현재 저희 회사는 20년이 넘는 시간 동안 일찍이 상담 백오피스를 고도화하고, 끊임없이 시대적 흐름에 맞는 고객 지원 솔루션을 도입했습니다. 나아가 고객의 불만 유형별 보상 정책과 협력사를 위한 규정 등으로 CX팀의 자산을 발전시켜 왔습니다. 산업과 제품(B2B, B2C)에 따른 차이는 있겠지만, 수많은 고객 여정을 기획하고 긍정적인 브랜드 가치를 전달하고자 하는 CX의 본질은 변하지 않는다고 생각합니다. 그래서 문득 궁금해졌습니다. 기업 규모와 성장 단계에 맞는 CX 업무는 과연 어떤 것들이 있을까요?

개발자, 디자이너, 기획자, HR, 오퍼레이션 등 대부분의 직무에서 우리가 일하기 전 예상했던 업무와 실제 업무에는 차이점이 존재합니다. 비즈니스는 빠르게 변화하기 때문에, 학생 때 배운 교과서적인 내용은 실무에 활용되지 않는 경우가 더 많습니다. 실제로 데이터 분석가(Data Analyst)가 되어 일하다 보니, 중요하게 생각하는 것들도 많이 바뀌었습니다. 이번 글에서는 개인적인 경험에 기반해, 데이터 분석가가 되어보니 중요한 것들에 대해 소개하겠습니다.

고객을 이해하기 위해서는 고객 데이터를 방대하게 수집해야 한다고 합니다. 그래서 많은 기업들은 경쟁처럼 고객 데이터를 활발하게 수집하고 있습니다. 기업은 고객 데이터로 인한 경쟁 우위를 크게 평가하고 있지만, 경쟁 우위가 정말 ‘사용자 데이터’ 자체에 기반한 것인지는 다시 한번 생각해 볼 필요가 있습니다. 대부분은 가입자가 증가함에 따라 발생하는 네트워크 효과로 서비스나 상품의 경쟁우위가 올라가는 경우가 많기 때문입니다. 이번 글에서는 고객 데이터가 어떤 경우에 중요하고, 어떻게 사업 경쟁 우위를 차지할 수 있는지 알아보겠습니다.

NFT를 활용한 서비스가 성공하기 위해 안정적인 기술을 확보하는 것도 중요하지만, NFT 서비스는 다른 서비스보다 진입장벽이 높기에 기획 역시 중요하다. NFT 서비스 기획 시 주의해야 할 것들을 고려하지 않는다면, 서비스 자체에 큰 리스크가 따를 가능성이 높다. 이번 글에서는 동료 기획자들이 나와 같은 실수를 하지 않기를 바라며, NFT 서비스 기획 시 주의해야 할 것들에 대해 살펴보려고 한다.

커피챗을 신청하는 사람들은 대학생, 취준생, 이제 막 취업한 주니어 기획자, 창업자, 미들급 PO등으로 다양하다. 그중에서도 가장 신청 비율이 높은 건 주니어 기획자이다. 지금까지 총 38번의 커피챗을 진행하며, 가장 많이 받았던 질문들을 정리해보았다. PO는 과연 실무에서 어떤 일을 할까? 궁금한 분들에게 그동안의 답변을 공유하고자 한다.

사용자 경험(User Experience, UX) 영역에는 다양한 직무들이 있습니다. 대표적으로 사용자 인터페이스(User Interface, UI)를 설계하는 UX 디자이너가 가장 잘 알려져 있습니다. 그렇다면 고객에게 좋은 경험을 제공하기 위해서는 UX 디자이너만으로 충분할까요? 그렇지는 않습니다. 바로 객관적인 관점에서 고객의 목소리를 대변해주는 UX 리서처가 필요합니다. 특히 최근 들어 데이터 기반의 합리적인 의사 결정이 더욱 중요해지면서, 기업에서도 UX 리서치 직무에 대한 니즈가 높아지고 있습니다. 이번 글에서는 UX 리서처가 수행하는 다양한 업무들에 대해 알아보고, 다른 직무들과의 차이점을 살펴봄으로써 UX 리서처라는 직무를 소개해 드리고자 합니다.

NFT를 활용한 서비스가 성공하기 위해 안정적인 기술을 확보하는 것도 중요하지만, NFT 서비스는 다른 서비스보다 진입장벽이 높기에 기획 역시 중요하다. NFT 서비스 기획 시 주의해야 할 것들을 고려하지 않는다면, 서비스 자체에 큰 리스크가 따를 가능성이 높다. 이번 글에서는 동료 기획자들이 나와 같은 실수를 하지 않기를 바라며, NFT 서비스 기획 시 주의해야 할 것들에 대해 살펴보려고 한다.

우리가 디자인 사고 능력을 빠르게 성장시킬 수 있는 방법은 무엇이 있을까? 이는 바로 개인적인 느낌이나 취향이 아닌, 논리를 바탕으로 기획과 디자인을 진행하는 것이다. 이 글에서는 디자인 사고를 발달시킬 수 있는 세 가지 형태의 형식 논리학을 소개한다. 그리고 그중에서 디자인 사고와 관련이 깊은 가추법(abduction)을 실제 인터뷰 상황을 예로 들어 알아보고자 한다.

필자가 경험한 바에 의하면 많은 조직이 데이터 드리븐(Data Driven)이라는 명목하에 단순히 데이터를 뽑아보고 참고만 하거나, 기본적인 데이터 지식도 없이 잘못된 해석을 통해 의사 결정을 하는 경우가 많았다. 그중에서도 대표적으로 데이터의 상관관계와 인과관계를 혼용하여 사용하는 경우가 많다. 그럼 상관관계와 인과관계는 무엇일까? 이번 글은 데이터 기반의 조직에서 알아야 하는 상관관계와 인과관계에 대한 개념을 알아보고, 기획자로서 최소한의 데이터 분석 지식을 겸비하여 올바른 의사 결정을 할 수 있도록 돕고자 한다.

아마존의 플라이휠은 아마존의 성공을 견인한 동력으로 잘 알려져 있습니다. 그러나 저는 아마존이 플라이휠이라는 개념을 직접 언급해서 가장 유명해진 것이고, 다른 많은 기업들도 알게 모르게 자신만의 플라이휠을 만들고 굴려왔다고 생각합니다. 오늘은 이러한 생각을 바탕으로 우리가 알고 있는 국내외 대기업이 어떻게 성장해 왔는지 플라이휠의 관점에서 살펴보고, 자신의 서비스에 맞는 플라이휠을 찾아보는 방법에 대해 알아보겠습니다.