서비스 기획 입문) 문제 우선 순위 설정 → 핵심 문제 정의 → 해결 방안 가설 설정+오늘의 인사이트/KPT 회고

1단계. 데스크 리서치 및 리뷰 데이터 탐색(네이버 플러스 스토어)

• 이 앱은 왜 만들어졌나? + 사용자는 어떤 불편(VOC)을 겪고 있나?

2단계. 문제 원인 분석 및 정의

• 근본 원인 찾기(5Whys/로직 트리) → 문제 원인 구체화 → 문제 정의 작성

3단계. 문제 우선순위 설정 및 핵심 문제 정의 ▼

• 어떤 문제가 가장 중요할까? → 문제 우선순위 판단
• 우선순위를 바탕으로 핵심 문제 정의
  1. 문제 우선순위 평가
  2. 우선순위 판단 근거
  3. 핵심 문제 선정
  4. 최종 문제 정의

4단계. 해결 방안 가설 설정 ▼

• 이 문제를 어떻게 해결할 수 있을까? → 해결 방안 제안
• 핵심 문제를 해결하기 위한 구체적이고 검증 가능한 가설 수립
  5. 해결 방안 가설 설정 + 예상 리스크
  6. 서비스 이미지(AI 활용) + 사용자 여정(User Flow)
  7. AARRR 분석
  8. AS-IS(현재 상태) / TO-BE(목표 상태)
  9. KPI 설정
  10. 핵심 KPI 우선순위
  11. 기대효과
  +) 오늘의 인사이트, 오늘의 KPT 회고

 

추가 활동

• 아티클 카타) 역량만 있어선 안 된다… IT 프로젝트가 여전히 실패하는 8가지 이유
• [흥달쌤] 깨알 C언어) IF문, SWITCH문, 반복문, FOR문, WHILE문(do~ while), 다중 FOR문

 

---

 

네이버 PM 3일 차(가상)
-
내일은 따로 일정이 있는 관계로
(입사 3일차 신입이... 월차? 현실이었음 결재 반려 났을 듯)
오늘 하루를 불태워서 문서화 직전까지 작업하기로 했다
(출/퇴근 개념이 없던 프리랜서 성수기 때가 떠올라서 아련해진다...)

 

 

◾이전 내용 요약

• 리뷰 데이터를 기반으로 아래 3가지 핵심 문제를 도출했다
  1. 혜택 정보 이해 및 활용 어려움
  2. 가격 비교 및 최종 가격 확인 어려움
  3. 추천 결과와 사용자 기대 불일치
  → 이번 단계에서는 문제 우선순위를 정리하고, 가장 해결 필요성이 높은 핵심 문제를 선정+해결 방안 가설 설정+기대효과를 작성하려 한다
  
  

1. 문제 우선순위 평가

문제	사용자 영향도(Impact)	해결 난이도(Effort)	판단
혜택 정보 이해 및 활용 어려움	높음	낮음~중간	우선 해결 가능
가격 비교 및 최종 가격 확인 어려움	매우 높음	높음	구조적 제약 존재
추천 결과와 사용자 기대 불일치	높음	매우 높음	추천 알고리즘 개선 필요

2. 우선순위 판단 근거

• 문제 1. 혜택 정보 이해 및 활용 어려움
  • 혜택 정보가 흩어져 있음 / 쿠폰 조건이 복잡함 / 소멸 여부를 놓침 / 플러스 멤버십 혜택 체감이 낮음
    관련 리뷰가 반복적으로 등장하며 사용자들이 불편감을 호소했다
    → 비교적 UI/UX 개선과 정보 구조 개선만으로도 완화 가능성이 높아 보였으며(추가 기능 구현 없이), 실제 사용자 체감 개선에도 즉각적인 영향을 줄 가능성이 있다고 판단했다
• 문제 2. 가격 비교 및 최종 가격 확인 어려움
  • 사용자 불편감은 크다고 판단되나,
    서비스 방향성 / 네이버 플러스 판매자 중심 입점 구조 / 정책적 제약 등 추가적인 문제가 발생할 수 있어
    해결 난이도가 높고, 단기간 내 해결이 어려울 가능성이 크다
• 문제 3. 추천 결과와 사용자 기대 불일치
  • 기존 네이버 스토어의 경우, 대량의 트래픽이 강점이었기 때문에 사용자 행동 데이터와 패턴은 가지고 있을 것이다
  • 다만, 추천 로직 개선 / 광고 시스템 유지 / 개인화 모델 개선 등
    복합적인 영역과 연결되어 있어 해결 난이도가 높다고 판단했다
    또한 추천 품질 개선은 사용자 행동 데이터와 학습 과정이 필요하기 때문에 단기간 검증이 쉽지 않을 것이다

