앞서 살펴보는 앱 서비스 기획의 전반적인 과정

본격적인 앱 서비스를 기획하는 작업과 앱 개발, 운영과 관련한 기획/관리 작업에 대한 이야기에 앞서 전반적인 앱 서비스 기획 과정에 대한 정리를 해 보고자 합니다. 앞서 정리한 온라인 사업 기획과 서비스 기획, 개발 기획에 대한 내용을 함께 보시면 더 좋을 것 같습니다. 

 

 

앱 서비스의 전반적인 흐름

 

우선은 특정한 방식의 앱 서비스를 진행하기 위한 기업 내 의사 결정이 있어야 앱 서비스는 진행될 수 있습니다. 이는 기업의 비용과 매출의 구성을 미래를 향해 어떻게 만들어 갈 것인가에 대한 것입니다. 

 

이러한 비즈니스 의사 결정은 바로는 비용이 투자되어야 하고, 나중에는 매출이 발생하여야 합니다. 그러므로 앱 시장 경쟁과 사용자의 지불 의사에 대한 전략적 설계를 요구합니다.

 

사용자 지불 의사와 관련한 세부적인 내용은 사용자 가치 및 앱을 통해 원하는 경험을 의미합니다. 이에 따라 앱의 구체적인 기능과 디자인이 결정되고 개발이 시작됩니다.

 

앱 개발과 서비스 사이에는 기간이 존재합니다. 이 기간의 존재로 인하여 사전에 기획된 내용과 서비스 시 발생하는 현상이 달라질 수 있습니다. 즉, 사용자 지불 의사와 관련하여 기획된 세부적인 사용자 가치와 지향하는 앱 경험이 달라질 수 있다는 것을 의미합니다.

 

기획에서는 앱 서비스가 실제 진행되기 전 개발을 위한 기획을 가설이라고 합니다. 그리고 서비스 진행 시 발생하는 데이터를 분석하는 작업을 가설 검증이라고 합니다. 

 

앱이 더 많은 사용자를 확보하고 수익성을 향상하기 위해서는 기간 오차에 따라 발생하는 기획 가설과 앱 서비스 데이터 사이 차이를 조정해 나가는 작업이 필요합니다. 이 또한 서비스 기획이며 이에 따라 신규 개발이 필요해질 수 있습니다.

 

 

앱 서비스 기획의 순환

 

결국 앱 서비스 기획은 가설-가설 검증-가설 수정- 재 검증 등의 작업이 무한히 반복되는 작업입니다. 결국 서비스가 유지되고 있는 동안 서비스 기획은 지속되어야 합니다. 이는 계속 기업 원칙에 빗대어 계속 서비스 원칙이라고 할 수 있습니다.

 

이러한 부분이 개발로 기획을 바라보았을 때와 서비스로 기획을 바라보았을 때 가장 큰 차이 중 하나라 할 수 있습니다.

 

여기서 가설과 애자일/린 등의 개념이 나온 이유가 설명됩니다. 바로 시장 변동성과 변수 확인 타이밍 때문입니다.

 

앱 서비스 시장이 변하지 않는다면 한번 적절히 개발하여 영원히 서비스는 변하지 않아도 매출을 발생시킬 것입니다. 그러나 시장이 변한다면 과거에 매출이 높았던 서비스 내용은 지금 또는 미래에는 매출을 발생시키기 어려워질 수도 있습니다.

 

또한 앱 기획 시 시장의 모든 변수를 파악하여 적절히 반영한다면 개발된 앱은 높은 매출을 올릴 것입니다. 그러나 시장 변수 중 기획 시에는 알 수 없고 서비스를 진행해야만 알 수 있는 변수가 존재한다면, 사전에 완벽한 앱의 개발은 불가능하고 서비스를 통해 부족한 부분을 채워 나가야 하는 상황이 됩니다.

 

실제 여러 앱이 수년간 경쟁해 본 결과 앱 서비스 시장은 빠르게 변화하고 있고, 기획/개발 시 시장 변수를 모두 적용할 수 없다는 것을 알게 되었습니다. 이런 이유로  시장 반응형 기획/개발의 요구가 생기고 가설과 애자일/린 등의 앱 개념이 나오게 된 것입니다.   

 

앱 서비스 기획 또한 특정 기간 작업이 아닌 서비스가 유지되는 동안 무한 반복되어야 하는 업무가 된 것입니다.

 

 

앱 서비스의 데이터와 AI 등장

 

데이터의 중요성은 가설 검증 및 사용자 만족도를 측정하는 기준으로 등장하였습니다.

 

앱이 기획되고 개발되어 서비스되는 시점 기획 가설은 앱 내에서 사용자가 발생시키는 데이터를 통해 확인할 수밖에 없습니다.

 

또한 앱 서비스에 대한 사용자 만족도 역시 오프라인 서비스가 아닌 온라인 서비스의 특성상 데이터를 통해 확인할 수밖에 없습니다.

 

이렇게 기획 가설 확인 및 사용자 만족도를 확인하기 위한 데이터를 추출하는 방법으로 앱 내 측정 도구를 배치하게 됩니다. 좋아요 수와 조회 수, 댓글, 조회 시간 등 또한 일종의 측정 도구라 할 수 있습니다.

 

이러한 측정 도구에서 발생하는 데이터는 온라인 서비스의 특성상 실시간으로 서버에 쌓이게 됩니다. 그리고 충분한 컴퓨팅 파워가 존재한다면 즉각적으로 분석/적용할 수 있게 됩니다.

 

AI는 바로 데이터의 즉각적인 분석/적용을 지원합니다. 이를 통해 앞서 우리가 언급하였던 기획/개발과 서비스 사이 기간 오차와 같이 발생할 수 있는 데이터 분석 후 대응 기간에서 나타나는 오차를 최소화할 수 있게 되는 것입니다.