어피니티 다이어그램에서 페르소나까지
직감이 아닌 데이터로 고객을 이해하자
목차
1. 고객의 본모습을 보여주는 데이터
2. 정성 데이터 분석, 어피니티 다이어그램
3. (사례) 어피티니 다이어그램과 페르소나
하나라도 해당되면, 재밌게 읽을 수 있어요!
1. 어피니티 다이어그램을 이론으로만 알고 있다.
2. 페르소나를 데이터가 아닌, 직감과 경험을 기반으로 도출했다.
3. 고객 데이터로 무엇을 할 수 있는지 잘 모르겠다.
고객의 본모습을 보여주는 데이터
혹시... 데이터 좋아하세요?
'Why'를 찾는 데 모든 기획이 시작되고, 이 'Why'는 고객으로부터 비롯된다. 즉, 올바른 Why를 찾기 위해선 고객을 먼저 이해해야만 한다. 기획자는 고객, 그 자체가 될 수 없다. 그 대신, 데이터를 통해 고객을 이해하고 'Why'를 찾는다. 고객 데이터는 "고객이 어떤 행동을 했는가?"를 있는 그대로 보여주며, 기획자는 이를 거슬러 올라가 "그렇다면, 고객은 왜 그런 행동을 했을까?"의 답을 알아낸다.
데이터로 고객을 이해하자!데이터는 크게 2가지 범주로 구성되는데, (1) '숫자'로 표현되는 정량 데이터와 (2) '문자'로 표현되는 정성 데이터이다. 두 범주는 서로 다른 속성을 가지고 있고, 그중 대표적인 것이 '정형화 / 비정형화'이다. 서로 다른 대상을 비교하기 위해선, 대상이 모두 동일한 형식(=정형화된 틀)을 갖춰야 한다. 정량 데이터는 모두가 '숫자'라는 형식을 갖고 있기에, 비교 분석이 쉽고 간편하다. 가령, 서로 다른 두 버튼 중에서 어떤 것이 고객이 더 선호하는지 알고 싶다면, 버튼의 CTR(클릭률) 중에 더 높은 것을 확인하면 된다. 물론 통계적 유의미성, 모수 등을 확인해야 하지만 이는 잠시 생략하자!
이와 다르게, 정성 데이터는 정형화된 틀이 없으므로, 비교를 위해 동일한 형식으로 변환하는 과정이 필요하다. 이 과정 때문에 정성 데이터의 분석은 더 큰 노력과 시간이 들지만, 그만큼 정성 데이터는 고객에 대한 더 깊은 인사이트를 제공한다. 정량 데이터가 "고객이 어떤 행동을 했는가?"를 보여주는데 그친다면, 정성 데이터는 "고객이 왜 그런 행동을 했는가?"까지 알려줄 수 있다. 따라서, 기획자라면, 정량 데이터와 정성 데이터 모두와 친해져야 한다.
정성 데이터 분석, 어피니티 다이어그램
어피니티 다이어그램이란?
어피니티 다이어그램은 방대한 정성적 데이터 사이에서 의미 있는 규칙을 발견하는 그룹핑 방법이다. 정량 데이터는 Google Anayltics, Amplitude 등의 데이터 수집 툴을 통해 수집되며, 항상 같은 형식으로 데이터를 보여준다. 이와 다르게, 정성 데이터는 필드 리서치, 포커스 미팅, 고객센터 등 다양한 채널에서 수집되며, 이를 수집 및 기록하는 사람이 누구인지에 따라 형식이 달라진다. 이때, 어피니티 다이어그램은 서로 다른 채널에서 수집한 정성적 데이터를 분류 및 정리하고, 겉으로 관련 없어 보이는 데이터들 사이에 규칙을 발견한다.
무수한 포스트잇의 악수가! (출처 : NNgroup)어피니티 다이어그램 방법
'어피니티 다이어그램'이란 용어만 봤을 때, 전문적이고 어려워 보인다. 하지만, 포스트잇과 펜만 있다면, 누구나 쉽게 할 수 있다.
어피니티 다이어그램은 대략적으로 아래와 같은 프로세스를 따른다.
1. 문제, 목표 등과 관련된 데이터를 모두 포스트잇에 적어서 붙인다.
2. 관련성 높은 포스트잇끼리 그룹핑한다.
3. 그룹핑된 포스트잇을 대표하는 라벨을 붙인다.
4. 라벨을 기준으로 상관성을 분석한다.
5. 규칙을 발견한다.
