유저 리서치에서 흔히 범하는 5가지 오류

유저 리서치의 목표는 사용자 행동 이면에 숨겨진 '이유(Why)'를 파악하는 것입니다. 유저 행동을 이해하게 되면 제품을 개선하고, 디지털 경험을 더욱 매끄럽게 만들며, 일반 사용자를 충성 고객으로 전환할 수 있습니다.

오늘날 IT기업이라면 대부분 어떤 형태로든 유저 리서치를 수행하고 있지만, 필요할 때만 단발성으로 진행하는 경우가 많으며, 그 과정에서 여러가지 오류를 범하고 있습니다. 이번 포스팅에서는 사용자 리서치에서 흔히 저지르는 5가지 실수와 이를 피할 수 있는 방법을 살펴보겠습니다.

1. 리서치 비용 측정의 오류

많은 기업에서 유저 리서치 비용을 부담스러워합니다. 얻는 인사이트에 비해 지나치게 많은 시간과 비용이 소모되며, 개발 프로세스를 지연시킨다고 인식하기도 하죠. 하지만 UX/제품 전략 컨설턴트인 숀다 윌리엄스(Shawnda Williams)는 ‘단 5명과 대화하는 것만으로도 제품의 방향을 극적으로 바꿀 수 있는 유의미한 인사이트를 얻을 수 있다’고 말합니다.

물론 대규모 리서치는 그만의 가치가 있습니다. 특히 기업의 운명을 결정하는 크고 중요한 결정에는 통계적 엄밀성이 필요하죠. 하지만 모든 변화에 이런 대규모 리서치가 필요한 것은 아닙니다. 단 몇 번의 심도 있는 대화만으로도 숫자로는 알 수 없는 것들을 발견할 수 있습니다.

게다가 최근엔 AI와 같은 최신 기술을 활용하여 유저 리서치 과정을 가속화할 수 있습니다. 과거에는 고객을 제대로 이해하기 위해, 사용자가 제품과 상호작용하는 모습을 실시간으로 관찰하고 포커스 그룹, 설문조사, 인터뷰와 같은 기법을 활용해야 했습니다. 너무 많은 비용과 시간이 소요되는 작업이었습니다.

하지만 AI기반의 제품 분석 솔루션을 활용하면 며칠, 몇 주에 걸쳐 파악해야 했던 데이터 패턴을 단숨에 분석할 수 있습니다. 이를 먼저 깨달은 선도 기업을 중심으로 단발성 리서치에서 '지속적인 발견’으로 업무 패턴이 전환되고 있습니다.

2. 확증 편향의 오류

확증 편향의 오류는 이미 정해진 관점을 검증하기 위해 질문을 던지는 것을 말합니다. 가장 흔하게 발생하는 오류입니다. 무엇을 할지 미리 결정해 놓은 다음, 그 결정을 뒷받침하거나 ROI를 증명하거나 개발 시간을 정당화하기 위해 정성적 데이터를 찾는 것이죠. 주로 다음과 같은 류의 질문이 확증 편향입니다.

• 새 레이아웃이 이전 레이아웃보다 더 낫다고 생각하시나요?
• 이 워크플로우를 따라가기가 더 쉬웠나요?
• 이 기능이 얼마나 도움이 되었나요?
• 결제할 때 어려움이 없으셨죠?

이러한 질문은 최대한 피해야 합니다. 편향에서 완전히 자유로울 수는 없지만, 편향을 인식하고 최소화하기 위해 노력해야 합니다.

• 유도 질문 주의하기: 현재 염두에 둔 방향이나, 이미 완성된 목업, 다른 고객의 의견 등을 넌지시 드러내지 마세요. 솔직하고 개방적인 피드백을 유도할 수 있는 중립적인 개방형 질문을 던지세요.
• 열린 마음 유지하기: 개방형 질문은 예상치 못한 방향으로 답변을 이끌 수 있습니다. 사용자가 우리의 의도를 이해하지 못하였다는 생각도 듭니다. 하지만 그것이 원래 유저 리서치의 목적입니다. 사용자가 계속 이야기하도록 두세요. 때로는 전혀 예상치 못한 피드백에서 가장 날카로운 인사이트가 등장합니다.
• 반복 개선 준비하기: 리서치의 궁극적인 목표는 제품과 캠페인에 대한 의미 있는 결정을 내리는 것입니다. 설령 그 결과가 초기 가설을 부정하거나 원점으로 돌아가야 함을 의미하더라도 받아들여야 합니다. 기대에 못 미치는 결과를 그대로 출시하는 것보다, 지금 반복하고 개선하는 편이 훨씬 낫습니다.

3. 요청 피드백에만 의존

사용자 피드백은 고객의 선호도나 불만 사항을 파악하기 위해 의견을 수집하는 과정입니다. 크게 두 가지 주요 유형으로 나눌 수 있습니다.

