좀더 자세한 내용은 아래 책을 참고하길…
실제 문제와 솔루션을 파악하는데 돈이 별로 들지 않는다. 또한 이 과정에서 위험도가 가장 높은 질문, 즉 이 문제를 중요하게 여기는 사람이 있는지를 다룬다. 그래서 가장 첫 단계가 된다.
공감이 필요하다. 사람들이 중요하게 생각하는 문제를 사람들이 돈을 지불할 만한 방법으로 해결하고 있는지 목표 고객의 생각을 확인해야 한다. 다시 말해 사무실에서 나와 사람 들을 인터뷰하고 설문조사를 실시해야 한다.
접근할 수 있는 시장의 진짜 니즈를 발견했고 이 니즈는 제대로 충족되지 않고 있다.
사업주는 식당을 열기 전에 먼저 해당 지역에서 외식하는 사람들, 이들의 욕구, 그 지역에서 팔지 않는 음식, 외식 트렌드에 대해 알아야 한다.
과연 개가 이 사료를 먹을 것인가? 차라리 몇몇 가까운 사람을 대상으로 실수를 저지르고 오류를 바로잡은 다음 불특정 다수에게 제품을 알리는 것이 좋다.
흡인력이 필요하다. 제품이 좋아야 흡인력이 있다. 여러분이 발견한 문제의 솔루션을 만들 수 있을지 판단해야 한다. 방문자가 실망하고 즉시 외면할 제품을 파는 것은 아무 소용 없다. 컬러 같은 회사는 입증된 흡인력도 없이 섣불리 규모를 키우려 하다가 실패한 바 있다.
사람들이 채택하고 돈을 주고 구매할 문제 해결 방법을 발견했다.
그런 다음 메뉴를 개발하고 고객을 대상으로 이 메뉴를 테스트한다. 테이블이 꽉 차고 단골손님들이 정기적으로 재방문하게 될 때까지 메뉴를 자주 바꾸면서 테스트해야 한다. 무료 시식을 제공하고 이것저것 테스트해보면서 손님들의 의견을 물어야 한다. 사업의 변동 성과 불확실한 재고 때문에 이 단계에서는 비용이 높다.
공유는 사업 성장에 도움이 될 뿐만 아니라 여러분이 만든 제품이 적절한지도 검증해준다. 입소문은 일종의 홍보다. 그리고 바이럴 효과는 유료 마케팅 효과를 증폭시켜준다.
바이럴 효과가 필요하다. 흡인력 있는 제품 이나 서비스를 만들었다면 이제 구전효과를 이용할 때다. 여러분의 서비스는 기존 사용자들로부터 암묵적인 지지를 받고 있으므로 신규 방문자를 대상으로 사용자 확보와 서비스 이용 개시 과정을 테스트해야 한다. 또한 바이럴 효과는 유료 마케팅 효과를 증폭시키므로 바이럴 효과를 확보한 주에 광고 같은 유료 마케팅 수 단을 사용하는 편이 좋다.
사람들이 계속 사용하는 적절한 제품/특징/기능을 구현했다.
사업주는 손님들이 자주 방문하도록 포인트 제도를 실시하거나 손님들이 친구들에게 식당 이야기를 하도록 만들어야 한다.
사람들이 지갑을 열 것인가? 사업 운영비와 사용자 확보 비용을 대기에 충분할 정도의 가격을 요구할 수 있을 것인가?
매출이 필요하다. 이 단계에서는 돈을 벌어야 한다. 이 단계 전까지는 고객에게 돈을 안받는다는 뜻이 아니다 (첫 고객부터 돈을 받기 시작하는 사업들도 많이 있다). 단지 처음에는 매출보다 고객 수를 늘리는 데 더 초점을 둬야 한다는 뜻이다. 처음에는 무료 체험, 무료 음료 무료 콘텐츠를 제공한다. 하지만 이제는 매출 극대화에 초점을 둬야 한다.
사용자들과 제품 기능이 자연적으로 그리고 인위적으로 성장을 촉진시킨다.
바이럴 효과가 나타나면 수익을 올리는데 주력한다. 무료 시식을 줄이고 비용을 더 엄격히 통제하며 운영을 표준화한다.
판매 유통 비용을 회수할 수 있는 채널들이 필요하다. 틈새 기업에서 대기업으로 발전해 가는 과정에서 겪게 되는 ‘간극’을 극복할 수 있게 도와주는 생태계가 필요하다.
