서비스 기획자가 ‘데이터 툴’ 활용하는 법

기존에는 감에 의존해 일했다면, 이제 본격적으로 데이터를 다루고 있는 요즘이다. 부서 이름도 아예 ‘데이터’라는 단어를 반영하여 조직명이 변경되는 등 조직문화도 변화하고 있다. 한때 데이터 찾을 시간에 서비스 아이디어나 찾아보라는 말도 심심치 않게 들었지만, 이젠 고객 데이터를 분석해 보라는 이야기를 듣곤 한다. 데이터를 빼놓고는 서비스를 이야기할 수 없는 시대가 된 것이다.

고객의 마음을 이해하기 위해, 고객의 진심을 생각하기 위해 데이터를 사용한다고 하지만 데이터를 활용하는 데까지 여러 단계가 숨어있다. 고객이 남긴 자취들을 여기저기에서 모으는 과정부터 데이터를 읽고 이해하기 위한 분석 과정, 그리고 이를 이해하고 써먹는 활용까지 지난한 과정들이 있다. 여러 전문가의 손길이 닿아야 비로소 그럴듯한 결과물이 나오는 데이터 처리 과정 속에서, 어떻게 하면 데이터로 재미있는 요리를 할 수 있을까? 이번 글에서는 서비스 기획자가 데이터를 보는 과정과 사용하는 툴 등을 살펴보고자 한다.

데이터로부터 리서치를 시작하다

리서치 단계에서 주로 사용하는 툴은 구글 스프레드시트, 챗GPT다. 정말 고객들이 원하는 것이 맞을지, 고객이 정말 불편하게 여기는 게 맞을지 기획자는 늘 검토해야 한다. 실컷 사람도 돈도 다 투입되기로 했는데, 막상 뚜껑을 열어보니 전혀 고객이 필요로 하지 않는 서비스였다면 그것만큼 허망한 일도 없다. 아무리 노력해도 고객이 찾지 않는 서비스가 되면 안 되니 고객의 니즈를 예의주시할 필요가 있다.

고객의 반응을 확인하기 위해 가장 많이 활용하는 것은 바로 ‘구글 스프레드시트’다. 특정 함수 하나만 넣으면, 빠르게 뉴스 기사들을 수집해 살펴볼 수 있다. 함수는 ‘importfeed’를 사용하는데, 이 함수로 전 세계 뉴스를 한 번에 수집할 수 있다. RSS 서비스가 제공된다면 무엇이든 구글 스프레드시트에 불러와, 데이터를 한 번에 확인해 볼 수 있다.

구글 스프레드시트와 연동할 수 있는 ‘GPT for sheets’를 넣으면 GPT에서 하는 질문을 그대로 스프레드시트 안에서 활용해 볼 수 있다. ChatGPT에서 사용하는 것처럼 궁금한 것을 질문할 수도 있고, 데이터를 수집할 수도 있다. 

트렌드 또는 사람들의 생각을 데이터로 수집하기 위해 활용하는 툴은 ‘리스틀리(Listly)’라는 구글 확장 프로그램이다. 이 툴은 굳이 코딩하지 않아도 보고 있는 화면 그대로, 구글 스프레드시트나 엑셀 시트에 데이터를 불러올 수 있다는 장점이 있다.

파이썬으로 코딩해서 카페나 블로그 데이터를 수집하는 방식도 있지만, 번거로운 탓에 손에 잘 익지 않았다. 반면 스프레드시트나 리스틀리는 클릭 몇 번으로 바로 데이터를 추출할 수 있어, 자주 활용하는 방식 중 하나다. 

리서치 단계 이후 가설 검증까지

리서치 단계에서 데이터를 수집하는 이유는 사람들이 필요로 하는 것, 문제가 무엇인지를 찾기 위해서다. 문제의 실마리를 찾게 되면, 본격적으로 문제를 해결하기 위해 가설 설정에 들어간다. 예를 들어, 아기를 키우는 엄마의 고민이 ‘세탁기 사용으로 전기요금이 많이 나오는 것’임을 데이터를 통해 알게 되었다고 해 보자. 이제 이 문제를 해결하기 위한 가설을 설정한다. 

