부적으로 동질적이고 외부적으로 이질적이어야 진정한 세그먼트입니다.

실수 2. 데이터 없이 감으로만 나눈다
세그먼트는 반드시 데이터로 뒷받침되어야 합니다. 사용자 인터뷰, 설문조사, 행동 데이터 중 최소 하나는 있어야 합니다. 관련해서 리서치 설계와 가설 수립 완벽 가이드를 함께 읽어보시면 도움이 됩니다.

실수 3. 세그먼트 수를 너무 많이 만든다
세그먼트가 10개가 넘어가면 오히려 의사결정이 어려워집니다. 초기에는 3~5개 수준으로 핵심 세그먼트만 정의하는 것이 좋습니다.

실수 4. 타겟팅을 빠뜨린다
세그먼테이션 후 "우리는 모든 세그먼트를 공략합니다"라고 하면 타겟팅을 한 게 아닙니다. 반드시 우선순위 세그먼트를 선택해야 합니다.

실수 5. 페르소나와 세그먼트를 혼동한다
세그먼트는 고객 집단이고, 페르소나는 그 집단을 대표하는 가상의 인물입니다. 세그먼트를 먼저 정의하고, 그 후에 페르소나를 만드는 순서를 지켜야 합니다.

9. 관련 글 더 읽기 — 서비스기획개론 시리즈

고객 세그먼테이션을 제대로 활용하려면 리서치 역량과 시장 분석 역량이 함께 갖춰져야 합니다. 아래 글들을 함께 읽으시면 훨씬 큰 시너지를 얻으실 수 있습니다.

• 👉 사용자 행동 관찰과 다이어리 스터디 완벽 가이드 — 기획자가 꼭 알아야 할 관찰 조사 방법 총정리
• 👉 설문 설계와 정량 조사 완벽 가이드 — 기획자가 꼭 알아야 할 NPS·CSAT·CES와 설문 설계 원칙 총정리
• 👉 리서치 인사이트 도출과 종합 완벽 가이드 — 기획자가 꼭 알아야 할 Fact·Finding·Insight 구분부터 HMW까지 총정리

마무리 — 세그먼테이션은 "선택과 집중"의 기술

오늘 살펴본 고객 세그먼테이션과 타겟팅은 단순한 마케팅 이론이 아닙니다. 서비스 기획의 모든 의사결정 — 기능 우선순위, UI/UX, 가격 정책, 마케팅 채널 — 의 기반이 됩니다.

제가 주니어 기획자 시절 가장 크게 성장한 순간 중 하나가 바로 "우리 타겟이 이 기능을 원할까?"라는 질문을 스스로 던질 수 있게 되었을 때였습니다. 그 질문의 시작이 바로 세그먼테이션과 타겟팅 역량입니다.

처음에는 어색하더라도, 다음 기획 작업에서 STP 프레임워크를 한 번 적용해 보세요. "우리 서비스의 타겟"이 훨씬 선명하게 보이기 시작할 것입니다.

더 궁금한 점이 있으시면 댓글로 남겨주세요. 저도 배우는 중이라 함께 이야기 나누고 싶습니다!

참고: Philip Kotler, Marketing Management / McKinsey & Company — The value of getting personalization right / 한국마케팅협회(KMA)

Photo by Samsung Memory on Unsplash

저는 처음 기획자로 일을 시작했을 때, AI라는 단어가 그저 먼 미래의 이야기처럼 느껴졌습니다. 하지만 2022년 말 ChatGPT의 등장 이후, AI는 더 이상 '나중에 공부해야 할 것'이 아닌 '지금 당장 이해해야 할 핵심 역량'이 되었습니다. 오늘은 원티드에서 발행된 아티클 "AI를 다룬다: PM/PO가 새롭게 익혀야 할 것들"을 깊이 파고들며, 기획자와 PM이 AI 시대에 갖춰야 할 진짜 역량을 풀어보겠습니다.

이 글은 단순히 아티클 요약에 그치지 않습니다. 저도 실무에서 AI 기능을 기획하면서 겪은 시행착오를 바탕으로, 초보 기획자도 쉽게 이해할 수 있도록 비유와 예시를 풍부하게 담았습니다. 끝까지 읽으시면 AI 프로덕트 기획의 흐름이 한눈에 정리될 것입니다.

1. 왜 PM·기획자는 AI를 '직접' 이해해야 하는가

많은 주니어 기획자들이 이런 질문을 합니다. "AI는 개발자가 알면 되는 거 아닌가요?" 저도 처음에는 그렇게 생각했습니다. 하지만 현실은 전혀 다릅니다.

AI 기반 프로덕트에서 PM/PO는 단순한 중간 전달자가 아닙니다. 알고리듬이 달성해야 할 목표(Objective)를 정의하는 사람이 바로 PM/PO입니다. 목표를 잘못 설정하면 아무리 뛰어난 개발팀도 엉뚱한 결과물을 만들 수밖에 없습니다.

예를 들어봅시다. 넷플릭스의 추천 알고리듬 목표가 단순히 "클릭 수를 늘려라"라고 설정되어 있다면 어떻게 될까요? 자극적이고 낚시성 제목의 콘텐츠만 추천하게 됩니다. 실제로 넷플릭스는 이 문제를 인식하고 "시청 완료율"과 "재구독률"을 함께 고려하는 복합 목표로 전환했습니다. 이런 결정을 내리는 사람이 바로 PM입니다.

2022년 말부터 시작된 AI 기술 혁명은 이미 우리 생활 곳곳에 스며들었습니다. 유튜브 영상 추천 순서, 스마트폰 키보드의 다음 단어 예측, 은행의 신용 대출 알고리듬까지 모두 AI의 힘을 빌리고 있습니다. 이런 시대에 PM이 AI를 모른다는 것은, 자동차 회사의 기획자가 엔진 원리를 전혀 모르는 것과 마찬가지입니다.

관련 글: 리서치 설계와 가설 수립 완벽 가이드 — 기획자가 꼭 알아야 할 정량·정성 조사와 IF-THEN 가설 작성법

2. AI의 3가지 핵심 구성요소: 목표, 알고리듬, 데이터

원티드 아티클에서 가장 인상 깊었던 부분이 바로 이 섹션입니다. AI 프로덕트를 구성하는 3가지 요소를 PM 관점에서 명확하게 정리했습니다. 저는 이것을 '자동차 비유'로 이해했습니다.

• 목표(Objective): 자동차가 가야 할 목적지 (내비게이션 목적지 설정)
• 알고리듬(Algorithm): 자동차 엔진과 변속기 (어떻게 움직일지 결정)
• 데이터(Data): 연료 (데이터가 없으면 AI는 한 발짝도 못 나감)

이 세 가지가 서로 맞물려야 비로소 AI 프로덕트가 제대로 작동합니다. 하나라도 빠지면 자동차는 목적지에 도달하지 못합니다.

목표 설정의 함정: 단순화의 위험성

목표를 너무 단순하게 설정하면 예상치 못한 부작용이 생깁니다. 소셜미디어 플랫폼들이 초기에 "좋아요 수 극대화"를 목표로 설정했을 때, 결과적으로 자극적이고 편향된 콘텐츠가 피드를 가득 채우는 '필터 버블' 현상이 발생했습니다. 이제 대부분의 플랫폼은 단일 지표가 아닌 복합 목표(Multi-objective Optimization)를 사용합니다.

PM이라면 항상 이 질문을 던져야 합니다: "이 목표를 달성했을 때, 의도하지 않은 부작용은 없는가?"

3. 머신러닝 알고리듬 3가지 유형과 기획자의 역할

기획자가 알고리듬을 구현할 필요는 없습니다. 하지만 어떤 알고리듬이 어떤 문제를 푸는지는 알아야 합니다. 마치 의사가 모든 약의 화학 성분을 알 필요는 없지만 어떤 약이 어떤 증상에 효과적인지는 알아야 하는 것처럼요.

저는 처음 추천 시스템 기획을 맡았을 때 "비지도 학습을 쓰면 되겠다"라고 단순하게 생각했습니다. 하지만 실제로는 콜드 스타트 문제(신규 사용자에게 추천할 데이터가 없는 문제), 인기 편향(인기 있는 아이템만 추천하는 문제) 등 복잡한 고려사항들이 있었습니다. 알고리듬 유형을 이해하니 개발팀과의 커뮤니케이션이 훨씬 수월해졌습니다.

관련 글: 심층 인터뷰(IDI)와 FGI 완벽 가이드 — 기획자가 꼭 알아야 할 정성 조사 진행법 총정리

4. 피쳐(Feature)와 제약 조건(Constraint): PM이 직접 설계하는 영역

여기서부터가 진짜 PM의 역할입니다. 알고리듬의 성능을 좌우하는 두 가지 요소, 피쳐와 제약 조건은 PM이 주도적으로 설계해야 합니다.

피쳐(Feature): 알고리듬이 학습하는 변수

피쳐는 알고리듬이 패턴을 찾기 위해 참고하는 입력 변수입니다. 쿠팡 검색 알고리듬의 피쳐 예시를 들면:

• 상품 가격 (절대값, 카테고리 내 상대적 순위)
• 배송 시간 (로켓배송 여부)
• 리뷰 수 및 평균 평점
• 사용자의 최근 구매 이력
• 시즌 및 트렌드 데이터

PM은 "어떤 피쳐가 사용자 행동에 가장 큰 영향을 미치는가"를 데이터 기반으로 판단하고 우선순위를 정해야 합니다.

제약 조건(Constraint): 알고리듬에 걸어두는 규칙

제약 조건은 알고리듬이 절대 넘어서면 안 되는 경계선입니다. 건강 식단 추천 앱을 예로 들면:

• 채식주의자에게 육류 추천 금지
• 고혈압 사용자에게 나트륨 높은 음식 필터링
• 알레르기 성분 포함 식품 자동 제외

이런 제약 조건이 없으면 알고리듬은 성능 극대화만 추구하다가 사용자에게 해가 되는 결과를 낼 수 있습니다. PM이 도덕적·법적·비즈니스 관점에서 이 경계선을 설정해야 합니다.

실제 계산 예시: 인스타그램 피드 관련성 점수

간단한 예시로 관련성 점수를 계산해봅시다. 인스타그램 피드 알고리듬이 특정 게시물의 노출 점수를 계산한다고 가정합니다:

관련성 점수 = (팔로우 친밀도 × 0.4) + (콘텐츠 관심사 매칭 × 0.3) 
            + (최신성 점수 × 0.2) + (상호작용 이력 × 0.1)

예시:
- 팔로우 친밀도: 0.8 (최근 댓글, 좋아요 기록 있음) → 0.8 × 0.4 = 0.32
- 콘텐츠 관심사 매칭: 0.9 (사용자가 자주 보는 카테고리) → 0.9 × 0.3 = 0.27
- 최신성 점수: 0.7 (3시간 전 게시) → 0.7 × 0.2 = 0.14
- 상호작용 이력: 0.6 (과거 댓글 2회) → 0.6 × 0.1 = 0.06

최종 점수: 0.32 + 0.27 + 0.14 + 0.06 = 0.79 / 1.0

이 가중치(0.4, 0.3, 0.2, 0.1)를 결정하는 것이 바로 PM의 역할입니다. "우리 서비스에서 가장 중요한 것은 무엇인가?"라는 질문에 대한 답이 이 숫자들에 담겨 있습니다.

5. PM의 올바른 AI 목표 설정을 위한 2가지 핵심 질문

아티클에서 가장 실용적으로 느껴진 부분입니다. 저도 실무에서 이 두 가지 질문을 습관처럼 던지게 되었습니다.

질문 1: "장기적으로 무엇을 달성하고자 하는가?"

단기 지표와 장기 목표를 혼동하지 않는 것이 핵심입니다. 쿠팡을 예시로 생각해보면:

• 단기 지표: 일일 클릭 수, 페이지뷰
• 중기 목표: 구매 전환율, 평균 주문 금액
• 장기 목표: 반품 없는 만족도 높은 구매, 로켓와우 멤버십 유지율

단기 지표만 최적화하면 반품이 많은 저품질 상품이 상위 노출될 수 있습니다. PM은 항상 장기적 사용자 가치를 기준으로 목표를 설정해야 합니다.

질문 2: "목표 달성 시 의도하지 않은 부작용은 없는가?"

이 질문이 없으면 좋은 의도로 만든 알고리듬이 사회적 해악을 낳을 수 있습니다. 소셜미디어의 '바이럴 최대화' 목표가 가짜 뉴스 확산을 촉진한 것이 대표적인 사례입니다.

제가 실무에서 직접 경험한 사례를 하나 공유하겠습니다. 저는 콘텐츠 플랫폼에서 "체류 시간 극대화"를 목표로 알고리듬을 설정한 적이 있었습니다. 결과적으로 KPI는 달성했지만, 사용자들이 원하지 않는 콘텐츠에 묶여 있는 시간이 늘어났고, 장기적으로 피로도가 높아져 이탈률이 증가하는 문제가 생겼습니다. 그때부터 저는 체류 시간뿐만 아니라 '자발적 재방문율'을 함께 모니터링하게 되었습니다.

관련 글: 설문 설계와 정량 조사 완벽 가이드 — 기획자가 꼭 알아야 할 NPS·CSAT·CES와 설문 설계 원칙 총정리

6. AI 시대 PM/기획자의 실전 학습 로드맵

마지막으로 이 아티클이 제안하는 학습 방법과 저의 경험을 결합한 실전 로드맵을 정리해드립니다.

Step 1: 생활 속 AI 관찰 훈련 (2주)

매일 사용하는 서비스(유튜브, 네이버, 카카오톡 등)에서 AI가 작동하는 순간을 의식적으로 포착하세요. "이 추천의 목표는 뭘까? 어떤 피쳐를 쓸까? 어떤 데이터가 필요할까?" 이 세 가지 질문을 습관화하는 것이 첫 번째 단계입니다.

Step 2: 기초 개념 학습 (1개월)

구글의 Machine Learning Crash Course는 무료로 제공되는 최고의 입문 과정입니다. 코딩 없이도 머신러닝의 핵심 개념을 이해할 수 있습니다. 국내에서는 부스트코스 AI 기초도 훌륭한 선택입니다.

Step 3: 데이터 리터러시 강화 (2개월)

SQL 기본기는 PM에게 필수가 되고 있습니다. 데이터를 직접 뽑아볼 수 있어야 알고리듬의 성과를 제대로 평가할 수 있기 때문입니다. Google Analytics 4, Amplitude 등 분석 툴을 실제 서비스에 적용해보며 감각을 키우세요.

Step 4: AI 윤리와 규제 이해 (지속)

EU의 AI Act를 비롯해 각국의 AI 규제가 빠르게 만들어지고 있습니다. PM은 기술적 가능성뿐만 아니라 규제 환경도 이해해야 합니다. 특히 개인정보보호, 알고리듬 투명성, 차별 금지 원칙은 지금 당장 공부해야 할 영역입니다.

마치며: AI를 '다루는' 기획자가 되어야 하는 이유

아티클의 제목 "AI를 다룬다"에는 중요한 의미가 담겨 있습니다. 단순히 AI를 '사용'하는 것이 아니라, 목적에 맞게 '설계하고 운영'하는 주체가 되어야 한다는 뜻입니다.

