면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
주문·결제 프로세스에서 고객 페인 포인트를 파악할 때 저는 이탈이 생기는 단계를 먼저 찾습니다. 어느 화면에서 사람들이 뒤로 가거나 앱을 끄는지를 보면 어디서 불편이 생기는지가 드러납니다. 팀 프로젝트에서 모의 결제 플로우를 분석했을 때, 결제 수단 선택 단계에서 이탈률이 갑자기 높아지는 것을 발견했습니다. 확인해보니 지원하는 결제 수단이 적어서 원하는 방법이 없는 경우가 원인이었습니다. 결제 수단을 추가하고 나서 이탈률이 줄어드는 걸 실험으로 확인했습니다. 페인 포인트는 고객이 말하기 전에 데이터가 먼저 보여주는 경우가 많습니다.
데이터가 먼저 문제를 보여준다는 걸 이 경험으로 확인했습니다.
주문 프로세스에서 페인 포인트를 발견한 경험은 가입 단계가 너무 길다는 사용자 피드백에서 시작됐습니다. 직접 사용자 테스트를 진행해보니 가입 완료 전에 포기하는 사람이 절반 가까이였습니다. 어느 입력 필드에서 멈추는지를 보니 생년월일과 마케팅 동의 여부가 가장 많이 건너뛰이거나 오입력됐습니다. 필드를 가입 후 설정으로 이동하고 마케팅 동의를 선택 항목으로 바꿨는데, 다음 테스트에서 가입 완료율이 눈에 띄게 올랐습니다. 페인 포인트는 사용자가 설명하기 어렵지만 행동으로는 명확하게 드러납니다.
행동이 말보다 솔직한 피드백이라는 걸 사용자 테스트에서 배웠습니다. 사용자가 느끼는 불편은 데이터 안에 이미 들어있습니다.
결제 프로세스 페인 포인트 개선에서 중요하게 생각하는 건 고객이 불편하다고 느끼는 것과 실제로 이탈을 유발하는 것이 다를 수 있다는 점입니다. 설문 응답과 실제 행동 데이터가 다르게 나오는 경우가 많았습니다. 수업 케이스에서 결제 페이지 로딩 속도가 느린 것을 가장 큰 불만으로 응답했지만, 실제 이탈은 배송비가 최종 단계에서 추가되는 시점에 집중돼 있었습니다.
사람들이 말하는 것보다 어디서 멈추는지를 더 신뢰할 수 있는 신호로 봐야 한다는 걸 배웠습니다. 페인 포인트 해결은 의견이 아닌 행동 데이터를 기준으로 우선순위를 정하는 것부터 시작합니다. 행동 데이터가 의견보다 더 정직한 신호입니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.