(사례) 어피티니 다이어그램과 페르소나
각 유저마다 갖고 있는 니즈와 페인 포인트는 모두 다르며, 서비스가 모든 유저를 동시에 만족시키기란 불가능하다. 따라서, 기획자는 서비스가 집중할 가상의 유저 집단을 그리고, 이들을 위한 서비스를 기획한다. 이때, 가상의 유저 집단을 '페르소나'라고 한다. 어피니티 다이어그램이 발견하는 '고객 데이터 속의 규칙'은 '다수의 유저가 공통적으로 보이는 반응'을 의미하는데, 이는 페르소나의 속성이 된다.
메이아이는 페르소나를 정의할 때, 주로 어피니티 다이어그램을 활용한다. 2분기가 시작하기 직전, 고객 전략을 더 날카롭게 세우기 위해서 어피니티 다이어그램을 활용해 페르소나를 재정의 했었다.
1. 관련 데이터를 모두 포스트잇에 적어서 붙인다.
메이아이는 B2B 솔루션 기업 특성상, 다양한 고객과 미팅을 진행한다. 고객 미팅은 솔루션을 소개하는 자리임과 동시에, 고객이 지닌 니즈와 페인 포인트를 파악하는 채널이다. 팀원은 미팅에서 고객과 나눈 이야기를 기록하고, 이 미팅 로그는 고객 정성 데이터의 DB(=데이터베이스)이기도 하다. 페르소나를 정의하기 위해 지난 몇 개월 간, 미팅 로그를 통해 고객의 니즈, 페인 포인트, 환경, 상황 등을 모두 포스트잇에 적어서 붙였다.
나 같은 경우, 종이에 직접 써야지 생각 정리가 잘 되는 편이라서 3M 포스트잇을 주로 이용한다. 하지만, 데이터가 지나치게 많은 경우, 펜으로 하나하나 옮겨 적기에 시간이 오래 걸린다. 이럴 땐, 온라인 화이트보드로 '미로(Miro)'라는 툴을 사용한다. 미로에 포스트잇 컴포넌트가 있어서, 포스트잇을 쉽게 만들고 옮길 수 있다.
온라인 화이트보드로 용이한, 미로(Miro)2. 관련성 높은 포스트잇끼리 그룹핑한다.
처음 어피니티 다이어그램을 해본 사람이라면, 포스트잇 리스팅을 마치자마자 멘붕이 올 수 있다. 화이트보드에 붙여 있는 수많은 포스트잇에 압도당하기 때문이다. 이때, 모든 포스트잇을 한눈에 다 담으려고 하기보다, 처음부터 하나하나 훑어보면서 빠르게 그룹을 만드는 게 좋다. 그룹의 수가 늘어날수록, 포스트잇의 분류 기준도 명확해지면서 속도가 금세 붙고, 그 많던 포스트잇이 어느 순간 모두 그룹핑됨을 알 수 있다.
3. 그룹핑된 포스트잇을 대표하는 라벨을 붙인다.
그룹핑을 완료했다면, 이제 각 그룹을 대표하는 라벨을 붙인다. 라벨을 붙이기 전까지 개별 포스트잇을 모두 살펴봤다면, 이제부터 라벨에만 집중할 시간이다. 포스트잇이 아닌, 라벨이 집중하는 이유는 목표가 '페르소나'를 정의하는 데 있기 때문이다. 포스트잇이 개별 유저의 속성이라면, 라벨은 여러 유저가 공통적으로 보이는 속성(=유저 집단 속성)이다. 그리고, 페르소나는 개별 유저가 아닌, 유저 집단을 지칭한다.
4. 라벨을 기준으로 상관성을 분석한다.
각 속성을 독립적으로 본다면, 페르소나를 단편적으로만 이해할 수 있다. 서로 다른 속성 사이의 상관성을 분석해서 전체적으로 이해를 해야지 진정한 페르소나를 찾을 수 있다.
예를 들어, (1) 미팅 고객 중 대다수가 신사업 부서다 / (2) 키오스크, 네이버 예약 등으로 이미 고객 데이터를 수집하고 있다 / 그리고 (3) 기존 솔루션에 한계를 느낀다'라는 라벨이 있다고 해보자.
이들을 하나로 묶으면, 우리의 페르소나는 '기존 고객 데이터 수집 솔루션에 한계를 느끼고 있으며, 신사업 부서에서 새로운 돌파구로서 메이아이를 찾았다.'라고 말할 수 있다.
5. 규칙(=페르소나)을 발견한다.
여러 라벨 사이의 상관성을 분석하고, 분석 결과를 기반으로 페르소나를 도출했다.
관련 아티클
https://brunch.co.kr/@cliche-cliche/72
https://www.nngroup.com/articles/affinity-diagram/
