IT 기술의 발전으로 미래의 우리 생활은 어떻게 변해 있을까요? 우리는 SF 영화를 통해 발전된 IT 기술로 변화된 미래의 생활 모습이나 진화된 사용자 경험을 전망해 볼 수 있습니다. 이번 글에서는 미래 예측 방법론으로 활용되는 SF 영화 사례 분석을 통해, 최근 ChatGPT로 관심이 뜨거운 인공지능 UX의 진화된 모습과 전망을 알아보겠습니다. 또한 이로 인해 중요해질 수 있는 UX 디자인 이슈에 대해서도 함께 살펴보겠습니다.

성실하게 학교에, 학원에, 야간학습까지 하며 19살까지 청춘을 책상 앞에서 보낸 73.7%의 대한민국 학생들은 대학교에 진학한다(2021년 기준, 교육통계서비스). 고등학교 시절 유일한 목표가 대학 진학이었다면, 대학 진학 후 다시 유일한 목표는 ‘취업’으로 설정된다. 19살까지는 국, 영, 수 점수를 올리기 위해 잠자는 시간을 제외한 모든 시간을 올인했으니, 나의 적성이나 장점에 대해 깊이 시간을 들여 고민하고 탐구하고 실험해보는 시간을 가지기 어려웠다. 그러니 원해서 선택했던 점수에 맞추어 선택했던 ‘전공’ 하나를 제외하고는 다시 원점부터 시작이다.

UX 라이팅에서 텍스트를 ‘더 좋게 만든다’는 것은 효율적인 텍스트와 브랜딩 차원의 텍스트, 크게 두 가지 방향성으로 나눠볼 수 있습니다. 먼저 효율적인 텍스트는 사용성에 가까운 관점입니다. 우리 서비스를 보다 효율적으로 안내할 수 있는 텍스트죠. 반면, 브랜딩 차원의 텍스트는 우리 서비스만의 개성을 드러낼 수 있는 텍스트입니다. 보통 두 가지 방향성을 모두 잡고 싶어 하거나, 원하는 내용이 다른 방향성임을 인지하지 못하는 경우가 많습니다. 이번 글에서는 효율적인 텍스트와 브랜딩 차원의 텍스트는 어떻게 다른지, 사례를 통해 살펴보겠습니다.

기존의 UX 라이팅이 디지털 프로덕트를 다루는 ‘인터페이스’에 쓰이는 글이었다면, 여기서 한 단계 더 나아가 CX 라이팅은 인터페이스뿐만 아니라, 고객과의 접점을 기반으로 한 디지털 채널 전반에서 쓰이는 글을 말합니다. 다시 말해 UX 라이팅이 마이크로 영역을 다룬다면, CX 라이팅은 매크로 영역을 다루는 것이죠. 이번 글에서는 ‘CX 라이팅’(Customer Experience Writing, 이하 CX 라이팅)에 대해 살펴보고자 합니다.

지금으로부터 10년 전인 2013년, 아마존은 도서 추천 소셜 네트워크인 굿리즈(Goodreads)를 1억 5천만 달러에 인수했습니다. 이커머스업을 메인으로 하고 있던 아마존은 왜 책을 판매하는 경쟁사가 아닌 커뮤니티를 당시 어마어마한 금액에 인수했을까요? 그로부터 10년 후인 2023년, 네이버는 ‘미국판 당근’이라고 불리는 포시마크를 12억 달러에 인수했습니다. 포시마크는 커뮤니티 서비스가 결합된 미국 대표 중고 C2C 플랫폼인데요, 10년 전 아마존의 인수와 닮아있지 않나요? 커뮤니티의 미래를 내다보고 과감한 인수를 결정한 기업 행보, 그리고 그 이유. 궁금하지 않나요?

이커머스 검색 엔진은 상품 색인에 초점이 맞춰졌기 때문에, 사용자가 검색한 메뉴가 있음에도 불구하고 검색은 실패로 처리됩니다. 저는 해당 사례를 통해 사용자가 검색창을 상품 검색뿐만 아니라, 검색 엔진처럼 활용한다는 것을 알게 되었습니다. 이미 검색 엔진에 익숙한 사용자들의 경험이 이커머스 서비스에도 그대로 적용되고 있었던 것이죠. 그러나 이를 위해 검색 엔진을 변경하는 것은 개발 공수가 큰 일이라, 우선 기획 단계에서 검색 UX 개선하는 방법에 대해 고민하게 되었습니다.

PI(Process Innovation)라는 개념을 알게 되고 한 달 만에 평가 시스템의 복잡한 내용을 모두 도식화할 수 있었습니다. 시스템은 여전히 개발 중에 있지만, 어떻게 10년 동안 미완성한 시스템을 짧은 기간 내에 진단할 수 있었을까요? 이번 글에서는 프로세스 이노베이션을 통해 잘못된 업무방식, 비효율적인 시스템 설계, 과도한 수작업을 종용하는 기업 정책 등을 빠르게 진단하는 방법을 공유하고자 합니다.

사용성 평가나 설문 조사 그리고 인터뷰와 같은 사용자 조사는 고객 관점에서의 사업 기회 발굴과 디자인 개선에 대한 인사이트를 제공해 줍니다. 그렇지만 단순히 사용자 조사로 수집된 데이터만으로 의미 있는 정보를 제공해 주지는 않는데요. 그 속에 감추어진 의미 있는 정보를 파악하기 위해서는 수집된 데이터 특성에 맞는 적합한 분석을 진행하고, 이를 시각화하는 과정이 필요합니다. 이번 글에서는 객관적인 의사결정을 도와주는 정량적 데이터를 어떻게 분석하고, 시각화할 수 있는지에 대해 살펴보도록 하겠습니다.

본인이 속한 조직에서 서비스나 도메인을 담당하는 PO가 되면 자연스럽게 많은 프로젝트를 선정하고 배포하게 된다. 여기서 프로젝트란 기업마다 부르는 명칭이 다를 수도 있지만, 보통 현재 발생하고 있는 문제를 해결할 수 있거나 서비스를 성장시킬 수 있는 과제를 의미한다. 이번 글에서는 이러한 프로젝트를 어떻게 발견하는지, 진행 여부 결정과 고객에게 배포하게 되는 일련의 과정을 세세하게 설명하려고 한다. 현직에 있는 많은 PO들은 이 과정이 익숙하겠지만, 이제 막 시작한 주니어 PO나 프로젝트를 아직 진행해 보지 못한 기획자라면 늘 첫 시작이 어려운 법이다. 이 글을 통해 프로젝트 과정을 미리 이해하고 활용할 수 있길 바란다.

최근 디지털마케팅의 필수 요소라 불리는 퍼포먼스 마케팅이 위기를 겪고 있습니다. AI가 퍼포먼스 마케터의 업무 상당수를 대체할 것으로 예상되기 때문입니다. 이뿐만이 아닙니다. AI가 퍼포먼스 마케팅 외에 다양한 마케팅 업무를 수행할 수 있을 것으로 전망되면서, 마케팅 업계에 큰 변화가 생길 것으로 예측됩니다. 이번 글에서는 과연 AI가 디지털마케팅 업무를 어느 정도까지 대체할 수 있을지, 마케터는 어떻게 AI에 대처하고 이를 활용할 수 있을지 이야기해 보겠습니다.