맥싸이트-픽
글로벌 컨설팅 펌이 바라본 생성형 AI의 미래
Team MAXONOMY ・ 2025.05.07
생성형 AI가 우리 일상에 스며든지 벌써 2년. 이에 발 맞춰, 글로벌 3대 컨설팅 회사인 맥킨지앤컴퍼니(McKinsey & Company), 보스턴컨설팅그룹, 베인앤컴퍼니는 생성형 AI에 대한 본격적인 분석과 인사이트를 제공했습니다. 이번 맥사이트픽 포스팅에서는 해당 리포트를 중심으로 글로벌 컨설팅 펌이 바라보는 생성형 AI의 미래에 대해서 알아보겠습니다.
맥킨지, Superagency 개념과 리더의 역할
글로벌 컨설팅펌 맥킨지는 생성형 AI의 무한한 가능성을 강조하는 대표적 컨설팅펌 중 하나입니다. 맥킨지는, 테크비전가로 활동 중인 리드 호프만(Reid Hoffman) 그리고 문화, 기술 작가로 활동 중인 그렉 비아토(Greg Beato)가 공동 집필한 저서 'Superagency(슈퍼 에이전시)' 와 기본적으로 같은 시각을 가지고 있는데요. 여러 보고서에 Superagency라는 단어를 그대로 차용하며 AI가 기업과 개인에게 가져다 줄 가능성과 그것을 받아들이는 인간이 만들어갈 미래는 밝을 것이라는 긍정적인 의견들을 제시합니다. 구체적으로는 AI가 단순히 자동화 차원을 넘어 인간의 창의력과 생산성, 문제해결 능력을 극적으로 끌어올릴 것이며, 교육과 의료 등 다양한 연구 분야에서 혁신을 일으킬 것으로 전망하고 있습니다.
보고서에 따르면, 기업의 직원들은 벌써 이러한 변화를 만들어내기 위한 준비에 돌입했으며, 실제 현업에서는 AI 활용이 활발히 이루어지는 추세인. 반면에 기업의 리더들은 이러한 변화를 충분히 인지하지 못하고 있다 분석했습니다. (한편으로는 리더들이 변화의 중요성에 대한 인식은 하고 있으나, 충분한 선행사례 혹은 리스크 식별이 이루어지지 않아 소극적인 행동으로 이어졌을 수도 있습니다.) 실제로 C레벨 리더를 포함한 임직원 94% 이상이 생성형 AI 사용에 익숙하다고 답변했습니다. 하지만 리더들은 단지 4%의 직원들만의 AI를 광범위하게 활용중이다 라는 잘못된 인식을 가지고 있었습니다. 실제로는 경영진의 생각보다 더 많은 직원들이 AI 도구를 더 익숙하게 잘 다루고, AI에 관련된 더 많은 교육과 지원을 현업에서의 직원들은 희망하고 있는것 입니다.
이미지 출처: ChatGPT | AI 대격변 시대와 리더
직원 스스로 자신들의 기존 업무 중 최소 1/3까지도 AI의 도움을 받을 수 있을 것 이라 평가하기도 하였는데요. 직원들이 자발적으로 AI를 활용을 원하고 있는 바로 지금, C레벨의 리더들이 이들을 이끌어주는 힘을 발휘 해야 할 것입니다. 기업 리더는 자신의 직원들이 AI를 어떤 업무에, 어떤 용도로 사용 중이며, 앞으로 이를 어떤 방식으로 바꾸고 싶어하는지에 대한 관심을 키워야 할 것입니다. 여기서 그치지 않고 직원들에게 필요한 교육은 무엇인지 어떤 교육이 제공되어야 하는지와 같은 단계를 거치게 되었을 때, 본격적인 AI 전환 도입 단계에 들어설 수 있을 것입니다.
보스턴컨설팅그룹, '전문가 경계 허물기'
보스턴컨설팅그룹(이하 BCG)에서는, 전문가의 영역이 확장되고 AI가 그 경계를 허무는 역할을 할 것이라 관측하고 있습니다. 반드시 전문가가 아니더라도 생성형 AI의 도움을 받는다면 누구나 전문가와 비슷한 수준으로 결과물을 만들어 낼 수 있단 이야기를 하고 있는데요. 실제로 데이터 분석, 데이터 모델링과 같은 고난이도 작업을 관련 분야의 전문가들만 수행할 수 있었다면, 이젠 생성형 AI의 도움으로 일반인들도 준전문가 또는 전문가와 대등한 작업 수준까지 빠른 시간내 도달하게 될 것으로 보고 있습니다.