AI에 놀라고 흉내 내는 것만으로는 시장에서 이기는 제품을 만들 수 없습니다. PM/PO는 AI의 3가지 구성요소(목표, 알고리듬, 데이터)를 이해하고, 피쳐와 제약 조건을 설계하며, 올바른 목표를 반복적으로 검증하는 역할을 해야 합니다.

저는 이 아티클을 읽으면서 "기획자는 AI를 두려워할 필요가 없다"는 것을 다시 한번 느꼈습니다. AI는 도구입니다. 그 도구를 어떤 목적으로, 어떤 방식으로 사용할지 결정하는 것은 여전히 사람인 PM/기획자의 몫입니다.

빠르게 변화하는 시대에 새로운 기술을 두려워하기보다 적극적으로 이해하고 활용하는 자세. 그것이 AI 시대를 살아가는 기획자에게 가장 필요한 마인드셋이 아닐까요?

참고 자료

• 원티드 아티클: AI를 다룬다 - PM/PO가 새롭게 익혀야 할 것들
• Google Machine Learning Crash Course (공식)
• EU AI Act 공식 사이트
• 부스트코스 AI 기초

앱을 열었을 때 "송금이 완료됐어요"라는 문구가 있고, 다른 앱은 "이체가 처리되었습니다"라고 한다면, 어떤 문구가 더 자연스럽게 느껴지나요?

나는 UX 라이팅 때문에 앱에 대한 인상이 바뀐 순간을 기억한다. 어느 앱의 온보딩 화면에서 예상치 못하게 기발하고 독특한 문구를 마주했을 때, 나도 모르게 웃음이 나오면서 그 서비스에 대한 인식이 훨씬 좋아졌다. "이 팀은 진짜로 사용자를 생각하고 있구나"라는 감정이 자연스럽게 생겼다. 말 한마디로 천냥 빚을 갚는다는 속담처럼, UX 라이팅 하나가 브랜드에 대한 전반적인 인식을 바꿀 수 있다는 걸 그때 실감했습니다.

토스는 금융 앱이지만 유독 '말'이 친근합니다. 이 친근함은 우연이 아닙니다. 토스는 앱 안의 모든 문구에 일관된 원칙을 적용합니다. 이 글은 토스의 공식 UX 라이팅 가이드를 PM·기획자 관점에서 분석하고, Google이 제안하는 AOE(Anatomy of an Experience)와 GOE(Grammar of an Experience) 관점으로 재해석한 내용을 담고 있습니다.

Google AOE / GOE란?

글을 본격적으로 읽기 전에 두 가지 프레임워크를 짧게 짚고 넘어가겠습니다.

AOE(Anatomy of an Experience)는 사용자 경험을 구성하는 요소들을 해부하는 관점입니다. 화면 안의 타이틀, 본문, 버튼 레이블, 에러 메시지 등 각 UI 텍스트가 '어떤 역할'을 하는지, 그리고 그것들이 전체 경험 안에서 어떻게 연결되는지를 봅니다.

GOE(Grammar of an Experience)는 경험의 문법, 즉 텍스트가 따라야 할 일관된 규칙 체계입니다. 말투(톤앤매너), 문장 구조, 단어 선택 기준이 여기에 해당합니다. GOE가 잘 정의된 제품일수록 어떤 화면에서든 "이 제품다운" 언어를 유지합니다.

토스의 UX 라이팅 가이드는 사실상 GOE를 명문화한 문서입니다. 그리고 각 원칙은 AOE의 각 구성 요소(에러 메시지, 버튼, 안내 문구 등)에 적용됩니다.

원칙 1. 해요체 — GOE의 기초, 일관성

토스는 앱 안의 모든 문구에 해요체를 씁니다. 상황·맥락 무관하게 예외 없이 적용됩니다.

GOE 관점에서 이것은 매우 중요한 결정입니다. 문체의 일관성이 깨지는 순간, 사용자는 무의식적으로 "이 제품이 나에게 다르게 말하고 있다"는 이질감을 느낍니다. 특히 금융 서비스처럼 신뢰가 중요한 영역에서는 이 이질감이 불안으로 연결될 수 있습니다.

💡 PM/기획자 체크포인트
신규 기능을 기획할 때 기존 문구의 말투를 먼저 확인하세요.
아무리 좋은 기능도 말투가 튀면 전체 경험이 흔들립니다.

원칙 2. 능동적 말하기 — AOE에서 '행동'을 설계하다

토스는 수동형 표현을 최소화합니다. 세 가지 방법을 씁니다.

• '됐어요' → '했어요': "송금이 완료됐어요" → "송금했어요"
• '~었' 빼기: "연결되었어요" → "연결됐어요" → "연결해요"
• 동사 바꿔쓰기: 상태를 설명하는 대신 행동을 전달

AOE 관점에서 보면 이 원칙은 화면의 행동 유도 지점(CTA)과 직결됩니다. 수동형 문장은 사용자가 결과를 받아들이는 느낌을 주고, 능동형 문장은 사용자가 무언가를 해냈다는 느낌을 줍니다. UX에서 이 차이는 전환율과 만족도에 영향을 미칩니다.

💡 PM/기획자 체크포인트: 완료 화면, 성공 메시지의 문구를 점검하세요. "처리되었습니다"가 아닌 "보냈어요"가 맞습니다.

원칙 3. 긍정적 말하기 — 에러조차 경험으로 만드는 법

토스는 "안 돼요", "없어요" 대신 "~하면 할 수 있어요" 형태로 씁니다. 에러 메시지도 예외가 아닙니다.

특히 주목할 만한 원칙이 있습니다. 다이얼로그의 왼쪽 버튼은 항상 '닫기'입니다. '취소'라는 단어는 사용자가 진행 중인 작업 자체가 취소된다고 오해할 수 있기 때문입니다. 이것은 AOE에서 버튼 레이블의 역할을 얼마나 정밀하게 설계했는지를 보여주는 대표적인 사례입니다.

혜택 대상 안내 문구에서도 마찬가지입니다. 특정 혜택을 받을 수 없는 사용자에게도 "이 혜택은 받을 수 없어요"가 아니라 "다른 혜택을 받을 수 있어요"처럼 긍정형으로 표현합니다. 사용자가 화면을 빠르게 스캔할 때 부정형 문장은 "서비스 전체를 쓸 수 없다"고 오해하게 만들 수 있기 때문입니다.

💡 PM/기획자 체크포인트: 에러 메시지, 제한 안내 문구를 전수 검토하세요. 부정형 문장 하나가 사용자 이탈의 원인이 될 수 있습니다.

원칙 4. 캐주얼한 경어 — 브랜드 페르소나를 텍스트로 구현하기

"~시겠어요?", "~께"와 같은 과도한 경어를 피하고 친근한 말투를 씁니다. 구체적으로는 이렇습니다.

• '~시' 빼기: "어떻게 도와드릴까요?" → "무엇을 도와드릴까요?"
• '계시다' → '있다'
• '여쭤보다' → '확인하다, 묻다'
• '께' → '에게'

GOE 관점에서 이것은 브랜드 페르소나를 언어로 구현하는 방식입니다. 토스가 지향하는 페르소나는 "격식 있는 은행원"이 아니라 "똑똑하고 친근한 금융 친구"입니다. 과도한 경어는 오히려 이 페르소나를 흐트러뜨립니다.

단, 사용자 정보를 받는 질문에서 기계적으로 '~시'를 빼면 어색해질 수 있습니다. 이럴 때 토스는 파악하고 싶은 정보를 '주어'로 써서 문장을 재구성합니다. 예를 들어 "직업이 어떻게 되세요?" → "직업이 뭐예요?"처럼요.

💡 PM/기획자 체크포인트: 온보딩 질문, 정보 입력 화면에서 어색한 경어 표현을 찾아보세요. 단순히 '~시'를 빼는 것보다 문장 구조 자체를 재설계하는 것이 더 자연스럽습니다.

원칙 5. 명사+명사 쓰지 않기 — 언어의 온도를 높이는 방법

한자어 명사를 동사 형태로 풀어씁니다.

• "계좌 연결" → "계좌를 연결해요"
• 풀기 어려운 경우: '{명사}가 {명사}해서' 형태로 캐주얼하게

GOE 관점에서 이 원칙은 언어의 온도와 관련됩니다. 명사+명사 조합은 공문서, 매뉴얼에서 주로 쓰이는 방식이며 차갑고 딱딱한 느낌을 줍니다. 이를 풀어쓰면 문장에 온도가 생기고 사용자가 읽기 편해집니다.

💡 PM/기획자 체크포인트: 기능명, 섹션 타이틀에 명사+명사 조합이 많지 않은지 살펴보세요. 특히 신규 기능의 이름을 지을 때 이 원칙을 적용하면 더 직관적인 네이밍이 가능합니다.

실무에서 가장 놓치기 쉬운 것 — 온보딩 문구

토스의 5가지 원칙 중 실무에서 가장 놓치기 쉬운 것은 단연 온보딩 문구입니다. 온보딩은 사용자가 서비스를 처음 만나는 순간이기 때문에, 이 시점의 UX 라이팅이 사용자의 리텐션과 브랜드 선호도에 직접적인 영향을 미칩니다.

흥미로운 점은 UX 라이팅의 품질이 비단 사용자에게만 영향을 미치는 것이 아니라는 점입니다. 세심하고 일관된 언어로 설계된 제품을 만드는 팀은, 업계 안에서 "일 잘하는 팀"으로 인식됩니다. UX 라이팅을 잘 하면 사용자 경험이 좋아지는 것은 물론, 그 제품을 만든 기획자와 PM 개인의 역량에 대한 인식도 함께 높아집니다.

PM·기획자를 위한 실천 요약

토스의 UX 라이팅은 단순히 "예쁜 말 쓰기"가 아닙니다. GOE(경험의 문법)를 명문화하고, AOE(경험의 해부) 각 지점에 일관되게 적용하는 시스템적 접근입니다.

• 해요체 — GOE의 기초. 말투 통일이 신뢰를 만든다.
• 능동적 말하기 — 완료/성공 지점에서 사용자의 행동감을 살린다.
• 긍정적 말하기 — 에러와 제한조차 긍정형으로 재설계한다.
• 캐주얼한 경어 — 브랜드 페르소나를 언어로 구현한다.
• 명사 풀어쓰기 — 문장에 온도를 더한다.

말 한마디로 천냥 빚을 갚듯, UX 라이팅은 사용자에게 어떤 인식을 줄 수 있는지, 어떻게 긍정적인 반응을 이끌어낼 수 있는지를 결정하는 강력한 도구입니다. 토스의 브랜드 분석과 UX 라이팅을 공부하면서 더 성장하는 기획자가 되기 위한 노력, 오늘부터 시작해보세요.

Luke Chesser Unsplash

기획자에게 리서치는 단순히 데이터를 모으는 행위가 아닙니다. 수많은 인터뷰 결과물, 설문 응답, 관찰 기록들을 들여다보며 "그래서 우리는 무엇을 해야 하는가"를 뽑아내는 과정이 바로 인사이트 도출입니다. 저도 보고서를 처음 작성할 때 인터뷰 내용을 정리하면서 핵심보다는 발언 전체를 나열하는 식으로 요약해서, 상사로부터 "더 핵심 위주로 정리하라"는 피드백을 받은 적이 있습니다. 그 경험이 Fact와 Insight의 차이를 뼈저리게 깨닫게 해준 계기가 되었습니다.

이 글에서는 리서치 인사이트 도출 전 과정을 기획자 입장에서 풀어봅니다. Fact·Finding·Insight 구분, 어피니티 다이어그램, HMW 기법, 트라이앵귤레이션까지 — 이론과 실전 예시를 함께 담았으니 처음 리서치를 접하는 주니어 기획자에게도 도움이 되실 겁니다.

1. 인사이트란 무엇인가 — Fact, Finding, Insight의 차이

많은 기획자들이 리서치 결과물을 정리할 때 Fact, Finding, Insight를 혼동합니다. 저는 처음 보고서를 작성할 때 인터뷰 발언을 그대로 옮겨놓고 그것이 인사이트라고 생각했습니다. 하지만 그건 Fact에 불과했습니다. 핵심 위주로 요약하라는 피드백을 받고 나서야 이 세 개념의 층위 차이를 이해하게 되었습니다.

인사이트(Insight)는 데이터에서 발견한 의미 있는 패턴으로, 행동이나 결정을 이끌어낼 수 있는 발견입니다. 단순한 사실의 기록이 아니라, 그 사실이 왜 일어났는지, 사용자에게 무엇을 의미하는지를 설명하는 문장이어야 합니다.

마치 형사물에 비유하자면, Fact는 "현장에 발자국이 있었다"이고, Finding은 "발자국의 패턴이 용의자의 신발 사이즈와 일치한다"이며, Insight는 "용의자가 사전에 현장을 답사했을 가능성이 높다 — 이는 계획 범행을 시사한다"입니다. 인사이트는 결론을 향해 한 발짝 더 나아간 문장입니다.

Fact / Finding / Insight 비교표

좋은 인사이트는 "그래서 어떻게 해야 하는가"를 판단할 수 있게 해주는 수준까지 도달해야 완성됩니다. 단순히 데이터를 요약한 문장이 아니라, 그 데이터 뒤에 숨어 있는 사용자의 맥락과 감정, 동기를 해석한 문장이어야 합니다.

💡 체크포인트: 작성한 문장이 "그래서 무엇을 만들어야 하는가?"라는 질문에 답할 수 있다면 인사이트입니다. 그렇지 않다면 아직 Fact나 Finding 수준입니다.

2. 인사이트 도출 6단계 프로세스

인사이트는 한 번에 뚝딱 나오는 것이 아닙니다. 데이터 수집부터 기회 영역 전환까지 총 6단계의 프로세스를 거쳐야 합니다. 단계별로 꼼꼼하게 따라가다 보면, 처음에는 복잡해 보이던 데이터가 점점 의미 있는 패턴으로 정리되는 경험을 하게 됩니다.

전체 흐름 요약

데이터 수집 완료 → ① 데이터 정리 및 외재화 → ② 코딩(주제 분류) → ③ 패턴 발견(어피니티 다이어그램) → ④ 테마 도출 → ⑤ 인사이트 문장 작성 → ⑥ 기회 영역 전환(HMW)

① 데이터 정리 및 외재화

인터뷰 녹취록, 관찰 노트, 설문 응답 등 모든 데이터를 한 공간에 모읍니다. 각 발언·행동을 개별 단위(포스트잇 또는 카드)로 분리하되, 이 단계에서는 절대 해석하지 않습니다. 있는 그대로 기록하는 것이 원칙입니다.

• 참여자 발언: 원문 그대로 기록 (요약·편집 금지)
• 관찰 행동: 행동 사실만 기록, 해석 제외
• 설문 데이터: 주목할 수치와 분포를 별도 카드로 정리

② 코딩 (Open Coding → Axial Coding)

각 카드에 주제 태그를 붙이는 작업입니다. 처음에는 정해진 분류 없이 내용에서 자연스럽게 주제를 뽑는 오픈 코딩으로 시작합니다. 예를 들어 "로그인이 너무 복잡해요"라는 발언에는 #인증, #진입장벽, #온보딩 태그를 붙일 수 있습니다.