• 요청 피드백(Prompted feedback): 포커스 그룹, 인터뷰, 설문조사, 사용성 테스트 등이 여기에 속합니다. 고객이 자신의 경험을 이야기하도록 선제적으로 환경을 만들고 의견을 요청하는 방식입니다. 요청 피드백은 분명 훌륭한 데이터지만, 왜곡되거나 불완전할 때가 많습니다. 사용자 답변과 실제 사용 행동이 다를 수 있기 때문입니다.
• 유기적 피드백(Unprompted feedback): 고객 지원 티켓, 통화 녹취록, 앱 내 리뷰 등 자연스럽게 발생하는 피드백입니다. 실제 제품 사용 현황과 사용자의 불만을 훨씬 더 진정성 있게 보여주며, 선제적으로 수집한 데이터를 완벽하게 보완해 줍니다.

오늘날의 고객은 수많은 채널을 통해 브랜드와 소통합니다. 이 모든 채널의 모든 접점은 풍부한 정성적 데이터지만, 많은 팀이 이 피드백을 간과하고 있습니다. Amplitude AI Feedback은 이렇게 정돈되지 않은 비정형적인 사용자 피드백을 정리하여, 곧 바로 쓸 수 있는 명확한 인사이트로 변환해 줍니다.

4. 유저 피드백은 정성적 데이터라는 착각

모두의 오해와 다르게 설문조사, 리뷰, 평점, 인터뷰 등은 고객의 실시간 감정을 보여주는 정량화 가능한 신호입니다. 대표적으로 순수 추천 고객 지수(NPS)와 고객 만족도(CSAT) 같은 지표가 정량화 된 유저 피드백입니다.

이 외에도 대부분의 피드백을 대시보드와 보고서로 수치화할 수 있으며, 이때 AI를 활용하면, 정성적 데이터를 요약하고 정량화하는 데 큰 도움을 받을 수 있습니다. 예를 들어, 수천 개의 서술형 응답이나 앱 스토어 리뷰를 분석하여 가장 빈번한 페인 포인트, 감정의 추이, 새롭게 떠오르는 기능 요청 등을 찾아낼 수 있습니다. 또한, 정성적 피드백을 '사용성 문제'나 '기능 공백' 같은 핵심 테마로 분류하고, 이를 리텐션이나 전환율 같은 KPI와 연관 지어 비즈니스 임팩트를 수치화할 수 있습니다.

5. 너무 빠른 피드백 수용의 함정

피드백이 들어오면 즉각적으로 수용해야 될 것만 같은 압박감이 듭니다. 하지만 피드백을 수용하기 전에 원인 규명을 우선되어야 합니다. 진정한 혁신은 피드백이 조치의 끝이 아니라, 탐구의 출발점이 될 때 일어납니다. 가용한 모든 정량/정성 채널을 활용하여 마찰의 근본 원인을 파악하세요. 각 데이터는 고객을 이해하는 퍼즐의 핵심 조각이므로, 사용자 피드백을 제품 분석 데이터와 지속적으로 연결하는 것이 매우 중요합니다.

아래는 숀다 윌리엄스가 제시하는 '고장 난 폼' 예시입니다. 데이터로 어떻게 하나의 스토리를 완성하는지 살펴보겠습니다.

• 사용자 피드백: 문의 채널과 온라인 댓글을 통해 제품의 설문조사 기능이 제대로 작동하지 않음을 인지
• 행동 분석: 제품 데이터 분석을 통해 설문조사 작성을 포기하는 고객의 비율을 확인합니다. 분석 결과, 모바일 사용자에게서만 문제가 발생하였으며 이는 전체 사용자의 15%임을 알게 됩니다.
• 세션 리플레이: 모바일 사용자의 히트맵과 세션 리플레이를 통해 사용자 행동을 관찰합니다. 사용자들이 '클릭이 인식되지 않는 특정 버튼'을 계속 탭하고 있음을 발견합니다.
• 결과: 해당 버튼을 고치면 이탈 마찰이 사라질 것이라는 가설을 세우고 이를 테스트하여 바로잡습니다.

마치며: 사용자 행동의 '이유(Why)' 파악하기

과거 유저 리서치는 비용이 많이 드는 작업이었지만, Amplitude를 사용하면 훨씬 더 빠르고 저렴하게 처리할 수 있습니다. 게다가 Amplitude의 분석 데이터와 연동하여 더욱 풍부한 분석이 가능해졌습니다.

유저 리서치는 디자인, 개발 등 모든 업무의 근간인만큼 확실한 전략이 필요합니다. Amplitude를 활용한 유저 리서치 방법을 더 알고 싶다면 Amplitude 한국 공식 리셀러 팀 맥소노미에게 지금 바로 문의해주세요🙌

< 함께 보면 좋은 콘텐츠 >

🔗Amplitude AI Agents로 '스스로 성장하는 제품' 만들기

🔗AI Agent 도입을 위한 실전 가이드

🔗고객의 목소리를 한 곳에서 Amplitude AI Feedback