제 7 강 - PRD

사전 질문

1. 고객 분석 데이터 중 유의미한 데이터를 선정하는 기준은 무엇이 되어야 할까요?

답변 요약:

• 고객의 내면의 실제적인 니즈에 도달했는가를 확인해야 함

추가 고려사항:

• 표면적 행동 데이터가 아닌 근본적 욕구를 반영하는가?
• 반복적으로 나타나는 패턴인가?
• 비즈니스 목표와 연결되는가?
• 실행 가능한 액션으로 전환될 수 있는가?

2. 고객 분석 데이터를 기반으로 해결해야 할 문제의 우선순위는 어떻게 판단해야 할까요?

답변 요약:

• 현재 서비스(상품)의 상태를 데이터를 통해 진단하여 문제들의 우선순위를 판단

추가 고려사항:

• 문제의 영향 범위 (얼마나 많은 고객에게 영향을 미치는가?)
• 문제의 심각도 (비즈니스에 미치는 영향력)
• 해결 가능성 (투입 자원 대비 효과)
• 긴급성 (즉시 해결해야 하는가?)

유의미한 데이터 선정 기준

고객 분석을 통해 수집한 방대한 데이터 중에서 실제로 의사결정에 활용할 수 있는 유의미한 데이터를 선정하는 것은 매우 중요합니다. 다음은 유의미한 데이터를 판단하는 핵심 기준들입니다.

1. 고객의 진짜 니즈 반영 (Genuine Needs)

핵심 질문:

• 표면적 행동이 아닌 근본적인 욕구를 반영하는가?
• “왜?”를 5번 물어봤을 때 도달하는 본질적 문제를 다루는가?

예시:

• ❌ 표면적 데이터: “고객이 검색 기능을 자주 사용한다”
• ✅ 유의미한 인사이트: “고객이 원하는 상품을 쉽게 찾지 못해 검색에 의존한다 → 카테고리 구조와 네비게이션 개선 필요”

판단 방법:

• 5 Whys 분석 적용
• 정성 인터뷰로 데이터 배경 파악
• 행동 데이터와 피드백을 교차 검증

2. 통계적 유의성 (Statistical Significance)

핵심 질문:

• 충분한 샘플 크기를 확보했는가?
• 우연이 아닌 의미 있는 패턴인가?
• 반복적으로 관찰되는 현상인가?

판단 기준:

• p-value < 0.05: 통계적으로 유의미
• 신뢰구간: 95% 이상 신뢰 수준
• 재현성: 여러 기간/그룹에서 동일 패턴 확인

주의사항:

• 작은 샘플에서 나온 극단적 수치는 신중하게 해석
• A/B 테스트 시 충분한 관측 기간 확보 필요

3. 비즈니스 목표와의 연결성 (Business Alignment)

핵심 질문:

• 회사의 핵심 지표(KPI)에 영향을 미치는가?
• 전략적 방향성과 일치하는가?

연결 예시:

우선순위:

1. North Star Metric에 직접 영향
2. 핵심 KPI에 간접 영향
3. 보조 지표

4. 실행 가능성 (Actionability)

핵심 질문:

• 이 데이터를 바탕으로 구체적인 행동을 취할 수 있는가?
• 개선 방안이 명확한가?

예시:

• ❌ 실행 불가능: “남성 고객이 여성 고객보다 만족도가 낮다” (너무 광범위)
• ✅ 실행 가능: “30대 남성 고객이 결제 단계에서 이탈률이 높다 → 결제 옵션 다양화 필요”

액션 플랜 도출 체크리스트:

• 구체적인 개선 포인트가 식별되는가?
• 필요한 자원(시간, 인력, 예산)이 현실적인가?
• 개선 후 측정 가능한 목표를 설정할 수 있는가?

5. 영향력과 범위 (Impact & Scope)

핵심 질문:

• 얼마나 많은 고객에게 영향을 미치는가?
• 해결했을 때 비즈니스 임팩트가 큰가?