[문제 3에 대하여]
이전에 개인 프로젝트로 진행했던 'Userfit TOP3(핵심 정보만 요약 / 조건 기반 추천 / Top3 압축 비교)'를 좀 더 보강해서 연결하면 좋지 않을까라는 생각이 들었다

‘Userfit TOP3’ 프로젝트 역시 사용자의 비교 피로와 구매 판단 어려움을 줄이는 데 초점을 맞췄다
이번 네이버플러스 스토어 분석에서도 단순히 혜택이 부족한 문제가 아니라, 
사용자가 다양한 혜택과 가격 정보를 빠르게 이해하고 판단하기 어렵다는 점이 반복적으로 나타났다

결국 두 문제 모두 ‘정보 부족’보다 ‘정보 과잉 속 판단 피로’와 연결되어 있다고 느꼈다

 

3. 핵심 문제 선정

• 최종 선정 문제
  → 추천 결과와 사용자 기대 불일치
• 선정 이유
  • 추천 품질 문제는 단순히 '추천이 이상하다' 수준의 불만이 아니라 이후에도 반복될 경우,
    사용자가 서비스 자체를 신뢰하지 못하게 될 가능성과 연결된다고 판단했다(해당 내용의 리뷰 반복 등장)
    
  • 네이버 플러스 스토어는 개인화 추천과 발견형 쇼핑 경험을 핵심 가치로 내세우고 있기 때문에(공식 입장 내용 발췌),
    추천 결과에 대한 신뢰 저하는 서비스 핵심 경험 자체의 약화와 사용자 이탈로 이어질 가능성이 있다
  • 또한 리뷰를 살펴보며 개인적으로는, 사용자가 기대하는 쇼핑 경험과 서비스가 제공하려는 경험이 완전히 일치하지 않는 부분(괴리감)이 있는 것은 아닐까 생각했다
  • 기존 네이버 쇼핑 사용 경험에 익숙한 사용자는 여전히 '가격 비교 기반 탐색'을 기대하는 반면,
    플러스 스토어는 'AI 기반 발견형 쇼핑'을 강화하고 있기 때문이다
    → 서비스 핵심 가치 강화가 필요하다고 판단했다

 

4. 최종 문제 정의

• 사용자는 추천 결과가 자신의 현재 관심사와 맞지 않는다고 느끼며,
  반복 노출과 광고 혼재 인식으로 인해 추천 기능에 대한 신뢰가 낮아지고 있다
• 또한 서비스가 제공하려는 발견형 쇼핑 경험과,
  사용자가 기대하는 탐색 방식 사이에 차이가 존재할 가능성이 있다

 

5. 해결 방안 가설 설정

◾가설

• 만약 사용자의 현재 관심사와 구매 목적을 더 명확하게 반영하고, 추천 결과의 근거와 맥락을 함께 제공한다면,
  사용자는 추천 결과를 더 신뢰하게 되고, 탐색 피로 감소 및 상품 탐색 경험 개선으로 이어질 것이다

◾해결 아이디어

1. 추천 이유 시각화
   ex. 최근 본 러닝화 기반 추천 / 30대 여성 사용자 구매 증가 상품 / 최근 관심 카테고리 기반 추천
   → 추천 근거를 함께 노출하여 추천 신뢰도 개선
2. 추천 피드백 기능 강화
   ex. 관심 없음 / 이미 구매함 / 선물용 구매였음 / 이런 상품 더 보기
   → 사용자가 직접 추천 방향을 조정할 수 있도록 설계
   
