제 2 강 - 고객 기회 발견

강사님 피치

핵심 메시지

열심히 하지 마라! 열정적으로 하지 마라!
못사는 사람만 열심히 산다
열심히 하지 않고 살 수 있는 방법을 찾아야 한다

PM의 역할

PM이 데이터를 본다는 것은 진실과 거짓을 구분하는 일
PRD를 열심히 써서 팀 전체가 이해하도록 만드는 것

사전 질문

1. 고객의 진짜 문제를 발견하기 위해 실질적으로 어디에서 어떤 정보를 얻을 수 있을까요?

주요 정보원:

고객 인터뷰
소셜 커뮤니티 분석

답변 요약: 고객과 직접 대화하고, 그들이 자연스럽게 모여 있는 온라인 커뮤니티에서 진솔한 의견을 수집하는 것이 중요합니다.

2. PM뿐 아니라 모든 팀의 구성원들이 고객 문제를 이해하고 집중할 수 있도록 하기 위해서는 어떻게 해야 할까요?

주요 방법:

문제에 대한 경험 공유
실제 사례에 대한 분석

답변 요약: 팀원들이 고객 문제를 직접 경험하게 하고, 구체적인 사례를 통해 공감대를 형성하는 것이 중요합니다. PRD를 명확하게 작성하여 모두가 같은 방향을 보도록 합니다.

고객 분석 방법론 개요

고객의 진짜 문제를 발견하고 기회를 찾기 위해서는 정성적 분석과 정량적 분석을 균형있게 활용해야 합니다.

정성적 분석 (Qualitative)          정량적 분석 (Quantitative)
"왜?"를 이해한다                    "무엇을, 얼마나?"를 측정한다
────────────────────────────────────────────────────────
• 고객의 맥락과 감정               • 행동 패턴과 트렌드
• 깊이 있는 인사이트               • 통계적 유의성
• 소수 샘플                        • 대규모 데이터
• 가설 생성                        • 가설 검증

최적의 접근:

정성적 분석으로 가설 생성 및 깊이 이해
정량적 분석으로 검증 및 규모 파악
지속적인 순환 (발견 → 검증 → 개선)

정성적 분석 방법 (Qualitative Methods)

정성적 분석은 고객의 맥락, 동기, 감정, 불편함을 깊이 이해하기 위한 방법입니다.

1. VOC (Voice of Customer)

개요

고객의 목소리를 다양한 채널에서 체계적으로 수집하고 분석하여, 제품/서비스 개선에 활용하는 종합적인 프로그램입니다.

언제 사용하는가

고객 중심 문화를 조직에 뿌리내리고 싶을 때
여러 접점에서 들어오는 피드백을 통합 관리하고 싶을 때
제품 로드맵이나 전략 방향을 고객 니즈와 정렬하고 싶을 때
CS 팀의 인사이트를 제품/마케팅 팀과 연결하고 싶을 때

실행 방법

1) 수집 채널 정의

CS 티켓 (Zendesk, Intercom, Freshdesk)
이메일 문의
전화 상담 기록
라이브 챗
소셜 미디어 멘션
제품 내 피드백 버튼
NPS 설문 후속 답변

2) 수집 체계 구축

모든 VOC를 한 곳에 모으는 시스템 구축
각 피드백에 태그 부여 (기능 요청, 버그, 불만, 칭찬 등)
심각도/긴급도 레벨 설정
담당자 배정

3) 분석 및 패턴 발견

주간/월간 리포트 작성
키워드 빈도 분석
세그먼트별 비교 (유료 vs 무료, 산업별 등)
시계열 트렌드 파악

4) 액션 연결

우선순위 높은 이슈를 제품 백로그로 전환
정기적인 VOC 리뷰 미팅
해결된 이슈를 고객에게 피드백 (closed-loop)

핵심 질문

가장 많이 언급되는 불편함은 무엇인가?
어떤 고객 세그먼트에서 특정 이슈가 집중되는가?
이번 달 신규 이슈는 무엇인가?
고객이 원하는 것 vs 실제 필요한 것은 무엇인가?

