유아이볼 대시보드 2차 개선: “사용자 피드백” 중심
안녕하세요, 유아이볼 인턴 디자이너 권예인입니다.
지난 1차 출시 이후, 유아이볼은 현업 디자이너와 기획자분들의 생생한 피드백을 바탕으로 대시보드를 한층 더 발전시켰어요. 특히 이번 2차 개선에서는 단순한 기능 확장보다, ‘사용자 피드백을 어떻게 더 실질적으로 활용할 수 있을까’에 집중했어요. 1차 버전이 데이터를 ‘보여주는’ 단계였다면, 2차 버전은 그 데이터를 ‘이해하고 실행할 수 있는’ 형태로 발전시킨 것이 핵심이에요.
유아이볼은 1차 출시 이후 실제 현업 디자이너들을 대상으로 유저 테스트(UT)를 진행했어요. 많은 디자이너분들이 “일은 많은데, 지금 하고 있는 과제가 정말 중요한 일인지 확신이 없다”는 공통된 고민을 안고 있었습니다. 데이터 기반으로 일하는 조직이 아닌 이상, 다음 과제를 무엇부터 해야 할지 막막하다는 이야기도 많았어요.
이 피드백은 유아이볼이 나아가야 할 방향을 명확히 해줬어요. 데이터를 보여주는 것에서 끝나는 게 아니라, 현업이 실제로 의사결정을 내릴 수 있는 ‘근거’를 제공해야 한다는 것. 이번 글에서는 그 문제의식에서 출발한, ‘사용자 피드백 중심의 2차 개선 과정’과 구체적인 변화들을 자세히 소개하려고 해요.
왜 ‘사용자 피드백’에 집중했나요?
정량적인 수치는 Google Analytics나 Amplitude 같은 분석 툴로 확인할 수 있어요. 하지만 정량 데이터만으로는 “사용자가 왜 불편했는지”, “어떤 맥락에서 이탈했는지”를 이해하기 어려워요. 실무에서 정말 필요한 건 숫자보다 맥락이 담긴 정성적 사용자 피드백이에요. 문제는 ‘수집’이 아니라 그 이후 단계에 있어요. 피드백을 모으는 건 어렵지 않지만, 방대한 데이터를 읽고 정리해 활용 가능한 형태로 가공하는 과정이 훨씬 어렵다는 점이었어요.
실제로 6~8년 차 디자이너들을 대상으로 인터뷰를 진행했을 때, 피드백의 중요도는 평균 4.7/5점으로 매우 높게 평가됐지만, 대부분이 이렇게 말했어요. “피드백을 수집하는 건 어렵지 않아요. 하지만 어떤 피드백을 우선적으로 개선해야 할지 판단하는 게 훨씬 어렵죠.” 이처럼 디자이너들은 정성 데이터의 중요성을 인식하면서도, ‘정리·판단·활용’ 단계에서 가장 큰 어려움을 겪고 있었어요.
유아이볼 커뮤니티에는 디자이너와 기획자들이 남긴 양질의 코멘트가 많지만, 1차 대시보드에서는 이를 단순한 raw data 형태로만 보여주고 있었어요. 결국 빈도, 맥락, 우선순위를 파악하기 위해 일일이 읽고 분류하는 수작업 정리가 필요했고, 이 과정에서 큰 비효율이 컸어요. 그래서 이번 2차 개선에서는 정성 데이터를 의미 있는 분석 단위로 구조화하여 제공하는 것에 집중했어요.
인터뷰에서 얻은 핵심 인사이트
인터뷰에서 반복적으로 등장한 고민은 세 가지였어요.
- “어떤 문제부터 해결해야 할지 우선순위를 정하기 어렵다” (판단),
- “비슷한 불편을 몇 명이나 겪고 있는지 파악하기 힘들다” (빈도),
- “이 피드백이 어떤 상황에서 나왔는지 모르겠다” (맥락).
특히 한 6년차 디자이너는 이렇게 말했어요. “사용자 피드백이 많다고 해서 무조건 우선순위를 높이는 것도 아니고, 무시할 수도 없어요. 결국 어떤 근거로 판단할지가 늘 어려워요.”
결국 문제의 본질은 ‘피드백 수집’이 아니라, ‘수집된 피드백을 근거로 실행 가능한 판단을 내리는 과정’의 부재였어요. 그래서 유아이볼은 단순 요약을 넘어, 빈도와 맥락을 함께 고려해 우선순위를 판단할 수 있는 구조화된 인사이트를 제공하기로 했어요.
해결 방향: 요약에서 실행까지
이 문제를 해결하기 위해 2차 개선은 두 단계로 진행했어요. 단순히 피드백을 요약하는 것을 넘어, AI가 실행 가능한 과제까지 제안하는 단계로 확장했어요.
1️⃣ AI 요약 중심 피드백 제공 – AI가 읽기 비용을 낮춰요
가설: 단순 피드백 나열보다 AI가 구조적으로 분석한 요약을 제공할수록 실무자가 피드백을 활용하기 쉬워질 것이다.
