||
AI 기반의 고도화된 분석 파이프라인 구축기
들어가며
요기요에서 리서처로 일한다는 것은
끊임없이 쏟아지는 비즈니스 가설들을 검증하는 과정의 연속입니다.
요기요 UX 리서치 팀은 급변하는 비즈니스 환경에 대응하기 위해
Research Operations(ReOps)에 AI를 적극 통합하여
분석의 밀도와 속도를 동시에 높이는 시도를 이어가고 있습니다.
과거에는 속도에 대한 요구가 리서처에게 압박으로 다가왔으나
지금은 AI를 워크플로우의 핵심 파트너로 배치하여
효율적인 리서치 환경을 구축했습니다.
수많은 녹취록을 다시 들으며 분석하고 보고서를 작성하는
반복되는 고충을 해결하고자 리서치 과정에 AI를 활용했습니다.
그리고 그 결과는 기대 이상이었습니다.
결과적으로 보면, 주 단위로 환산하면 6주 가까이 걸리던 일이
4주 만에 마무리 되어 약 25%의 시간을 아낄 수 있었습니다.
본 게시물에서는 ChatGPT, Gemini Pro, NotebookLM을 활용해
리서치 리드타임을 단축하고 인사이트의 깊이를 더한 과정을 소개합니다.
[Step 1] 리서치 설계: 요구사항의 구조화
조사 요청이 들어오는 단계에서 가장 중요한 것은
‘질문의 본질’을 파악하는 것입니다.
조사 요청이 들어오는 초기 단계에서 가장 큰 리스크는
이해관계자의 모호한 비즈니스 언어입니다.
저는 ChatGPT를 단순한 챗봇이 아닌
비즈니스 요구사항을 리서치 설계로 변환하는 도구로 활용합니다.
왜 ChatGPT인가?
논리적 추론 능력: 복잡한 제약 조건과 논리적 맥락을 파악하는 능력이 매우 뛰어납니다. 비즈니스 가설 간의 충돌이나 논리적 비약을 잡아내는 데 최적화되어 있습니다.
추상적 개념의 구체화: ‘사용자가 만족하는지 알고 싶어요’라는
추상적인 요구를 ‘재방문 의사, 추천 지수(NPS), 태스크 완료율’ 등
측정할 수 있는 지표로 분해하는 추론 능력이 탁월합니다.
어떻게 활용하는가?
가설 해체: 요청서에 담긴 비즈니스 요구사항을 입력하고,
논리적 빈틈이나 모호한 개념을 식별합니다.
리스크 방지: 설문지나 인터뷰 가이드 제작 시,
응답을 유도하는 질문이 있는지
질문의 흐름이 사용자 경험과 일치하는지 객관적으로 검토받습니다.
효과: 킥오프 미팅 전 생각이 이미 구조화되어, 이해관계자와의
커뮤니케이션 과정이 획기적으로 줄어듭니다.
[Step 2] 데이터 분석: 비정형 Raw data 체계화
조사 완료 후 쌓이는 방대한 인터뷰 스크립트와
정성적 데이터 분석에는 Gemini Pro를 활용합니다.
왜 Gemini Pro인가?
보안과 성능: 기업용 버전을 사용하여 데이터 보안을 유지하면서,
대량의 텍스트에서 패턴을 추출하는 Gemini의 강점을 극대화합니다.
가설 기반 분석: 단순 요약이 아니라 “이 가설을 기준으로
찬성/반대 맥락을 분류해 줘”와 같은 구체적인 지침을 제공합니다.
효과: 반복적인 단순 정리 작업은 AI에게 맡기고,
리서처는 데이터 사이의 숨겨진 맥락을 해석하고 전략을 도출하는
본질적인 업무에 집중할 수 있습니다.
End-to-End 리서치 파이프라인 5단계를 소개합니다.[Phase 1] 대규모 정성 데이터의 구조화
인터뷰가 끝나고 나면 수십 페이지의 스크립트가 남습니다.
리서처가 가장 많은 시간을 쓰는 구간이자
주관이 개입되기 쉬운 전사 및 코딩 단계입니다.
저는 이 과정을 자동화하기 위해 5단계의 의미 단위 분석 리서치 방법론을
프롬프트에 녹여냈습니다.
이때 단순히 내용을 묻는 것이 아니라
아래와 같은 구조화된 프롬프트를 설계하여 분석의 일관성을 유지했습니다.
Role Play: AI에게 UX 리서치 분석 전문가라는 페르소나를 부여해 전문적인 톤앤매너를 유도했습니다.
Constraint: 한 문장에 하나의 의미만 담도록 제한하여, 이후 클러스터링이 용이하도록 설계했습니다.
Data Cleaning: 리서처의 질문은 배제하고 사용자의 생각/행동/감정이라는 핵심 데이터만 추출하도록 명령했습니다.
# Role: UX 리서치 분석 전문가
# Task: 인터뷰 스크립트의 의미 단위 분해 및 정