장점

고객의 생생한 목소리를 직접 들을 수 있음
여러 접점의 정보를 통합하여 전체 그림 파악
지속적이고 체계적인 피드백 루프 구축
조직 전체가 고객 중심으로 일하게 만드는 문화적 도구

단점

수집과 정리에 지속적인 리소스 필요
소수의 목소리 큰 고객에게 편향될 수 있음
단순 불만이 아닌 근본 원인 파악이 어려움
VOC를 듣기만 하고 실행으로 이어지지 않으면 무용지물

실무 팁

CS 팀과 제품 팀 간 정기 미팅 필수
“목소리가 큰 고객”과 “침묵하는 다수” 구분하기
요청 뒤에 숨은 진짜 문제 파악하기 (5 Whys 활용)
VOC 기반으로 해결한 사례를 공유하여 팀 동기부여

2. 피드백 & 후기 (Reviews & Feedback)

개요

고객이 자발적으로 남긴 리뷰, 평점, 피드백을 체계적으로 수집하고 분석하는 방법입니다.

언제 사용하는가

공개적으로 표출된 고객 의견을 파악하고 싶을 때
경쟁사와 비교하여 강점/약점을 알고 싶을 때
브랜드 평판과 감정(sentiment)을 모니터링하고 싶을 때
제품 출시나 업데이트 후 반응을 확인하고 싶을 때

실행 방법

1) 수집 채널 정의

앱스토어 (App Store, Google Play)
리뷰 사이트 (G2, Capterra, Trustpilot)
소셜 미디어 (Twitter/X, Reddit, LinkedIn)
커뮤니티 (Product Hunt, Discord, 카카오톡 오픈채팅)
블로그 멘션

2) 자동 수집 설정

앱스토어 리뷰 알림 활성화
소셜 미디어 키워드 모니터링
Google Alerts 설정
RSS 피드 구독

3) 분석 프레임워크

별점 분포 분석 (1-5점)
긍정/부정/중립 감정 분류
주요 키워드 추출 (워드 클라우드)
카테고리별 분류 (가격, 성능, UX, 지원 등)
경쟁사 비교

4) 액션 플랜

부정 리뷰에 신속 대응
반복되는 이슈를 제품 개선으로 연결
긍정 리뷰를 마케팅 자료로 활용
장기 트렌드 모니터링

핵심 질문

가장 많은 사람들이 칭찬/불만하는 것은 무엇인가?
별점 1-2점 리뷰의 공통 패턴은?
경쟁사 대비 우리 제품의 차별점/약점은?
최근 업데이트 후 반응은 긍정적인가?

장점

고객의 진솔한 의견 (필터링되지 않음)
잠재 고객도 볼 수 있는 공개 피드백
대규모 샘플 수집 가능
경쟁사 비교 용이

단점

극단적 경험(매우 좋거나 나쁜)만 리뷰로 남는 경향
부정 리뷰가 과대 대표될 수 있음
맥락이 부족하여 해석이 어려울 수 있음
가짜 리뷰나 악의적 피드백 존재

실무 팁

별점 2-3점 리뷰가 가장 구체적이고 건설적
부정 리뷰에 응답하면 브랜드 이미지 개선 효과
“이 리뷰가 도움이 되었나요?” 같은 메타 데이터 활용
시간대별 추이를 보며 특정 업데이트의 영향 파악

3. 고객 인터뷰 (Customer Interview)

개요

고객과 1:1 또는 소그룹으로 심층 대화를 나누며, 그들의 니즈, 동기, 행동 패턴, 불편함의 맥락을 탐구하는 가장 강력한 정성적 방법입니다.