• 가설 1. 냉수 세탁을 하면 온수 세탁에 비해 전기를 덜 사용할 것이다.
• 가설 2. 설정된 모드에서 특정 단계(예:건조)를 제외하면 전기를 덜 사용할 것이다.

이렇게 가설이 세워지면, 이에 따른 데이터 수집 전략이 나타난다. 가설 1에 대한 데이터는 온수 사용 시 전력량, 냉수 사용 시 전력량, 월별 전기요금 등이 있을 것이다. 필요에 따라 회사 내부에 있는 데이터도 있지만, 없다면 이 데이터가 있을 만한 회사에 연락을 취해 데이터를 확보하는 것이 필요하다. 데이터 기반으로 문제를 해결할 때 분석 툴, 분석 방식, 시각화 방식 등이 많이 활용되고 있다. 내 경우엔 데이터가 없어서 손을 쓸 수 없는 때도 있다. 그래서 먼저 수많은 가설을 만들어놓고, 데이터를 확보할 수 있는지도 미리 체크해 보면 좋다.

데이터도 확보했고, 이제 남은 건 가설 검증밖에 남지 않았다면 이때 필요한 툴은 ‘태블로 프렙(Tableau Prep)’과 ‘태블로 데스크톱(Tableau Desktop)’이다. 대부분의 데이터는 그 자체만으로는 인사이트를 도출하기 어렵다. 수많은 숫자, 문자들로 이뤄진 빼곡한 데이터는 아무런 말을 하지 않는다. 그냥 해석하기엔 어려움이 크다.

이 데이터를 읽고 이해하며, 인사이트까지 도출하려면 시각화를 해야 한다. 시각화하기 위해서는 사전 작업이 필수적이다. 요리로 치면 고기를 굽기 전 소금으로 밑간하듯, 데이터도 활용할 수 있도록 중복 데이터를 지우고, 필요에 따라선 데이터를 합치는 등의 작업이 필요하다.

데이터로 시각화 및 커뮤니케이션하기

이렇게 데이터 시각화나 활용을 위해 필요한 전처리 과정은 태블로 프렙이나 스프레드시트를 통해 진행한다. 태블로 프렙에선 직관적으로 데이터를 합치거나, 중복 데이터를 지우는 등의 작업을 할 수 있다. 또한 여기저기 퍼진 지저분한 데이터를 깔끔하게 하나의 테이블로 만들 수 있다.

구글 스프레드시트에서는 앞서 소개한 GPT for sheets를 통해 데이터를 정제하는 과정을 거친다. 몇 가지 명령어를 통해 데이터를 간단하게 만들 수 있다. 설문조사의 경우, 사람마다 의견이 모두 달라 데이터가 동일하게 나오기 어렵다. 워드 크라우드를 만드는데 ‘은는이가’와 같은 조사는 삭제해야 한다. 이 역시 스프레드시트로 조사를 빠르게 정제하여, 데이터를 활용할 수 있게 한다.

태블로 프렙으로 데이터를 깔끔하게 정리했다면, 이번엔 태블로 데스크톱과 연동해 데이터 시각화를 진행한다. 태블로 데스크톱은 데이터를 한눈에 알아보기 쉽게 시각화할 수 있는 BI(Business Intelligence Tool) 툴이다. 물론 데이터를 시각화할 수 있는 툴은 무척 많다. 태블로, 파워 BI, 파이썬, R 모두 데이터를 시각화할 수 있는 대표적인 툴이다. 그 중 태블로를 사용하는 이유는 쉽고, 직관적이기 때문이다.

데이터를 드래그 앤 드롭으로 이동하여, 선반에 올려놓으면 자동으로 시각화가 그려진다. 이를 통해 방대한 글자 데이터를 한눈에 쉽게 이해하고, 설정한 가설이 의미 있는지 확인할 수 있다.