영향력 평가 매트릭스:

        높은 영향력
            ↑
    Quick Win  |  전략적 투자
    (즉시 실행) |  (로드맵 포함)
    -----------+------------
    Low Priority| Big Bets
    (보류/제외) |  (신중한 검토)
            ↓
        낮은 영향력

    ← 작은 범위    큰 범위 →

평가 방법:

• 범위: 영향받는 사용자 비율 (%)
• 영향력: 해결 시 개선되는 지표의 변화량 예상
• 우선순위 = 범위 × 영향력

6. 데이터 품질 (Data Quality)

핵심 질문:

• 데이터 수집 과정에 오류가 없는가?
• 편향(Bias)이 없는가?
• 최신 데이터인가?

체크 포인트:

• 정확성: 측정 오류, 중복 데이터 없음
• 완전성: 누락된 값이 적음 (일반적으로 5% 이하)
• 일관성: 동일한 기준으로 수집됨
• 적시성: 의사결정 시점과 관련 있는 기간의 데이터

신뢰도 평가:

데이터 신뢰도 = (정확성 + 완전성 + 일관성 + 적시성) / 4
→ 70% 이상일 때 신뢰 가능

7. 맥락과 스토리 (Context & Story)

핵심 질문:

• 숫자 뒤의 “왜”를 설명할 수 있는가?
• 이해관계자들에게 설득력 있게 전달할 수 있는가?

좋은 인사이트의 조건:

1. What: 무엇이 발생했는가 (데이터)
2. Why: 왜 발생했는가 (원인 분석)
3. So What: 그래서 무엇이 중요한가 (의미)
4. Now What: 이제 무엇을 해야 하는가 (액션)

스토리텔링 예시:

“지난 3개월간 모바일 앱 이탈률이 45%에서 60%로 증가했습니다(What). 사용자 인터뷰 결과, 최근 업데이트로 인한 로딩 속도 저하가 원인이었습니다(Why). 이는 월 매출 15% 감소와 직접 연관되어 있습니다(So What). 성능 최적화를 최우선으로 진행하여 2주 내 로딩 속도를 50% 개선하겠습니다(Now What).”

유의미한 데이터 선정 프로세스

Step 1: 데이터 수집 및 정제

• 다양한 소스에서 데이터 수집
• 품질 검증 및 정제

Step 2: 초기 필터링

• 통계적 유의성 확인
• 데이터 품질 평가
• 기준 미달 데이터 제외

Step 3: 비즈니스 관점 평가

• 비즈니스 목표와 연결성 확인
• 영향력과 범위 측정
• 실행 가능성 검토

Step 4: 심층 분석

• 근본 원인 파악 (5 Whys)
• 맥락 이해 및 스토리 구성
• 교차 검증

Step 5: 우선순위 결정

• 다차원 평가 (Impact/Effort 매트릭스)
• 이해관계자 논의
• 최종 선정

유의미하지 않은 데이터 예시

❌ 피해야 할 패턴:

1. 허위 상관관계: 인과관계 없이 우연히 함께 움직이는 지표
2. 체리피킹: 유리한 데이터만 선택적으로 제시
3. 과거 편향: 더 이상 유효하지 않은 오래된 데이터
4. 샘플 편향: 특정 그룹에만 국한된 데이터를 전체로 일반화
5. 허수 지표: 숫자는 크지만 실제 의미 없는 지표 (예: 페이지뷰만 높고 전환은 없음)

체크리스트: 이 데이터는 유의미한가?

다음 질문에 대부분 “예”라고 답할 수 있다면 유의미한 데이터입니다:

• 고객의 진짜 니즈를 반영하는가?
• 통계적으로 유의미한가? (충분한 샘플, 반복 패턴)
• 비즈니스 핵심 목표와 연결되는가?
• 구체적인 액션 플랜을 도출할 수 있는가?
• 영향 범위가 충분히 크고 임팩트가 있는가?
• 데이터 품질이 신뢰할 수 있는 수준인가?
• 이해관계자에게 설득력 있게 설명할 수 있는가?
• 측정 가능한 개선 목표를 설정할 수 있는가?