BCG 보고서에서는, AI 기술로 발전된 미래에는, 비전문가라면 결코 불가능했던 영역들을 생성형 AI를 기반으로 어렵지 않게 수행 가능하게 될 것이라 말합니다. 특히 전문가와 비전문가의 업무처리 수준 그리고 속도등 격차가 줄어들 수 밖에 없을 것이며, 결과적으로 AI 활용 영역이 확장 될 수록 전문가 영역의 경계는 모호해질 것입니다. 컨설팅 펌답게 BCG는 컨설턴트의 업무가 어떻게 변할 것인지 예측을 내놓았는데요. 컨설턴트는 고객사의 서비스를 분석하고 문제 해결을 위한 컨설팅을 제공하는 일을 합니다. 발전된 AI를 활용한다면, 고객이 사용 중인 개발 코드를 이해하고 또 직접 작성하게 되었을 때 고객에게 가장 적합한 모델링은 무엇인지 또 필요한 곳들이 어디인지 훨씬 정확한 제안을 가능하게 될 것입니다. 실제로 코딩 경험이 없는 컨설턴트가 AI를 통해 데이터 사이언티스트 수준의 작업물을 84% 정도 구현하는 사례가 등장하며, 코딩 영역에서의 역량 확장을 엿볼 수 있었습니다.
BCG의 보고서를 종합적으로 리뷰했을 때, AI의 도입 속도보다 임직원들의 AI 사용 여정을 면밀히 들여다봐야 한다는 생각이 들었습니다. 대부분 기업이 AI를 도입하는 속도에만 집중하고 있는 지금, AI의 도움으로 업무 능력을 가장 많이 향상시킬 수 있는 영역이 어디인지부터 확인해보는 것이 매우 중요해보입니다. 그 이후 비전문가들의 전문 역량 확보 속도에 따라 기업이 AI에 성공적으로 도입하였는지 여부를 판가름 할 수 있을 것입니다.
BCG는 AI를 '강력한 브레인스토밍 파트너'로 규정하기도 했습니다. AI가 브레인스토밍 과정에서 어느 도구보다 높은 가치를 제공한다고 평가했습니다. 다만 AI의 출력물(결과물)이 적합한지, 오류가 포함되어 있는지 판별하는 능력이 필수적으로 요구된다고 강조합니다. 아무리 AI 기술이 뛰어날지라도 성과물이 제대로 나왔는지 판단할 수 없으면 소용이 없기 때문이죠.
베인컴퍼니, AI 활용으로 업무 효율성 증대
AI가 미래를 변화시키는 과정에 벌써부터 뚜렷한 성과를 보이는 대표적인 분야중 1가지로 베인앤컴퍼니는 컨설턴트의 고객 지원 영역을 꼽았습니다. AI와의 협력으로 상담원의 응답 시간을 최대 35% 단축시키고, 또 프로젝트의 품질을 최대 40%까지 향상시켰다는 조사 결과를 확인한 것 인데요. 이어서 소프트웨어 및 개발이 필요한 데이터 문서화, 개발 코드 생성, 디버깅, 리팩토링, 테스트, 운영 및 유지 보수 등 전반에서 AI를 활용한 효율성 개선과 비용 절감이 눈에 띄게 향상될 것으로 보고 있습니다.
특히 AI 지원을 전폭적으로 넓히는 기업들에서는 아래와 같은 업무 영역들에 대한 성과를 직접 경험하고 있다고 합니다.
- 개발 코드 생성, 문서화 : 15~40% 효율 향상
- 리팩토링 및 개발 관련 디버깅과 테스트 : 30~50% 효율 개선 및 비용 절감
또한 베인컴퍼니의 보고서에 따르면 고객 지원 및 마케팅 분야에서 AI기반의 맞춤형 콘텐츠 생성, 이메일 마케팅 개인화 및 자동화, AI 챗봇 등을 통해 업무 프로세스가 바뀌고 있으며, 궁극적으로 AI가 고객 문제를 예측 가능하여 문제가 발생했을 때, AI가 스스로 이를 해결하거나 사전 방지하는 수준까지 도달하고 있다고 분석하고 있습니다.
이러한 현상들을 보면 기업이 기술 변화를 적극 받아들일 때 문제점이 대폭 개선되거나 체질 변화까지도 도달할 수 있게 되는데요. 그럼에도 불구하고 많은 기업이 아직까지 AI도입에 조심스러운 이유는 리스크를 최소화하는 방향을 선호하며, 선도 기업의 실수를 면밀히 관찰한 후 자신들만의 행동 전략을 찾도록 안정성을 최우선으로 하는 방식을 검토하고 있기 때문입니다. 그러나 안전한 기회를 바탕으로 경쟁 우위를 확보하려는 것은 사실, 문제를 빠르게 해결하거나 성과를 마련하기 위해서는 효율적이지 않을 수 있습니다. 베인컴퍼니의 보고서 조사에 따르면, 초기 AI를 선제적으로 도입한 기업은 18~36개월 내 최대 20%의 실적 향상을 경험하였으며, AI 도입을 지켜보기보다는 선제적으로 활용하는 것이 경쟁 우위 확보에 더 유리하다고 베인컴퍼니는 평가했습니다.
