고객 경험 향상에 관심이 많았고, 데이터로 어떻게 고객 경험을 좋게 만들 수 있을까 늘 궁금했었는데, 실무적으로 도움이 될 수 있을 것 같아 해당 책을 선택하였다.
『데이터로 경험을 디자인하라』는 데이터를 단순히 쌓아두는 것이 아니라, 고객 경험을 설계하는 전략적 도구로 활용하는 방법을 제시하는 책이다. 저자는 목적 없이 데이터를 수집하고 저장하는 것만으로는 혁신적 가치를 만들 수 없으며, 좋은 질문 없이 시작한 분석은 쉽게 길을 잃는다고 강조한다.
책에서는 세대별 가치관 차이를 분석하며, 고객 경험을 맞춤 설계하는 중요성을 설명한다. 기성세대는 안정과 소속을 중시하는 반면, Z‑a세대는 개인적 가치관과 경험을 우선하며, 이는 제품과 서비스 설계에 직접적으로 반영되어야 한다. 또한 저자는 4차원 입체적 고객 경험(Deep, Clear, Wide, Big)을 통해 감각, 사회적 연결, 플랫폼 통합까지 고려한 경험 디자인을 소개하며, 데이터 기반으로 잠재 니즈를 발굴하고 의미 있는 경험을 설계하는 방법을 안내한다.
특히 DCX(Data‑driven Customer eXperience) 프레임워크를 통해, 고객 데이터 수집 → 맥락 분석 → 경험 설계 → 지속 가능한 경험 루프 구축까지의 체계적 과정을 보여준다. 단순 데이터 분석이 아닌, 맥락(Context)과 가치, 행동을 통합적으로 이해하는 접근을 강조하며, 실무 적용 가능성을 높이는 다양한 산업 사례를 함께 제공한다.
결론적으로, 이 책은 데이터를 단순한 기록이나 수치로 보지 않고, 고객 경험과 의미를 설계하는 핵심 도구로 활용하는 방법을 깨닫게 해주며, 실무자와 기획자에게 실제 적용 가능한 전략과 통찰을 제공한다.
1️⃣ 핵심 메시지
- 데이터는 단순 통계가 아니라 고객 경험을 설계하는 도구
- 세대별, 상황별, 플랫폼별 고객 경험을 데이터 기반으로 맞춤 설계할 때 진정한 가치 창출 가능
- 혁신적인 고객 경험을 설계하려면, 대다수가 아닌 양극단의 소수에 주목해야 함
2️⃣ 세대별 가치관 차이
세대 | 가치관 | 사례 |
기성세대 | 내 집 마련, 안정적 직장 | 안정성을 중시하는 소비·생활 패턴 |
Z-a세대 | 가치관이 선택의 근간 | - “놀기 위해 일한다” - “잘 놀아야 잘 일한다는 생각을 가진 리더를 원한다” |
경험 디자인은 단순 제품 제공이 아니라 세대별 라이프스타일과 가치관을 이해하는 것에서 시작
3️⃣ 4차원 입체적 고객 경험
- 더 깊은 경험(Deep Experience)
- 고객 신체 리듬을 데이터로 센싱 → 몸 상태에 맞는 영양소/요리 추천
- 예: 헬스 데이터 기반 맞춤 식단 제공
- 더 선명한 경험(Clear Experience)
- 과거 데이터 시각화 → 건강 변화 추적
- 예: 5개월 전 헬스워치 데이터 기반 건강 개선 시각화
- 더 넓은 경험(Wide Experience)
- 고객 간 연결 → 스타일 공유, 의견 교환
- 예: 오늘 산 청바지 착용 → 스타일러에서 유사 고객과 연결
- 더 큰 경험(Big Experience)
- 플랫폼 간 연결 → 통합 경험 제공
- 예: O2O 서비스 연계, 앱/플랫폼 간 매끄러운 이동
경험 디자인은 단순 기능 제공이 아니라 감각, 사회적 연결, 플랫폼 통합까지 고려한 입체적 설계가 필요
4️⃣ 고객 잠재 니즈 발굴
- 초기 데이터 부족하면? → 공개 데이터, SNS, 검색 동향 활용
- 예시: 신규 세탁 O2O 플랫폼 서비스 출시
- 잠재 고객 세분화 예:
- 아이를 위해 안심 세제 사용하는 부류
- 가성비 중시 부류
- 고급 명품 세탁 선호 부류
- 데이터 출처:
- 구글 트렌드, 네이버 데이터랩, SNS 검색 동향(썸트렌드)
잠재 니즈는 직접적 데이터가 없더라도 다양한 외부 데이터를 통합 분석해 초기 가설 설정 가능
5️⃣ 중요한 것은 ‘의미있는 질문’
- 핵심 메시지
- “목적성 없이 수집한 데이터를 저장하기 위해 매년 수십억 원씩 지출하는 클라우드 비용이 아깝다고 말이다.”
- “먼저 데이터를 쌓아놓으면 언젠가 혁신적인 가치가 쏟아질 것처럼 보이지만, 사실 현실은 그렇지 않다.”
- “무엇보다 '데이터는 많으면 많을수록 좋고, 분석을 여러 관점에서 이리저리 하다 보면 뭐라도 나오겠지'하는 생각은 혁신의 발목을 붙잡을 뿐이다.”
- “데이터 분석 자체가 혁신을 저절로 가져다주는 것이 아님을 알아야 한다.”
- 실무적 인사이트
- 좋은 질문 없이 시작한 분석은 쉽게 길을 잃음
- 데이터 분석의 시작점은 항상 ‘왜 이 데이터를 보려 하는가?’라는 질문
- 질문이 명확해야 데이터가 실제 ‘일’을 하고, 그렇지 않으면 단순 구색 맞추기
- 실무 경험에서도 질문 없는 데이터 분석은 공허하게 느껴짐
- 교훈 / 적용 포인트
- 데이터를 수집하기 전, 반드시 목적과 질문을 명확히 설정
- 질문 → 분석 → 인사이트 → 고객 경험 변화 순으로 흐름 설계
Made with Bullet