우선순위 결정 프레임워크

유의미한 데이터를 선정한 후, 해결해야 할 문제들의 우선순위를 정하는 것이 중요합니다. 다음은 실무에서 널리 활용되는 우선순위 결정 프레임워크들입니다.

1. RICE 스코어링

RICE는 Intercom에서 개발한 우선순위 결정 프레임워크로, 4가지 요소를 정량화하여 점수를 계산합니다.

RICE = (Reach × Impact × Confidence) / Effort

RICE 구성 요소

1) Reach (도달 범위)

• 정의: 일정 기간 동안 영향을 받을 사람의 수
• 측정: 분기당 또는 월간 영향받는 사용자/고객 수
• 예시:
  • 신규 기능이 월 10,000명에게 영향 → Reach = 10,000
  • 특정 세그먼트만 해당 (전체의 20%) → Reach = 2,000

2) Impact (영향력)

• 정의: 개인 사용자에게 미치는 긍정적 영향의 크기
• 척도:
  • 3점 = Massive (엄청난 영향): 핵심 기능, 전환율 대폭 개선
  • 2점 = High (높은 영향): 주요 기능 개선
  • 1점 = Medium (중간 영향): 편의성 개선
  • 0.5점 = Low (낮은 영향): 작은 개선
  • 0.25점 = Minimal (최소 영향): 미미한 변화

3) Confidence (확신도)

• 정의: 예상한 Reach와 Impact가 실현될 것이라는 확신 수준
• 척도:
  • 100% = High: 충분한 데이터와 검증 완료
  • 80% = Medium: 일부 데이터 존재, 추정 포함
  • 50% = Low: 대부분 가설, 데이터 부족

4) Effort (노력)

• 정의: 프로젝트 완료에 필요한 총 작업 시간
• 측정: person-months (1인-월)
• 예시:
  • 1주일 작업 → 0.25 person-months
  • 1개월 작업 → 1 person-months
  • 3명이 1개월 → 3 person-months

RICE 계산 예시

프로젝트 A: 모바일 앱 성능 최적화

• Reach: 50,000명/월
• Impact: 2 (High)
• Confidence: 80%
• Effort: 2 person-months

RICE 점수 = (50,000 × 2 × 0.8) / 2 = 40,000

프로젝트 B: 새로운 결제 옵션 추가

• Reach: 10,000명/월
• Impact: 3 (Massive)
• Confidence: 100%
• Effort: 3 person-months

RICE 점수 = (10,000 × 3 × 1.0) / 3 = 10,000

→ 우선순위: 프로젝트 A > 프로젝트 B

RICE 활용 팁

✅ 장점:

• 정량적 비교 가능
• 팀 간 객관적 논의 촉진
• 직관적이고 간단한 계산

⚠️ 주의사항:

• 숫자에만 의존하지 말고 정성적 요소도 고려
• 전략적 중요도는 별도로 판단
• 정기적으로 가정을 재검토

2. ICE 스코어링

ICE는 RICE를 간소화한 버전으로, 빠른 의사결정이 필요할 때 유용합니다.

ICE = (Impact + Confidence + Ease) / 3

ICE 구성 요소

1) Impact (영향력)

• 비즈니스 목표 달성에 미치는 영향
• 척도: 1~10점

2) Confidence (확신도)

• 성공 가능성에 대한 확신
• 척도: 1~10점

3) Ease (용이성)

• 구현의 쉬움 (Effort의 역수)
• 척도: 1~10점 (높을수록 쉬움)

ICE 계산 예시

기능 A: 원클릭 재구매 버튼

• Impact: 8점 (재구매율 크게 증가 예상)
• Confidence: 9점 (타사 벤치마크 데이터 풍부)
• Ease: 7점 (2주 내 구현 가능)