AI 시대의 정량적 vs 정성적 가치 논쟁
올해 초, 다보스포럼(세계경제포럼)에서 MS, 구글, 메타 등 AI 분야의 핵심 기업 빅테크 기업은 AI의 윤리성 및 개발 방식에 대해 논쟁을 벌이며, AI 도입이 가속화되고 있음을 보여줬습니다. AI 기술을 지지해줄 윤리성 규제와 기술의 오픈형 그리고 폐쇄형 사이의 개발 방식이 주요 쟁점이었죠. 그러나 기업들이 AI의 정량적 효율성에만 집중하고 있으며, 과연 AI가 인간인 소비자들에게 정성적인 부분까지 만족시키고 있는지에 대한 연구와 논의는 아직 많이 부족한 상황입니다.
이러한 맥락에서 켄트대학교 연구팀의 조사 결과는 흥미롭습니다. 이들은 반려동물이 주는 삶의 만족감이 연간 약 1억 3천만원의 금전적 가치와 같다는 연구를 사회지표연구(Social Indicators Research) 저널에 게재했습니다. 이 연구는 영국인 2,500가구를 대상으로 참여자의 성격 특성 그리고 그들의 삶의 만족도와 반려동물의 관계에 대해 묻는 설문조사를 통해 진행되었고, 설문 결과를 ‘삶의 만족 근사치(LSA)*’ 라는 모델로 분석하였죠.
*LSA : 경제학자들이 개발한 방법론으로 인간의 삶에서 일어나는 사건과 다양한 요소를 암묵적 비용으로 환산
같은 관점에서 AI가 가져다 주는 LSA는 얼마나 될까요? 지금의 소비자들이 실질적으로 그리고 금전적으로 AI로부터 경험하는 가치에 대해서는 아직은 개인별 격차와 영역의 불균형이 나타나고 있습니다. 그렇지만, 일상에서 AI가 바꿔주는 일상은 많은 부분이 눈에 띄고 있지만 과연 AI로 바꾼 일상에 대한 만족감이 어느정도인지 그리고 AI로부터 얻을 수있는 가치가 인간이 주는것보다 월등한지 등을 소비자들이 판단하는 시기가 곧 올 것입니다. 기업과 마케터는 언제나 이점을 염두하고 미래를 대비해야 할 것입니다.
맥소노미가 PICK한 이유!
AI로부터 얻는 정보들이 누적되면서, 가짜 정보와 개인화에 맞지 않는 정보들이 함께 쌓여가는 문제도 점차 늘어나고 있습니다. AI와 인간 사이 이러한 과정이 반복 될 수록 AI가 제공하는 정보와 결과물에 인간이 얼마나 공감을 하게 될 것인지는 더욱 불투명해집니다. AI가 인간의 감정을 학습한다더라도, 인간과 AI의 사이 공감 격차가 줄어들 것이란 확신을 갖기에는 아직 이르다 생각됩니다.
*공감 격차: 캐런미싱의 저서, ‘보이지않는 고통’에 등장하는 개념으로 노동 환경에서 학자나 사회적 지위가 상대적으로 높은 사람들과 사회적 지위가 낮은 노동자들이 분리되는 결과를 바탕으로, 이 들 사이에 발생되는 차이를 공감 격차라 명명’한다. 이 환경을 개선하기 위해서는 각 위치에서 공감 격차를 인식하고 그 차이를 좁히려는 실행력이 필요하다 주장하였다.
앞서 반려 강아지와 고양이가 인간에게 내어줄 수 있는 가치를 금액적으로 환산한 연구결과가 있지만, 때론 실제로 그보다 더 큰 금액 또는 돈으로는 환산할 수 없는 기쁨과 감정을 줄 수 있다는 것을 대부분 잘 알 것입니다. 반려동물과 인간이 같은 언어로 이야기 하지 않더라도 감정적 교류를 통해 서로가 충분한 이해를 갖는 만큼 AI와 인간의 관계도 발전해야 한다는게 앞으로의 AI기반 마케팅의 중요한 척도가 될것이라 말씀드리고 싶습니다. 다음 맥사이트 픽에서는 이러한 관계에 초점을 맞추고 있는 기업들과 브랜드에 대해 다뤄보도록 하겠습니다.