오픈 코딩이 어느 정도 쌓이면 축 코딩(Axial Coding)으로 넘어가서 범주들 간의 관계를 분석합니다. 하나의 카드에 여러 태그를 붙여도 되고, 분류가 불명확한 카드는 따로 모아 나중에 재검토합니다.

③ 어피니티 다이어그램으로 패턴 발견

저는 실제로 어피니티 다이어그램을 통해 사용자가 자주 사용하는 기능에 대한 패턴을 발견하고 기능을 개선한 경험이 있습니다. 비슷한 태그의 카드들을 공간적으로 묶다 보면 예상하지 못했던 클러스터가 생기고, 그 안에서 개선 포인트가 자연스럽게 드러납니다.

어피니티 다이어그램은 3단계 구조로 진행됩니다:

1. 개별 데이터 포인트 (노란 포스트잇): 각 발언, 관찰, 수치를 개별 카드로 정리
2. 하위 클러스터 (파란 라벨): 5~10개의 유사 카드를 묶어 공통 주제 도출
3. 상위 테마 (빨간 라벨): 2~5개의 핵심 주제로 추상화

팀이 함께 진행하면 다양한 관점에서 패턴을 발견할 수 있어 혼자 하는 것보다 훨씬 풍부한 결과가 나옵니다. Miro나 FigJam 같은 협업 툴을 활용하면 온라인에서도 효과적으로 진행할 수 있습니다.

3. 좋은 인사이트 문장 쓰는 법 — 공식과 조건

많은 기획자들이 가장 어려워하는 부분이 바로 인사이트 문장을 직접 써내려가는 것입니다. 아직 실무에서 본격적인 리서치를 경험하지 못한 상태라면 더욱 막막하게 느껴질 수 있습니다. 그럴 때 활용할 수 있는 인사이트 공식이 있습니다.

인사이트 3요소 공식

[사용자 유형]은 [상황·맥락]에서 [이유] 때문에 [행동·감정]한다.

• 누가: 어떤 상황의 사용자인가 (세분화된 타겟)
• 무엇을: 어떤 행동·감정·판단을 하는가
• 왜: 어떤 이유·맥락 때문인가 (핵심)

좋은 인사이트 vs 나쁜 인사이트 비교

좋은 인사이트의 4가지 조건

1. 특정하다: 어떤 사용자, 어떤 상황인지가 명확하다
2. 설명한다: 행동의 이유와 메커니즘을 담는다
3. 행동 가능하다: 읽으면 "그러면 어떻게 해야 하는가"가 떠오른다
4. 놀랍거나 비자명하다: 당연한 이야기가 아니다 (누구나 아는 사실은 인사이트가 아님)

4. HMW(How Might We)로 인사이트를 기회로 전환하기

인사이트를 발견했다면 다음 단계는 그것을 실제 서비스 개선의 출발점으로 만드는 것입니다. 이때 사용하는 기법이 바로 HMW(How Might We)입니다. "우리가 어떻게 하면 ~할 수 있을까?"라는 질문 형식으로, 인사이트를 아이디에이션의 씨앗으로 변환합니다.

HMW 전환 공식

인사이트: "사용자는 추천이 자신의 취향이 아닌 인기 기준을 반영한다고 느낄 때 이탈을 고려한다"

HMW 예시들:

• "우리가 어떻게 하면 사용자가 추천에서 자신의 취향이 반영되고 있다고 느끼게 할 수 있을까?"
• "우리가 어떻게 하면 사용자가 추천 알고리즘을 직접 제어한다는 느낌을 줄 수 있을까?"
• "우리가 어떻게 하면 인기 콘텐츠와 개인화 콘텐츠를 명확하게 구분해서 보여줄 수 있을까?"

HMW 작성 3원칙

1. 해결책을 제시하지 않는다: HMW는 가능성을 열어두는 질문이지, 답을 제시하는 문장이 아닙니다
2. 범위를 적절히 설정한다: 너무 넓으면 방향이 없고, 너무 좁으면 아이디어가 제한됩니다
3. 하나의 인사이트에서 여러 HMW 도출: 다양한 각도에서 질문을 생성해야 풍부한 아이디어가 나옵니다

HMW는 단독으로 쓰이기보다 디자인 씽킹 프로세스, 스프린트, 또는 아이데이션 워크숍의 출발점으로 사용됩니다. Google Design Sprint에서도 HMW를 핵심 도구로 활용하고 있으니 참고해 보세요. (참고: Google Design Sprint Kit - HMW)

5. 정성·정량 데이터 종합 — 트라이앵귤레이션

단일 조사 방법만으로는 편향된 결론에 도달하기 쉽습니다. 설문만 보면 왜 그런지 알 수 없고, 인터뷰만 보면 얼마나 많은지 알 수 없습니다. 이때 필요한 것이 바로 트라이앵귤레이션(Triangulation) — 서로 다른 방법의 결과를 교차 검증하는 방식입니다.

데이터 종합 매트릭스 예시

데이터가 충돌할 때 어떻게 해야 할까?

때로는 설문에서는 만족도가 높은데 인터뷰에서는 불만이 나오는 경우가 있습니다. 이는 사회적 바람직성 편향 가능성을 의심해야 합니다. 반대로 인터뷰에서는 불편하다고 했는데 실제 관찰에서는 잘 쓰는 경우는 인식과 행동의 괴리로, 더 깊은 탐색이 필요한 신호입니다.

트라이앵귤레이션의 핵심은 데이터가 같은 방향을 가리킬 때 신뢰도를 높이고, 다른 방향을 가리킬 때 새로운 질문을 만드는 것입니다. 충돌 자체가 중요한 인사이트의 원천입니다.

6. POV 문장과 기회 영역 — 리서치의 마무리

인사이트 도출의 마지막 단계는 POV(Point of View) 문장 작성과 기회 영역 정의입니다. POV는 리서치에서 발견한 핵심 사용자 니즈와 인사이트를 한 문장으로 압축한 관점 진술문입니다.

POV 공식

[사용자]는 [니즈]가 필요하다. 왜냐하면 [인사이트]이기 때문이다.

예시: "콘텐츠 소비량이 적은 구독자는 자신이 서비스를 충분히 활용하고 있다는 확신이 필요하다. 왜냐하면 이용량이 적을 때 구독료에 대한 낭비감이 해지 결정의 가장 강한 동인이 되기 때문이다."

기회 영역 정의

POV와 HMW를 종합하면 서비스가 개입할 수 있는 구체적 공간인 기회 영역(Opportunity Area)을 정의할 수 있습니다. 기술 방식은 다음과 같습니다:

"~하는 상황에서, ~한 사용자가 ~할 수 있도록 돕는 것"

기회 영역은 이후 기능 정의, 와이어프레임, PRD 작성의 근거가 됩니다. 리서치에서 도출된 인사이트가 기회 영역으로 연결되고, 그것이 실제 기능으로 구현되는 흐름이 서비스 기획의 핵심 맥락입니다.

7. 핵심 용어 총정리 — 기획자를 위한 리서치 용어 사전

처음 리서치를 배울 때는 낯선 용어가 많아 혼란스럽습니다. 자주 등장하는 핵심 용어들을 한눈에 정리했습니다.

마무리 — 인사이트는 데이터가 아니라 해석에서 나온다

리서치의 진짜 가치는 데이터의 양이 아니라 해석의 깊이에 있습니다. Fact를 열심히 모아도, 그것을 Finding과 Insight로 끌어올리는 과정을 거치지 않으면 보고서는 그냥 데이터 덩어리에 불과합니다. 저도 처음에는 발언 하나하나를 충실히 기록하면 좋은 보고서가 될 거라 생각했지만, "핵심 위주로 정리하라"는 피드백을 받고 나서야 인사이트의 본질을 이해하게 되었습니다.

그리고 저는 직접 어피니티 다이어그램을 활용해 사용자가 자주 쓰는 기능의 패턴을 발견하고 기능을 개선한 경험이 있습니다. 처음에는 포스트잇을 붙이고 움직이는 게 단순한 작업처럼 느껴졌지만, 클러스터가 만들어지고 테마가 드러나는 순간의 쾌감은 정말 인상적이었습니다.

리서치는 한 번에 완벽하게 할 수 없습니다. 데이터를 모으고, 코딩하고, 패턴을 발견하고, 인사이트를 쓰고, 다시 데이터를 보완하는 반복적인 과정입니다. 이 글이 그 과정을 처음 시작하는 기획자들에게 작은 지도가 되었으면 합니다.

함께 읽으면 좋은 글

• 📌 사용자 행동 관찰과 다이어리 스터디 완벽 가이드
• 📌 심층 인터뷰(IDI)와 FGI 완벽 가이드 — 정성 조사 진행법 총정리
• 📌 리서치 설계와 가설 수립 완벽 가이드 — 정량·정성 조사와 IF-THEN 가설 작성법

참고 자료: Nielsen Norman Group — Thematic Analysis | Google Design Sprint Kit — HMW

Photo by Jason Goodman on Unsplash

저는 팀 과제로 앱 서비스를 직접 만들고 사용자 행동을 관찰하는 맥락 인터뷰를 진행한 적이 있습니다. 그때 가장 충격적이었던 장면이 있었는데요. 저희가 공들여 만든 캐릭터 요소에 대해 사용자들은 인터뷰에서 "귀엽다", "서비스를 잘 이용할 것 같다"고 말했습니다. 그런데 막상 실제로 앱을 사용하는 장면을 관찰해보니, 캐릭터를 한 번 보고 나서는 전혀 신경 쓰지 않았고 오히려 캐릭터 때문에 핵심 기능으로 가는 경로가 복잡해져서 사용성이 오히려 낮아졌습니다. "말"과 "행동"이 이토록 다를 수 있다는 걸 그때 처음으로 몸소 느꼈습니다.

이 경험이 이번 글의 출발점입니다. 기획자와 PM에게 사용자 조사는 인터뷰만으로 끝나지 않습니다. 사용자가 실제로 어떻게 행동하는지를 직접 "보는" 조사가 반드시 필요합니다. 이번 글에서는 행동 관찰, 맥락 인터뷰, 사용성 테스트, 그리고 다이어리 스터디까지 — 관찰 조사의 모든 것을 처음 배우는 분도 이해할 수 있게 정리해드립니다.

이 글은 심층 인터뷰(IDI)와 FGI 완벽 가이드 및 설문 설계와 정량 조사 가이드와 함께 읽으시면 리서치 전체 그림을 잡는 데 큰 도움이 됩니다.

1. 왜 "보는" 조사가 필요한가 — 말과 행동의 차이

사용자는 자신의 행동을 정확하게 기억하거나 설명하지 못합니다. 이것은 사용자가 거짓말을 한다는 게 아니라, 인간의 인지 특성상 실제 행동과 인식 사이에는 늘 간극이 존재한다는 의미입니다.

저도 그 간극을 직접 경험했습니다. "캐릭터 때문에 서비스를 잘 이용할 것 같다"는 말을 믿고 캐릭터 요소를 강화했지만, 실제 관찰에서 사용자들은 캐릭터에 거의 반응하지 않았습니다. 오히려 캐릭터가 핵심 기능으로 가는 시선과 탐색 흐름을 방해하고 있었습니다. 인터뷰는 사용자의 인식을 파악하고, 관찰은 사용자의 실제 행동을 파악합니다. 이 두 가지는 반드시 함께 이루어져야 합니다.

관찰 조사가 필요한 시점

• 인터뷰 결과와 데이터 분석 결과가 일치하지 않을 때
• 사용자가 "불편하다"고 하지만 구체적 원인을 설명하지 못할 때
• 새로운 기능의 실제 사용 흐름을 검증할 때
• 사용자의 환경(공간, 맥락, 도구)이 행동에 미치는 영향을 알고 싶을 때

비유를 들자면, 인터뷰가 "이 음식이 맛있었나요?"라고 묻는 것이라면, 관찰은 실제로 그 음식을 먹는 사람의 표정과 식습관을 지켜보는 것입니다. 말과 표정은 전혀 다른 이야기를 하고 있을 수 있습니다.

2. 핵심 용어 완전 정리 — 헷갈리는 개념 한 번에

저는 처음 관찰 조사를 배울 때 비슷해 보이는 용어들이 너무 많아서 혼란스러웠습니다. 맥락 인터뷰와 사용성 테스트가 다른 건지, 섀도잉은 언제 쓰는 건지 — 처음에는 구분이 잘 되지 않았습니다. 아래 표로 한 번에 정리해드립니다.

3. 사용자 행동 관찰 방법 3가지 — 언제 무엇을 쓸까

관찰 방법은 크게 세 가지로 나눌 수 있습니다. 각각의 장단점과 적합한 상황이 다르기 때문에, 조사 목적에 맞게 선택하는 것이 중요합니다.

① 맥락 인터뷰 (Contextual Inquiry)

참여자의 실제 환경(집, 직장, 카페 등)에서 관찰과 질문을 동시에 수행하는 방법입니다. "지금 하신 행동이 어떤 이유에서였나요?"처럼 행동 직후 즉시 질문하기 때문에, 환경·도구·루틴까지 파악할 수 있다는 강점이 있습니다. 저도 팀 과제에서 이 방법을 활용해 맥락 인터뷰를 진행했는데, 사용자가 집에서 앱을 사용하는 자연스러운 흐름 속에서 평소에는 드러나지 않는 행동 패턴을 발견할 수 있었습니다.

② 사용성 테스트 (Usability Test)

통제된 환경에서 특정 과업을 부여하고 수행 과정을 관찰하는 방법입니다. 과업 완료 여부, 오류 발생 지점, 소요 시간을 정밀하게 측정할 수 있습니다. Think Aloud(발성 사고법)와 함께 사용하면 행동의 이유까지 파악할 수 있어 특정 기능·화면의 사용성 검증에 최적화되어 있습니다.

③ 섀도잉 (Shadowing)

연구자가 참여자를 따라다니며 일상 관찰을 수행합니다. 참여자가 의식하지 못하는 습관적 행동을 포착하기에 적합하며, 서비스 접점이 다양하거나 오프라인 경험이 중요한 경우에 특히 유용합니다.

관찰 시 반드시 기록해야 할 4가지

• 행동: 무엇을 했는가 (탭, 스크롤, 멈춤, 이탈)
• 맥락: 어떤 상황에서 했는가 (장소, 시간, 동반자)
• 감정: 어떤 반응을 보였는가 (표정, 탄식, 반복 시도)
• 환경: 어떤 도구/기기를 사용했는가

4. 다이어리 스터디 — 시간의 흐름을 담는 조사

다이어리 스터디(Diary Study)는 참여자가 일정 기간(수일~수주) 동안 스스로 자신의 경험과 행동을 기록하는 종단 조사 방법입니다. 연구자가 현장에 없어도 시간 흐름에 따른 자연스러운 사용 패턴을 파악할 수 있다는 것이 가장 큰 특징입니다.

저는 다이어리 스터디를 직접 진행해본 경험은 없지만, 관찰 조사를 하면서 "이 사람이 일주일 동안 어떻게 앱을 쓰는지 연속으로 기록할 수 있다면 훨씬 많은 걸 알 수 있을 텐데"라는 생각을 했습니다. 단발성 관찰로는 포착하기 어려운 반복 패턴과 감정 변화를 다이어리 스터디가 메워준다는 점에서, 앞으로 꼭 활용해보고 싶은 방법입니다.