확장이 필요하다. 매출이 발생하면 사업을 키우는 것에서 시장을 키우는 것으로 초점을 바꿀 때다. 새로운 분야별 시장vertical market 및 지리적 시장에서 더 많은 고객을 확보해야 한다. 이미 제품/시장 적합성을 확보했고 정량적으로 현황을 분석하고 있으므로 개별 고객과의 직접적인 접촉은 덜 중요하다. 따라서 사용자 기반을 키우기 위해 채널과 유통에 투자할 수 있다.
건전한 사업 생태계에서 적절한 수익을 갖춘 지속 가능하고 확장 가능한 사업을 발견했다.
적절한 조건으로 사업에서 성공적으로 철수할 수 있다.
마지막으로 사업의 수익성이 확인되면 매출의 일부를 마케팅과 홍보에 투자한다. 음식 평론가, 여행 잡지, 라디오 방송국과 접촉한다. 두 번째 식당을 열거나 첫 식당을 기반으로 프랜차이즈 사업을 시작한다.
좀더 자세한 내용은 아래 책을 참고하길…
선택과 집중이 필요하다. 사실 좋은 선택을 하는 것이 가장 중요하다. 하지만 좋은 선택을 하지 않았다고 자책하지는 말자. 우리는 상황에 따라 차악을 선택하는 경우도 비일비재하기 때문이다. 그렇다면 선택한 상품 혹은 서비스를 성공궤도에 올려놓을 수 있는 방법을 모색해야한다. 내 선택이 틀리지 않게 만들어야 한다. 선택을 잘 하면 반은 먹고 들어간다. 하지만 노력하지 않고 계속 똥볼만 찬다면 성공할 수 없다. 상품을 선택했는데 섹시하지 않다면, 마케팅을 섹시하게 하는 방법이 있으며 차별화를 기똥차게 하는 방법이 있고, 니치한 마켓을 찾아 소수를 공약하는 방법이 있다. 선택을 실패하게 만들지 말고, 성공하게 만들 수 있도록 노력하자.
이제는 시장에 안착을 했다고 판단되면, 구별화 전략을 수행해야한다.
사람들에게 브랜드가 인식된다면, 이를 바탕으로 확장하면 된다.
UX를 기획하기 전 시장분석을 하기 위해서 9 building block 이 린 캔버스로 진화했다고 생각하면 편하다. 이것을 활용해 스타트업 혹은 새로 론칭한 서비스에서 린 캔버스를 통해서 현황 분석과 앞으로의 전망을 세워보시길…
위의 표를 보면서 가이드 삼아 아래 이미지위에 서비스의 현황을 파악하길 바랍니다.
해적 지표란 스타트 업의 성장을 위한 모니터링 지표로 불립니다. 이는 페이팔 마케팅 담당이었고, 미국 스타트업 엑셀러레이터 500 Startups를 설립한 데이브 맥클루어가 개발한 분석 프래임입니다. 사용자 유치(유입, Acquisition), 사용자 활성화(활성화, Activation), 사용자 유지(유지, Retention), 매출(판매, Revenue), 추천(추천, Referral)을 줄여 AARRR로 표기한다. 아래에서 상세히 알아보자.
사용자가 어떤 경로로 여러분을 알게 되는가?
일회성 방문자들이 회원으로 가입하는가? 제품을 사용하는가?
한번 사용해본 사람이 제품을 계속 사용하게 되는가?
사용자의 활동이 매출로 이어지는가?
사용자들이 여러분의 제품을 주변에 소개하는가?
Data Scientist는 어떻게 사고를 할까? 생각의 범위와 영역이 너무도 넓어서 우리가 그들의 사고방식을 최대한 빌린다면, 해야 될 것은 너무도 많기에 하지 말아야 할 것을 따라 하는 것이 더 수월하게 그들의 어깨 위에서 세상을 바라보는 방식일 것이다. 이 관점에서 우리가 하지 말아야 할 것들을 살펴보자.
어떠한 데이터든지 간에 항상 허점은 존재하고 노이즈가 끼기 마련이다. A.I.에 들어가는 데이터를 확인해보면 데이터를 정제하는 과정에서 가장 많은 시간을 보낸다고 한다. 이를 반추해보면 데이터는 항상 기타 불순물들이 많이 낄 수밖에 없다고 가정을 하고 데이터를 보는 것이 데이터를 대하는 올바른 자세라고 할 수 있다.
