[0401 TIL] 서비스 기획 입문 개인 과제 3

서비스 기획 입문 과제 진행 상황
✅ 데이터 분석
✅ 데스크 리서치 
✅ 5 Whys로 현상에 대한 원인 파악
✅ 우선순위 판단
✅ 가설 설정 
       문서화 (진행중) 

 

 

어제 예상한대로 오늘 과제를 끝냈다. 어제 문제 정의를 어느 정도 끝냈다고 생각해서 오늘은 할 게 별로 없을 줄 알았는데 다시 생각해보니 또 다른 해석이 나왔다. 스스로 납득이 되어야 남도 설득할 수 있을거라 생각해서 계속 데이터 분석한 것부터 읽어보고 또 읽어보고 했는데 읽어볼 때마다 새롭다(!) 뭔가 말이 안되는 것 같으면 다시 해보고 하다보니 자꾸 새롭다(??) 그래서 어제 열심히 세운 가설을 다 갈아엎었다. 드디어 스스로를 설득하는데 성공했다고 생각하는데 내일의 나는 제발 딴지를 걸지 않기를 바란다 (이젠 다시 할 기력도 시간도 없다)

 

 

 

문제 현상 1 : 혜택 정보가 어디에 있는지, 어떻게 쓰는지 파악하기 어렵다.

• Why 1 : 왜 혜택을 쓰기 어려울까? → 혜택의 정보가 분산되어있고 어떻게 사용해야하는지 모르기 때문이다 
• Why 2 : 왜 혜택의 정보가 분산되어있을까? -> 상품마다, 결제 수단마다 혜택이 다 다르게 적용되어있기 때문이다
• Why 3 : 왜 혜택이 상품마다, 결제 수단마다 다르게 적용될까? -> 네이버 자체의 혜택, 입점샵 자체의 혜택, 카드사 혜택 다 다르게 책정되어있기 때문이다 
• Why 4 : 왜 발행 주체가 여러 개인가? → 네이버 플러스 스토어는 네이버·입점 판매자·카드사 등 다양한 주체가 각자 쿠폰과 혜택을 발행하는 플랫폼 구조이기 때문이다

근본 원인 : 쿠폰·혜택의 발행 주체가 분산되어 있고 각각 조건이 달라, 사용자 입장에서 자신에게 적용되는 혜택을 한눈에 파악할 수 없는 구조

🙌🏻 문제 정의 : 분산된 혜택 구조로 인해 사용자는 자신에게 적용 가능한 혜택을 파악하지 못한다 

 

 

문제 현상 2 : AI 추천이 정확하지 않다 

• Why 1 : 왜 추천이 정확하지 않을까? → 사용자마다 데이터의 양이 달라서 추천의 품질이 균일하지 않다 
• Why 2 : 왜 사용자마다 데이터의 양이 다를까? → 앱을 많이 쓴 사람들은 소비내역, 취향 등의 데이터가 충분하지만 앱을 자주 쓰지 않거나 신규 유저의 경우 그 데이터가 부족하다 
• Why 3 : 왜 데이터가 부족한 상태에서도 추천이 되게끔 했을까? → 모든 사용자에게 동일하게 추천 경험을 제공해주는 구조 때문이다 
• Why 4 : 왜 그런 구조로 설계했을까? → 초개인화 쇼핑 경험 제공이 목표였고 쓸수록 고도화되는 추천이 전제였기 때문이다 

근본 원인 : 초개인화를 목표로 했지만 데이터가 없는 초기 사용자들을 위한 별도 설계가 없었다, 데이터 부족 상태로 추천을 시작하다보니 일부 사용자에게는 취향과 맞지 않는 경험이 발생함 

🙌🏻 문제 정의 : 데이터가 부족한 사용자를 위한 별도 설계가 없어 일부 사용자는 부정확한 추천을 경험한다 

 

 

우선순위 판단

[문제 1] 

• Impact : 높음 
  • 사용자가 혜택을 활용하지 못하면 재방문 동기 약화
  • 리텐션 목표와도 직결됨 
• Effort : 중간 
  • 결제 화면 UI 개선 또는 혜택 데이터 통합 필요 
  • 신기능 개발보다는 아니지만 그래도 개발 공수가  필요함 

 

[문제 2] 

• Impact : 높음
  • 전체 사용자에게 영향
  • 중장기 과제에 가까움 
• Effort : 높음
  • AI 모델 개선 
  • 초기 온보딩 설계 필요
  • 장기 개발 리소스 필요 

[정리]
- 문제 1 : Quick Wins (1순위) 
- 문제 2 : Big Projects (2순위) 

👉🏻 핵심 문제 선정 : 문제 1, 혜택 활용 경험을 개선하면 리텐션을 직접적으로 높일 수 있을거라 판단됨 

 

 

 

가설 설정 

가설 : 만약 상품 상세 페이지에 적용 가능한 최대 혜택을 반영한 가격을 보여주면 구매 전환율이 높아질 것이다. 

 

• 가설의 기대 결과 : 구매 전환율 향상 (혜택 인지율 증가 -> 결제 완료율 상승) 
• 가설 근거 : 리뷰 데이터에서 혜택 파악 어려움을 확인함, 혜택 발행 주체가 분산되어있어 사용자가 통합된 정보를 받지 못함
• 검증 방법 : A/B 테스트 (대조군 : 기존 상품 상세 페이지 / 실험군 : 최대 혜택 적용 가격이 노출된 상품 상세 페이지)