📢 발표자 스크립트 : 안녕하세요. 이번 Re:brew 프로젝트 개선안 발표를 시작하겠습니다. 먼저 이번 프로젝트의 배경은 '아이러브커피' 신규 가입자의 이탈 문제를 해결하고, 장기적으로 서비스의 성장을 촉진하는 데 있습니다. 이번 개선 접근 방식은 GA 데이터 분석 + 현장 인사이트를 결합하여 데이터 기반으로 구체적인 개선안을 제안하는 것입니다.
🎤 예상 질문 & 답변 스크립트 Q: 왜 지금 이 개선을 해야 하나? A: 지금처럼 신규 유저 이탈이 지속되면 중장기적으로 고객 생애가치(LTV)가 낮아지고, 마케팅 투자 효율(CAC)이 급격히 나빠집니다. '빠른 대응' 없이는 다음 분기 유저 기반 확대에도 큰 제약이 걸릴 수 있어, 선제적 개선이 필요합니다.
Q: 이 실험이 실패할 경우 대비책은? A: 온보딩 개선은 전체 시스템 변경이 아닌 '별도 그룹' 대상으로 시행되는 A/B 테스트 방식입니다. 실패해도 기존 플로우는 그대로 유지되기 때문에 전체 리스크는 최소화되어 있습니다.
2. 문제 정의
📉 정량 지표로 본 문제
신규 유입 대비 실사용 전환율 낮음
첫 방문 후 1~3일 내 재방문율 급감 (D3 리텐션 15% 이하)
핵심 기능 진입률 < 20%
📢 발표자 스크립트 : GA4 코호트 분석을 통해 확인한 결과, 가입 후 1일차 리텐션은 30%로 괜찮았지만, 7일차에는 9%까지 급락하는 패턴을 발견했습니다. 또한 첫 3일 이내 재방문 비율이 현저히 낮아, 초기 단계에서 유저를 정착시키지 못하고 있다는 문제를 확인했습니다.
3. 데이터 분석
📊 코호트 분석
D1 리텐션: 30%
D3 리텐션: 15%
D7 리텐션: 9%
→ 3일 이내 유저 절반 이상 이탈 → 서비스 정착까지 연결되지 못하고 끊김
🪞 세그먼트 분석
재방문 유저 그룹: 첫 날 2개 이상 행동 → 3일 이상 유지
이탈 유저 그룹: 첫 날 1회만 클릭, 이후 미방문
→ 첫 행동 수(Engagement depth)가 리텐션에 강한 상관성
📢 발표자 스크립트 : 코호트 분석 결과, 가입 후 3일 동안 이탈률이 70%에 달했고, 세그먼트 분석에서는 첫날에 여러 기능을 사용한 유저일수록, 3일 이상 서비스에 머무르는 경향이 뚜렷했습니다.
🎤예상 질문 & 답변 스크립트 Q: 7일 리텐션 9%가 어느 수준과 비교해 낮은 건가? A: 비슷한 장르의 앱이나 소셜 플랫폼 평균이 약 15~20% 수준입니다. 현재 수치는 업계 평균 대비 약 40~50% 낮은 상태입니다.
Q: 코호트 분석에서 가장 중요한 발견은? A: 가입 다음날(D1)까지는 비교적 유지율이 좋지만, 3일차(D3)부터 급격히 이탈 곡선이 꺾인다는 점이 가장 중요한 발견이었습니다. 이 시점이 개선 타이밍의 핵심 구간입니다.
4. 인사이트 도출
서비스 가치를 전달받기 전에 이탈 핵심 기능 노출이 늦고, 진입도 어렵다.
초기 행동 동기가 없다 보상이나 피드백 설계가 부족하다.
정서적 연결을 유도하는 구조가 없다 사용자에게 ‘내가 왜 이걸 해야 하지?’에 대한 설명이 없다.
행동-보상 루프가 없다 반복 사용을 유도하는 재미·성취감 설계 필요
📢 발표자 스크립트 : 이러한 데이터와 현장 인터뷰를 종합했을 때, 문제의 핵심은 크게 세 가지입니다. 1. 유저가 서비스 가치를 느끼기도 전에 이탈하고 있다. 2. 첫 행동을 유도하는 동기 부여가 부족하다. 3. 사용자의 정서적 몰입을 이끌어내는 흐름이 부족하다.