데이터를 표준화하지 않는다는 뜻은 기준점을 제대로 설정하지 않는 것이다. 금주에 방문한 사용자가 얼만지 비교를 하기 위해서는 전주 데이터 혹은 동년 동기 데이터를 비교하는 것이 해당 지표가 얼마나 성장했는지를 파악할 수 있는 근거가 된다. 여기서 1주일을 설정했는데, 비교기간은 2주를 설정한다 이건 말이 안 되는 짓이다.
공명 정대한 수학에서도 예외는 존재한다. 0.99999999 = 1 이라는 것이다. 비단 가장 공정하고 클리어한 수학의 세계에서도 예외가 존재하는데 분석하는 데이터에 예외가 없다. 이것은 말이 안 된다. 예외를 어떻게 볼 것인가? 특정 서비스를 천 번 이상 방문하는 사람들은 서비스의 열혈 팬일 수도 있지만 콘텐츠를 수집해가는 검색 로봇일 수도 있다. 따라서 어떤 경우든 이들을 무시하는 것은 실수일 수 있다.
위의 내용과 연장선으로 정상치 혹은 평균치를 찾는데, 특이한 데이터를 포함한다. 이것은 실수이다. 올림픽 채점 제도에서 가장 높은 점수와 가장 낮은 점수를 배제하고 합산 점수를 매기는 경우가 있다. 이도 마찬가지이다. 하루에도 백 번 이상 서비스를 방문하는 사람들은 예상치 못했던 것을 알려줄 수도 있으므로 정성적인 관점에서는 흥미로울 수도 있지만 일반 모델(스탠더드)을 구축할 때는 도움이 되지 않는다.
계절이 여기서 4계절일 수 있지만, 여기서는 이벤트와 연관된 지표를 무시하는 것이라고 해석하는 것이 편하다. 가령 교육용 Smart TV 앱이 있다고 하자 올림픽 기간에 사용자가 급격하게 줄어들고 시험기간에 급격하게 늘어날 수 있다. 항상 데이터가 생성될때는 진공상태에서 생성되는 것이 아니라는 생각을 해야 한다. 씨줄과 날줄로 얽혀 천을 만들듯이 데이터 또한 이벤트 혹은 시간적 특수성에 영향을 받는다. 결국 중요한 것은 패턴을 찾아야 한다.
이것도 위와 같은 맥락이다. 전체의 규모를 봐야한다. 그림을 그릴 때, 한 곳만 죽어라 그리면 전체적인 균형이 맞지 않듯이 데이터를 분석하는 과정도 마찬가지이다. 그래서 상승을 할 때, 항상 전월 대비 혹은 전주 대비 비교지표가 있고 전주에 비해서 얼마나 많은 등락을 했는지 평가를 하고 전체 누적 데이터 중에서도 분 서울 해야만 정확한 수준의 분석을 이룰 수 있다.
너무 많은 종류의 데이터가 있으면 길을 잃어버린다. 발생하는 많은 데이터 중에서 가장 핵심 지표 하나를 설정하는 결정이 필요하다.
거짓 경보는 위험하지 않은데 위험하다고 하거나, 좋은데 나쁘다고 경고를 하는 지표를 뜻한다. 내지는 경보를 너무 자주 울려 사람을 지치게 하거나. 측정 방식의 실수로 인해 데이터가 오염되었음에도 불구하고 좋아지는 데이터에 의심하지 않는 행동은 오해를 불러일으킨다. 경보는 아주 급박한 상황에서 빛을 발한다. 양치기 소년의 일화처럼 3번의 연속된 경보는 분석하는 자로 하여금 지치게 만들고 대수롭지 않게 문제를 파악하게 하는 악수를 두게 된다.
세상에 모든 일을 한 사람이 파악할 수 없으며 데이터를 모을 수도 없다. 따라서 전반적인 경향을 파악하는데 타인이 혹은 타 기관이 분석한 데이터를 어떻게 잘 활용할 것인가도 그 사람의 능력이 된다.
노이즈는 노이즈다. 이것을 그냥 넘어가고, 많이 크게 되지 않게 사전 관리만 해주면 문제가 없는 상황이 된다.
서비스 운영을 하면서 가장 중요한 것은 무엇일까? 운영중인 서비스가 잘 돌아가는지 파악을 하는 것이 가장 중요하다. 이것은 데이터로서 접근을 할 수 있다. 많은 정보들이 있지만 수치로 변환해서 볼 수 있으면 우리는 어느 정도의 감으로 서비스가 잘되고 있군 반대로 서비스가 망해가는데 어떻게 하지? 라는 생각을 하고 전략을 수립하고 서비스가 더 잘될 수 있도록 조치를 취해야 하는 것이 당연한 수순이다.