팀맥소노미
YOUR DIGITAL MARKETING HERO
맥소노미의 마케팅 인사이트를
뉴스레터로 만나보세요
관련 글 보기
A/B테스트 개념과 데이터 분석 방법🔍
A/B 테스트는 두 가지 혹은 그 이상의 서로 다른 버전(Variant)을 비교하여 어느 쪽이 더 나은 성과를 내는지 판단하는 실험 기법입니다.
여러분의 고객 데이터는 안전한가요? (feat. DX·AX)
최근 여러 기업에서 개인정보 유출 사고가 발생 중인 상황에서 기업은 어떻게 대응해야 할까? DX와 AX의 흐름 속 개인정보 보호가 나아가야 할 방향.
B급 감성 마케팅이 온다
B급 감성이란?혜성처럼 등장한 B급 감성은 많은 산업과 분야에 영향을 미치고 있습니다. B급의 사전적 의미는 ‘완벽함을 추구하는 것보단, 투박하고 엉성한 스타일을 추구하는 것’입니다. 이런 B급 감성은 소비자가 손쉽게 친근감을 느낄 수 있어, 특히 마케팅 분야에서 많이 시도하는데요.한때 모두가 B급감성을 지향하던 시기가 있을 정도로 그 파급력이 강력했습니다. 하지만 B급 감성을 마케팅에 적절히 활용하기란 여간 까다로운 것이 아닙니다. 잘못된 B급 감성의 적용은 자칫 브랜드 자체를 B급으로 만들어 버릴 수도 있기 때문입니다.B급 감성 마케팅은 모두가 완벽해지고 싶어하는 가운데 일부러 허술함을 표현합니다. 이것은 비슷한 기성품들 사이 차별화를 부각시킴과 동시에, 독보적이고 특별함을 보여줄 수 있는 장점을 가지고 있습니다. 또한 완벽하지 않은 모습에 소비자들이 마음을 조금더 손쉽게 열 수 있는 친근한 접근 방식이죠.하지만 잊지마세요. 오늘 맥사이트픽에서 이야기해볼 ‘B급 감성 마케팅’은 결코 단어 그대로의 B급을 의미하지 않습니다. B급이란 이름표를 달고 있고, 그래서 어딘가 B급처럼 보이긴 하지만 사람들의 마음을 움직이는 힘을 가지고 있는 마케팅이 우리가 추구하는 진정한 B급 감성 마케팅입니다.실제로는 SS급 역할을 해주었을 때, 비로소 B급 감성 마케팅이라 부를 수 있다는 점을 명심하세요! 무조건 B급의 소재를 브랜드와 결합시켰다고 해서 B급 감성 마케팅으로 볼 수 없습니다.B급 감성을 살린 마케팅Dollar Shave Club: 우리 면도날은 끝내주게 좋습니다.출처: DollarShaveClub 유튜브 | Our Blades Are F***ing Great면도기 및 미용용품 구독 서비스를 제공하는 Dollar Shave Club은 저예산 B급 감성의 유튜브 광고 영상을 제작하여 큰 주목을 받았습니다.문을 통과할 때 종이가 엉성하게 뜯기고, 테이프는 제대로 잘리지 않고, 택배 상자 패스를 놓치는 등 실수를 의도적으로 활용하여 웃음을 주면서도 인간적인면을 부각시키는 광고였습니다.굉장히 단순한 촬영과, 현실적인 메시지에 곁들인 유머러스한 대사가 오히려 화려한 광고들보다 특별해보입니다. 이를 곧 친밀감으로 연결할 수 있다는게 B급 감성 마케팅의 힘입니다.이 광고가 그리 특별해보이지 않은 사람도 있을 것입니다. 이미 많이 본 컨셉이라고 하면서 말이죠. 하지만 이 광고가 13년 전인 2012년에 나왔다는 점을 감안했을 때, 당시 얼마나 신선하고 충격적이었을지 상상조차 안됩니다.해당 광고는 공개 후 약 48시간만에 12,000명 이상의 신규 가입자를 유치했고, 이후 영국의 생활 용품 기업 ‘유니레버’에 10억달러에 인수되는 성과를 만들었습니다.CJ 제일제당: 육수커플출처: CJ제일제당 육수커플 유튜브 | 우리 결혼했어요 육수커플최근 제일제당에서는 편의형 코인육수의 신제품인 ‘바지락멸치 맛 1분링’을 출시했습니다. 