언제 사용하는가

문제 영역을 탐색하고 가설을 생성하고 싶을 때
정량 데이터로는 알 수 없는 “왜?”를 이해하고 싶을 때
새로운 제품/기능 아이디어를 검증하고 싶을 때
타겟 고객의 페르소나를 구축하고 싶을 때
고객의 워크플로우와 의사결정 과정을 이해하고 싶을 때

실행 방법

1) 준비 단계

인터뷰 목표 명확화 (무엇을 알고 싶은가?)
대상 고객 정의 (세그먼트, 특성)
5-8명 모집 (더 많아도 되지만 5명이면 80% 패턴 발견)
인센티브 준비 (기프티콘, 할인 쿠폰 등)

2) 질문 가이드 작성

반구조화된 질문 (열린 질문 위주)
시간순 흐름 따라가기 (과거 경험 → 현재 → 미래)
주요 질문 예시:
- “마지막으로 [작업]을 하셨을 때 어떻게 하셨나요?”
- “그때 가장 어려웠던/답답했던 점은?”
- “이상적으로는 어떻게 되면 좋을까요?”
가설을 유도하는 질문 피하기

3) 인터뷰 진행 (30-60분)

라포 형성 (편안한 분위기)
녹음/녹화 동의 받기
관찰자 노트 (말뿐 아니라 표정, 망설임도)
5 Whys 활용하여 깊이 파고들기
침묵을 두려워하지 않기 (고객이 생각할 시간 주기)

4) 분석 단계

전사(transcript) 작성
인사이트 추출 (포스트잇에 한 문장씩)
Affinity Mapping (유사한 것끼리 그룹화)
패턴과 테마 발견
인용구와 함께 정리

핵심 질문 예시

“최근에 [문제]를 해결하려고 했던 경험을 말씀해주시겠어요?”
“그 과정에서 가장 어려웠던 점은 무엇이었나요?”
“현재 어떤 도구/방법을 사용하고 계신가요? 만족하시나요?”
“이상적인 해결책이 있다면 어떤 모습일까요?”
“이 문제가 해결되지 않으면 어떤 영향이 있나요?”

장점

가장 깊고 풍부한 인사이트 제공
예상치 못한 발견 가능
고객의 언어와 표현 방식 이해
공감과 맥락 형성
유연하게 질문 조정 가능

단점

시간과 비용 소요 (모집, 진행, 분석)
소수 의견이라 통계적 일반화 어려움
인터뷰어 스킬에 따라 품질 차이 큼
사람들은 자신의 행동을 정확히 설명하지 못함
분석에 주관 개입 가능

실무 팁

“당신이라면 어떤 기능을 원하세요?” 대신 “마지막으로 언제 이 작업을 하셨나요?” 질문
고객이 “이런 기능 있으면 좋겠어요”라고 하면, 그 뒤의 진짜 니즈 파악
인터뷰 직후 바로 핵심 메모 정리 (기억이 선명할 때)
팀원 1명을 관찰자로 대동 (다양한 관점)
가능하면 고객의 환경에서 진행 (맥락 이해)

정량적 분석 방법 (Quantitative Methods)

정량적 분석은 숫자와 데이터를 통해 패턴, 트렌드, 인과관계를 발견하는 방법입니다.

1. 행동 데이터 분석 (Behavioral Data Analysis)

개요

사용자가 제품/서비스를 실제로 어떻게 사용하는지 행동 데이터를 수집하고 분석하는 방법입니다.

언제 사용하는가

사용자가 실제로 어떻게 행동하는지 알고 싶을 때 (말과 행동의 차이 발견)
어떤 기능이 많이/적게 쓰이는지 파악하고 싶을 때
사용자 경험의 병목 지점을 찾고 싶을 때
제품 변경의 영향을 측정하고 싶을 때

실행 방법

1) 추적 설계

핵심 지표 정의 (DAU, WAU, MAU, 세션 시간 등)
주요 이벤트 정의 (회원가입, 첫 구매, 기능 사용 등)
이벤트 속성 설계 (어떤 버튼을 클릭했는가, 어떤 화면에서?)