더럽게 재미없지만 숫자가 가지는 절대적인 장점이 있다. 바로 정량적으로 비교를 할 수 있다는 특징이다. 이렇기 때문에 비교적 객관적으로 서비스를 바라볼 수 있게되고 조치를 취하기 전과 후를 비교할 수 있다. 그래서 대부분의 기업들에서 보고장표에는 숫자, 그래프가 비일비재하게 노출되는 이유이다. 그렇다면 우리가 서비스를 런칭했다고 하자. 그럼 우리는 어떤 지표로 서비스의 흥망성쇠를 파악할 수 있을까? 어떤 지표가 과연 중요한 지표로서의 역할을 할 수 있을까?
그중 비율은 단연 제일 좋은 지표라고 할 수 있다. 왜냐하면 행동에 반영하기가 쉽고, 비교의 속성을 내포하고 있으며, 다소 대조적인 요소들이나 내재된 갈들이 있는 요소들을 비교하기에 가장 좋은 지표이다.
기획의 정의는 어떠한 일을 하기 위해 창의적이고 논리적으로 계획을 짜는 것을 말한다. 그렇게 되기 위해서는 아래와 같은 행동이 수반되어야 한다.
기획서의 목적은 관련 부서와 상사의 원활한 협조를 끌어내기 위한 것
DO
DON’T
Plan
Do
Check
Action
5 W 2 H
3가지
삼성전자의 기안서 작성 원칙, 1매 Best! 2매 Better!
기획서 검토할 때 상사가 꼭 하는 질문 Best 3
자료 출처: 1등 기획서 상식사전
위의 이미지는 디자이너로서 무서워질 수도 있는 영상이다. 이것은 GPT-3*를 통해 만든 FIGMA에 플러그인을 통해 모바일 UI화면을 만들어내는 영상이다. 영상 내용을 살펴보면 자연어(우리가 사용하는 언어)를 통해 화면을 만들어내는 것을 확인할 수 있다. 그럼 여기서 2가지의 큰 질문이 생긴다. UI 디자이너의 미래는 없어지는 것인가? 그리고 이 플러그인은 어떻게 동작하는 것인가?
나는 Photoshop으로 UI를 친 마지막 세대의 디자이너가 될 것이다. 그때는 Pixel 베이스로 화면을 쳤고, Adobe CS6는 가혹하리 만치 현재의 기본적인 기능이라고 할 수 있는 간격을 재주는 기능이 없어 가이드 플러그인을 새로써야 했다. 그리고 가이드 PSD를 만들어야 했다. 그래서 메인 디자이너들은 화면을 치고 가이드를 치는 디자이너가 있었다. 하지만 Sketch의 등장으로 가이드를 치는 작업자는 없어졌다. 그 역할을 Sketch가 했고, 더 나아가 Zeplin이 그 역할을 대체했다. 지금은 가이드를 쳐야 하는 이유는 거의 없어진 상황이다.
Sketch는 Mac OS 전용 프로그램이라 지금은 Web을 기반으로 한 FIGMA로 지각변동이 일어나고 있는 중이다. 물론 XD도 있지만 Sketch를 대응하고자 나온 것이며, 큰 틀에서 봤을 때, Adobe 프로그램과의 호환을 제외하면 차이가 없다. 근데 이렇게 툴의 상황이 변할 때 주변의 변화는 무엇이 있었나. 그것을 살펴보면 주변에 디자이너가 적어도 프로젝트를 진행하는데 무리가 없었다는 것이다.
위의 영상은 그를 시사하는 바이다. 요소를 얹어 놓으면 그 다음 화면의 규칙과 요소를 조작하는 것은 디자이너의 일이 되는 것이다. 툴이 변화되어도 콘텐츠를 올려놓고 전체적인 균형을 보고 결정하는 것은 결국 디자이너의 몫이다. 아니 디자인적 안목이 있는 사람의 것이다. 그래서 내가 기획자로 이직한 첫 번째 이유이다. 툴이 발달할수록 그에 상응해 디자이너는 줄어든다. 하지만 A.I. 가 아무리 발전한다고 해도, 기능을 정의하고 전략적 결정을 내리는 것은 사람이 될 것이라는 확신에서 기획자로 전향하게 되었다. 물론 디자인이 지치기도 해서 포기했다.
