고객의 Thick Data에 집중해라
정량적인 데이터가 범람하는 가운데 어떻게 하면 고객의 니즈를 파악할 수 있을까에 대한 고민을 하고 있었다. 설문조사를 통해 도출된 데이터가 진정 고객이 원하는 것일까?
이러한 고민속에서 우연히 발견한 'Thick data'라는 책을 발견하게 되었다.
저자는 씩데이터라고 발음하고 고객이 말하지 않는 욕망을 어떻게 발견할 수 있을까를 이야기 하고 있다.
문화인류학을 전공한 저자는 주요 컨설팅펌에서 고객의 니즈를 어떻게 파악할 것인가를 적용해온 경험을 제시하고 있다.
정성적 데이터에 관심이 많은 나는 큰 충격으로 다가온 책이다.
Thick data 씩 데이터/ 박영재 저
빅 데이터도 모르는 인간의 숨은 욕망
'THICK data'라는 책의 주요 내용을 발췌하였고 그 발췌내용에 앞서 개인적인 느낌과 의견을 실었다.
고객의 의도를 파악하기 위한 작업은 많은 시간과 비용이 수반된다.
그러나 정확한 니즈 파악을 위해서는 단순한 설문조사 같은 형태로는 정확하게 파악이 어렵다. 따라서 이 책에서는 적극적인 고객에 대한 적극적인 참여관찰을 이야기 하고 있다.
인류학에서는 연구할 대상의 공간에 뛰어들어 일상을 함께하며 관찰하고 면담하는 이런 방법을 ‘참여관찰’이라고 한다. 저자는 참여관찰을 통해, 거듭되는 손실에도 자신만은 끝내 성공하리라는 투자자들의 믿음과 집착이 어떻게 생겨나는지를 심도 있게 탐구한다.
참여관찰 방법론을 컨설팅에 적용하면 고객사에서 그 직원들과 함께 근무하면서 해당 기업의 비즈니스 이슈를 내부인이나 외부인의 시선으로 파악하고 해결할 수 있다. 맥킨지에서는 월요일부터 목요일까지는 컨설팅을 의뢰한 고객사로, 금요일에는 본사로 출근한다. 이는 고객사에서 일하는 4일간은 고객사의 시점, 즉 내부인의 시선으로 문제를 바라보고, 본사에서 일하는 하루는 철저한 외부인의 시선으로 그 문제를 다시 돌아보고 정리하기 위해서다. 이를 통해 고객사의 비즈니스 이슈를 철저하게 내면화해 이해하는 동시에 내부인의 시선에는 보이지 않는 잠재 요인을 외부인의 시선으로 잡아낼 수 있게 된다.
내가 뜻하는 인류학적 시각이란 앞서 밝힌 문화 상대주의, 총체적 접근, 참여관찰을 가리킨다. 이제부터 우리는 이 세 가지 인류학적 시각을 통해 비즈니스 세계를 다시 살펴볼 것이다. 그간 너무익숙해서 간과했거나 너무 낯설어 보려 하지 않았던 수많은 이면도 새로 발견하게 될 것이다.
미국의 대표적인 문화인류학자 마빈 해리스Marvin Harris는 저서 《음식 문화의 수수께끼The Sacred Cow and the Abominable Pig : Riddles of Food and Culture》에서 힌두교도가 소고기를 먹지 않는 이유를 종교적 신념이 아니라 인도의 환경 및 경제 조건에서 찾아야 한다고 했다. 인도와 같은 소규모 농업 환경에서 소는 밥을 갈고 우유를 제공하는 이로운 동물이므로 잡아먹지 않는 편이 경제적으로 유리한 선택이었다는 것이다.
마빈 해리스의 논리로 설명하면, 농업 사회였던 과거 우리나라에서 개고기는 주요한 단백질 공급원이었을 것이다. 소는 농사에 꼭 필요한 자원이이고, 닭에선 달걀을 얻을 수 있으니 소와 닭은 웬만해선 잡아먹지 않았다. 반면 개는 농사에 도움되지 않고 소나 닭과 달리 잡식성이라 사람이먹는 음식을 나눠줘야 했으므로 키우기보다 잡아먹는 편이 더 낫다고 여겼을 수도 있다.