3. Userfit TOP3 방식 적용

Userfit TOP3 → '비교는 저희가, 선택은 당신이'
이전 챌린지 프로젝트 내용

기존 Userfit TOP3 프로젝트처럼, 사용자의 기존 행동 데이터 기반 개인화 추천 결과에 더해,
사용자가 현재 원하는 조건을 추가 프롬프트(텍스트/음성) 형태로 직접 입력할 수 있도록 설계한다
ex. 가벼운 러닝화 추천해줘 / 출퇴근용 백팩인데 노트북 수납 가능했으면 좋겠어 / 선물용이라 너무 비싸지 않았으면 좋겠어

이렇게 입력된 추가 조건을 기존 개인화 추천 데이터와 함께 분석하여,
사용자 상황과 목적에 가장 적합한 상품 3개를 추천하는 방식이다

또한 사용자가 어떤 정보를 입력해야 할지 어려움을 느낄 가능성을 고려해,
카테고리별로 추천 입력 가이드도 함께 제공하는 방향을 생각했다
ex 1. 가구 → “원하는 인테리어 분위기(우드톤/미니멀/화이트톤 등)를 입력해보세요”
ex 2. 헤드셋 → “주 사용 환경(출퇴근/게임/재택근무 등)을 입력해보세요”
ex 3. 러닝화 → “러닝 목적(입문용/장거리/쿠셔닝 중심 등)을 입력해보세요”
ex 4. 선물 상품 → “예산대와 선물 대상 정보를 입력해보세요”

이처럼 AI가 상황별 입력 예시를 먼저 제안해준다면,
사용자는 막연하게 검색하는 대신 자신의 목적을 더 구체적으로 표현할 수 있고,
추천 정확도 역시 함께 개선될 가능성이 있다고 판단했다

또한 추천 상품을 단순 나열하는 것이 아니라
→ 핵심 차이 요약 / 사용자 조건 기반 추천 이유 제공 / 장단점 비교 / 최종 선택 포인트 안내
형태로 제공하여, 정보 과잉 속에서 사용자가 빠르게 판단할 수 있도록 돕는 방향을 고려했다

특히 Top3 형태로 제한한 이유는, 선택지가 지나치게 많아질수록
사용자의 판단 피로가 증가할 가능성이 크다고 판단했기 때문이다
(선택지가 지나치게 많아질수록 의사결정 피로와 선택 회피 가능성이 증가한다는 점을 고려해,
비교 가능한 수준의 소수 선택지 제공 방식을 우선 적용)

실제로 Userfit TOP3 프로젝트에서도
너무 많은 추천보다 비교 가능한 소수의 선택지 제공이 최종 선택 만족도와
탐색 효율 측면에서 더 효과적이라고 가정했었다

따라서 '추천은 많은데 무엇을 선택해야 할지 모르겠다'라는 상황을 줄이고,
추천 결과를 실제 구매 결정까지 연결하는 경험 개선 가능성이 있다고 생각했다

 

+) 예상 리스크

리스크	설명
입력 피로 증가	사용자가 추가 조건 입력을 귀찮게 느낄 가능성
추천 정확도 기대 상승	설명이 많아질수록 기대치도 상승
프롬프트 품질 편차	입력 수준 따라 추천 품질 차이 발생
추천 속도 저하 가능성	추가 분석 과정 증가
→ 이를 완화하기 위해 입력 가이드와 예시 프롬프트를 함께 제공하는 방향을 고려했다

 

6. 서비스 이미지(AI 활용)

 

+)  유저플로우(User Flow)

 

7. AARRR 분석

단계	현재 사용자 상태	개선 방향
Acquisition (유입)	네이버 쇼핑 사용 경험 기반으로 플러스 스토어 유입	발견형 쇼핑·AI 추천 가치 명확히 전달
Activation (활성화)	추천 결과가 광고처럼 느껴지거나 취향과 맞지 않아 초기 신뢰 형성 어려움	추천 이유·사용자 조건 기반 추천으로 추천 신뢰도 강화
Retention (재방문)	반복 추천·관심사 불일치로 탐색 피로 증가 가능성	사용자 현재 목적 반영 및 피드백 기반 추천 개선
Revenue (수익)	추천 신뢰 부족 시 구매 전환 저하 가능성 존재	추천 신뢰 향상 → 탐색 효율 증가 → 구매 전환 연결
Referral (추천)	추천 결과 만족도가 낮으면 서비스 추천 가능성 감소	'나한테 맞는 추천' 경험 강화로 긍정적 공유 유도