디자이너는 역사적으로 봤을 때, 기술의 발전을 주도하기 보다는 주어진 기술을 활용해 사람과의 커뮤니케이션을 원활하게 만드는 역할을 했다. 지금 절체절명의 위기이자 기회가 될 수 있다. A.I. 는 툴이다. 이 툴을 활용해 어떻게 효율적인 결과물을 낼 것인가? 그리고 그 이후에 결과물에 핵심적인 것은 무엇인가? 그리고 시각적 인사이트를 통해 사람과 소통하는데 어떤 역할을 할 것인가? 다가올 시대에 디자이너에게 물어야 할 질문이다.
답은 스스로 내길 바란다.
대학원 수업에서 배운 내용을 인용한 것이라 약간의 오차는 있을 수 있습니다.
디자이너는 사람마다 차이가 있을 수 있으나, 능력이 가장 신장되는 기간은 학교에서 이고 대리 혹은 선임의 기간에 디자이너로서의 발전을 많이 하는 것 같다. 그것을 경험을 축적하는 방식으로 좋고, 나쁨, 옳고, 그름을 판단할 수 있게 된다. 그리고 디자인을 함에 있어 숙련도도 올라간다. 하지만 디자이너는 사람의 한계를 뛰어넘을 수 없다. 물론 타고난 사람은 학습이 없어도 대단한 성과를 낸다. 하지만 본인이 평범하다고 판단된다면, 경험이 절대적인 지표이다.
하지만 사람들이 블로그나 인터넷에 올라온 결과물 혹은 100가지 요령 등 경험을 정재해 올리는 모든 글 혹은 콘텐츠를 학습할 수 있다면 얼마나 큰 도움이 될까? 생각해본 적이 있는가? 그런 관점에서 봤을 때, 사람은 한계가 명확하다. 읽을 수 있는 글의 양과 조직할 수 있는 지식의 양 그리고 속도가 한계가 명확하다. 그리고 망각. 인간의 장점이자 단점인 망각이다. 하지만 A.I. 는 한번 학습을 하게 되면 망각하지 않는다는 장점이 있고, 이를 100% 활용할 수 있다. 이에서 사람보다 강점을 가지고 있다. 그리고 처음에 이야기한 정제된 정보를 활용해 디자인 툴을 만들기 시작한다.
그 과정에 있는 것이 GPT-3 FIGMA 플러그 인 이며 앞으로의 발전을 기대한다.
Generative Pre-trained Transformer 3(GPT-3)은 딥러닝을 이용해 인간다운 텍스트를 만들어내는 자기 회귀 언어 모델이다. openAI사가 만든 GPT-n 시리즈의 3세대 언어 예측 모델이다. GPT-3의 전체 버전은 1,750억 개의 매개변수를 가지고 있어, 2020년 5월 도입된 이전 버전 GPT-2보다 2배 이상 크다. 2020년 7월 현재 베타 테스트 중에 있으며, 사전 훈련된 언어의 자연어 처리(NLP) 시스템의 일환이다. GPT-3 출시 전 가장 큰 언어 모델은 2020년 2월에 선보인 마이크로소프트의 튜링 NLG로 GPT-3보다 용량이 10배 적었다.
GPT-3가 수행가능한 작업으로는 각종 언어 관련 문제풀이, 랜덤 글짓기, 간단한 사칙연산, 번역, 주어진 문장에 따른 간단한 웹 코딩이 가능하다.
GPT-3에서 생성되는 본문의 질은 매우 높아 유익성과 위해성을 동시에 지닌 인간이 작성한 본문과 구별하기 어렵다. 31개 오픈 AI 연구진과 엔지니어들은 GPT-3을 소개하는 2020년 5월 28일 논문 원본을 발표하면서 GPT-3의 잠재적 위험을 경고하고 위험 완화를 위한 연구를 요구했다. 호주 철학자 데이비드 찰머스는 GPT-3을 “지금까지 생산한 AI 시스템 중 가장 흥미롭고 중요한 시스템 중 하나”라고 설명했다.
2020년 10월부터 openAI는 GPT-3를 마이크로소프트 애저를 통해서 독점 공급할 것이라고 밝혔다. 지금까지 openAI가 추구해왔던 비영리, 오픈소스와 반대되는 행동이라 비판이 나오고 있는데, 한 편에선 이 정도 성능의 언어 모델을 만드는데 들어간 비용을 생각해보면 어쩔 수 없었다는 의견이 나오기도 한다.
출처