고객을 어떻게 바라봐야 할 것인가? 조망하는 것이 아닌, 그들의 세부적인 것에 집중하는 벌레의 눈이 필요하다고 한다. 그리고 3가지에 집중해야 하는 집중적인 시각이 필요하다.
그것은, 전문성/ 호기심/ 커뮤니케이션 이다.
전문가적인 식견으로 고객을 바라보고, 고객이 우리의 업무에 어디까지 적용될 것인가에 대한 꾸준한 호기심이 필요하다. 그리고 마지막으로는 고객과 소통하는 능력이 요구된다. 고객과 소통해야 그들을 총체적인 시각으로 바라볼 수 있는 것이다.
총체적 시야가 ‘새의 눈’이 아니라 ‘벌레의 눈’이라면 한 집단을 총체적으로 파악하는 이는 지위가 높고, 권한이 큰 사람이 아니라 오히려 그 반대일 수 있다. 누구나 어느 자리에서든 다음의 세 가 지 요소에 주목하면 총체적 시야를 키울 수 있다.
첫째는 당연히 전문성이다. 요즘 여기저기서 ‘피보팅pivoting’이라는 단어가 자주 들려온다. 원 래는 공을 든 채 한쪽 다리를 고정하고, 다른 다리를 이리저리 움직이며 다음 플레이를 준비하는 행동을 가리키는 농구 용어다. 여기서 중요한 점은 한쪽 다리를 단단하게 고정해야 한다는 것이 다. 그래야 다른 다리를 자유로이 움직이며 다음 기회를 살필 수 있다. 이처럼 자신의 전문 분야를 확실하고 단단하게 다져 두면 이를 중심으로 다른 분야까지 내다보고 때로는 방향을 전환하는 일 도 가능해진다.
둘째는 호기심이다. 내 전문 분야가 어느 분야와 연결되는지, 내 업무가 누구의 일과 연결되는지, 내 일의 영향력이 어디까지 미칠 수 있는지 끊임없이 호기심이 일고 궁금해야 한다. 호기심은 총 체적 시야를 키우는 데도 중요하지만, 완전히 새로운 기회를 만나고, 그 기회를 비즈니스로 연결 하는 데도 결정적인 역할을 한다.
셋째는 커뮤니케이션이다. 총체적 시야는 결국 ‘관계를 파악하고 연결하는 능력’이다. 그런 의미 에서 소통 능력은 총체적 시야와 떼려야 뗄 수 없는 개념이라 할 수 있다.
고객이 왜 그렇게 행동하는지를 Big Data를 통해서 확인했다면 왜 그런가에 대한 의미 파악이 필요하다. 이를 위해서는 Thick Data가 필요한 것이다.
설문조사를 통해 고객의 패턴을 파악했다면, 왜 그런 데이터가 나왔는지는 인터뷰 등을 통해서 파악해야 고객이 원하는 Pain Point를 해결할 수 있을 것이다.
thick data의 의미를 더 깊게 이해하려면 big data와 비교하는 방법이 가장 효과적일 것이다. big data는 정량적定量的, quantitative이고, thick data는 정성적定性的, qualitative이다. big data가 머신 러닝machine learning에 의존한다면 thick data는 인간 학습에 의존한다. big data는 패턴 식별을 위해 변수를 제거하지만, thick data는 복잡성을 수용한다. big data는 해상도resolution가 떨어지고, thick data는 확장성scalability이 떨어진다.
넷플릭스는 big data를 통해 이용자들이 어떤 콘텐츠를 어느 시간대에 어느 정도의 간격을 두고 시청하는지 이미 알고 있었다. big data는 사용자들이 드라마 에피소드를 전체를 시청하는 데 최 소 이틀에서 최대 일주일밖에 걸리지 않는다는 사실을 알려 줬다. 같은 프로그램을 한 번에 두 편 이상 연속해서 시청하는 이러한 패턴을 넷플릭스 이용자들은 ‘빈지워칭bing watching, 몰아보 기’라고 부른다.
넷플릭스는 big data를 통해 이용자 다수가 빈지워칭을 한다는 사실까지는 확인했지만, 그것이 어떤 의미인지는 알 수 없었다. 영어 표현 ‘binge’에는 ‘폭음’이나 ‘폭식’처럼 부정적인 의미가 담 겨 있는데, ‘빈지워칭’이라는 개념에도 ‘통제할 수 없고 죄책감이 수반되는 행위’라는 뜻이 있는지 알아야 했다.