만약 위 가설 중 냉수 세탁이 온수 세탁에 비해 전기세가 덜 나온다는 것이 맞다면, 서비스를 제공할 때 요금에 민감한 사람들에겐 ‘냉수 세탁 옵션’을 추천하는 방식을 고려할 수 있다. 나는 직관적이다는 이유로 태블로를 사용했지만, 툴은 기획자의 성향에 따라 달라질 수 있다. 코딩하는 방식이 편한 기획자라면 파이썬, R과 같이 코딩 기반의 툴을 활용해 시각화해 볼 수도 있다.

데이터를 통한 최종 화면 설계하기

서비스 기획자의 역할 중 하나는 머릿속에 추상적으로 떠다니는 무언가를 화면상에 그리는 것이다. 만약 가격에 민감한 소비자를 위해 세탁물이 들어왔을 때, “냉수로 세탁하여 비용을 절약할까요?”라는 안내 메시지 보낸다고 하면, 이를 화면에 어떤 방식으로 보여줄지 고민할 차례다.

대략적인 커뮤니케이션을 위해 와이어 프레임을 그려보았는데, 도통 어떤 화면이 최선일지 확신이 서지 않았다. 이럴 때 실험이 필요하다. 사람들이 선호하는 시안은 무엇인지, 내가 의도하는 대로 액션이 취해지는지에 대한 실험을 설계한다. 실험은 피그마 프로토타이핑 툴로 진행하거나, VWO 같은 A/B 테스트 툴로 결과를 추출해 볼 수도 있다.

이외에도 웹사이트 사용자 경험 분석 툴 핫자(Hotjar)를 통해 사용자가 우리 서비스에서 어디를 많이 살펴보는지, 어디서 가장 오래 머무는지에 등을 분석할 수 있다. 만약 최종 선택한 시안이라도 사람들이 혼란을 겪는 지점이나, 이탈하는 지점이 생긴다면 해당 부분을 체크하여 추후 개선해 볼 수 있다.

최근 3~4년 전부터는 피그마로 많이 작업하는데, 피그마 플러그인 중 A/B 테스트나 히트맵을 볼 수 있는 툴도 꽤 많이 나오고 있다. 어텐션 인사이트나 메이즈와 같은 툴을 활용하면, 시안을 명확함이라는 기준으로 볼 때 몇 점인지, 사용자가 주로 어디에 주목해서 시안을 보는지 등을 자동으로 분석해 준다.

마치며

데이터는 크게 서비스를 초기 기획하는 과정과 서비스를 구체화하는 과정 중간의 여정에서 사용하고 있다. 이 과정 중 어느 한 시점에서만 사용하기보다는, 전반적으로 활용하게 된다. 거창하게 ‘데이터 기반으로 문제를 해결합니다.’라고 접근하면 무겁지만, ‘상대방의 생각이 궁금해 데이터를 활용합니다.’로 접근하면, 데이터가 큰 힘이 될 수 있다.

데이터는 숫자와 문자로 구성되어, 그 자체로는 거짓말을 하지 않는다. 반대로 말하면 기획자가 어떻게 해석하고, 어느 시점에 어떻게 사용하느냐에 따라 용도가 완전히 달라질 수도 있다. 같은 식재료를 두고 요리사마다 만드는 음식과 해석이 다르듯, 데이터도 사용하는 사람이 어떤 생각을 하고 있는지에 따라 달라진다.

아무리 좋은 데이터 분석 툴이라도, 데이터를 해석하는 사람이 편견을 갖고 있다면 데이터를 활용하는 의미가 없어진다. 어느 분야든 툴은 그저 거들 뿐이다. 사용자의 마음을 객관적으로 이해한 것이 맞는지, 편견 없는 데이터가 맞는지 끊임없이 바라보고, 교차 검증하는 것이 중요하다. 이러한 데이터의 본질을 잊지 않고, 여러 방면으로 활용해 본다면 서비스 기획자로서 더 큰 역량을 키울 수 있을 것이다.

요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.