5. 개선 솔루션 제안
1️⃣ 온보딩 튜토리얼 간소화
3단계 튜토리얼 → 핵심 기능만 강조 예시: “이 기능을 알면 원하는 걸 2배 빠르게 찾을 수 있어요!”
2️⃣ 첫 기능 사용 미션 부여
가입 24시간 내 ‘첫 사용 미션’
미션 완료 시 포인트/배지 지급 → 자연스러운 행동 학습 유도
3️⃣ 3일 리마인더 메시지
1~3일차 리텐션 유저 대상
자동 메시지로 관심 끌기 “첫 미션 완료하면 혜택 있어요!” “아직 놓친 기능이 있어요!”
4️⃣ NPS (추천 의향 조사) 추가
“이 서비스를 친구에게 추천하시겠습니까?” (0~10점 척도)
→ 정성 데이터 + 개선 우선순위 도출에 도움
→ 리브루에 처음 도입하는 전략, GA 데이터 보완 목적
📢 발표자 스크립트 : 이에 대한 해결책으로 네 가지 개선안을 제안드립니다. 첫째, 온보딩 튜토리얼을 간소화하여 유저가 빠르게 핵심 기능을 체험할 수 있도록 합니다. 둘째, 첫 사용 미션을 부여해 초기 행동을 유도합니다. 셋째, 3일간 리마인더 메시지를 발송해 이탈을 방지합니다. 넷째, NPS 조사를 추가해 추천 의향과 개선 우선순위를 데이터로 확보합니다.
🎤 예상 질문 & 답변 스크립트 Q: 온보딩 튜토리얼 추가가 이탈을 늘릴 위험은 없나? A: 기존 대비 30초 이내에 완료 가능한 '초간단 튜토리얼' 형태로 설계해 부담을 최소화했습니다. 또한 '튜토리얼 스킵 옵션'을 제공하여 유저 자율성을 존중합니다.
Q: 첫 미션 제공이 실제로 효과 있을까? A: 퍼스트 디센던트, 젠레스존제로 등 사례에서도 첫 미션 제공이 리텐션을 5~8%포인트 향상시킨 데이터가 있습니다. 즉각 행동을 유도해 서비스 가치 체험을 빠르게 연결시키는 효과를 기대하고 있습니다.
Q: 리마인더 메시지가 스팸처럼 느껴지진 않을까? A: 브로드캐스팅이 아니라, 특정 행동을 완료하지 않은 유저에게만 보내는 개인화된 리마인더입니다. 또한 ‘혜택 안내’ 형태로 부드럽게 제시해 거부감을 줄일 계획입니다.
Q: 리소스 소요는? A: 기획 1명, 개발 1~2명, 마케팅/운영 1명 정도면 2주 이내에 A/B 실험 가능하도록 경량화 설계했습니다.
Q: 리마인더/리워드 시스템 구축 기간은? A: 기존 시스템과 연동되는 간단한 룰 기반 설정이므로 약 1~2주 소요 예상하고 있습니다.
Q: NPS 조사는 어떻게? A: 가입 3일 이후, 1회만 노출되는 짧은 2문항 설문조사를 삽입할 예정입니다.
6. 기대 효과 및 목표 수치
항목
현재 수치
목표 수치
D7 리텐션율
9%
15% 이상
핵심 기능 사용률 (1~3일)
17%
25% 이상
NPS 평균 점수
(미측정)
7점 이상
이탈 유저 비율
60%+
40% 이하
LTV 추정치
(계산 필요)
+20% 이상 증가 기대
📢 발표자 스크립트 : 이 개선안을 실행하면, 7일차 리텐션율을 기존 9%에서 15% 이상으로 끌어올릴 수 있을 것으로 기대합니다. 또한 핵심 기능 사용률을 20% 이상 개선하고, 장기적으로 LTV 상승 기반을 마련할 수 있을 것으로 예상합니다.
🎤 예상 질문 & 답변 스크립트 Q: 리텐션 개선만으로 LTV 상승할 수 있나? A: 유저가 오래 남을수록 구매 전환율이 높아지는 것이 검증된 패턴입니다. 특히 리텐션 5% 향상 시, LTV가 25% 이상 상승할 수 있다는 업계 분석도 존재합니다."