다이어리 스터디의 3가지 유형

일지 프롬프트 설계 원칙

다이어리 스터디의 품질은 프롬프트 설계에 달려 있습니다. 질문은 간결하고 구체적이어야 하며, 참여자 부담을 최소화해야 합니다. 개방형 질문과 척도형 질문을 혼합하고, 사진이나 스크린샷 첨부를 권장하면 맥락을 보완할 수 있습니다. 하루 기록 소요 시간은 5분 이내가 이상적입니다. (Nielsen Norman Group — Diary Studies 가이드)

5. 행동 관찰 vs 다이어리 스터디 비교

두 방법의 최적 조합: 다이어리 스터디로 전체 패턴을 파악하고, 그 중 핵심 장면을 골라 관찰 또는 심층 인터뷰로 심화 탐색하는 방식이 가장 효과적입니다.

6. 관찰 조사에서 기획으로 — 인사이트를 발굴하는 법

저는 관찰 조사를 처음 배울 때 가장 어려웠던 것이 "어떻게 질문해야 사용자의 잠재적 니즈를 파악할 수 있을까"라는 고민이었습니다. 기획자로서 내가 원하는 방향으로 질문을 유도하거나, 사용자의 심리를 건드려 프로젝트 방향을 일그러뜨릴 수 있다는 것을 직접 경험하며 더욱 어렵다고 느꼈습니다. 사용자 관점이 아닌 기획자 관점으로 전환하는 그 과정이 관찰 조사에서 가장 중요한 훈련이라고 생각합니다.

그 훈련 속에서 정말 뜻밖의 인사이트도 발견했습니다. 제가 중요하지 않을 것 같다고 생각했던 기능을 사용자들이 제일 먼저 찾고, 오히려 더 잘 활용하는 장면을 목격했습니다. 기획자가 생각하는 "핵심 기능"과 사용자가 실제로 가장 먼저 찾는 기능이 전혀 다를 수 있다는 것을 그때 처음으로 깨달았습니다. 이 경험 이후로 저는 사용자 경험을 기반으로 서비스를 설계하는 것이 얼마나 중요한지 확신하게 됐습니다.

행동 관찰 분석 4단계

관찰 데이터를 기획으로 연결하는 흐름은 다음과 같습니다. 첫째, 행동 흐름(플로우)을 도식화합니다. 둘째, 오류 발생 지점과 빈도를 집계합니다. 셋째, 실제 탐색 경로와 의도한 경로를 비교합니다. 넷째, 표정·탄식·반복 행동 등 감정 신호를 패턴화합니다. 이 네 단계를 거쳐야 비로소 "이 화면에서 사용자가 왜 이탈하는가"에 대한 근거 있는 인사이트를 도출할 수 있습니다.

다이어리 스터디 분석 4단계

다이어리 스터디 데이터는 에피소드 단위로 코딩(주제별 분류)하는 것이 기본입니다. 그 다음 시간대·상황별 사용 패턴을 시각화하고, 긍정·부정 감정 변화의 추이를 분석합니다. 마지막으로 반복 언급된 불편·만족 요소를 추출하여 우선순위 개선 항목을 도출합니다.

이렇게 얻은 관찰 인사이트를 실제 기획 결정으로 연결하는 방법은 리서치 설계와 가설 수립 가이드에서 자세히 다루고 있습니다. 관찰 결과를 IF-THEN 가설 형태로 전환하고 정량 검증으로 연결하는 흐름을 함께 읽어보시면 더욱 도움이 됩니다.

7. 처음 시작하는 기획자를 위한 관찰 조사 체크리스트

관찰 조사를 처음 시작할 때 가장 흔한 실수는 관찰하면서 즉시 해석을 시작하는 것입니다. "저 사람이 이렇게 행동하는 건 이런 이유겠지"라고 관찰 중에 단정해버리면, 실제로 중요한 다른 행동들을 놓치게 됩니다. 반드시 먼저 기록하고, 나중에 해석해야 합니다.

또 한 가지 기억할 점은 참여자에게 미리 안내를 잘 해야 한다는 것입니다. "잘하려고 하지 않아도 된다", "틀리는 게 아니라 서비스를 테스트하는 것"이라는 점을 충분히 전달해야 자연스러운 행동을 관찰할 수 있습니다. 관찰자 효과를 최대한 줄이는 것이 관찰 조사의 품질을 결정합니다.

실전 체크리스트

• ☑ 관찰 목적과 알고 싶은 행동이 명확한가?
• ☑ 관찰 방법(맥락 인터뷰/사용성 테스트/섀도잉)을 목적에 맞게 선택했는가?
• ☑ 참여자에게 사전 안내(관찰의 목적, 편안함 강조)를 했는가?
• ☑ 관찰 중에는 해석하지 않고 기록에만 집중하는가?
• ☑ Think Aloud를 활용해 행동의 이유까지 파악하고 있는가?
• ☑ 행동·맥락·감정·환경 4가지를 모두 기록하고 있는가?
• ☑ 다이어리 스터디의 경우 프롬프트가 간결하고 5분 이내 기록 가능한가?
• ☑ 관찰 데이터를 분석 후 정량 조사로 검증할 계획이 있는가?

참고 자료

• Nielsen Norman Group — Diary Studies: How to Conduct Them
• Nielsen Norman Group — Contextual Inquiry: Inspire Design by Observing and Interviewing Users in Their Context
• Usability.gov — Usability Testing

Photo by Luke Chesser on Unsplash

저는 UIUX를 처음 공부할 때, 내가 만든 서비스가 실제로 사람들에게 어떻게 받아들여지는지 너무 궁금했습니다. 그래서 처음으로 설문과 인터뷰를 통한 사용자 조사를 직접 진행해봤는데요. 막상 해보니 "어떤 질문을 해야 하지?", "몇 명에게 물어봐야 하지?", "이 데이터로 뭘 결정할 수 있지?"라는 의문이 끊이지 않았습니다. 그 경험이 이 글을 쓰게 된 출발점입니다.

기획자와 PM에게 설문 설계와 정량 조사는 단순한 조사 기술이 아닙니다. 의사결정을 숫자로 뒷받침하는 핵심 역량입니다. 이번 글에서는 정량 조사의 개념부터 설문 설계 원칙, NPS·CSAT·CES 지표, 그리고 데이터를 기획에 연결하는 방법까지 처음 배우는 분도 이해할 수 있도록 꼼꼼하게 정리했습니다.

이 글은 리서치 설계와 가설 수립 가이드의 후속편이기도 합니다. 가설을 세웠다면 이제는 그것을 검증할 차례입니다.

1. 정량 조사란 무엇인가? — 숫자로 패턴을 찾는 방법

정량 조사(Quantitative Research)는 수치로 측정 가능한 데이터를 대규모로 수집·분석해 패턴과 경향을 파악하는 방법입니다. 쉽게 말해, "이 문제가 얼마나 많은 사람에게 발생하는가?", "사용자들이 얼마나 자주 이 기능을 쓰는가?"처럼 숫자로 대답할 수 있는 질문을 다룹니다.

비유를 들자면, 정성 조사가 "왜 이 음식이 맛있는지" 요리사에게 직접 묻는 것이라면, 정량 조사는 "이 음식을 몇 명이 주문했고, 재구매율은 몇 %인지" 영수증 데이터로 파악하는 것입니다.

정량 조사가 필요한 시점

• 특정 문제가 얼마나 광범위하게 발생하는지 확인할 때
• 정성 조사에서 만든 가설을 검증해야 할 때
• 의사결정의 우선순위를 수치로 정해야 할 때
• 시간 경과에 따른 변화(추이)를 측정할 때

정성 조사 vs 정량 조사 비교

핵심 문장: 정성 조사는 가설을 만들고, 정량 조사는 가설을 검증한다.

2. 설문 설계 원칙 — 좋은 데이터를 얻으려면

저는 처음 설문을 만들 때 가장 큰 실수를 저질렀습니다. 제가 기획하고 있던 서비스에 대해 너무 기대감을 가지고 질문을 설계했는데, 결과적으로 유도 질문이 되어버린 겁니다. 예를 들어 "우리 서비스의 편리한 기능들 중 어떤 부분이 가장 마음에 드셨나요?"라는 질문은 이미 '편리하다'는 전제를 깔고 있어서, 실제로 불편함을 느낀 사용자조차 긍정적인 답변을 하게 만들었습니다. 그 경험 이후로 저는 질문 설계 원칙을 훨씬 꼼꼼히 따지게 됐습니다.

2-1. 조사 목적 명확화 (가장 중요)

설문을 만들기 전에 반드시 다음 세 가지를 먼저 정리해야 합니다. 첫째, 이 조사로 어떤 결정을 내릴 것인가. 둘째, 그 결정을 위해 어떤 데이터가 필요한가. 셋째, 이미 알고 있는 것과 아직 모르는 것은 무엇인가. 목적 없는 설문은 분석할 수 없는 데이터를 만들고, 결국 의사결정에 아무 도움이 되지 않습니다.

2-2. 피해야 할 질문 패턴

2-3. 설문 구성 순서 (권장 흐름)

설문 문항의 순서도 완성률에 큰 영향을 미칩니다. 권장 흐름은 다음과 같습니다. ① 스크리닝 문항으로 조사 대상 여부를 필터링하고, ② 인구통계 및 사용 현황으로 응답자 특성을 파악합니다. ③ 일반 인식/태도로 큰 맥락에서 시작해, ④ 핵심 주제 문항으로 조사 목적에 해당하는 질문을 배치합니다. ⑤ 세부·민감 문항은 뒤쪽에 배치해 이탈을 방지하고, ⑥ 개방형 문항은 선택적으로 마지막에 자유 의견을 수렴합니다.

2-4. 설문 길이와 완성률

원칙: 핵심 결정을 위한 '최소 문항'만 남긴다.

3. NPS·CSAT·CES — 정량 지표 완벽 이해

저도 처음에는 이 세 가지 지표를 헷갈렸는데요, 각각이 측정하는 '시간대'가 다르다고 생각하면 이해하기 훨씬 쉽습니다. NPS는 장기적 관계, CSAT는 즉각적 경험, CES는 과정의 편의성을 측정합니다.

NPS (Net Promoter Score) — 장기 충성도 지표

질문: "이 서비스를 지인에게 추천할 의향이 얼마나 있습니까? (0~10점)"

• 추천자(Promoters): 9~10점
• 중립자(Passives): 7~8점
• 비추천자(Detractors): 0~6점

계산식: NPS = 추천자(%) - 비추천자(%)

예를 들어 100명 응답자 중 추천자가 50명(50%), 비추천자가 20명(20%)이라면 NPS = 50 - 20 = +30점입니다. NPS 0 이상이면 긍정적, +50 이상이면 매우 우수한 수준으로 평가합니다. (Bain & Company, NPS 개발 원문)

CSAT (Customer Satisfaction Score) — 즉각적 만족도 지표

질문: "오늘 경험에 얼마나 만족하셨습니까? (1~5점)"

계산식: CSAT = (4~5점 응답자 수 ÷ 전체 응답자 수) × 100

특정 접점(온보딩, 결제, 고객 상담 등)의 즉각적인 만족도를 측정하는 데 최적화되어 있습니다. NPS가 전반적인 관계를 보는 것이라면, CSAT는 특정 순간을 집중 점검합니다.

CES (Customer Effort Score) — 사용 편의성 지표

질문: "원하는 것을 달성하기 위해 얼마나 많은 노력이 필요했습니까? (1~7점)"

점수가 낮을수록 좋고, 높을수록 사용자가 과도한 노력을 기울였다는 의미입니다. 이탈 원인을 찾거나 UX 개선 포인트를 파악할 때 매우 유용합니다.

저는 테스트 앱의 사용성을 조사할 때 시선 추적 장비를 활용해서 CES 관점에서 분석해 본 경험이 있습니다. 유도를 고려하여 설계한 화면에서 사용자의 시선이 의도한 방향으로 자연스럽게 이동하는지, 그리고 목표 달성까지 얼마나 적은 노력이 드는지를 추적했는데요. 이탈률이 점점 줄어들고 유도가 잘 됐을 때 정말 짜릿했습니다. 수치로 개선이 확인되는 그 순간이 서비스 기획의 보람이라고 생각합니다.

4. 핵심 용어 정리 — 시험·실무 대비 완전 정복

처음 정량 조사를 배울 때 제가 가장 헷갈렸던 부분은 비슷해 보이는 용어들의 차이였습니다. 특히 모집단과 표본, 척도와 리커트 척도 같은 개념들은 한번에 정리해두면 나중에 훨씬 편합니다.

• 모집단(Population): 결과를 일반화하고 싶은 전체 대상 (예: "대한민국 20대 스마트폰 사용자 전체")
• 표본(Sample): 모집단 중 실제로 조사에 참여한 일부 (예: 그 중 500명)
• 대표성(Representativeness): 표본이 모집단 특성을 얼마나 잘 반영하는지. 대표성이 낮으면 결과를 일반화할 수 없습니다.
• 리커트 척도(Likert Scale): "매우 불만족(1점) ~ 매우 만족(5점)"처럼 동의 정도를 단계로 측정하는 도구
• 유도 질문(Leading Question): 특정 답을 유도하는 편향 질문. 저처럼 처음 설문 만들 때 가장 많이 실수하는 부분입니다.
• 응답 편향(Response Bias): 실제 생각과 다르게 응답하는 현상. 대표적으로 사회적으로 바람직한 답변을 하려는 경향이 있습니다.
• 무응답 편향(Non-response Bias): 특정 성향의 사람들이 응답하지 않아 결과가 왜곡되는 현상
• 코호트(Cohort): 특정 기간/경험을 공유하는 사용자 집단. 예: "2025년 1월 가입자 코호트"
• 교차 분석(Cross-tabulation): 두 변수 간의 관계를 표로 비교 분석. 예: "연령대별 기능 선호도 비교"

이처럼 데이터를 어떻게 수집하고 해석하느냐에 따라 결론이 완전히 달라질 수 있기 때문에, 용어 하나하나가 실무에서 실제로 중요하게 쓰입니다. 더 자세한 리서치 방법론은 심층 인터뷰(IDI)와 FGI 완벽 가이드에서 정성 조사와 함께 비교해보시면 도움이 됩니다.

5. 데이터 분석에서 기획 의사결정으로 — 숫자를 액션으로 바꾸는 법

정량 데이터를 수집했다고 해서 기획이 자동으로 좋아지지는 않습니다. 제가 가장 어렵게 느꼈던 부분도 바로 이 지점이었습니다. 사용자마다 기준이 달라서 어떤 수치를 기준점으로 잡아야 할지, 어떤 데이터를 쌓아야 이탈률이나 방향성을 잡을 수 있을지 고민이 많았습니다.

하지만 실제로 앱의 버튼 위치와 화면 구성을 바꾼 후 사용자 참여도가 수치로 올라가는 것을 확인했을 때, 생각지도 못한 지표에서 사용자 니즈를 발견하는 경험을 하게 됐습니다. 그 이후로 저는 데이터를 다각도로 분석하는 것이 기획자와 PM의 가장 중요한 강점이라고 확신하게 됐습니다.