2) 추적 구현

분석 SDK 통합
이벤트 트래킹 코드 삽입
QA 및 검증

3) 데이터 수집

최소 2-4주 데이터 축적
계절성이나 특이 이벤트 고려

4) 분석

사용 빈도 분석
사용자 흐름 분석
이탈 지점 분석
세그먼트별 비교
시계열 트렌드

핵심 지표

참여도(Engagement): 세션 수, 세션 시간, 화면당 체류 시간
활성 사용자: DAU, WAU, MAU, DAU/MAU 비율
기능 사용률: 특정 기능을 사용한 사용자 비율
완료율: 특정 작업을 끝까지 완료한 비율
이탈률: 특정 단계에서 떠난 사용자 비율

장점

실제 행동 데이터 (말과 행동의 차이 발견)
지속적이고 자동화된 수집
대규모 사용자 분석 가능
객관적이고 편향 없는 데이터

단점

“왜” 그런 행동을 했는지는 알 수 없음
초기 구현 복잡성
데이터 해석에 전문성 필요
개인정보 보호 고려 필수

실무 팁

너무 많은 이벤트 추적 시작하지 말고, 핵심 10-15개부터
이벤트 네이밍 컨벤션 사전 정의
정성적 방법과 조합 (데이터에서 이상 패턴 발견 → 인터뷰로 이유 파악)
대시보드를 팀 전체와 공유하여 데이터 민주화

2. 세그먼트 분석 (Segment Analysis)

개요

사용자를 특정 기준(속성, 행동, 가치)에 따라 그룹으로 나누고, 각 그룹의 차이를 비교 분석하는 방법입니다.

언제 사용하는가

사용자 그룹별로 다른 행동 패턴이 있는지 확인하고 싶을 때
타겟팅된 마케팅/기능 개발을 하고 싶을 때
고가치 고객과 저가치 고객을 구분하고 싶을 때
특정 세그먼트의 문제를 집중적으로 해결하고 싶을 때

실행 방법

1) 세그먼트 기준 정의

인구통계적 세그먼트:

지역, 연령, 성별, 직업, 산업

행동 기반 세그먼트:

신규 vs 기존 사용자
활성 vs 비활성 사용자
파워 유저 vs 라이트 유저
특정 기능 사용 여부

가치 기반 세그먼트:

무료 vs 유료 고객
구매 금액별 (소액/중액/고액)
LTV (생애 가치) 기준

시간 기반 세그먼트:

가입 시기별
최근 활동 시점

2) 데이터 수집 및 분류

사용자 프로필 데이터와 행동 데이터 결합
각 사용자를 세그먼트에 할당

3) 세그먼트별 비교 분석

핵심 지표 비교
행동 패턴 차이 발견
통계적 유의성 검정

4) 인사이트 도출 및 액션

고가치 세그먼트 특성 파악
각 세그먼트에 맞는 전략 수립
타겟팅된 마케팅/제품 개선

핵심 질문

어떤 세그먼트가 가장 높은 리텐션을 보이는가?
유료 전환율이 높은 세그먼트의 특징은?
파워 유저와 일반 유저의 행동 차이는?
특정 지역/산업에서만 나타나는 패턴이 있는가?

장점

일반화된 평균이 아닌 구체적 그룹 이해
타겟팅된 의사결정 가능
리소스를 고가치 세그먼트에 집중
마케팅 효율성 증가

단점

세그먼트를 너무 잘게 나누면 의미 없어짐
세그먼트 간 중복 발생 가능
충분한 샘플 사이즈 필요
정적인 분류는 시간이 지나면 부정확해질 수 있음

실무 팁

2-3개 축을 조합하여 세그먼트 정의
세그먼트는 3-7개 정도가 관리 가능
각 세그먼트에 이름 부여 (페르소나처럼)
세그먼트별 코호트 분석을 조합하면 더 강력

예시

모바일 사용자가 데스크톱 사용자보다 리텐션 20% 높음 → 모바일 경험 강화
특정 산업(예: 헬스케어) 고객이 특정 기능을 많이 사용 → 수직적 마케팅
첫 7일 내 친구 3명 이상 초대한 사용자는 6개월 리텐션 80% → 온보딩에 초대 기능 강조

3. 코호트 분석 (Cohort Analysis)

개요

동일한 시점에 특정 행동을 한 사용자 그룹(코호트)을 정의하고, 시간이 지남에 따라 그들의 행동 변화를 추적하는 방법입니다.

