온라인 서비스 기획 관점의 데이터 유형

온라인 서비스 기획 관점의 데이터는 개념적으로 적절한 UX를 발생시키고 유지할 수 있는가?, 사용자를 획득하고 유지/강화할 수 있는가?, 매출과 수익을 발생시킬 수 있는가?, 경쟁 우위를 확보/지속할 수 있는가? 등에 대한 도구입니다. 실행/활용 측면에서 보면 시장 데이터, 사용자 데이터, 상호작용 데이터로 구분할 수 있습니다.

 

 

 

기획 관점의 데이터 유형

 

여기서 말하는 데이터 유형은 온라인 서비스를 개발, 운영해 나가는 과정에서 필요한 실행적 의미의 데이터를 의미합니다.

 

그러므로 이는 크게

• 온라인 서비스 시장 관련 데이터
• 온라인 서비스 사용자 관련 데이터
• 온라인 서비스 이용 관련 데이터

로 구분하여 볼 수 있습니다.

 

이 세 유형의 데이터는 앱이나 웹 개발, 서비스 운영 및 의사결정 등에 있어 기준이 됩니다.

 

그리고 이 세 유형 데이터를 적절히 융합하여 사용할 것은 신규 사용자 확보와 기존 사용자 유지, 수익 모델의 적용 및 사용자 확대 등을 전략적으로 기획/실행할 수 있게 됩니다.

 

이하에서는 이 데이터 들에 대하여 간단히 정리해 보겠습니다.

 

 

 

온라인 서비스 시장 데이터

 

한 마디로 해당 온라인 서비스가 속한 시장, 즉 사용자가 있고 경쟁 서비스가 존재하는 시장에 대한 데이터입니다.

 

분명 온라인 게임과 온라인 쇼핑은 다른 시장입니다. 

그러므로 당연히 온라인 게임을 개발/운영하려고 할 때 온라인 쇼핑 시장 데이터를 활용하지 않을 것입니다.

모바일 게임을 개발하려고 하면 콘솔 게임 시장 데이터는 제한적으로 활용할 것입니다.

 

이렇듯 시장 데이터는 해당 온라인 서비스가 론칭되어 운영되는 직접적인 시장을 1차로 하여 2차, 3차 시장 데이터로 분석을 확장시켜 나갑니다.

 

시장 데이터는 온라인 서비스 구조와 발생 데이터의 기준이 됩니다.

 

예를 들면, 여성 화장품 시장과 남성 화장품 시장은 같은 화장품 시장이라도 데이터 기준이 다릅니다. 남성 화장품 시장 데이터를 바탕으로 여성 화장품 관련 서비스 구조 및 발생 데이터의 저장/분석을 한다면 여성 데이터 시장을 전혀 이해할 수 없을 것입니다.

 

또한 시장 데이터는 사용자들이 해당 온라인 서비스 시장에 대해 가지는 생각과 판단을 표현하는 것이기도 합니다. 그러기에 온라인 서비스 시장 데이터를 잘 분석/파악하고 있다면 예측 가능성이 높아지게 됩니다.

 

하지만 한계도 있습니다. 

 

온라인 서비스 시장 데이터는 온라인 서비스에 대한 배경 데이터일 뿐 실제 사용자에 대한 데이터는 아닙니다. 물론 사용자의 반응이 모여 시장 데이터를 형성한다는 점에서 간접적 유추는 가능합니다. 그러나 여전히 왜? 에 대한 정보는 부족한 것도 사실입니다.

 

 

 

온라인 서비스 사용자 데이터

 

이런 이유로 온라인 서비스 시장 데이터를 바탕으로 서비스 가설을 수립할 수는 있지만 설명과 표현, 예측가능성에 한계를 나타낼 수밖에 없습니다.

 

그래서 필요한 것이 바로 온라인 서비스 사용자 데이터입니다.