기본 4단계 분석 흐름

데이터 분석은 기술 통계에서 시작합니다. 평균, 중앙값, 분포를 확인해 전반적인 상태를 파악하는 것이 첫 번째입니다. 그 다음은 비교 분석으로, 신규 사용자 vs 기존 사용자처럼 그룹 간 차이를 보는 것입니다. 세 번째는 교차 분석으로 연령대별 기능 선호도처럼 변수 간의 관계를 파악합니다. 마지막으로 추이 분석을 통해 시간에 따른 변화를 측정합니다.

데이터에서 기획으로 연결하는 흐름

수치를 확인했다면 "어디가 가장 문제인가?"를 먼저 파악합니다. 불만족, 이탈, 낮은 점수가 집중되는 지점을 찾는 것입니다. 그 다음은 원인 탐색인데, 정량 결과만으로는 "왜?"를 알기 어렵습니다. 이때 정성 조사(인터뷰, FGI)를 병행해 맥락을 채웁니다. 원인을 파악했다면 "불만족 비율 × 영향도(또는 사용자 규모)"로 우선순위를 정합니다. 마지막으로 현재 수치를 기준점으로 개선 목표치를 설정합니다. 예를 들어 "현재 CSAT 3.2점 → 3개월 내 3.8점 이상"처럼 구체적인 숫자로 목표를 정하는 것입니다.

이 과정을 제대로 이해하고 싶다면 OKR과 KPI 완벽 가이드를 함께 읽어보시길 추천드립니다. 데이터로 만든 목표를 OKR/KPI 체계에 연결하는 방법을 자세히 다루고 있습니다.

6. 정량 조사를 처음 시작하는 기획자에게 — 실전 체크리스트

정량 조사를 처음 시작하는 분들이 가장 많이 하는 실수는 "일단 설문부터 만들고 보자"는 태도입니다. 목적 없이 만든 설문은 나중에 어떻게 분석해야 할지 막막하게 만들고, 결국 서랍 속에서 잠드는 데이터가 됩니다.

설문을 만들기 전에 "이 데이터를 받으면 나는 무엇을 결정할 수 있는가?"라는 질문에 먼저 대답할 수 있어야 합니다. 그 답이 명확하지 않다면 아직 설문을 만들 준비가 되지 않은 것입니다.

또 한 가지 기억할 것은 정량 조사는 단독으로 완결되지 않는다는 점입니다. 숫자는 "무엇이"를 알려주지만, "왜"는 알려주지 않습니다. 정성 조사와 함께 사용할 때 비로소 완전한 인사이트를 얻을 수 있습니다. 이 두 조사를 어떻게 통합적으로 설계하는지에 대해서는 리서치 설계와 가설 수립 가이드에서 자세히 다루고 있습니다.

실전 체크리스트

• ☑ 조사 목적과 이 데이터로 내릴 결정이 명확한가?
• ☑ 모집단과 목표 표본 크기를 설정했는가?
• ☑ 유도 질문, 이중 질문, 모호한 표현이 없는가?
• ☑ 설문 완성률을 고려해 문항 수를 최소화했는가?
• ☑ 파일럿 테스트(소규모 사전 검토)를 진행했는가?
• ☑ 분석 방법(기술통계, 교차분석 등)을 미리 계획했는가?
• ☑ 정량 결과를 보완할 정성 조사 계획이 있는가?

참고 자료

• Bain & Company — Net Promoter System 공식 소개
• Nielsen Norman Group — Quantitative User Research Methods
• Qualtrics — NPS 완전 가이드

Scott Graham Unsplash

솔직히 말하면, 저는 처음에 인터뷰 리서치를 굉장히 번거롭다고 생각했습니다. 대학 시절 팀 프로젝트를 하면서 인터뷰 대상자를 직접 찾고, 약속을 잡고, 만나러 가는 그 과정 자체가 귀찮게 느껴졌거든요. 거기다 "이 사람이 과연 우리 서비스를 충분히 이해하고 있을까?"라는 편견까지 품고 시야가 좁은 상태로 시작했습니다.

그런데 막상 인터뷰를 진행해보니, 생각이 완전히 바뀌었습니다. 질문을 뽑는 과정에서부터 사용자의 잠재적 니즈를 스스로 발견하게 되고, 인터뷰 현장에서 예상치 못한 인사이트가 터지는 경험을 했습니다. 새로운 기능이나 서비스 아이디어가 오히려 인터뷰 중에 더 쉽게 나오더라고요. 그 경험이 제 사고방식을 훨씬 넓혀줬습니다.

이 글에서는 정성 조사의 대표적인 두 방법인 심층 인터뷰(IDI)와 FGI(Focus Group Interview)를 각각의 진행 방식, 장단점, 적합한 상황까지 완벽하게 정리합니다. 리서치 설계 전반이 궁금하다면 리서치 설계와 가설 수립 완벽 가이드도 함께 읽어보세요.

1. 정성 조사(Qualitative Research)란 무엇인가

정량 조사가 "얼마나(How much)"를 측정한다면, 정성 조사는 "왜(Why)"와 "어떻게(How)"를 탐색합니다. 사용자의 동기, 감정, 맥락, 태도처럼 숫자로 바로 잡히지 않는 이유를 이해하는 데 쓰이죠.

저도 기업에서 주최하는 음식 좌담회에 참여자로 참석한 적이 있습니다. 평소에는 "맛있다, 맛없다" 정도로만 단순하게 생각하던 음식에 대해 진행자가 구체적으로 파고들어 물어보니 순간 당황했습니다. "어떤 부분이 좋으셨나요?", "그 맛의 어떤 요소가 특별하게 느껴지셨나요?" 같은 질문에 답하면서, 내가 무엇을 좋아하고 싫어하는지를 오히려 제가 새롭게 발견하는 재미있는 경험을 했습니다. 그 자리에서 "아, 이래서 정성 조사가 필요한 거구나"라는 걸 몸으로 느꼈습니다.

정성 조사가 특히 필요한 순간

• 문제가 아직 정확히 정의되지 않은 탐색 단계
• 설문·로그 데이터만으로 행동 이유가 설명되지 않을 때
• 새로운 사용자 집단을 처음 이해해야 할 때
• 기존 서비스의 불만 원인을 구체적으로 파고들 때

기획자가 시장을 조사하고 경쟁사를 분석하는 맥락에서도 정성 조사는 필수입니다. 시장 조사와 경쟁사 분석 완벽 가이드와 함께 읽으면 더 넓은 시각을 가질 수 있습니다.

2. 핵심 용어 사전 — 인터뷰 리서치 전에 반드시 알아야 할 개념들

인터뷰 리서치를 처음 접하면 낯선 용어들이 쏟아집니다. 실전에서 헷갈리지 않도록 핵심 용어를 먼저 정리합니다.

• IDI (In-depth Interview, 심층 인터뷰): 1:1로 깊게 대화하는 인터뷰. 개인의 경험·동기·감정을 깊이 탐색합니다.
• FGI (Focus Group Interview): 6~8명 소그룹을 대상으로 진행하는 집단 토론형 인터뷰.
• 모더레이터 (Moderator): FGI 진행자. 중립을 유지하면서 대화의 균형을 조정합니다.
• 토픽 가이드 (Topic Guide): 질문 주제와 순서를 정리한 진행 가이드.
• 래포 (Rapport): 참여자와 진행자 사이의 신뢰·편안한 분위기. 좋은 인터뷰의 출발점입니다.
• 프로빙 (Probing): 답변을 더 깊게 파고드는 후속 질문 기법. "왜 그렇게 느끼셨나요?", "조금 더 구체적으로 말씀해주실 수 있나요?"
• 인사이트 (Insight): 단순 사실을 넘어, 의미 있는 해석/발견.
• 포화 (Saturation): 더 인터뷰해도 새로운 주제가 거의 나오지 않는 상태. 보통 이 시점이 조사 종료 기준이 됩니다.
• 스크리너 (Screener): 참여자 적합성을 사전에 확인하는 질문지.
• 동의서 (Consent Form): 조사 목적·녹음·활용 범위를 고지하고 동의받는 문서.

3. 심층 인터뷰(IDI) — 1:1 대화로 깊이 파고드는 방법

심층 인터뷰(IDI)는 1명의 참여자와 1~2명의 조사자가 1:1로 진행하는 대화 기반 조사입니다. 집단 압력이 없기 때문에 솔직한 답변이 나올 가능성이 크고, 개인의 경험·감정·동기를 깊이 탐색하는 데 가장 적합합니다.

IDI 진행 구조 (흐름)

1. 아이스브레이킹: 분위기를 만들고, 조사 목적을 안내하며, 녹음 및 동의를 확인합니다.
2. 배경 질문: 참여자의 기본 상황과 맥락을 파악합니다.
3. 핵심 주제 탐색: 토픽 가이드를 기반으로 핵심 질문을 진행합니다.
4. 프로빙: "왜?", "예를 들면?", "그때 어떤 감정이었나요?" 등으로 답변을 심화합니다.
5. 마무리: 추가 의견을 받고, 감사 인사와 후속 안내를 합니다.

IDI 질문 유형 예시

▲ 인터뷰의 80% 이상은 오픈 질문과 프로빙으로 채워야 합니다. 클로즈드 질문은 최소화하세요.

IDI가 잘 맞는 상황

• 개인적이거나 민감한 주제 (금전, 건강, 갈등 등)
• 특정 사용자의 행동 패턴을 정밀하게 이해해야 할 때
• 파워유저 또는 이탈자를 깊게 파고들 때

4. FGI (Focus Group Interview) — 집단 역학을 활용한 그룹 토론 조사

FGI는 6~8명의 참여자를 한 자리에 모아, 모더레이터 진행 하에 특정 주제로 집단 토론을 이끄는 조사입니다. 저는 아직 FGI를 직접 진행해본 경험이 없어서, 솔직히 더 어렵게 느껴지는 방법이기도 합니다. 다양한 관점을 한꺼번에 듣는 과정에서 참여자들끼리 의견을 나누다 보면 특정 한 사람의 의견에 토론이 치우칠 수 있고, 그걸 중립적으로 조율하면서 동시에 깊은 질문을 이끌어내야 한다는 점이 만만치 않아 보입니다. 꼭 한 번 직접 진행해보고 싶습니다.

FGI 진행 구조 (흐름)

1. 도입: 목적과 규칙 안내 (정답은 없다, 서로 존중) + 참여자 소개.
2. 워밍업: 가벼운 질문으로 참여를 유도하고 긴장을 풉니다.
3. 핵심 주제 토론: 주제별로 집단 토론을 진행합니다.
4. 발산 → 수렴: 다양한 의견을 넓힌 뒤 공통점과 차이점을 정리합니다.
5. 마무리: 요약 확인 및 추가 의견 수렴.

모더레이터의 역할 — FGI의 성패를 좌우한다

FGI에서 모더레이터는 단순한 사회자가 아닙니다. 인터뷰 결과의 질을 결정하는 핵심 역할입니다.

• 특정 의견을 지지하거나 판단하지 않기 (중립 유지)
• 발언이 적은 참여자도 자연스럽게 참여시키기
• 주제 이탈 시 부드럽게 다시 방향 잡기
• 갈등이 생기면 중립적으로 중재하기

이 중에서 제가 가장 중요하다고 생각하는 것은 발언 균형 조율입니다. "목소리 큰 사람이 이긴다"는 말처럼, 저도 스터디나 팀 프로젝트를 하면서 이런 상황을 여러 번 경험했습니다. 내 의견을 차근차근 정리하고 있는데 다른 사람이 더 강하고 설득력 있게 말하면, 나도 모르게 "아, 저 의견이 맞네"라고 실시간으로 생각이 바뀌어버린 적이 있거든요. 이런 집단 압력이 FGI 데이터를 왜곡하는 가장 큰 원인이기 때문에, 모더레이터가 각별히 주의해야 합니다.

FGI가 잘 맞는 상황

• 여러 사용자 그룹의 인식 차이를 비교하고 싶을 때
• 브랜드·콘셉트·아이디어에 대한 집단 반응이 필요할 때
• 빠르게 다양한 관점을 모아야 할 때

5. IDI vs FGI 한눈에 비교 — 언제 무엇을 써야 할까

두 방법은 서로 대체재가 아니라 목적에 따라 선택하는 도구입니다. 상황에 따라 IDI만, FGI만, 혹은 두 방법을 순서대로 병행하는 경우도 많습니다.

▲ 출처: Nielsen Norman Group — Focus Groups

FGI가 더 어렵게 느껴지는 이유 중 하나는, 한 명 한 명의 심층적인 생각을 끌어내야 하는 IDI와 달리, 여러 명의 상호작용을 조율하면서 동시에 깊은 인사이트를 얻어야 한다는 복잡성 때문입니다. 모더레이터의 역량에 따라 결과가 크게 달라진다는 점도 부담입니다. 반면 IDI는 1:1이라 집중하기 쉽고, 참여자가 더 솔직해지는 경향이 있습니다.

6. 프로빙(Probing) — 인터뷰의 깊이를 결정하는 핵심 기술

프로빙은 인터뷰어의 역량을 가장 잘 보여주는 기술입니다. 단순히 질문 목록을 읽어 내려가는 것이 아니라, 참여자의 답변을 듣고 그 안에서 더 깊은 의미를 끌어내는 후속 질문을 즉흥적으로 던지는 것입니다.

저는 좌담회 참여자로 경험하면서, 프로빙의 힘을 직접 느꼈습니다. 단순히 "맛있다"로 끝날 대화를 "그 맛의 어떤 부분이 특히 기억에 남으셨나요?", "처음 먹었을 때와 지금 느낌이 다른가요?" 같은 질문으로 이어나가니, 제 자신도 몰랐던 취향과 감정을 발견하게 됐습니다. 하지만 동시에 "이런 질문을 길에서 갑자기 받으면 굉장히 귀찮을 것 같다"는 생각도 들었습니다. 이것이 바로 래포(Rapport) 형성이 중요한 이유입니다. 인터뷰 전에 충분한 아이스브레이킹으로 편안한 분위기를 만들어야 프로빙에도 열린 답변이 나옵니다.

효과적인 프로빙 질문 예시

• "왜 그렇게 느끼셨나요?"
• "조금 더 구체적으로 말씀해주실 수 있나요?"
• "그때 어떤 상황이었는지 좀 더 이야기해주실 수 있을까요?"
• "예를 들어 어떤 경우에 그런 느낌을 받으셨나요?"
• "방금 말씀하신 [키워드]에 대해 더 자세히 듣고 싶어요."

7. 인터뷰 분석 — Fact와 Insight를 구분하는 법

인터뷰가 끝나고 녹취록을 정리했다고 해서 리서치가 끝난 게 아닙니다. 수집한 데이터에서 의미 있는 인사이트를 도출해야 진짜 가치가 생깁니다.

분석 기초 흐름

1. 녹취록(또는 노트) 정리
2. 발언을 주제별로 코딩(분류)
3. 반복 패턴 / 핵심 주제 도출
4. 인사이트 문장 만들기: "사용자는 ~하기 때문에 ~한다"
5. 기획 시사점(개선 방향/우선순위)으로 연결

Fact vs Insight — 이 구분이 보고서의 수준을 결정한다

▲ Fact를 나열하는 것은 데이터 정리이고, Insight를 만드는 것이 진짜 리서치입니다.