 

8. AS-IS(현재 상태) / TO-BE(목표 상태)

구분	AS-IS(현재 상태)	TO-BE(목표 상태)
추천 방식	최근 본 상품·행동 기반 추천 중심	사용자 현재 목적 + 기존 행동 데이터 통합 추천
추천 신뢰	'광고 같다', '취향과 맞지 않는다'는 반응 반복	추천 이유·반영 조건 함께 제공
상품 탐색	추천 상품이 많아 판단 피로 발생	Top3 압축 비교 기반 빠른 판단 지원
사용자 입력	사용자가 원하는 조건을 직접 반영하기 어려움	텍스트·음성 기반 추가 조건 입력 제공
추천 경험	왜 추천됐는지 이해하기 어려움	추천 근거 시각화 및 사용자 맥락 설명
비교 경험	상품 간 핵심 차이 파악 어려움	장단점·핵심 차이·추천 이유 요약 제공
개인화 경험	과거 행동 데이터 반영 비중이 큼	현재 목적·상황·의도까지 함께 반영
탐색 흐름	반복 탐색 및 정보 과잉으로 피로 발생	사용자 목적 기반 빠른 탐색 흐름 제공
구매 결정	추천은 많지만 최종 선택이 어려움	'왜 이 상품이 적합한지'까지 안내

 

9. KPI 설정

※ 현재 실제 내부 데이터 접근이 불가 → 리뷰 데이터 반복 빈도와 사용자 반응을 기반으로 초기 KPI를 가설 형태로 설정

목표	현재 상태(가설 기준)	목표 수치	측정 방식
추천 신뢰도 향상	'광고 같다', '취향과 맞지 않는다'는 리뷰 반복	추천 부정 피드백 25% → 15% 감소 / '추천이 납득된다' 응답 70% 이상	추천 피드백 분석 + UT 설문
추천 상품 클릭률 증가	추천 신뢰 부족으로 클릭 이탈 가능성 존재	CTR +12% 향상	추천 영역 클릭률
추천 상품 구매 전환율 증가	추천 → 구매 연결 신뢰 부족 가능성	구매 전환율 +8% 향상	추천 상품 기반 구매율
사용자 탐색 피로 감소	상품 비교 피로 및 반복 탐색 리뷰 존재	평균 탐색 시간 15% 감소 / '선택이 쉬워졌다' 응답 70% 이상	탐색~구매 시간 + 인터뷰
추가 조건 입력 사용률 확보	현재 직접 의도 입력 기능 없음	추천 사용자 중 35% 이상 사용	프롬프트 입력 사용률
추천 이유 이해도 향상	왜 추천됐는지 이해하기 어려움	'추천 이유를 이해했다' 응답 80% 이상	사용성 테스트
반복 추천 불만 감소	최근 본 상품 반복 노출 불만 존재	관련 부정 피드백 30% 감소	'관심 없음' 피드백 추적
개인화 경험 강화	추천 이유·맥락 설명 부족	추천 상품 저장·찜 비율 +10% 향상	추천 상품 저장률
구매 판단 도움 강화	추천은 많지만 최종 선택 어려움	'구매 결정에 도움이 됐다' 응답 75% 이상	UT 후 설문

 

10. 핵심 KPI 우선순위

우선순위	KPI	이유
1	추천 상품 클릭률 +12%	추천 결과에 대한 초기 반응 변화 확인 가능
2	추천 부정 피드백 25% → 15% 감소	현재 핵심 불만 개선 여부 확인 가능
3	추천 상품 구매 전환율 +8%	실제 구매 연결 여부 검증 가능
4	추가 조건 입력 사용률 35% 이상	사용자가 직접 추천 개선에 참여하는지 확인 가능
5	'선택이 쉬워졌다' 응답 70% 이상	판단 피로 감소 효과 확인 가능