Q: 실험이 성공하면 다음 계획은? A: 2단계로 복귀 유저 활성화 플로우 개선, 3단계로 추천 기반 개인화 기능까지 확장하는 로드맵을 준비하고 있습니다.
7. UX 리서치 플랜
📍 1단계: GA 데이터 분석
코호트/퍼널/세그먼트 기준
이탈 흐름, 기능별 도달률, 행동 심도 파악
📍 2단계: NPS 조사 도입
신규 유저 대상, 3일 이후 자동 노출
점수 + “이유” 주관식 응답으로 개선 우선순위 도출
📍 3단계: 현장 인터뷰(15분 내외)
주요 타깃 유저 5명 이상
첫 사용 경험에 대한 감정/이해/행동 이유 파악
질문 예: “첫 화면에서 무엇을 기대하셨나요?” “이 서비스가 당신에게 어떤 가치를 줄 수 있다고 느끼셨나요?”
📢 발표자 스크립트 : 리서치는 GA 데이터 분석, NPS 조사, 그리고 소규모 현장 인터뷰로 구성됩니다. 이러한 조합을 통해 수치 데이터와 정성 데이터를 함께 확보하고, 보다 정밀한 개선 방향을 도출할 수 있도록 설계했습니다.
8. 마무리 및 요청사항
✅ 데이터 기반으로 '아이러브커피'의 구조적인 개선 실험을 시작하겠습니다.
📌 즉시 실행 제안
튜토리얼 구조 리디자인 → 1주 이내 적용
GA 퍼널 이벤트 추가 세팅
NPS 조사 Flow 도입 (GA or 설문 연결)
🧩 요청사항
리마인더 메시지 발송 시스템 연동 논의
배지/포인트 설계 위한 리워드 정책 검토
현장 유저 인터뷰 협조 요청 (타깃군 섭외 포함)
📢 발표자 스크립트 : 이번 제안은 지금 당장 작은 실행부터 시작할 수 있는 플랜입니다. 리마인더 메시지 셋팅, 첫 기능 미션 설계, 초기 인터뷰 준비 이 세 가지를 바로 가볍게 착수해, '바뀌는 결과'를 직접 확인할 수 있도록 만들겠습니다. 저희의 작은 실험이, 장기 서비스를 다시 숨 쉬게 하는 첫걸음이 되길 바랍니다. 지금까지 Re:brew 프로젝트의 방향성과 가능성을 함께 들어주셔서 감사합니다.
책상 데이터 (Desk Research) : 기존 리서치, 통계자료, 보고서, 인터넷 정보 등 2차 데이터를 분석하는 것. → 빠르게 전반적 경향성을 파악할 수 있지만, → 구체적인 타겟 사용자 행동과 맥락을 완전히 이해하기에는 한계가 있다.
현장 데이터 (Field Research) : 실제 타겟 사용자와 만나 직접 관찰하고 질문하며 얻는 1차 데이터. → 직접 듣고, 보고, 느끼면서 숨겨진 니즈, 진짜 문제점을 발견할 수 있다. → 사용자도 몰랐던 "진짜 불편"을 찾을 수 있다.
2️⃣ 책상 위 고민만으로는 한계가 있는 이유
아무리 머릿속으로 시뮬레이션해도, 사용자 환경·감정·상황의 복합성을 모두 예측할 수 없다.
본인이 상상하는 문제와 사용자가 실제 느끼는 문제는 다를 수 있다.
긴 시간 고민한다고 반드시 답이 나오지 않는다. → 시간도 비용이다. 틀린 방향으로 오래 고민하는 것은 위험하다.
3️⃣ 진짜 인사이트는 현장에서 나온다
관찰을 통해 말로 표현되지 않는 행동을 포착할 수 있다. (예: 버튼은 찾지 못했지만 그냥 나가버리는 행동)
직접 인터뷰를 통해 표면에 드러나지 않은 감정을 끌어낼 수 있다. (예: "몰랐어요" 대신, "귀찮아서 포기했어요" 같은 진짜 이유)
현장 맥락을 파악해야 제품이 '언제, 어디서, 왜' 사용되는지를 정확히 이해할 수 있다.
4️⃣ 효율적인 리서치 전략
전략
설명
타겟 뾰족화
'모든 사용자'가 아니라 '진짜 사용할 가능성이 높은 사용자'만 명확히 설정한다.