인사이트는 그 자체로 끝나지 않고, 기획 방향 결정 및 가설 수정으로 이어져야 합니다. OKR이나 KPI 목표와 연결해서 "이 인사이트가 어떤 지표 개선으로 이어지는가?"를 함께 생각하면 더욱 실전적인 리서치 결과물이 됩니다. OKR과 KPI 완벽 가이드와 함께 읽어보세요.

8. 기획자가 인터뷰를 잘 해야 하는 이유 — 직무 경쟁력과 직결된다

기획자는 디자이너와 개발자 사이에서 의견을 조율하며, 사용자와 고객이 원하는 것을 출시할 수 있도록 이끄는 직무입니다. 저는 이 과정에서 인터뷰 역량이 기획자의 핵심 경쟁력이라고 생각합니다. 사용자의 니즈를 정확하게 파악할 수 있다면, 팀을 올바른 방향으로 이끌 수 있습니다.

반대로 인터뷰를 제대로 못 하면 어떤 일이 생길까요? 팀 전체가 열심히 함께 제품을 만들어냈는데, 사용자의 진짜 니즈를 파악하지 못해서 아무도 쓰지 않는 서비스가 되는 상황입니다. 그 피해는 팀 전체의 시간과 비용, 그리고 사기로 이어집니다. 일하는 과정에서 혼란을 일으키고, 결국 실패한 프로젝트로 남게 됩니다.

인터뷰 역량을 키우는 가장 좋은 방법은 직접 해보는 것입니다. 처음에는 번거롭고 어색하지만, 막상 해보면 저처럼 "질문을 만드는 과정에서 사용자를 이해하게 되고, 인터뷰 현장에서 생각지도 못한 아이디어가 떠오르는" 경험을 할 수 있습니다. 인터뷰는 기획자의 사고방식을 넓혀주는 가장 강력한 도구입니다.

자주 저지르는 인터뷰 실수 5가지

1. 유도 질문: "이 기능이 편리하지 않으셨나요?" → "이 기능 사용 경험이 어떠셨나요?"로 바꾸세요.
2. 침묵을 못 견디고 먼저 말하기: 침묵이 생겨도 참여자가 생각하는 시간을 주세요. 3~5초의 침묵은 자연스럽습니다.
3. 가설 확인용 질문만 하기: 원하는 답을 확인하러 가는 인터뷰는 의미가 없습니다.
4. 프로빙 없이 다음 질문으로 이동: 핵심 답변이 나왔을 때 파고들지 않으면 표면적인 데이터만 남습니다.
5. 래포 형성 없이 바로 본론: 아이스브레이킹 없이 시작하면 참여자가 방어적이 되어 솔직한 답변을 얻기 어렵습니다.

마무리 — 인터뷰는 기획자가 사용자를 만나는 가장 진지한 방식이다

인터뷰 리서치는 처음에 번거롭게 느껴질 수 있습니다. 저도 그랬으니까요. 하지만 막상 시작하면 질문을 설계하는 과정에서부터, 인터뷰 현장에서 예상치 못한 답변을 듣는 순간까지, 사용자에 대한 이해가 층층이 쌓이는 것을 느낍니다. 그리고 그 이해가 결국 더 좋은 기획으로 이어집니다.

IDI로 깊이를 파고들고, FGI로 넓이를 채우며, 프로빙으로 표면 아래를 탐색하는 것. 이 세 가지가 합쳐졌을 때 기획자는 진짜 사용자의 언어로 말할 수 있는 사람이 됩니다. 서비스 기획의 전반적인 역할이 궁금하다면 서비스기획자란 무엇인가? 역할과 책임 완벽 정리도 함께 읽어보세요.

John Schnobrich Unsplash

기획을 공부하면서 "리서치"라는 단어를 처음 들었을 때, 저는 단순히 '자료 조사' 정도라고 생각했습니다. 그런데 공부를 하면 할수록 리서치가 단순한 조사가 아니라 고객의 잠재 니즈를 발견하는 가장 강력한 방법이라는 걸 깨달았습니다. 제가 미처 생각하지 못한 부분을 실제 사용자의 목소리와 행동 데이터에서 찾아낼 수 있다는 점에서, 리서치는 기획자에게 꼭 필요한 역량이라는 확신이 생겼습니다.

하지만 막상 리서치를 어떻게 설계해야 하는지, 가설은 왜 세워야 하는지, 정량과 정성은 어떻게 다른지를 체계적으로 정리하기가 쉽지 않았습니다. 이 글에서는 리서치 설계의 전체 흐름부터 가설 작성법, 검증 방법 선택까지 기획자가 알아야 할 모든 것을 정리합니다.

시장 조사 전반에 대한 배경 지식이 필요하다면 시장 조사와 경쟁사 분석 완벽 가이드도 함께 참고해보세요.

1. 리서치란 무엇인가 — 기획자가 리서치를 해야 하는 진짜 이유

서비스 기획 맥락에서 리서치는 서비스 기획의 의사결정을 뒷받침하기 위해 고객·시장·제품에 관한 정보를 체계적으로 수집하고 분석하는 활동입니다. 단순히 "느낌"이나 "팀원들의 합의"로 기획 방향을 정하는 것이 아니라, 실제 데이터와 사용자의 목소리를 근거로 의사결정을 내리기 위해 필요합니다.

저는 앱 기획 팀 프로젝트를 진행하면서 이걸 뼈저리게 느꼈습니다. 팀원들끼리 "이 기능 진짜 좋다!"라고 의기투합해서 만들었는데, 막상 사용자가 잘 이용하지 않는 위치에 배치되어 있거나 사용 과정이 너무 귀찮아서 사용성이 크게 떨어졌던 경험이 있습니다. "처음부터 대상 사용자를 더 뚜렷하게 타겟화하고, 그들의 실제 사용 흐름을 리서치했더라면 달라지지 않았을까?"라는 아쉬움이 남았습니다. 바로 그 경험 덕분에 리서치가 얼마나 중요한지를 실감할 수 있었습니다.

리서치의 3가지 목적 유형

• 탐색적 (Exploratory): 모르는 것을 발견 → "고객이 어떤 문제를 겪는가?"
• 서술적 (Descriptive): 현상을 정확히 측정 → "몇 %의 고객이 이 문제를 겪는가?"
• 인과적 (Causal): 원인-결과 규명 → "이 기능이 전환율을 높이는가?"

기획자가 리서치를 할 때는 먼저 이 세 가지 중 어떤 목적으로 진행하는지를 분명히 해야 합니다. 목적이 명확하지 않으면, 인터뷰를 100번 해도 "그래서 뭘 알게 됐지?"라는 질문에 답하기 어려워집니다.

2. 리서치 설계 5단계 — 체계적으로 조사를 기획하는 방법

리서치는 즉흥적으로 시작해서는 안 됩니다. 5단계로 체계적으로 설계해야 편향 없이 유의미한 결과를 얻을 수 있습니다.

1단계: 목적 정의 (Why)

"이 리서치를 통해 어떤 의사결정을 내릴 것인가?"를 먼저 묻습니다. 결과에 따라 기획 방향이 실제로 바뀌어야 진짜 리서치입니다. 그냥 "알고 싶어서" 하는 리서치는 자원 낭비로 이어집니다.

2단계: 리서치 질문 설정 (What)

목적을 달성하기 위해 구체적으로 무엇을 알아야 하는지를 정합니다. 좋은 리서치 질문의 조건은 세 가지입니다: 구체적이고, 답이 가능하며, 의사결정에 직결되어야 합니다.

• ❌ 나쁜 예: "고객이 좋아하는가?"
• ✅ 좋은 예: "고객이 결제 단계에서 이탈하는 주요 이유는 무엇인가?"

3단계: 방법 선택 (How)

정량 / 정성 / 혼합 중 선택합니다. 리서치 목적과 보유 자원(시간·예산·인력)을 고려해 결정합니다.

4단계: 대상 선정 (Who)

현재 사용자 / 잠재 고객 / 이탈 고객 / 비사용자 중 누구에게 조사할지를 결정합니다. 제가 팀 프로젝트에서 아쉬웠던 부분도 바로 이 단계였습니다. 대상을 처음부터 명확하게 타겟화했더라면 훨씬 날카로운 인사이트를 얻을 수 있었을 것입니다.

5단계: 검증 기준 설정 (Measure)

리서치 결과를 어떻게 판단할지를 사전에 정해야 합니다. 예시: "인터뷰 5명 중 3명 이상이 같은 문제를 언급하면 가설 유효." 기준을 미리 정해두지 않으면, 결과가 나왔을 때 원하는 방향으로만 해석하는 확증 편향이 생깁니다.

3. 정량 조사 vs 정성 조사 — 언제 무엇을 써야 하나

정량과 정성 조사 중 어느 쪽이 더 어렵냐고 묻는다면, 저는 처음에 정성 조사가 훨씬 어렵게 느껴졌습니다. 설문지는 문항만 잘 만들면 되는데, 인터뷰는 어떤 질문을 어떻게 해야 사용자의 잠재 니즈를 끌어낼 수 있는지가 막막했습니다. 특히 정성 인터뷰의 질문 수준을 높이려면, 정량 조사에서 나온 데이터를 먼저 충분히 이해하고 그 위에서 "왜?"라는 질문을 더 깊이 파고들어야 한다는 걸 알게 됐습니다. 정량 조사를 기반으로 정성 조사를 설계해야 사용자의 잠재 의식이나 킬링 포인트를 잡아낼 수 있다는 점이 핵심입니다.

정량 조사 vs 정성 조사 비교표

▲ 권장 순서: 정성으로 발견 → 정량으로 검증. 두 방법을 순서대로 함께 사용하는 것이 가장 효과적입니다.

가장 이상적인 흐름은 정성 조사로 "왜?"를 발견하고, 정량 조사로 "얼마나?"를 검증하는 것입니다. 두 방법은 경쟁 관계가 아니라 서로를 보완하는 관계입니다. 출처: Nielsen Norman Group — Qualitative vs. Quantitative Research

4. 가설이란 무엇인가 — IF-THEN-BECAUSE 구조로 방향을 잡는 법

가설(Hypothesis)은 검증되지 않은 상태의 믿음을 검증 가능한 형태로 명시적으로 서술한 것입니다. 처음에는 "왜 이렇게 복잡하게 써야 하지?"라고 느낄 수도 있습니다. 그런데 직접 IF-THEN-BECAUSE 형식으로 가설을 작성해보니, 제가 왜 이 서비스를 만드는지에 대한 방향이 훨씬 명확해지는 경험을 했습니다.

이 서비스가 유용할 것 같아서 기획을 시작해도, 막상 진행하다 보면 방향이 흐지부지되거나 처음과 전혀 다른 곳으로 가버리는 경우가 많습니다. 하지만 가설로 방향성을 세우고 기대 효과를 미리 작성해두면, 나중에 기획을 수정하거나 새로운 아이디어를 더할 때도 장단점을 빠르게 비교하고 판단할 수 있습니다.

가설의 3가지 조건

• 구체성: 모호하지 않고 명확히 서술 가능해야 합니다.
• 검증 가능성: 데이터나 실험으로 참·거짓을 판단할 수 있어야 합니다.
• 반증 가능성: 틀릴 수 있다는 가능성을 인정해야 합니다.

가설 작성 구조 — IF-THEN-BECAUSE

IF [특정 조건이나 행동을 하면]
THEN [특정 결과가 나타날 것이다]
BECAUSE [왜 그렇게 생각하는가 — 근거]

실전 예시:

IF 앱 온보딩 화면에 사용 목적 선택 단계를 추가하면
THEN 가입 후 7일 이내 재방문율이 현재 대비 20% 이상 증가할 것이다
BECAUSE 맞춤화된 첫 경험이 서비스 가치를 빠르게 인식시켜 이탈을 줄인다는 유사 서비스 사례가 있기 때문이다

BECAUSE 절이 단순히 "그럴 것 같아서"가 아니라, 데이터나 사례, 논리적 근거로 채워져야 한다는 점이 핵심입니다. 이 근거가 약하면 가설 자체의 신뢰도가 낮아집니다.

5. 가설의 3가지 유형 — 문제·솔루션·성장 가설

가설을 쓸 줄 알게 되면, 다음 단계는 어떤 종류의 가설인지를 구분하는 것입니다. 유형에 따라 검증 방법이 완전히 달라지기 때문입니다.

1) 문제 가설 (Problem Hypothesis)

"이 고객은 이 문제를 겪고 있다"는 믿음입니다. 고객 문제의 실재 여부와 심각성을 검증하는 것이 목적으로, 주로 심층 인터뷰나 관찰 같은 정성 조사로 검증합니다.

예시: "직장인 30대는 점심 메뉴 선택에 10분 이상을 소비하며 이를 불편하게 느낀다"

2) 솔루션 가설 (Solution Hypothesis)

"이 솔루션이 문제를 해결한다"는 믿음입니다. 제안하는 기능이나 서비스가 실제로 문제를 해결하는지를 프로토타입 테스트, 사용성 테스트, MVP를 통해 검증합니다.

예시: "AI 기반 점심 추천 기능이 메뉴 선택 시간을 3분 이내로 줄여줄 것이다"

3) 성장 가설 (Growth Hypothesis)

"이 방법으로 고객을 확보·유지·성장시킬 수 있다"는 믿음입니다. 획득·전환·유지·수익화 채널이나 전략의 효과를 A/B 테스트, 코호트 분석, 채널 실험으로 검증합니다.

예시: "친구 추천 기능을 추가하면 신규 가입의 30%가 추천으로 발생할 것이다"

중요한 순서: 반드시 문제 가설 → 솔루션 가설 → 성장 가설 순서로 검증해야 합니다. 문제가 실재하는지 확인하지 않은 상태에서 솔루션부터 만들면, 아무도 원하지 않는 기능을 완성도 높게 만드는 낭비가 생깁니다. 제가 팀 프로젝트에서 겪었던 바로 그 실수였습니다.

6. 가설 우선순위 결정 — ICE 프레임워크

가설이 여러 개 있을 때 어느 것부터 검증해야 할지를 결정하는 프레임워크가 ICE입니다. 검증 자원(시간, 인력, 예산)은 항상 제한되어 있기 때문에 우선순위를 잘 잡는 것이 중요합니다.

ICE 점수 = (Impact + Confidence + Ease) ÷ 3
각 요소를 1~10점으로 평가합니다.

▲ ICE 점수가 높은 가설부터 검증하는 것이 원칙입니다. 단, Impact가 매우 높다면 Ease가 낮아도 검증할 가치가 있습니다.

OKR이나 KPI 목표와 연계해서 가설의 Impact를 평가하면 더욱 정확한 우선순위를 잡을 수 있습니다. OKR과 KPI 완벽 가이드와 함께 읽어보세요.

7. 검증 방법 선택 — 상황에 맞는 방법을 고르는 기준

가설 유형과 검증 방법을 매핑하면 다음과 같습니다.

로드맵을 수립할 때 어떤 가설을 어느 스프린트에서 검증할지를 연결하면 훨씬 체계적인 기획이 됩니다. 프로덕트 로드맵 수립 완벽 가이드도 참고해보세요.