피드백을 그대로 나열하면 정보량은 많지만, 맥락이 분산되어 있어 핵심을 빠르게 잡기 어려워요. AI 요약은 동일한 데이터를 빈도·맥락·긍부정 구분 기준으로 정리해, “무엇이 가장 큰 문제인지”를 즉각적으로 파악할 수 있게 해줘요. 네이버 플레이스의 AI 브리핑 사례에서도, 요약형 정보 제공이 읽기 편의성을 넘어 행동 전환(예약, 주문 등)까지 이끈다는 점이 입증됐어요. 즉, 요약은 단순히 읽기 편한 형태를 넘어 사용자 참여를 유도하는 장치로 작동해요.
2️⃣ AI 과제 추천 기능 – 실행 단서를 제공합니다
가설: 요약과 함께 구체적인 개선 과제가 제안되면, 실무진은 빠르게 우선순위를 설정할 수 있을 것이다.
요약만으로는 방향을 잡는 데 한계가 있어요. AI가 “결제 과정이 복잡하다”는 요약과 함께 “결제 버튼 단일화”, “불필요한 확인 단계 제거” 같은 과제를 제안하면, 팀은 즉시 우선순위 설정 → 담당자 배정 → 실행 계획 수립으로 이어질 수 있어요. 이렇게 구조화된 제안은 실무자가 가장 많은 시간을 쓰는 ‘해석·합의 단계’를 단축시키고, 보고 자료로도 바로 활용 가능해 경영진의 의사결정 속도를 높여줘요.
2차 개선, 구체적으로 어떻게 달라졌나요?
① 사용자 피드백 전용 탭 신설
기존에는 대시보드 하단에 피드백 영역이 위치해 주목도가 낮았어요. 이제 별도 탭으로 분리되어 바로 접근할 수 있고, 피드백 확인의 출발점이 명확해졌어요.
② AI 요약으로 핵심 파악 속도 향상
AI가 사용자 코멘트를 분석해 3문장 요약으로 제공해요. 각 요약은 실제 원문 댓글과 연결되어 있어, 맥락을 잃지 않고 판단할 수 있어요. 숫자 버블 클릭 시 원문 근거를 즉시 확인할 수 있고, AI 요약의 근거가 명확하다는 신뢰도 확보했어요.
③ 실행 과제 3개 제안
각 요약을 기반으로 구체적인 개선 과제 3개를 제시해요. 과제 카드에는 과제명과 우선순위, 기대효과(CTR, NPS 등 지표 중심), 추천 근거, 참고할 UX 패턴이 포함돼요. 이로써 팀 합의·보고 속도가 대폭 단축됐어요.
④ UX 패턴 인사이트 구조 개선
기존의 긴 문장형 리포트를 개조식 구조로 바꾸어, 빠른 스캔과 깊은 이해가 모두 가능해졌어요.
프롬프트 설계 – “맥락을 잃지 않는 간결함”
AI 요약과 과제 추천의 품질은 프롬프트 설계에 달려 있어요. 유아이볼은 실무자가 바로 활용할 수 있는 결과를 목표로, 실제 댓글 데이터를 기반으로 수십 차례의 테스트를 진행했어요.
요약 프롬프트는 댓글의 출처(스크린샷 vs 텍스트형 피드백)를 구분하고, UX 패턴/컴포넌트 체계와 연결해 감정 표현 대신 객관적 수치화된 요약을 제공합니다. 예시로 “10명 중 4명이 결제 단계가 많다고 언급했어요”, “카드 정보 입력 후 본인인증 단계에서 이탈이 발생했어요”처럼 근거가 명확한 문장을 생성해요.
과제 추천 프롬프트는 지표 중심 기대효과(CTR, 이탈률 등)를 포함해 행동 단위 액션 제안을 목표로 설계했어요. 예를 들어 “결제 단계를 3단계에서 2단계로 축소 검토”처럼, 실제 실행으로 이어질 수 있는 구체적인 형태로 결과를 제공합니다. 이렇게 설계된 프롬프트는 단순 피드백 요약이 아닌, 실무자의 실제 의사결정에 바로 쓰일 수 있는 구조로 진화하고 있어요.
앞으로도 프롬프트는 계속 정교화될 것이고, 유아이볼에 누적된 데이터가 많아질수록 AI 요약과 과제 추천의 정확도와 활용도도 함께 높아지면서 더 도움이 될 예정이에요.
앞으로의 계획
2차 개선은 정성 데이터의 구조화에 초점을 맞췄어요.
다음 단계에서는 이를 사용자 특성별(성별/연령/직군/연차)로 분류해 “어떤 문제가 누구에게서 가장 많이 발생하는가”를 한눈에 보여줄 예정이에요. 이를 통해 피드백의 정밀도와 활용도가 한층 더 높아질 거예요. 유아이볼 대시보드를 사용하면서 느낀 불편함이나 필요한 기능이 있다면, 언제든 의견을 남겨주세요. 여러분의 피드백이 유아이볼의 다음 개선을 이끌어갑니다.
아직 도입 전이시라면, 지금 바로 uibowl과 함께해보세요!
■ 대시보드 도입 문의: business@uibowl.io
■ 대시보드 링크: https://partner.uibowl.io/