인류학자 그랜트 맥그래켄은 넷플릭스의 이러한 우려가 사실인지 알아보기 위해 미국의 여러 가 정을 방문해 넷플릭스 이용자들이 TV를 시청하는 방식을 직접 관찰했다. 그 결과 빈지워칭을 하 는 이용자들은 불쾌감이나 죄책감보다 순수한 즐거움을 더 많이 느낀다는 사실을 발견했다.
인터뷰를 할때 주관식으로 묻지말고 오픈형으로 질문해야 한다. 단, 오픈형이라는 것은 특정한 것을 질문하는 것이 아닌 그들의 니즈를 좀 더 말 할 수 있는 것이어야 한다. 이를 위해서는 고객에 대한 깊은 이해가 필요할 것이다.
개방형 질문이 곧 주관식 질문을 의미하는 것은 아니다. 가령 소비자에게 어떤 장난감을 원하느 냐고 묻는 것은 주관식 질문이지 개방형 질문이 아니다. 소비자 대부분은 자신이 어떤 장난감을 원하는지 깊게 고민하지 않으므로 좋은 답변이 나오기 어렵다.
장난감에 관한 연구라면 장난감이나 놀이와 직접적으로 관련된 질문보다 아이들의 일상과 여가, 관심사와 취미 등을 묻는 질문이 적당하다. 자동차에 관한 연구라면 특정 자동차를 어떻게 생각 하는지 묻기보다 운전이 소비자에게 어떤 의미인지, 운전하다 곤란했던 때가 있었는지, 자동차 여행의 추억이 있는지 등을 물을 수 있을 것이다.
THICK을 어떻게 적용할 것인가?
1. Tolerance : 문화 상대주의에 입각해 낯설음에 관대해져라
2. Hidden Desire : 관찰을 통해 소비자의 숨은 욕구를 찾아
3. Informants : 극단적인 소비자 및 나만의 자문단을 적극 활용하라
4. Context : 소비자의 말이 아닌, 총체적인 맥락에 집중하라
5. Kindred Spirit : 참여를 통해 소비자에게 공감하라
1. Tolerance : 문화 상대주의에 입각해 낯설음에 관대해져라
2. Hidden Desire : 관찰을 통해 소비자의 숨은 욕구를 찾아라
thick data는 big data와 달리 ‘왜’를 설명하는 근거가 되지만, 실제 참여관찰 현장에서 소비자에 게 “왜?”라고 질문할 때는 매우 신중해야 한다. 이런 질문은 자칫 자기방어 심리를 자극해 변명이 나 거짓말을 유도할 수 있기 때문이다.
3. Informants : 극단적인 소비자 및 나만의 자문단을 적극 활용하라
4. Context : 소비자의 말이 아닌, 총체적인 맥락에 집중하라
참여관찰이나 심층 인터뷰를 할 때도 소비자가 겉으로 드러내는 말과 행동이 아닌, 수면에 잠긴 맥락을 세밀하게 살펴야 한다. 가령 소비자는 우리 제품을 쓰는 데 아무런 어려움이 없다고 답했 지만, 실제 사용하는 모습을 관찰하니 포장을 뜯는 일만 한간힘을 쓴다면 과연 소비자의 말을 믿 어야 할까? 소비자는 우리 제품을 가장 좋아한다고 대답했지만, 선반을 열어 보니 우리 제품 포장 지 위에 먼지가 잔뜩 쌓여 있다면 이 경우에도 소비자의 말을 믿을 수 있을까
5. Kindred Spirit : 참여를 통해 소비자에게 공감하라
클리퍼드 기어츠는 ‘싯솜 놀이: 발리의 닭싸움에 관한 기록들’에서 자신이 어떻게 발리 주민들의 마음을 얻을 수 있었는지 묘사한다. 1958년 발리에 도착한 기어츠 부부는 지방 정부의 주선으로 한 대가족 구역으로 이사해 들어간다. 처음에 발리 주민들은 기어츠 부부를 철저히 무시한다. 못마 땅한 얼굴을 하거나 말없는 말이라도 건네는 게 차라리 낫겠다 싶을 만큼 기어츠 부부를 투명 인 간 취급한다. 그러던 어느 날, 기어츠 부부가 주민들 사이에 섞여 닭싸움을 구경하고 있는데 기관 총을 든 경찰이 도박 단속을 위해 들이닥친다. 주민들이 비명을 지르며 달아나는 와중에 기어츠 부부는 어떻게 했을까. 인류학의 대전제인 ‘로마에서는 로마법대로’를 충실히 따랐다. 즉 주민들 을 따라 달아났다. 다음 날부터 기어츠 부부를 대하는 발리 주민들의 시선이 완전히 달라진다. 단 속 현장에서 신문을 꺼내 들고 특별 방문자의 지위를 과시하는 대신 주민들은 따라 혼비백산 달 아났던 부부의 일화는 발리 주민들의 즐거운 대화거리가 됐고, 그날부터 부부는 마을의 구성원으 로 받아들여진다.