ICE 점수 = (8 + 9 + 7) / 3 = 8.0

기능 B: AI 기반 추천 시스템

• Impact: 10점 (매출 대폭 증가 기대)
• Confidence: 5점 (실험 단계, 불확실성 높음)
• Ease: 2점 (3개월 이상 소요)

ICE 점수 = (10 + 5 + 2) / 3 = 5.7

→ 우선순위: 기능 A > 기능 B

ICE vs RICE 비교

3. 여정 기반 평가 (Journey-Based Assessment)

고객 여정(Customer Journey) 단계별로 문제를 분류하고, 각 단계의 전환율 및 이탈률을 기반으로 우선순위를 결정하는 방법입니다.

고객 여정 단계 예시

전자상거래 고객 여정:

1. 인지 (Awareness): 브랜드/제품 발견
2. 고려 (Consideration): 제품 탐색 및 비교
3. 구매 (Purchase): 결제 및 주문
4. 경험 (Experience): 제품 사용
5. 충성도 (Loyalty): 재구매 및 추천

여정 기반 분석 프로세스

Step 1: 각 단계별 지표 측정

Step 2: 병목 구간 식별

• 가장 높은 이탈률: 고려 → 구매 (75%)
• 두 번째 높은 이탈률: 경험 → 충성도 (70%)

Step 3: 단계별 문제 진단

고려 → 구매 단계 문제:

• 결제 과정이 복잡함
• 배송비가 예상보다 높음
• 원하는 결제 수단이 없음

경험 → 충성도 단계 문제:

• 제품 품질 기대 미달
• 고객 지원 응답 느림
• 재구매 인센티브 부족

Step 4: 임팩트 계산 및 우선순위 결정

시나리오 1: 고려→구매 개선 (이탈률 75% → 60%로 개선)

• 추가 구매 고객: 40,000 × 15% = 6,000명
• 예상 매출 증가: 6,000명 × 평균 객단가 50,000원 = 3억원

시나리오 2: 경험→충성도 개선 (이탈률 70% → 50%로 개선)

• 추가 재구매 고객: 9,000 × 20% = 1,800명
• 예상 매출 증가: 1,800명 × 50,000원 = 0.9억원

→ 우선순위: 구매 전환율 개선 > 재구매율 개선

여정 기반 평가 활용 팁

✅ 언제 사용하면 좋은가:

• 퍼널(Funnel) 최적화가 필요할 때
• 단계별 전환율 데이터가 있을 때
• 전체 사용자 경험 개선이 목표일 때

⚠️ 주의사항:

• 단계 정의를 명확히 할 것
• 각 단계별 충분한 데이터 확보 필요
• 질적 데이터로 보완 (왜 이탈하는지)

4. 영향력-노력 매트릭스 (Impact-Effort Matrix)

시각적으로 직관적인 2×2 매트릭스를 활용하여 우선순위를 결정하는 방법입니다.

매트릭스 구조

        높은 영향력
            ↑
   Quick Wins  │  Big Bets
  (빠른 성과)  │ (전략적 투자)
  [최우선 실행]│ [신중히 검토]
  ────────────┼────────────
   Fill-ins   │  Money Pit
   (여유시 실행)│  (피해야 함)
   [낮은 우선순위]│ [보류/제외]
            ↓
        낮은 영향력

    낮은 노력 →   ← 높은 노력

4가지 영역 설명

1) Quick Wins (빠른 성과) - 최고 우선순위

• 특성: 낮은 노력 + 높은 영향력
• 전략: 즉시 실행
• 예시:
  • 명확한 CTA 버튼 추가
  • 오타 수정 및 UI 개선
  • 자동 저장 기능 추가

2) Big Bets (큰 도전) - 전략적 우선순위

• 특성: 높은 노력 + 높은 영향력
• 전략: 신중한 계획 후 로드맵에 포함
• 예시:
  • 새로운 플랫폼 개발
  • AI 기반 개인화 엔진
  • 전사 시스템 통합