해당 제품 홍보를 위해 ‘1분링’ 캠페인을 진행 중인데요. 광고 스토리가 정말 재밌습니다.배우 변요한·차주영이 몰던 차량이 강에 빠지자 강물이 육수로 가득 우러나고, 잠시 후 폭발하는 자신의 집을 바라보며 미소를 짓는 두 사람의 모습으로 끝이납니다.B급이라는 표현으로도 부족한 황당한 전개에 과장된 슬로모션까지 더해 광고는 처음부터 끝까지 절대 B급이라는 프레임을 벗어나지 않기 위해 노력합니다. 또한 이런 B급광고에 어울리지 않는 정극 배우들을 모델로 선정하여, 부조화를 이루고 있죠.이런 부조화가 오히려 신선하고 재밌게 다가오며, 소비자로부터 뜨거운 반응을 이끌고 있습니다.우리가 B급 감성을 사랑하는 이유이런 B급 감성의 광고가 소비자의 마음을 움직이는 이유는 뭘까요?익숙하게 자리한 밈(meme) 문화가 밑바탕이 되어있기 때문이라고 설명할 수 있습니다. 밈은 반복과 자가복제 즉 패러디가 핵심인데 B급 콘텐츠는 이러한 이야기 형식에 딱 들어 맞습니다. 한 번 웃기면 빠르게 퍼지고, 재생산되며, 비슷하지만 어딘가 새로운 또 다른 유행을 만들어냅니다.여기에 전형적인 광고의 모습이 아닌 마치 TV드라마의 한 장면같은 구성은 광고에 대한 거부감을 줄이는데 효과적인이면서, ‘B급이니까 광고더라도 그냥 재미로 한번 봐줘’ 의 뉘양스로 소비자에게 더 쉽게 다가갈 수 있었습니다.다만, B급 감성 마케팅을 시도해보고 싶다면 다음 3가지는 절대 피해야만 합니다. 브랜드가 전달하려는 메시지를 방해한다면, B급 감성을 접목하지 말아야 합니다: 브랜드의 상품과 서비스가 B급으로 표현되면 안되는 분야가 있을 수 있습니다. 대표적으로, 사람의 생명을 다루는 의료 또는 의약 분야가 있죠. 이런 분야에서 B급 감성을 잘못 적용하면, 소비자에게 전달될 상품과 서비스의 메시지가 왜곡될 수 있고 이로인해 잘못된 소비자의 이해가 발생할 수 있습니다. 뿐만 아니라, 광고로 인한 사회적 논란이 생겨날 수 있습니다.과한 유머는 소비자의 불쾌감을 유발시킬 수 있습니다: 특정 집단을 대상으로 희화하거나, 적절한 정도를 넘어서는 유머는 대중을 대상으로 하는 광고에서 오히려 반감을 불러일으킬 수 있습니다.일관성있는 메시지와 브랜드의 가치 안에서 B급 감성이 들어있어야 합니다: 이전 포스트인 2025년 대통령 선거로 보는 마케팅 기술에서도 언급되었지만 브랜드의 일관성은 곧 소비자들의 신뢰도와 직결된 부분입니다. 우리의 메인 메시지와 정체성이 이어지지 않은 B급 감성 마케팅은 그저 ‘B급 감성을 위한 마케팅’이 될 것입니다.🚩맥소노미가 PICK한 이유대부분의 광고와 마케팅의 목적은 소비자에게 브랜드의 가치를 진정성있고 친근하게 전달하여 브랜드로 들어오는 유입 장벽을 낮추기 위함입니다. 그러나 이때, 브랜드와 어울리지 못한, 그리고 정도를 지나친 B급 감성 마케팅은 되려 소비자 마음의 문을 닫아버릴 수 있으니 다른 마케팅 전략보다 더욱 신중할 필요가 있습니다. 브랜드가 소비자에게 이야기하고 싶은 메시지를 잃지 않고서 B급 감성이 활용되어야 마케팅을 통한 진정한 B급을 만들어낼 수 있습니다. B급 감성은 처음에는 소비자들에게 어설퍼 보일 수 있지만, 실제로 이는 계산된 어설픔이라 결과적으로는 완벽하다는 메시지로 이어집니다. 그리고 장난처럼 보이지만 누구보다 진지하다는 것을 소비자들이 알수 있습니다. 소비자가 처음에는 가벼운 마음으로 B급 감성 마케팅을 받아들이지만 궁극적으로는 누구보다 진지하게 자신들의 가치를 전달하고 있는 브랜드의 감성을 제대로 이해해주었을 때 B급 감성이 제대로 성공했다고 볼 수 있을 것 입니다.