명확한 데이터를 파악하기 위해서는,
첫 번째, 정성적인 리서치로 수집한 thick data로 깊은 통찰을 하고 이를 토대로 가설을 세울 수 있 어야 한다.
두 번째, 첫 단계에서 통찰을 통해 세운 가설을 big data로 검증해야 한다.
세 번째, 소비자의 욕구를 소비자가 원하는 순간에, 원하는 장소에서, 원하는 방식으로충 족시킬 방법을 알려 주는 smart data를 도출한다.
우리가 가장 흔히 활용하는 설문조사가 어떻게 이뤄지는지 한번 돌아보자. 아무리 객관성을 유지 하려 애써도 설문지 문항에 이미 연구자의 가설이 반영됐을 가능성이 크다. 그 가설에 통찰력과 깊이가 있다면 다행이지만, 그렇지 않다면 설문조사 결과와 출력 데이터에도 오류가 있을 수밖에 없다. 때로는 연구자의 가설을 증명하기 위해 설문조사 자체를 그것에 맞게 재구성하는 일도 있다.
그렇다면 어떤 방식의 조사가 가장 이상적일까. 사용자에 관한 구체성과 보편성, 모두를 담보함 으로써 드러나지 않은 진실을 밝히고 가장 합리적인 의사 결정에 이르려면 어떻게 해야 할까?
첫 번째, 정성적인 리서치로 수집한 thick data로 깊은 통찰을 하고 이를 토대로 가설을 세울 수 있 어야 한다.
IT 산업에서 자주 쓰이는 격언 하나가 GIGO(Garbage In, Garbage Out)다. 쓸모없는 데이터를 입력하면 쓸모없는 데이터가 출력된다는 말이다. 대개는 출력 데이터의 양에 주목하지만, 입력 데이터의 질도 중요하다. 제아무리 뛰어난 big data 기술을 보유하고 있어도 입력 데이터의 질을 충분히 고민하고 검토하지 않으면 의미 있는 출력 데이터를 얻을 수 없다.
두 번째, 첫 단계에서 통찰을 통해 세운 가설을 big data로 검증해야 한다.
세 번째, 검증을 마친 가설이 실질적으로 어떤 의미를 지니는지 해석해 ‘왜’라는 질문의 답을 얻은 후, 이에 근거해 소비자의 욕구를 소비자가 원하는 순간에, 원하는 장소에서, 원하는 방식으로충 족시킬 방법을 알려 주는 smart data를 도출한다.
사실 구글의 방대한 big data를 활용하면 얻지 못할 자료가 거의 없다. 구글 폼 같은 툴로도 쉽고 빠르게 원하는 데이터를 손에 넣을 수 있다. 그러나 흄먼 트러스 연구의 핵심은 구글의 big data 에 있지 않다. 소비자에 대한 thick data를 모으고, 거기서 깊이 있는 인사이트를 얻어서 그것을 구글이 보유한 big data를 통해 증명한 뒤 궁극적으로 고객사가 취할 액션에 대한 시사점을 도출 해 내는 데 그 진정한 가치가 있다.
고객은 무엇인가를 보여주기 위해서는 정확한 의견을 말해 줄 수 없다는 것을 인지해야 한다.
어떻게 구축할까요?라고 개발자가 묻는다면 고객은 명확한 요구사항을 제시할 수 없을 것이다.
고객에게 보여주어야 한다. 어떠한 것인지를 그리고 그들의 의견을 구해야 한다.