3) Fill-ins (채우기) - 낮은 우선순위

• 특성: 낮은 노력 + 낮은 영향력
• 전략: 시간 여유가 있을 때 처리
• 예시:
  • UI 색상 미세 조정
  • 부가 기능 추가
  • 관리자 도구 개선

4) Money Pit (자원 낭비) - 제외

• 특성: 높은 노력 + 낮은 영향력
• 전략: 가능한 피하거나 재검토
• 예시:
  • 사용률 낮은 레거시 기능 개선
  • 복잡한 리포트 시스템 (사용자 거의 없음)

매트릭스 적용 예시

상황: 전자상거래 앱 개선 과제들

매트릭스 활용 워크플로우

Step 1: 모든 과제를 리스트업

Step 2: 각 과제의 영향력 평가 (1-10점)

• 비즈니스 목표 달성 기여도
• 사용자 만족도 개선 정도
• 매출/전환율 영향

Step 3: 각 과제의 노력 평가 (1-10점)

• 개발 시간
• 필요 인력
• 기술적 난이도
• 리스크

Step 4: 매트릭스에 배치

• 영향력 5점 이상 = 높음
• 노력 5점 이상 = 높음

Step 5: 우선순위 결정

1. Quick Wins → 즉시 실행
2. Big Bets → 분기 계획에 포함
3. Fill-ins → 백로그에 보관
4. Money Pit → 재검토 또는 제외

실전 활용 팁

✅ 효과적 사용법:

• 팀 워크샵으로 함께 평가 (집단 지성 활용)
• 분기별로 재평가 (상황 변화 반영)
• 시각화 도구 사용 (Miro, Figma 등)

⚠️ 주의사항:

• 주관적 평가 편향 조심
• 전략적 중요도는 별도 고려
• 상호 의존성 확인 (A 완료 후 B 가능한 경우)

프레임워크 선택 가이드

어떤 프레임워크를 사용해야 할까요?

복합 활용 전략

실무에서는 여러 프레임워크를 조합하여 사용하는 것이 효과적입니다.

예시: 3단계 평가 프로세스

1단계: 영향력-노력 매트릭스로 1차 필터링

• Money Pit 영역 과제 제외
• Quick Wins와 Big Bets 후보 선정

2단계: RICE/ICE로 정량적 스코어링

• 남은 과제들의 RICE 점수 계산
• 객관적 순위 매기기

3단계: 여정 기반으로 최종 검증

• 고객 여정 전체 균형 확인
• 특정 단계에 편중되지 않았는지 점검

최종 우선순위 리스트 도출

과제

연구 과제

1. 내가 ‘중요하다’고 판단한 고객 인사이트 하나를 골라, 판단 근거를 모두 적어봅니다. 그 근거 중 ‘고객의 실제 행동 데이터’에 기반한 것은 몇 개입니까?
2. 과제에서 분석한 제품에서 해결해야 할 문제 3개의 우선순위를 정하고 설명해 봅니다. 설명하다 막히거나 확신이 흔들리는 지점이 있다면, 어디인가요?
3. 고객이 요청한 기능 하나를 골라 ‘왜 그것을 원할까?’를 3번 연속 물어봅니다. 3번째 ‘왜?’의 답과 처음 요청이 같은 문제를 가리키고 있나요?

실전 과제

1. 지금까지 수행한 과제에서 도출한 인사이트들을 다시 살펴보고, 어떤 것이 유의미하고 어떤 것이 그렇지 않은지 구분해 보세요. 각 판단에 대한 근거를 함께 정리합니다.
2. 유의미하지 않다고 판단한 인사이트 중 하나를 골라, 어떤 추가 데이터나 검증이 있으면 유의미해질 수 있는지 구체적으로 적습니다.
3. 분석한 제품의 개선 우선순위를 3개 정하고, 이해관계자가 “왜 이 순서인가?”를 납득할 수 있도록 판단 근거를 정리합니다.

참고 자료

• 7강 실전 과제