 

여기서 말하는 사용자 데이터는 온라인 서비스 가입 유저가 서비스를 이용하는 과정에서 발생시키는 데이터와는 다른 개념입니다. 이 데이터는 다음에서 다루게 됩니다.

 

사용자 데이터는 해당 온라인 서비스가 제공되기 전 설계 및 가설 수립을 위한 타깃 사용자 데이터를 의미합니다.

 

그러므로 이 데이터에는 사용자의 욕구, 선호, 생활, 특성, 감성 등이 담겨 있습니다.

 

일종의 목표 사용자 데이터라 할 수 있으며, 데이터에 기반한 가상의 대표 사용자인 온라인 서비스 사용자 페르소나라고도 할 수 있습니다.

 

온라인 서비스의 가설은 이 두 데이터를 기반으로 작성됩니다.

 

그리고 이 두 데이터는 후에 온라인 서비스가 제공/운영되는 과정에서 발생되는 데이터를 해석하고, 더 나은 서비스를 위한 업데이트 방향성을 정하는데 활동됩니다.

 

 

  

온라인 서비스 이용 관련 데이터

 

이 데이터는 다른 의미로 플랫폼과 사용자의 상호작용 데이터, 네트워크 데이터라고 할 수 있습니다.

 

말 그대로 사용자가 해당 온라인 서비스를 이용하는 과정에서 발생되는 데이터로, 서비스 상품의 특징인 상호 작용 상품성에 기인하는 데이터라 할 수 있습니다.

 

단순히 이렇게 모여진 데이터만 있다면 거의 쓰레기 데이터에 가깝습니다. 사용자 및 시장 등 판단의 기준이 되는 데이터가 있을 때 의미를 가질 수 있습니다.

 

재밌는 사실은 너무 많아도 문제이지만, 너무 없어도 문제라는 것입니다. 적절성이 중요한 데이터로 AI 학습에 활용되기도 합니다.

 

한 가지 주의할 것은 의도와 대상에 크게 영향을 받는다는 사실입니다.

 

의도적으로 조작이 가능하고, 데이터의 양과 질을 조절할 수도 있습니다. 한 마디로 순수한 데이터가 아닌 만들어지는 데이터라는 점을 이해해야 합니다.

 

종종 기획자나 개발자는 데이터가 많아지고 반복되면 스스로 만든 데이터에 사고가 잠식되는 현상도 나타나게 됩니다. 그래서 자신이 의도적으로 데이터를 만들고, 이 만든 데이터로 자신의 신념을 강화하는 반복 학습을 하는 경우를 조심해야 합니다.

 

때로는 온라인 서비스 안에서 사용자가 학습되듯이 기획/개발자가 자신이 만든 서비스에서 학습되어 사용지 니즈(필요)가 아닌 스스로의 확신에 의해 서비스를 개발/운영하게 됩니다. 그리고 자신의 서비스를 이용하지 않는 사용자들을 비난하고 무지한 사람 취급하는 경우도 생깁니다. 이 경우 온라인 서비스 수익성을 확보하는 것을 어렵게 됩니다.   

 

 

 

복합 데이터

 

이 세 데이터는 서로를 보완하여 시장과 사용자를 설명합니다. 

 

물론 더 세부적으로 데이터를 정의할 수도 있겠지만, 기획적으로 이 세 유형의 데이터 기본에 해당합니다.

 

그리고 이 세 데이터가 융합된 복합 데이터는 사용자의 인지적 판단과 행동을 유도하기도 하며, 강화하기도 합니다. 이 결과 온라인 서비스 안에서 사용자는 인지적 새로운 환경을 맞이하게 됩니다. 마치 가상의 공간에 있는 것처럼 말입니다.

 

이는 새로운 서비스 이용 만족도를 만들기도 하고, 상대적 만족감을 형성하기도 합니다. 그 결과 해당 서비스는 수익성을 구축할 수 있게 됩니다.