언제 사용하는가

시간에 따른 사용자 행동 변화를 이해하고 싶을 때
리텐션(재방문율)을 측정하고 개선하고 싶을 때
제품 변경이 신규 사용자에게 미치는 영향을 추적하고 싶을 때
생애 가치(LTV)를 예측하고 싶을 때

실행 방법

1) 코호트 정의

시간 기반 코호트 (가장 일반적):

가입 월별 (2025년 1월 가입 코호트)
가입 주별
첫 구매 시점별

행동 기반 코호트:

특정 기능을 처음 사용한 시점
특정 캠페인을 통해 유입된 그룹
첫 결제 채널별

2) 추적 지표 선택

리텐션: N일/주/월 후 다시 방문한 비율
매출: 코호트별 누적 매출
활성도: 특정 행동 반복률
이탈: 더 이상 사용하지 않는 시점

3) 데이터 수집

각 코호트를 최소 몇 주~몇 개월 추적
충분한 기간 필요 (적어도 3-6개월)

4) 시각화 및 분석

코호트 테이블 작성 (행: 코호트, 열: 경과 시간)
히트맵으로 시각화
코호트 간 비교
트렌드 파악

핵심 지표

리텐션 곡선:

Day 1, Day 7, Day 30, Day 90 리텐션
“Smile curve” 형태가 이상적 (초기 하락 후 안정)

LTV (Lifetime Value):

코호트별 누적 매출
시간에 따른 수익 증가 패턴

재참여율:

비활성 상태였다가 돌아온 비율

장점

시간에 따른 진짜 변화 측정
제품 개선의 영향을 명확히 추적
리텐션 문제를 조기에 발견
LTV 예측 가능
신규 코호트와 기존 코호트 비교로 개선 검증

단점

결과를 보기까지 시간 소요 (몇 주~몇 개월)
코호트별 샘플 사이즈가 달라 비교 어려움
외부 요인 영향 분리 어려움
복잡한 분석 구조

실무 팁

매월 코호트 리포트를 정기 루틴으로 만들기
Day 1, Day 7, Day 30 리텐션이 핵심 지표
리텐션이 급격히 떨어지는 시점에 인터뷰 진행
제품 변경 전후 코호트를 비교하여 개선 효과 검증
“좋은 리텐션”은 산업마다 다름 (벤치마크 확인)

예시: 리텐션 코호트 테이블

가입 코호트	Day 0	Day 7	Day 30	Day 90
2024년 10월	100%	45%	28%	18%
2024년 11월	100%	50%	32%	22%
2024년 12월	100%	55%	38%	?

→ 최근 코호트가 개선되고 있음 (제품 개선 효과)

추가 추천 분석 방법론

정성적 분석 방법

포커스 그룹 (Focus Groups): 소그룹 토론을 통한 집단 인사이트 발견
다이어리 스터디 (Diary Studies): 장기간 사용자의 일상 경험 추적
카드 소팅 (Card Sorting): 정보 구조와 내비게이션 최적화
에스노그라피 (Ethnographic Research): 자연스러운 환경에서 문화/행동 관찰
사용자 저니 맵핑 (Customer Journey Mapping): 고객 경험의 전체 흐름 시각화
5 Whys 분석: 근본 원인을 파악하는 질문 기법