8. 기획자가 자주 저지르는 리서치·가설 실수 6가지

리서치와 가설에서 발생하는 실수들은 대부분 초반 설계 단계에서 생깁니다. 정확한 분석 없이 다음 단계로 넘어가면 불필요한 서비스를 계속 만드는 악순환이 이어지고, 조직 전체에 시간과 비용 손실을 안겨줍니다. 반대로 이 과정을 정확히 할수록 의사소통도 빨라지고 서비스의 완성도도 높아집니다. 제가 느낀 것처럼, 리서치와 가설을 제대로 할 줄 아는 기획자는 팀 안에서 진정한 '일잘러'가 될 수 있습니다.

1. 가설 없이 리서치 시작: "일단 인터뷰하고 뭔가 나오겠지"라는 태도로 시작하면 방향성 없는 데이터만 쌓입니다. → "이 리서치로 어떤 의사결정을 할 것인가?"를 먼저 정의하세요.
2. 가설을 확인하러 가는 리서치: 원하는 답을 확인하러 가는 편향된 인터뷰. → "가설이 틀렸을 때 어떻게 할 것인가?"를 먼저 질문하면 편향을 점검할 수 있습니다.
3. 가설과 리서치 질문 혼동: 가설 = 리서치 질문이라고 오해. → 가설은 '검증할 믿음', 리서치 질문은 '알아야 할 것'으로 구분합니다.
4. 솔루션 가설을 먼저 검증: 문제 확인 전에 기능부터 테스트. → "이 문제가 실재한다는 걸 먼저 확인했는가?"를 반드시 질문합니다.
5. 검증 기준 없이 실행: 결과가 나와도 성공인지 모름. → 실행 전 성공 기준(숫자)을 반드시 사전에 정의하세요.
6. 한 가지 방법만 사용: 인터뷰만 하거나 설문만 함. → 정성으로 발견하고 정량으로 검증하는 흐름을 기본으로 삼으세요.

마무리 — 리서치와 가설은 기획자의 언어다

기획자 또는 PM이 리서치와 가설 수립을 제대로 못 하면, 사람들이 원하는 서비스를 만들어내지 못하는 기획자가 됩니다. 정확한 분석 없이 다음 단계로 계속 넘어가면, 결국 불필요한 서비스를 반복해서 만드는 데 자원을 낭비하게 됩니다. 그 피해는 팀 전체에 돌아갑니다.

반대로, 리서치와 가설을 잘 다루는 기획자는 다릅니다. 정확한 분석을 통해 서비스를 개선하면 의사소통 속도가 빨라지고, 불필요한 재작업이 줄어들며, 그 결과가 조직의 이익으로 직결됩니다. 저는 이걸 공부하면서 "리서치와 가설은 기획자의 언어"라는 생각이 들었습니다. 이 언어를 잘 구사할수록, 기획자로서 더 경제적이고 효과적으로 일할 수 있는 경쟁력이 생깁니다.

서비스 기획자의 전반적인 역할이 궁금하다면 서비스기획자란 무엇인가? 역할과 책임 완벽 정리도 함께 읽어보세요.

Campaign Creators Unsplash

기획자를 준비하는 과정에서 처음으로 회사 문서나 PM 아티클을 읽다 보면 낯선 단어들이 쏟아집니다. LTV, CAC, Churn Rate, Payback Period… 저도 처음 이 단어들을 마주했을 때 "이게 대체 무슨 말이지?"라는 생각부터 들었습니다. 문서 전체를 이해하고 싶은데 핵심 용어를 모르니 맥락이 하나도 잡히지 않는 느낌이었죠. 그래서 저는 빠르게 업무에 적응하려면 이 단어들을 먼저 공부해야겠다고 마음먹고, 자료를 찾기 시작했습니다.

그렇게 공부하다 발견한 프레임워크가 바로 Unit Economics(유닛 이코노믹스)입니다. 처음엔 복잡해 보였지만, 핵심 질문 하나로 정리가 됩니다. "고객 1명을 얻는 데 드는 비용보다, 그 고객이 주는 가치가 더 큰가?" — 이 질문에 답할 수 있다면 Unit Economics의 절반은 이해한 겁니다.

이 글에서는 Unit Economics의 핵심 개념부터 계산 방법, 판단 기준, 그리고 기획자가 자주 저지르는 실수까지 완벽하게 정리해드립니다. 비즈니스 모델 전반에 대한 맥락이 궁금하시다면 비즈니스 모델 캔버스(BMC) 완벽 가이드도 함께 읽어보시면 도움이 됩니다.

1. Unit Economics란 무엇인가 — "고객 1명"으로 보는 수익 구조

Unit Economics는 비즈니스의 가장 작은 단위(고객 1명, 거래 1건 등)를 기준으로 수익과 비용을 분석해, 사업의 수익 구조가 건강한지 판단하는 프레임워크입니다.

많은 사람들이 "매출이 늘고 있으니까 사업이 잘 되고 있겠지"라고 생각합니다. 하지만 저는 공부를 하면서 뉴스에서 전혀 다른 사례들을 많이 봤습니다. 광고 노출은 많은데 실제 구매 전환이 이루어지지 않거나, 이탈률이 계속 늘어나면서 결국 적자가 쌓이는 회사들의 이야기였죠. 매출은 늘고 있는데 왜 적자냐는 질문 — Unit Economics가 망가진 회사들의 전형적인 증상입니다. 그 기사들을 읽으면서 "아, 단순히 수치가 크다고 좋은 게 아니구나"라는 걸 처음으로 실감했습니다.

Unit Economics를 제대로 이해하면 이런 상황을 사전에 파악하고 대응할 수 있습니다. 전체 P&L(손익계산서)과 구분해서, 고객 1명 단위에서 수익이 나고 있는지를 판단하는 것이 핵심입니다.

2. CAC (Customer Acquisition Cost) — 고객 1명을 얻는 데 드는 비용

CAC는 고객 1명을 새로 확보하는 데 소요된 총 비용입니다. 공식으로 표현하면 다음과 같습니다.

CAC = 총 마케팅·영업 비용 ÷ 동일 기간 신규 획득 고객 수

CAC에 포함되는 항목과 제외되는 항목을 명확히 구분하는 것이 중요합니다. 많은 초보 기획자들이 이 경계를 흐릿하게 두는 실수를 합니다.

• 포함 항목: 광고비, 마케팅 인건비, 영업 인건비, 프로모션·쿠폰 비용, 콘텐츠 제작비
• 미포함 항목(엄격 기준): 기존 고객 유지 비용, 제품 개발비, 일반 관리비

예시: 이번 달 마케팅·영업에 총 5,000만 원을 썼고, 신규 고객이 1,000명 생겼다면 CAC = 5,000만 원 ÷ 1,000명 = 5만 원/명입니다.

저는 실제 수치를 접할 기회가 아직 없었기 때문에, AI에게 예문과 계산 문제를 부탁해서 직접 손으로 풀어보는 방식으로 공부했습니다. 업종별 통상적인 CAC 범위도 같이 찾아보면서 "이 산업은 고객 1명을 얻는 데 이 정도 비용이 드는구나"라는 감각을 키웠습니다. 그러다 보니 단순 암기가 아니라 실제 사업 맥락에서 숫자가 어떤 의미를 갖는지 이해하게 됐습니다.

3. LTV (Lifetime Value) — 고객 1명이 가져다 주는 전체 가치

LTV(또는 CLV)는 고객 1명이 서비스를 이용하는 전체 기간 동안 창출하는 순수익의 현재 가치입니다. CAC와 함께 Unit Economics의 가장 핵심적인 두 축을 이룹니다.

기본 계산식

LTV = ARPU × (1 ÷ Churn Rate)
단, ARPU = 사용자 1인당 월평균 수익 / Churn Rate = 월간 이탈률

실무 권장 계산식 (Gross Margin 반영)

LTV = (ARPU × Gross Margin) ÷ Churn Rate
Gross Margin(매출 총이익률)을 반영해야 진짜 이익 기준 LTV를 계산할 수 있습니다.

예시: ARPU가 월 1만 원, Gross Margin 70%, 월 Churn Rate 5%라면
LTV = (10,000원 × 0.7) ÷ 0.05 = 140,000원

LTV를 계산할 때 Gross Margin을 빼먹는 실수가 매우 흔합니다. 매출 기준으로만 LTV를 계산하면 실제보다 훨씬 과대 계산되어, 사업 수익성을 낙관적으로 오판하게 됩니다. "고객이 주는 수익에서 원가를 빼야 진짜 이익"이라는 점을 항상 기억하세요.

4. Churn Rate, Retention, Payback Period — 놓치면 안 되는 보조 지표들

Churn Rate(이탈률)는 처음 봤을 때 "왜 이렇게 중요하게 다루는 거지?"라는 생각이 들 수 있습니다. 저도 처음에는 그냥 탈퇴자 비율 정도로만 이해했습니다. 그런데 구독 서비스 가격 인상 뉴스를 여러 번 접하면서 생각이 바뀌었습니다. 서비스 운영비 부담 때문에 요금을 올리면, 이탈률이 급격히 올라가고, 그게 곧바로 매출 타격으로 이어지더라고요. 이탈률이 단 1~2%만 올라가도 LTV 계산 결과가 극적으로 달라진다는 걸 직접 계산해보고서야 실감했습니다.

Churn Rate (이탈률)

Churn Rate = 이탈 고객 수 ÷ 기간 시작 시점 고객 수 × 100

LTV 공식에서 분모 역할을 하기 때문에, Churn Rate가 조금만 올라가도 LTV는 크게 하락합니다. 항상 월간 또는 연간으로 단위를 통일해서 사용해야 합니다. 월간과 연간을 혼용하면 계산이 완전히 틀어집니다.

Retention Rate (유지율)

Retention Rate = 1 − Churn Rate

Churn Rate의 반대 개념으로, 기존 고객 중 다음 기간에도 남아 있는 비율입니다. 구독 서비스에서는 이 수치가 생존 지표나 다름없습니다.

Payback Period (투자 회수 기간)

Payback Period = CAC ÷ (ARPU × Gross Margin)

예시: CAC = 5만 원, ARPU = 1만 원, Gross Margin = 70%라면
Payback Period = 50,000 ÷ (10,000 × 0.7) = 약 7.1개월

주의할 점은 Payback Period가 고객의 평균 유지 기간보다 길면 투자 회수가 불가능합니다. 즉, 회수 기간이 LTV 기간을 초과하면 구조적으로 손해입니다.

5. LTV/CAC 비율 — 사업의 건강성을 한 숫자로 판단하는 법

LTV/CAC 비율은 Unit Economics에서 가장 자주 인용되는 핵심 수익성 지표입니다. "고객 1명에게 투자한 비용 대비 얼마나 더 많은 가치를 얻는가"를 하나의 숫자로 보여줍니다.

LTV/CAC = LTV ÷ CAC

LTV/CAC 비율 해석 기준표 (SaaS / 구독 서비스 기준)

▲ 출처: SaaS 업계 표준 지표 기준 (참고: U.S. Small Business Administration)

LTV/CAC가 높다고 무조건 좋은 건 아닙니다. 5 이상이면 오히려 마케팅 투자를 너무 안 하고 있다는 신호일 수 있습니다. 성장 기회를 놓치고 있는 거죠. 반대로 1 미만이면 고객을 얻을수록 손해가 쌓이는 구조입니다. 스케일업 전에 반드시 이 비율을 먼저 점검해야 합니다.

6. ARPU와 Gross Margin — LTV 계산의 두 핵심 변수

LTV를 정확히 계산하려면 ARPU와 Gross Margin을 제대로 이해해야 합니다. 이 두 가지를 혼동하거나 생략하면 LTV가 완전히 다른 값이 나옵니다.

ARPU (Average Revenue Per User)

ARPU = 총 수익 ÷ 활성 사용자 수

ARPU는 전체 사용자(무료 포함) 기준이고, ARPPU(Average Revenue Per Paying User)는 유료 사용자만 기준입니다. 프리미엄 서비스를 분석할 때 이 둘을 혼용하면 수익성이 과대 또는 과소 평가될 수 있습니다.

Gross Margin (매출 총이익률)

Gross Margin = (매출 - 매출원가) ÷ 매출 × 100

▲ 업종별 평균 수치는 개별 기업에 따라 다를 수 있습니다.

저는 공부하면서 업종별 통상적인 수치를 찾아보고, 직접 여러 분야의 수익 구조를 예상해보는 시간을 가졌습니다. "SaaS는 왜 Gross Margin이 이렇게 높을까?", "배달 플랫폼은 수수료가 매출이니까 이 범위가 맞겠구나" 같은 식으로요. 이렇게 직접 업종과 연결해서 생각해보니 단순한 공식이 아니라 사업 구조와 연결된 살아있는 숫자로 느껴졌습니다.

7. Unit Economics를 다른 기획 프레임워크와 연결하기

Unit Economics를 잘 이해하면 다른 기획 프레임워크들과 자연스럽게 연결됩니다. 저는 이 지표들이 서비스 기획 전반의 의사결정과 얼마나 긴밀하게 연결되는지 깨닫고 나서, 기획자에게 이 지표를 아는 것이 왜 필수인지를 비로소 이해했습니다.

• CAC → 마케팅 채널 전략: CAC가 높다면 어느 채널에서 비효율이 발생하는지 파악하고 예산 배분을 재조정해야 합니다. 시장 조사와 경쟁사 분석 가이드의 포지셔닝 전략과 연결됩니다.
• LTV → OKR/KPI 목표 설정: LTV는 고객 1명이 만들어내는 수익의 최대치입니다. 이를 기반으로 연간 매출 목표, MAU 목표 등 구체적인 KPI를 설정할 수 있습니다. OKR과 KPI 완벽 가이드와 함께 읽어보세요.
• Churn Rate → 프로덕트 로드맵: 이탈률이 높다면 제품의 어느 부분에서 이탈이 발생하는지 분석하고, 이를 개선하기 위한 기능 우선순위를 조정해야 합니다. 프로덕트 로드맵 수립 완벽 가이드를 참고하면 도움이 됩니다.
• LTV/CAC → 사업 타당성 검증: 이 비율이 3 이상인지 확인하는 것이 신규 사업 또는 기능 기획의 첫 번째 체크포인트가 됩니다.

8. 기획자가 자주 저지르는 Unit Economics 실수 7가지

제가 공부하면서 "나도 이 실수를 할 뻔했겠다"라고 느낀 오류들을 정리했습니다. 기획자로서 이 지표들을 빠르게 파악하고 정확하게 쓸 수 있을수록 실무 경쟁력이 높아진다는 것을 깨달았습니다. 지표를 모르면 회의에서 데이터 이야기가 나올 때 맥락을 못 잡고 결국 엉뚱한 기획을 하게 됩니다. 반대로 지표를 빠르게 읽을 수 있으면, 서비스 이슈에 즉각적으로 대응하고 설득력 있는 제안을 할 수 있습니다.

