온라인 서비스 데이터 세트 예시 - 나이키, 온러닝, 호카 입력 정보 케이스

온라인 서비스 데이터 세트는 서비스가 제공하는 정보에 대한 사용자의 인지 시스템의 작동을 구성한 네트워크/스키마를 의미합니다. 이에 따라서 효과적인 디자인 및 카피/라벨링, 콘텐츠 배치 및 UI 등이 결정됩니다. 이는 상당히 복잡한 구조를 띠지만 여기서는 나이키, 온러닝, 호카 같은 러닝화의 예를 통해 간단히 알아보겠습니다.

 

 

 

나이키, 온러닝, 호카 데이터 세트

 

국내에서 운동화 하면 나이키가 가장 인지도 있고 인기가 있습니다. 한때 뉴발란스 등이 인기를 끌기도 했지만, 에어조단과 나이키 러닝(마라톤) 캠페인, 한정판 스니커즈의 인기로 인해 나이키는 아직까지 가장 인기 있는 운동화 자리를 국내에서 지키고 있습니다.

 

여기서 국내라고 하는 말을 쓰는 이유는 해외의 경우, 특히 나이키의 나라인 미국의 경우 코로나 이후 온러닝과 호카의 인기가 커지고 있기 때문입니다. 

 

국내에 있는 저는 그 인기를 실감하고 있지는 못하지만, 나이키 주가의 하락을 통해 간접적으로 온러닝, 호카가 얼마나 위협적인지는 예상할 수 있습니다. 마치 요가복 시장에서 룰루레몬을 위협하는 알로 같은 것이라 생각하고 있습니다.

 

러닝 크루에 참가하지도 않고, 달리기를 좋아하지 않는 국내에만 있는 저 같은 사용자들은 솔직히 온러닝과 호카의 인기를 실감하지 못합니다. 단지 또 다른 비싼 브랜드 운동화의 등장 정도로 인식할 수도 있습니다.

 

그러나 해외여행도 자주 다니거나, 유학 생활을 했거나, 해외 친구가 많거나, 유행의 흐름에 민감하거나, 러닝을 취미로 하고 있는 사람의 경우 과거와 다른 나이키 러닝화에 대한 평가를 하고 있을 것입니다.

 

에어조단이라는 키워드가 주어졌을 때,

저와 같은 사람의 뇌에서 발생하는 뇌의 인지 작용과 러닝을 취미로 하고 있는 유학파 또는 해외 영업을 하는 사람의 인지 작용은 전혀 다릅니다.

 

여기서 온라인 서비스의 디자인, UI, 콘텐츠 구성 들은 에어조단스럽게, 호카나 온러닝스럽게는 완전히 다른 사용자 층과 이용 패턴을 만들어 내게 될 것 임을 쉽게 예측할 수 있습니다.

 

그럼에도 불과 코로나 전만 해도 나이키 러닝 이벤트에 참가하는 것이 얼마나 힙한 활동이었는지, 몇 년 전만 해도 한정판 나이키 운동화가 몇 배에 가격에도 구매하지 못했던 일이 있었다는 점에서 단순히 지금의 호카나 온러닝과 나이키가 완전히 동떨어져 있는 브랜드 데이터 구성이라고 딱 잘라 말하기 어려운 것도 사실입니다.

 

여기서 우리는 온라인 서비스에서 과거 나이키 운동화에 열광하던 그때의 인지 네트워크/스키마를 지금의 호카와 온러닝을 해석하는 데이터 세트로 활용할 수 있습니다.

 

• 앞의 운동화 브랜드와 직접적으로 연결된 데이터 세트를 정보 자극-반응 세트라 하겠습니다.
• 위의 서로 다른 브랜드지만 운동화에 열광하는 유저의 데이터 세트를 정보 해석 세트라 하겠습니다.  

 

 

 

온러닝, 호카 사용 환경 노출 사용자와 아닌 사용자의 나이키에 대한 인지 반응

 

과거 미국에서 온러닝과 호카 운동화를 구매했고 또 러닝을 했던 사용자와 국내에만 있었던 운동화를 좋아하는 사용자의 나이키 관련 정보에 대한 인지 반응이 어떻게 다를지 생각해 보겠습니다.