 

11. 기대 효과

• 추천 기능 신뢰도 향상 가능성
• 사용자 탐색 피로 감소
• 상품 탐색 시간 단축
• 개인화 경험 강화
• 발견형 쇼핑 경험 개선
• 사용자 행동 데이터 품질 개선 가능성
• 사용자 현재 목적 기반 추천 정확도 향상 가능성
• 사용자 입력 품질 향상 가능성
  → 특히 사용자가 '왜 추천되었는지', '어떤 조건이 반영되었는지', '추천 상품 간 어떤 차이가 있는지'를 함께 이해하게 되면,
  단순 광고 노출처럼 느껴졌던 추천 경험이 실제 개인화 추천으로 인식될 가능성이 있다고 판단했다
  

 

---

 

오늘의 인사이트

 

처음에는 혜택 구조나 가격 비교처럼 불편이 직접 보이는 문제를 중심으로 봤지만,

리뷰 데이터를 반복해서 읽으며 방향이 바뀌었다.

 

네이버플러스 스토어가 개인화 추천을 핵심 가치로 내세우는 반면,

실제 사용자 반응은 '광고처럼 느껴진다', '내 취향과 맞지 않는다'는 말이 반복됐다.

단순 기능 불편을 넘어, 서비스 핵심 경험 자체에 대한 신뢰가 흔들릴 수 있는 문제라고 느꼈다.

 

흥미로웠던 지점은 이전에 진행한 Userfit TOP3 프로젝트와 일맥상통하는 부분이 보였다는 것이다.

두 문제 모두 정보 부족이 아니라, 정보 과잉 속에서 사용자가 판단 피로를 느낀다는 공통 구조를 갖고 있었다.

 

그렇다면 해결 방향 역시 단순 추천 개수 확대나 알고리즘 개선보다,

사용자가 조건을 직접 입력하고 추천 이유와 핵심 차이를 함께 제공받는 방식이 더 본질에 가깝다는 결론으로 이어졌다.

 

추천 아이템을 3개로 제한한 이유는

선택지가 지나치게 많아질수록 의사결정 피로와 선택 회피 가능성이 증가한다는 점을 고려해,
비교 가능한 수준의 소수 선택지 제공 방식을 우선 적용하고자 했다.

(실제로 주변에서 해당 문제로 나에게 상품 비교나 대리구매를 요청하는 일이 잦았다.
‘물건은 사 본 사람이 잘 산다’는 말처럼 요청자 맞춤형 추천을 자주 해주다 보니 자연스럽게 대리구매 요청도 늘어났고,

이후 ‘나를 대신할 수 있는 서비스’를 고민하며 Userfit TOP3를 기획하게 되었다.)

 

PM의 역할은 문제를 발견하는 것에서 끝나지 않는다는 걸 새삼 느꼈다.

실제 화면까지 구체화해보는 과정에서, 해결 흐름을 사용자 경험 관점으로 끝까지 연결하고

문제 해결 방식까지 구체화하는 것이 결국 PM의 역할임을 다시 확인했다.

 

 

---

 

오늘의 KPT 회고

 

Keep	• 이전 프로젝트(Userfit TOP3)와 현재 문제를 연결하며 문제의식을 확장했다 • 실제 서비스 예상 화면까지 제작하며 해결 흐름을 구체화했다 • AS-IS / TO-BE, KPI까지 연결하며 문제 정의부터 해결 검증 흐름까지 실제 서비스 관점으로 사고하려 했다
Problem	• 추천 문제를 단순 알고리즘 품질 문제로만 해석할 뻔했다 • 문제 정의와 UX 설계를 연결하는 과정에서 아직 부족한 부분이 있었다(추가 학습 및 이후 과제에서 보완 필요) • KPI를 설정하는 과정에서 실제 데이터 없이 추정 기반으로 작성한 한계가 있었다
Try	• 추천 결과 자체보다 사용자가 왜 신뢰하지 못하는지 맥락까지 함께 고려한다 • 기능 단위 화면보다 사용자 여정 전체 흐름까지 함께 설계하는 연습을 진행한다