Amplitude Feature Experiment: 데이터 기반 실험의 시작
실험이 중요한 이유디지털 서비스를 운영하다 보면 다음과 같은 질문과 마주하게 됩니다. “이 버튼을 바꾸면 클릭률이 더 높아질까?” “새로운 기능을 모든 사용자에게 바로 공개해도 될까?” “프리미엄 사용자에게만 실험적으로 먼저 공개해보고 싶은데, 어떻게 관리하지?”대부분 경우 직감이나 내부 회의로 결정을 내리지만, 그 결과가 실제로 사용자 경험과 KPI에 긍정적인 영향을 주는지 알기 어렵습니다. 이로 인해 향후에 추가적인 실험 테스트를 수행하기 어려운 환경이 조성되어 버리기도 합니다.또한, 서비스를 운영하다보면, 서비스의 성장을 위해 여러 고민과 의사결정이 필요한 순간이 옵니다.✅ 새로운 기능을 모든 사용자에게 배포하기엔 위험할 때✅ 디자인이나 UI를 바꾸고 그 효과를 정확히 측정하고 싶을 때✅ 특정 사용자 그룹에게만 실험적으로 기능을 보여주고 싶을 때✅ 실험 결과를 클릭률, 전환율, 리텐션율 등의 지표로 분석하고 싶을 때따라서, 개발단의 리소스를 최소화하면서, 실제 사용자 데이터 기반의 결과 분석이 가능한 실험 체계를 도입할 필요가 있습니다. Amplitude Experiment는 고객에게 제공하는 기능 on/off 토글링부터 A/B 테스트, 점진적 릴리즈, 결과 분석까지 하나의 워크플로우 안에서 지원함으로써 "기능 실험 → 결과 측정 → 의사결정"을 오차없이 빠르게 수행할 수 있도록 도와줍니다.Amplitude Experiment에서는 다음 두 가지 방식으로 실험을 구성할 수 있습니다.Feature ExperimentWeb Experiment이름만 보아서는 비슷해 보이지만, 실제 사용 목적과 운영 방식에는 뚜렷한 차이가 있습니다. 이번 포스팅에서는 이중 Feature Experiment에 대해 집중적으로 알아보겠습니다.Feature Experiment: 기능 중심 실험Feature Experiment는 코드 기반으로 운영되는 실험 방식입니다. 개발자가 직접 고객에게 보여줄 화면을 만들거나 신규 기능을 구현한 후에 이것을 일부 고객들에게만 노출하고 원하는 효과를 보았는지 확인하고자 할 때 활용합니다.개발단에서는 변경된 화면이나 기능을 적용하고 예외 처리를 추가하여 특정 사용자에게만 노출될 수 있도록 구현하고, 실무자는 원하는 고객군과 모수 비율을 Amplitude 콘솔에서 언제든 수정하여 테스트를 수행 해 볼 수 있습니다.개발단 기능- 화면 구성- 조건 처리실무단 기능- 모수집단 선정, 비율 선택- 전환 목표 지정, 분석 방식 선정- 테스트 시작, 종료, 기간 선정- 실험 분석 결과 확인- Analytics로 추가 심화 분석 수행예시로 이해하는 Feature Experiment 활용1) 신규 기능 가설 세우기어느 날, 개발자가 추천 알고리즘 로직 개선 작업을 완료 하였습니다. 이 알고리즘을 서비스에 적용하면 굉장한 효과를 보여줄 것이라 기대하고 있지만, 바로 운영계에 적용하기에는 어떤 사이드 이펙트가 있을지 예상할 수 없었습니다. 가령 잘못된 상품 추천으로 고객에게 안 좋은 경험을 제공하면 이탈로 이어질 수 있죠.따라서, 전체 고객이 아닌, VIP 고객 중 10%에게만 새 알고리즘을 적용하고 클릭률, 구매율을 측정하기로 하였습니다. 결과 데이터가 나머지 고객들에 비해 5%이상 증가한다면 전체 사용자에게 확대 배포하는 거죠.2) 개발단 작업처음 실험을 진행하는 것이라면 Amplitude Experiment SDK를 적용하는 작업이 필요합니다. 신규 추천 알고리즘은 이미 개발 완료된 상황이고 SDK 적용은 큰 시간이 소모되지 않기 때문에 거의 바로 실험 진행이 가능합니다.(Amplitude Experiment SDK 라이브러리 탑재 및 초기화 후 고객마다 서로 다르게 제공하고자 하는 위치에서 조건문(if)을 구성)Android 적용법1. 라이브러리 추가 (build.gradle에 dependencies 추가)2. 초기화 (Application단에서 초기화)3. 현재 사용자의 experiment 관련 정보 수신4. 