 

그리고 러닝 애플리케이션 이용을 유도하려는 서비스 사업자가 각 사용자에게 제공할 수 있는 최고의 UX는 무엇인지 생각해 보겠습니다.

 

아직 국내에서는 일부 사람들을 제외하고는 온러닝과 호카 러닝화에 대해 잘 모릅니다. 그러나 나이키는 잘 알고 있습니다.

 

그러나 인플루언서나 유명인 SNS를 보면 온러닝과 호카에 대한 정보를 쉽게 볼 수 있습니다. 나이키만큼 대중적이지는 않지만 분명 온러닝과 호카도 알려지고 있기는 한 것입니다.

 

이 상황에 온러닝과 호카의 톤 앤 매너, 전반적 이미지를 차용한 UI, 디자인은 분명 세련되고 차별적일 수는 있지만 일반 국내 대중의 인지 시스템을 활성화시키기에는 사전 정보 네트워크(스키마)가 부족할 수 있습니다.

 

물론 일반 대중이 아닌 얼리어답터/인플루언서 또는 전문 러닝 크루인 사용자에게 이런 정보는 전문적이고 앞선 UI와 디자인일 것입니다.

 

이때 나이키 러닝화라는 정보를 제공했다고 가정합니다.

 

일반 대중은 경우 수년 또는 수십 년에 걸친 나이키에 대한 정보와 한정판 스티커니, 중고 거래, 연예인 수집 운동화 등의 정보 네트워크로 인해 쉬운 이미지화나 반응 인출이 가능합니다.

 

그러나 온러닝, 호카에 대한 정보가 있고 잘 아는 유저에게 가장 최근 정보로 스키마로 인해 나이키는 유행이 지났거나 한물간 러닝화, 여전히 에어조던 같은 농구화 등의 이미지로 연결될 수 있습니다.

 

여기서 우리는 데이터 세트가 시장 세분화, 차별화 여기서 한 발 더 나아가 개인화 및 태도/행동 조형을 위한 기본 조건이 된다는 사실을 알 수 있습니다.

 

이로 인한 반응을 우리는 UX라 합니다. 일반 유저들이 말하는 결과적 UX가 아닌, 설계자와 기획자가 말하는 과정 UX, 결과 UX의 원인을 의미합니다.

 

 

 

정보 해석 세트

 

그럼 과거 나이키에 열광하고 러닝을 하던 사람들과 지금 온러닝, 호카를 신고 러닝을 하는 사람들이 전혀 다른 사람들일까요?

 

그들의 필요, 욕구, 욕망, 바람 등이 전혀 다를까요?

 

이 사용자들이 가지는 특성을 정리한 데이터 세트는 향후 새로운 브랜드나 서비스가 나올 때 반응을 예측하고 대응하기 위한 중요한 해석 자료가 됩니다.

 

물론 현재 의도(서비스 가설)한 서비스 제공 내용에 대한 사용자들의 반응이 왜 이러한 것인지, 가설의 어떤 부분의 오차가 있는 것인지 파악하는데도 도움을 줍니다.

 

일반적으로 온라인 서비스 기획 시 이러한 자극-반응 세트와 정보 해석 세트 이외에도 세분화된 데이터 세트가 활용됩니다.

 

데이터의 시작은 시장과 사용자에 대한 데이터 세트입니다. 그리고 가설과 실제 서비스 피드백이 만나는 점에서 데이터 세트는 분화하는 것입니다.

 

데이터의 분화는 서비스 정책과 구조에 따라 다른 방향과 양을 나타내게 됩니다. 이를 서비스 계에서의 데이터의 방향성이라고 합니다. 

 

앱과 웹의 개발을 목적으로 한다면 이런 기획적 고려 없이도 가능합니다. 그러나 경쟁 승리 및 시장 지배, 수익화를 의도한다면 이런 데이터에 대한 기획은 반드시 필요합니다.

 

물론 AI를 도입한다고 할 때, 학습과 반영을 위한 것에도 데이터 세트의 작성은 반드시 필요하다고 생각합니다. 개인화, 인간 지능의 학습에도 필요하기 때문입니다.