소규모 / 짧은 인터뷰부터 시작
5~10명만 만나도 주요 패턴이 드러난다. 빠른 1차 리서치를 실행한다.
빠른 정리 / 빠른 수정
리서치 후 바로 인사이트를 메모하고, 필요하면 질문이나 관찰 방법을 즉시 수정한다.
현장 중심 접근
가능하면 실제 사용 환경, 실제 행동을 관찰한다. (사무실, 카페, 집 등)
반복하면서 좁혀가기
리서치 → 인사이트 → 아이디어 → 또 리서치. 이런 짧은 사이클을 반복한다.
5️⃣ 이번 인사이트를 통해 얻은 교훈 ✍️
오래 고민하는 것보다 현장에 나가 한 번 부딪히는 것이 훨씬 큰 가치를 만든다.
완벽한 리서치를 목표로 하지 않고, 빠르고 작게 실험하며 점진적으로 발전시켜야 한다.
생각으로만 문제를 규정짓지 않고, 사용자의 실제 행동과 말로 문제를 정의해야 한다.
🎯 효율적인 UX 리서치를 위한 3단계 전략
1단계: 타겟 정의 – 누구에게 물어볼 것인가? (Who)
질문
목적
이 서비스를 가장 자주, 깊게 쓸 사람은 누구인가요?
핵심 사용자 정의
이탈했던 사용자에게 다시 와달라고 한다면 누구부터 설득할까?
이탈 유저 타겟 설정
신규 vs 복귀 vs 기존 중 가장 중요한 전환 지점은 어디인가요?
페르소나 또는 세그먼트 분류
🔍 Tip: 타겟이 애매하면 질문도 애매해짐. 리서치 전에 꼭 페르소나 1~2명만 간단히 만들어보고 시작하자. 예: “3일만 쓰고 떠난 20대 여성”, “자주 사용하는 40대 직장인”
2단계: 데이터 정의 – 어떤 걸 알아내야 할까? (What)
알아내고 싶은 것
데이터 종류
예시 질문
왜 이탈했는가
정성 데이터
"마지막으로 사용한 날, 어떤 기능을 쓰셨나요?"
어떤 기능이 유용했는가
기능별 사용 피드백
"가장 자주 쓰는 기능은 무엇인가요? 왜인가요?"
어떤 감정이 들었는가
감성·경험
"앱을 사용할 때 기분이 어땠나요?"
🔍 Tip: "사용자 만족도"라는 말은 너무 두루뭉술해. “어느 기능에서 만족했는가?”처럼 정확한 측정 항목을 설정하자.
3단계: 질문 구조 설계 – 어떻게 질문할까? (How)
잘못된 질문 ❌
더 나은 질문 ✅
“서비스 어땠어요?”
“무슨 상황에서 이 앱을 켜시나요?”
“왜 쓰셨나요?”
“마지막으로 쓴 이유가 뭔가요? 그날 뭐 하고 있었나요?”
“불편한 점 있으셨어요?”
“최근에 앱을 쓰다 멈춘 순간이 언제였나요?”
✍ 질문 설계 팁:
닫힌 질문보다 열린 질문: Yes/No보다는 경험을 묻자.
순차적 흐름: 사용 전 → 사용 중 → 사용 후 순서로 묻자.
컨텍스트 중심: “언제, 어디서, 누구랑, 어떤 기분으로?”를 항상 염두에 두자.
✅ 정리: 좋은 질문을 위한 체크리스트
타겟은 명확히 설정했는가?
측정하고 싶은 지표가 구체적으로 정해졌는가?
질문이 너무 넓거나 모호하지 않은가?
감정과 행동을 동시에 포착할 수 있는가?
인터뷰 대상자의 실제 경험을 중심으로 구성했는가?
🌱 적용 예시 (리브루 프로젝트 기준)
목표: 복귀 유저의 첫 3일 이탈 원인 파악 타겟: 최근 2주 내 다시 접속했지만, 3일 이내 이탈한 사용자 질문 예시: “다시 접속하신 날, 어떤 화면에서 가장 오래 머무르셨나요?” “그때 기대했던 것과 실제 경험한 것은 어떻게 달랐나요?” “보상을 받았을 때 어떤 기분이 드셨나요?”