고객이 보유한 flag 값에 따라 제공 여부 결정( 새로운 추천 알고리즘이 제공될 10%의 VIP 고객은 "on"으로, 그 외 고객들은 모두 "off"로 적용)3) Amplitude 설정(Experiment UI 구성)3-1) Deployment 생성하기운영하는 서비스는 여러 환경으로 구분되어 있습니다.개발계(development) / 내부 QA 테스트 수행 환경(staging) / 운영 환경(production)Android, iOS, Web 등 제공 플랫폼 환경실험을 진행하고자 할 때, 특정한 환경에서만 진행하실 수도 있고, 여러 환경에서 동시에 진행해 보실 수도 있을 겁니다. 이 때, 어떤 환경에 실험을 배포할 것인지를 정의할 수 있도록 "Deployment"라는 작업이 필요합니다.하나의 프로젝트 내에서 배포할 환경마다 각각의 Deployment를 생성해주시면, 실험을 진행할 때, 이 실험을 어떤 환경에만 배포할지 지정할 수 있습니다.Experiment > Deployments 화면에서 제공하는 “Create Deployment”를 클릭하고 배포할 환경의 이름과 프로젝트를 선택하면 바로 Deployment 생성이 가능합니다.3-2) Experiment 생성하기이제 기본적인 세팅은 모두 완료 되었으니 실험을 만들어 볼 수 있습니다!Experiment > Experiments 메뉴에서 새로운 실험명과 사용할 키 값을 정하신 후 생성(Create)합니다.4) 실험 설계4-1) 목표 설정하기실험을 만들 때 가장 먼저 생각해야 할 부분은 "목표" 설정 입니다. 실험을 한다는 것은 결국, 무언가를 더 좋게 만들기 위해서이기 때문에, 반드시 “이 실험을 통해 무엇이 좋아지기를 기대하는가?”에 대한 기준이 필요하며, 그것이 바로 목표 설정입니다. 우리가 설정한 목표를 달성했는지 여부를 가지고 이번 실험의 성공 여부를 파악해 보실 수 있겠지요.목표는 기존에 만들어 두었던 지표를 선택하실 수도 있고, 원하는 목표를 새롭게 생성하실 수도 있습니다.Unique, Event Total, Conversion 등 분석에서 활용해 보셨던 다양한 지표 옵션을 기반으로 목표 설정이 가능한데, 이번 실험에서는 클릭율이 5% 이상 증가하는 것을 목표로 잡았기 때문에, "화면 진입 > 버튼 클릭"으로의 전환율이 5% 이상 상승하는 것을 목표로 설정했습니다.4-2) 대안(Variant) 등록하기비교 테스트를 진행할 때, 대안은 하나일 수 있지만 여러 개가 있을 수도 있습니다. "내가 테스트하고 싶은 기능의 버전은 몇 가지이며, 각각 어떤 차이가 있을까?" 테스트 하고자 하는 대안의 수 만큼 Add a Variant 옵션으로 추가하여 정의할 수 있습니다. (단, 너무 많은 Variant는 분석을 어렵게 하므로 2~4개 이내를 권장합니다.)각 Variant의 Value 값은 SDK에서 분기 처리에 사용(e.g. variant.value)되므로 개발단에서 미리 지정하신 값이 있을 경우, 해당 값으로 기입되어야 하며, 미리 정의되어 있지 않았다면 여기에서 정의하시는 값으로 개발단의 코드 작업이 수행되어야 합니다.※Value 값이 수정될 경우, 앱의 재배포가 필요하므로 처음 생성 시 Amplitude에서 허용하는 명명규칙(숫자, 영문, 언더스코어, 하이픈만 허용)을 참고하시어 향후 변경하지 않을 값으로 지정이 필요합니다.4-3) 고객 그룹(Targeting) 정의하기[Audience]실험에 활용할 대안을 등록했다면, 누구를 대상으로 실험을 진행할 것인지 모수 집단을 선택하실 수 있습니다. All Users를 선택하여 전체 고객을 모수 집단으로 선정할 수 있으며, Target Users를 선택하여 특정 모수집단을 Segment로 정의할 수 있습니다.[Distribution]선정한 모수 집단을 각 대안에 어느 정도 비율로 할당 할것인지 지정할 수 있습니다. 기본 옵션인 evenly distribute로 동일한 비율로 지정하는 것을 권장 드리며, 원하실 경우 Customize 옵션으로 수동 설정이 가능합니다.(control로 할당되는 고객들은 실험에 참여는 하지만 실제로는 변경된 대안 UI가 노출되지 않는 그룹으로써, 대조군의 역할을 수행합니다.)