정량적 분석 방법

퍼널 분석 (Funnel Analysis): 전환 단계별 이탈 지점 파악
RFM 분석 (Recency, Frequency, Monetary): 고객 가치 세분화
NPS (Net Promoter Score): 고객 충성도와 추천 의향 측정
히트맵 분석 (Heatmap Analysis): 클릭, 스크롤, 시선 추적 시각화
회귀 분석 (Regression Analysis): 변수 간 인과관계 통계 분석
이상 탐지 (Anomaly Detection): 비정상 패턴 자동 발견
예측 분석 (Predictive Analytics): 머신러닝으로 미래 행동 예측

과제

연구 과제

최근 본인이 어떤 서비스에 가진 불만을 하나 떠올려보십시오. 내가 실제로 느낀 불만과 실제로 원했던 것이 같았는지 설명할 수 있나요?
서비스 개선을 위해 ‘이게 문제다’라고 제안한 경우를 하나 생각해 봅니다. 그 확신이 고객 데이터, 고객 의견에서 나왔는지 아니면 나의 경험에서 나왔는지를 구분할 수 있는가 생각해 봅니다.
이번에 학습한 ‘사용자 여정 맵’ 프레임워크를 실제로 만드는 시도를 해 봅니다. 그 과정에서 결과를 ‘완성’하는 데 집중하는지, 아니면 ‘고객 문제’에서 ‘기회’를 발견하기 위한 목적으로 만들었는지를 구분할 수 있는가 생각해 봅니다.

실전 과제

자주 사용하는 서비스 하나를 선택하고, 불만이 담긴 리뷰를 수집합니다.(최소 10개)
수집한 리뷰에 ‘불만-욕구’ 구조를 적용합니다. 표면적 불만과 그 뒤에 숨은 진짜 욕구를 구분해봅니다.
해당 서비스의 사용자 여정 맵을 만듭니다. 맵 완성이 아니라 고객 문제 발견에 집중합니다.
다음 질문에 답하고, 각 답의 근거가 고객 데이터인지, 고객 의견인지, 본인 경험인지 구분합니다.
- 가장 많은 고객이 겪는 문제는?
- 가장 심각한 문제는?
- 이 서비스가 놓치고 있는 가장 큰 기회는?

제 2 강 - 고객 기회 발견

강사님 피치

핵심 메시지

PM의 역할

사전 질문

1. 고객의 진짜 문제를 발견하기 위해 실질적으로 어디에서 어떤 정보를 얻을 수 있을까요?

2. PM뿐 아니라 모든 팀의 구성원들이 고객 문제를 이해하고 집중할 수 있도록 하기 위해서는 어떻게 해야 할까요?

고객 분석 방법론 개요

정성적 분석 방법 (Qualitative Methods)

1. VOC (Voice of Customer)

개요

언제 사용하는가

실행 방법

핵심 질문

장점

단점

실무 팁

추천 도구

2. 피드백 & 후기 (Reviews & Feedback)

개요

언제 사용하는가

실행 방법

핵심 질문

장점

단점

실무 팁

추천 도구

3. 고객 인터뷰 (Customer Interview)

개요

언제 사용하는가

실행 방법

핵심 질문 예시

장점

단점

실무 팁

추천 도구

정량적 분석 방법 (Quantitative Methods)

1. 행동 데이터 분석 (Behavioral Data Analysis)

개요

언제 사용하는가

실행 방법

핵심 지표

장점

단점

실무 팁

추천 도구

2. 세그먼트 분석 (Segment Analysis)

개요

언제 사용하는가

실행 방법

핵심 질문

장점

단점

실무 팁

추천 도구

예시

3. 코호트 분석 (Cohort Analysis)

개요

언제 사용하는가

실행 방법

핵심 지표

장점

단점

실무 팁

추천 도구

예시: 리텐션 코호트 테이블

추가 추천 분석 방법론

정성적 분석 방법

정량적 분석 방법

과제

연구 과제

실전 과제

참고 자료

2강 실전 과제

정성적 분석

정량적 분석