1. LTV에 Gross Margin을 반영하지 않음: 매출 기준으로 LTV를 계산해 수익성을 과대 평가. → "고객이 주는 수익에서 원가를 반드시 빼야 진짜 이익"
2. CAC 범위가 불명확: 어떤 비용을 포함할지 정의하지 않고 계산. → 포함 항목 리스트를 먼저 명확히 정의하기
3. Churn Rate 단위 혼용: 월간 이탈률과 연간 이탈률을 섞어 사용. → 항상 같은 단위(월간 또는 연간)로 통일
4. LTV/CAC가 높으면 무조건 좋다는 오해: 5 이상이면 성장 투자를 더 해야 한다는 신호일 수 있음. → "너무 높으면 성장 기회를 놓치고 있을 수도" 관점 필요
5. Unit Economics를 전체 P&L로 혼동: 회사 전체 손익과 고객 1명 기준을 혼용. → "Unit은 항상 고객 1명 기준"임을 기억
6. Payback Period가 LTV보다 길어도 된다는 오해: 회수 기간이 고객 유지 기간을 초과하면 구조적 손해. → 반드시 비교해서 확인
7. TAM·SAM·SOM과 분리해서 봄: 시장 규모와 Unit Economics는 함께 봐야 사업 타당성을 판단할 수 있습니다. TAM SAM SOM 완벽 가이드도 참고해보세요.

마무리 — 지표를 빠르게 파악하는 것이 곧 기획자의 경쟁력

기획자를 준비하면서 저는 이 지표들을 공부하고 나서 비로소 기사나 IR 자료를 읽을 때 맥락이 잡히기 시작했습니다. "아, 이 회사는 CAC는 낮은데 Churn Rate가 높구나", "LTV/CAC가 1에 가깝다는 건 지속 가능한 구조가 아니겠다"처럼 숫자가 스스로 이야기를 해주기 시작했습니다.

Unit Economics는 한 번 이해하고 끝내는 개념이 아닙니다. 서비스를 기획할 때마다, 새로운 기능의 우선순위를 잡을 때마다, 마케팅 예산을 논의할 때마다 계속 꺼내어 확인해야 하는 기준이 됩니다. 제가 경험한 것처럼 지표를 빠르게 파악할수록 서비스 이슈에 즉각 대응할 수 있고, 그게 곧 기획자로서의 경쟁력을 높이는 가장 확실한 방법이라고 생각합니다.

서비스 기획자의 전반적인 역할과 책임이 궁금하시다면 서비스기획자란 무엇인가? 역할과 책임 완벽 정리도 함께 읽어보시길 추천드립니다.

Luke Chesser Unsplash

기획 문서를 처음 작성하던 시절, 저는 "시장 규모는 약 10조 원입니다"라는 문장을 아무 근거 없이 써놓고 뿌듯했던 기억이 있습니다. 지금 돌이켜보면 정말 민망한 실수였죠. 투자자나 상위 기획자 앞에서 "그 숫자 어디서 나왔어요?"라는 질문 한 방에 말문이 막히는 경험, 기획을 시작한 분이라면 누구나 한 번쯤은 겪어봤을 겁니다.

TAM·SAM·SOM은 단순한 숫자 게임이 아닙니다. 시장의 크기를 층위별로 구분하고, 우리 서비스가 현실적으로 어디까지 도달할 수 있는지를 논리적으로 설명하는 프레임워크입니다. 이 글에서는 개념 정의부터 산정 방법, 실전 예시, 그리고 기획자들이 자주 저지르는 실수까지 완벽하게 정리해드립니다.

혹시 시장 조사 전반에 대한 내용이 궁금하시다면, 제가 이전에 정리한 시장 조사와 경쟁사 분석 완벽 가이드도 함께 읽어보시면 더욱 도움이 됩니다.

1. TAM·SAM·SOM이란? 세 가지 개념의 정의부터 정확히 잡자

TAM·SAM·SOM은 비즈니스 기획서나 투자 피칭 자료에서 빠지지 않는 시장 규모 산정의 3단계 프레임워크입니다. 초보 기획자들이 가장 많이 혼동하는 부분이기도 하죠. 마치 양파를 겹겹이 벗기는 것처럼, 전체 시장에서 점점 구체적인 우리의 타겟 시장으로 좁혀나가는 구조입니다.

TAM (Total Addressable Market, 전체 유효 시장)

TAM은 우리 제품 또는 서비스 카테고리가 이론적으로 도달할 수 있는 최대 시장 규모입니다. 경쟁자 포함, 해당 문제를 해결하고자 지불되는 모든 금액의 합을 의미합니다. 핵심 질문은 "이 문제를 해결하려는 고객이 전 세계(또는 국내)에 얼마나 있으며, 그들이 지불하는 총액은 얼마인가?"입니다. 주로 투자자 설득, 시장 진입 타당성 판단에 활용됩니다.

SAM (Serviceable Available Market, 서비스 가능 시장)

SAM은 TAM 중에서 우리 서비스의 지리적·인구통계적·기술적 조건으로 실제 타겟 가능한 시장입니다. 우리가 한국 시장에서 모바일 앱 기반으로 20~40대를 대상으로 한다면, 글로벌 TAM을 그 조건으로 필터링한 결과가 SAM이 됩니다. BMC의 고객 세그먼트(CS)와 직접 연결되는 개념이기도 합니다.

SOM (Serviceable Obtainable Market, 획득 가능 시장)

SOM은 SAM 중에서 현실적인 전략, 자원, 경쟁 구도를 고려했을 때 우리가 실제로 획득할 수 있는 시장 점유율입니다. "우리의 실행 계획으로 3년 안에 얼마를 가져올 수 있는가?"에 대한 답입니다. SOM이 설득력 있을수록, 사업 계획의 현실성이 높아집니다.

계층 구조로 이해하기

세 개념은 항상 TAM ≥ SAM ≥ SOM의 관계를 유지해야 합니다. SOM이 SAM보다 크거나, SAM이 TAM보다 크다면 산정에 오류가 있는 겁니다. 마치 서울 인구가 대한민국 인구보다 많을 수 없는 것처럼요.

2. Top-down vs Bottom-up: 두 가지 산정 방식의 차이와 활용법

저도 처음에는 무조건 보고서를 인용하는 Top-down 방식만 썼습니다. 근사해 보이기도 했고, 빠르게 숫자를 채울 수 있었거든요. 그런데 "그 보고서가 우리 서비스와 정확히 맞는 카테고리인가요?"라는 피드백을 받고 나서 Bottom-up 방식의 중요성을 깨달았습니다.

Top-down 방식 (하향식)

전체 시장 규모 데이터(거시 데이터)에서 출발해 조건을 좁혀가며 TAM → SAM → SOM을 산출하는 방식입니다. 통계청, 산업연구원, Statista, IBISWorld 같은 공신력 있는 출처에서 시장 보고서를 인용하고, 여기에 타겟 세그먼트 비율과 지역·채널 필터를 적용하면 됩니다.

흐름: 전체 시장 규모 × 타겟 세그먼트 비율 × 지역/채널 필터 = SAM → × 예상 점유율 = SOM

Bottom-up 방식 (상향식)

개별 단위(고객 수 × 구매 금액)에서 출발해 합산으로 시장 규모를 산출하는 방식입니다. 실제 고객 인터뷰, 파일럿 테스트, 유사 서비스 데이터를 기반으로 산정하므로 가정이 명확해 검증이 용이합니다. 사업 계획과 직접 연결된다는 것도 큰 강점입니다.

흐름: 타겟 고객 수(추정/조사) × 1인당 연간 구매 금액(ARPU) = SAM 또는 SOM 추정치

두 방식 비교표

▲ 두 방식을 병행해서 사용하는 것이 가장 설득력 있습니다.

3. 실전 계산 예시: 국내 구독 식단 관리 앱 서비스를 기준으로

제가 실제로 기획 프로젝트에서 사용했던 방식과 유사하게 구독 식단 관리 앱을 예시로 들어 설명해보겠습니다. 이처럼 구체적인 숫자와 근거를 함께 제시해야 기획서의 설득력이 올라갑니다.

Top-down 산정 예시

• TAM: 국내 건강기능식품 및 식단 관리 시장 전체 = 약 5조 원 (출처: 통계청 KOSIS 가공식품 및 건강식품 시장 데이터)
• SAM: TAM 중 모바일 앱 기반, 20~40대, 구독형 서비스 이용자 비율 약 15% → 약 7,500억 원
• SOM: SAM 중 1년 차 시장 점유율 목표 0.5% → 약 37억 5천만 원

Bottom-up 산정 예시

• 타겟 고객 수: 건강 관심 20~40대 스마트폰 사용자 중 구독 서비스 전환 가능 인구 약 30만 명 (설문 및 SNS 리서치 기반)
• ARPU (월 평균 결제액): 월 9,900원 → 연간 118,800원
• SOM 추정: 30만 명 × 118,800원 = 약 356억 원 (3년 차 목표)

두 방식의 결과가 완전히 일치하지는 않지만, 비슷한 규모의 수치가 나온다면 신뢰성이 높아집니다. 차이가 클 경우 가정을 재검토해야 합니다.

4. 신뢰할 수 있는 데이터 출처와 활용 기준

시장 규모 산정에서 가장 중요한 것은 숫자의 크기가 아니라 출처의 신뢰성입니다. 저는 기획 초기에 블로그 포스팅이나 출처 불명의 자료를 인용하는 실수를 자주 했는데, 지금은 아래 기준으로 데이터를 선별합니다.

• 1순위 — 정부·공공기관 통계: 통계청 KOSIS, 금융감독원, 국토교통부, 중소벤처기업부 등. 가장 높은 신뢰도이며 무료로 활용 가능합니다.
• 2순위 — 산업 협회·연구기관: 정보통신정책연구원(KISDI), 한국인터넷진흥원(KISA), 정보통신산업진흥원(NIPA) 등
• 3순위 — 글로벌 리서치 기관: Statista, IBISWorld, Grand View Research 등. 유료지만 권위 있는 출처입니다.
• 4순위 — 언론 보도: 조선비즈, 매일경제, TechCrunch 등. 인용 시 원출처 확인 필수.
• 5순위 — 기업 IR 자료: 상장사 투자자 설명 자료. 참고용으로만 활용 권장.

출처 불명 블로그나 위키 인용은 절대 금물입니다. 발표 자리에서 출처를 물어봤을 때 "잘 모르겠습니다"라고 대답해야 한다면, 그 데이터는 처음부터 사용하지 않는 것이 낫습니다.

5. TAM·SAM·SOM과 다른 기획 프레임워크의 연결

TAM·SAM·SOM은 단독으로 쓰이는 게 아니라 다른 기획 도구들과 긴밀하게 연결됩니다. 저는 처음에 이 프레임워크들이 서로 다른 도구라고 생각했는데, 실제로 써보니 하나의 큰 사고 체계 안에서 맞물려 돌아가는 부품들이었습니다.

• SAM → 고객 세그먼트(CS, BMC와 연결): SAM을 정의하는 과정이 곧 비즈니스 모델 캔버스의 고객 세그먼트를 구체화하는 과정입니다. 비즈니스 모델 캔버스(BMC) 완벽 가이드와 함께 학습하면 더욱 효과적입니다.
• SOM 전략 → 경쟁사 분석 + 포지셔닝: SOM을 어떻게 가져올 것인가는 경쟁사 분석과 차별화 전략에서 나옵니다. SWOT 분석과 5 Forces 완벽 가이드를 참고해보세요.
• SOM 수익 → OKR·KPI 목표 설정: SOM으로 추정한 수익 규모는 연간 목표 매출, MAU, ARR 등 KPI 설정의 근거가 됩니다. OKR과 KPI 완벽 가이드도 함께 읽어보세요.
• TAM 성장률 → SWOT의 기회(O): TAM의 CAGR(연평균 성장률)은 시장 진입의 기회를 판단하는 근거가 됩니다.

6. 자주 틀리는 실수 TOP 7과 교정 방법

제가 직접 저질렀거나 팀원들의 기획서에서 발견했던 실수들입니다. 아래 목록을 체크리스트처럼 활용해서, 발표 전에 꼭 한 번 검토해보세요.

1. TAM = SOM 혼동: 전체 시장을 자사의 목표로 착각합니다. "시장 점유율 100%는 독점이다. 현실적인가?"라는 질문으로 스스로 교정하세요.
2. 출처 없는 숫자: "약 10조 원으로 추정됩니다"처럼 근거 없는 수치 제시. 반드시 공신력 있는 데이터 출처와 함께 표기해야 합니다.
3. Top-down만 사용: TAM만 크게 제시하고 실질적인 SOM 산출이 없는 경우. Bottom-up SOM 산출을 병행해야 합니다.
4. SAM과 SOM 역전: SOM > SAM으로 작성하는 실수. SAM의 일부가 SOM임을 항상 기억하세요.
5. 가정 미공개: 계산 과정 없이 결과만 제시. "어떻게 그 숫자가 나왔는가?"에 대한 근거를 반드시 함께 제시해야 합니다.
6. 성장률 미반영: 현재 시장만 보고 미래 성장을 무시. CAGR을 적용해 3~5년 후 시장 크기도 제시하는 것이 권장됩니다.
7. 시장 너무 좁게 정의: SOM을 TAM처럼 좁게 잡는 경우. TAM은 카테고리 전체로 넓게 시작해야 합니다.

7. 시장 규모 산정에 쓰이는 핵심 지표 정리

시장 규모를 표현할 때는 어떤 지표를 쓰느냐에 따라 숫자의 의미가 달라집니다. 서비스 유형에 맞는 지표를 선택하는 것도 중요한 기획 역량입니다.

• GMV (Gross Merchandise Value): 플랫폼을 통해 거래된 총 상품 금액. 커머스, 마켓플레이스 서비스에서 주로 사용합니다.
• ARR (Annual Recurring Revenue): 연간 반복 수익. SaaS, 구독 서비스에서 핵심 지표입니다.
• ARPU (Average Revenue Per User): 사용자 1인당 평균 수익. Bottom-up 산정의 핵심 단위 값으로 활용됩니다.
• MAU (Monthly Active Users): 월간 활성 사용자 수. Bottom-up에서 고객 수 산정 기준으로 사용합니다.
• CAGR (Compound Annual Growth Rate): 연평균 성장률. 시장의 성장 트렌드를 표현하고 미래 시장 규모를 추정할 때 씁니다.

마무리: 숫자보다 논리, 논리보다 실행

TAM·SAM·SOM에서 가장 중요한 것은 큰 숫자가 아닙니다. 어떤 근거로, 어떤 논리로, 어떤 전략과 연결해서 그 숫자를 만들었느냐입니다. 제가 경험한 가장 설득력 있는 피칭은 "TAM이 수백조 원"이라고 외치는 자리가 아니라, "이 고객 3만 명에게 이 가격으로 이 가치를 제공하면, 1년 차에 이 정도 매출이 나옵니다"라고 조용히 설명하는 자리였습니다.

시장 규모 산정은 기획자의 분석력과 설득력을 동시에 보여주는 영역입니다. 이 글에서 정리한 개념과 방법론을 실제 프로젝트에 적용해보시면, 기획서의 수준이 한 단계 높아지는 것을 느끼실 수 있을 겁니다.

서비스 기획의 전체 프로세스가 궁금하신 분은 서비스기획자란 무엇인가? 역할과 책임 완벽 정리 글도 참고해보세요. 앞으로도 기획자를 위한 실전 가이드를 꾸준히 업데이트할 예정입니다.