[Rollout]지정하신 모수 집단 전체를 대상으로 실험을 수행하실 수도 있으나 그 중 일부를 대상으로만 진행하는 것도 가능합니다. Rollout 설정을 통해 전체 모수 집단 중 몇 %에 해당하는 고객들을 대상으로 실험을 진행할 것인지 범위를 지정할 수 있습니다.(Control vs. Rollout: control에 포함된 고객은 실험에 포함되어 향후 결과 분석 시 대조군 역할을 하지만, Rollout에서 제외된 고객은 실험 자체에 포함되지 않으므로 결과 또한 추적되지 않습니다.)5) 전달 구성5-1) Flag & Evaluation 정의Flag는 실험을 식별하는 고유 식별자로써, 실험을 생성하시는 시점에 key 항목으로 기입한 정보를 확인하실 수 있으며, 실험 시작 전까지는 변경이 가능합니다. 이 값은 SDK에서 실험 정보 요청에 사용(e.g.FLAG_KEY) 되므로 개발단에서 미리 정하신 값이 있다면 그 값으로, 없다면 여기에서 정의된 값으로 개발단의 코드 작업이 수행되어야 합니다.Evaluation Mode는 고객이 어떤 대안에 해당 되는지를 어디에서 계산할 것인지 선택하는 항목입니다. 일반적으로는 Amplitude에 수집된 정보를 실시간으로 확인하여 결정되나, 실시간 검토 방식은 통신 상의 약간의 딜레이(0.1~1초)가 발생하므로, 고객에게 즉각적으로 노출되어야 하는 UI에 대해서는 로컬에서 계산하는 방식을 선택하실 수도 있습니다.5-2) 배포 환경(Deployment) 선택지금까지 작성한 실험을 어떤 환경에 배포 할 것인지를 선택합니다. 특정 플랫폼이나 개발환경에만 적용하고자 하실 경우, 해당하는 deployment만 선택하여 배포가 가능합니다.6) 실험 시작모든 세팅을 완료했다면, 우측 상단 버튼을 이용하여 각 플랫폼 별로 적용할 수 있는 샘플 코드를 확인할 수 있습니다. 개발 담당자에게 해당 정보를 전달하여 적용을 요청할 수 있습니다.실험을 고객들에게 배포하기 전, 미리 등록해 둔 테스터만을 대상으로 선행적으로 배포가 가능하며, 예약 실행이나 feature flag만 활성화하고 실험 분석은 수행하지 않는 등 여러 옵션을 정의해 보실 수 있습니다.모든 사항의 확인이 완료되었다면, 최종적으로 Start Experiment를 클릭하여 실험 시작이 가능합니다. 실험을 종료할 때에는 초기 버전으로 롤백을 할 것인지, 아니면 특정 대안( Variant )으로 적용할 것인지 선정하여 실험을 마칠 수 있습니다.실험이 진행되는 동안 발생한 실험 참여(Assigentment), 실험 노출(Expouse) 및 목표로 잡은 정보들은 모두 고객별 프로필에 저장되므로 이를 기반으로 심층 분석(Analytics)을 바로 수행해 볼 수 있습니다. 또한, 처음 목표로 잡았던 것 이외에도 각 그룹별로 어떠한 변화가 있었는지 수집된 데이터를 기반으로 분석이 가능합니다.실험과 분석을 하나의 플랫폼 안에서실험과 데이터 분석은 이제 더 이상 따로 작업할 필요가 없습니다. 기존 A/B 테스트 도구들이 단순히 실험을 “실행”하는 데 집중했다면, Amplitude Feature Experiment는 실험 설계부터 분석, 최종 반영까지 추가적인 개발단 작업없이 한 번에 처리할 수 있는 실험 플랫폼 체계를 제공합니다.CUPED, Sequential Testing, Bonferroni 등 실험의 정확도를 높이는 기능이 기본으로 탑재되어 있어, 적은 트래픽으로도 빠르게 유의미한 결론을 얻을 수 있으며, Amplitude Analytics와 완벽히 연결되어 언제든 전환율,리텐션, 코호트 분석 등 심층적인 결과 분석을 바로 이어나갈 수 있습니다.또한 클라이언트 배포 없이, 서버-사이드 실험 연동을 지원하므로 고객들에게 끊김없는 실험 환경 제공이 가능합니다. 제품의 성과를 빠르게 검증하고, 그 결과를 정확히 해석해 다음 의사결정으로 이어가고 싶다면, Amplitude Feature Experiment는 더없이 강력한 선택이 될 것입니다.Feature Experiment 활용에 도움이 필요하나요?팀 맥소노미 Amplitude 도입문의 바로가기