소비자 조사에 대한 스티브 잡스의 불신은 꽤 오래전부터 시작된 걸로 보인다. 월터 아이작슨 Walter Isaacson이 쓴 스티브 잡스의 공식 전기 《스티브 잡스Steve Jobs》에 따르면 매킨토 시를 개발할 때 시장조사를 어떻게 했느냐는 한 기자의 질문에 잡스는 이렇게 반문했다고 한다. “알렉산더 그레이엄 벨이 전화기를 발명할 때 시장조사를 했겠습니까?”
1998년 5월 《비즈니스위크》와의 인터뷰에서는 또 이렇게 말했다. “사람들 대부분은 제품을 보여 주기 전까진 자신들이 정말로 원하는 것이 무엇인지 정확히 모릅니다.”
이것이 바로 스티브 잡스가 소비자 조사를 믿지 않은 근본적인 이유이자 소비자 조사의 세 번째 맹점이다. 전에 없던 혁신적인 서비스나 제품에 대해서는 소비자 조사가 유용하지 않다. 존재하 지 않는 무언가를 상상해 평가할 수 있는 소비자는 없기 때문이다.
“아직 적히지 않은 페이지를 읽어 내는 것이 우리의 일이다Our task is to read things that are not yet on the page.” 공식 자서전 《스티브 잡스》 에 실린, 그가 직접 작성했다는 글의 한 대 목이다. 소비자에게 원하는 바를 묻지 말고, 그들이 무엇이 필요한지 미처 깨닫지 못한 것을 먼저 파악하는 게 자신이 할 일이라는 뜻이다.
고객지향인 기업을 위해서는 기업의 전체적인 문화를 바꿔야 한다. 모두가 저항할 수 밖에 없는 일이기에 기업문화 형성은 쉽지 않을 것이다.
그러나 모든 직원이 참여하면서 기업문화가 형성되어져갈 것이다.
다이어트가 어려운 까닭은 우리 몸에 항상성이라는 게 있기 때문이다. 극단적인 식이요법으로 체 중을 감량해 봤자 조금만 방심하면 기어이 원래 몸무게를 회복하고야 만다. 전문가들이 운동 습 관, 식습관이 중요하다고 강조하는 이유가 여기에 있다. 기업문화에도 이런 항상성이 있다. 기술 혁신 등 커다란 이벤트가 있어도 변화를 거부하고 부정하는 기업문화가 있다면 코닥이나 노키아 의 사례처럼 몰락의 길을 걷게 된다. 이벤트나 충격요법으로는 조직문화를 잠깐 흔들 수는 있어 도 근본적으로 변화시킬 수는 없다. 조직문화는 조직의 습관을 바꿔야만 달라진다.
그렇다면 변화를 두려워하지 않는 기업문화, 소비자를 이해하고 파악하는 내부 역량은 어떻게 기 를 수 있을까. 직원들 개개인이 상상력과 창의력을 발휘할 수 있어야 한다. 그러려면 능력 있는 인 재를 채용하고, 그들을 적재적소에 배치하는 일도 중요하지만, 무엇보다 톱다운이 아닌 보텀업 bottom-up 방식의 아이디어 수렴 시스템을 갖출 필요가 있다. 스탠퍼드대학교 경영과학 교수 로버트 I. 서튼Robert I. Sutton은 지속적인 혁신은 천재 한 명으로 가능한 일이 아니라면서 “모 든 직원의 창의적인 아이디어를 지속해서 제안하고 과감히 실현할 수 있는 제도와 시스템이 갖춰 져야 하며 이미 조직 문화로 자리 잡을 필요가 있다”고 말했다.
고객의 Pain Point를 파악하고 이를 개선하는 노력은 기업에게는 특히 필요하다.
그런데 이 고객 니즈를 파악하는 일은 그리 녹록치 않다는 것이 문제이다.
일반적으로 설문조사를 통해 대량의 고객에 대한 데이터를 수집해 보지만
과연 그것이 무엇을 의미하는지 파악은 쉽지 않다.
따라서 고객 데이터를 통해 Why를 파악해야 한다.
왜, 이런 데이터가 나왔는지를 파악하고 그에 대한 대응을 하는 것이 기업에게는 필요하다.
이러한 작업이 Thick Data를 분석하는 것이다.
직접 고객을 만나고 관찰하면서 이러한 Thick Data를 모을 수 있고
이 데이터에서 고객이 원하는 진정한 욕구를 발견하게 될 것이다.
