기업 소개
- 카카오페이는 결제, 송금, 대출, 증권, 자산관리 등 다양한 금융 서비스를 제공하는 테크핀 기업
- 10대부터 시니어까지 전 세대를 아우르는 사용자층 보유
데이터스페이스 도입 배경
- 리서치 전문성을 기반으로 NPS 데이터를 분석하여 서비스 개선 인사이트 도출 필요
- 조사 운영의 효율성과 분석의 정밀도를 동시에 높이는 방법이 요구됨
도입 후 변화
- 현업 팀이 먼저 가설을 들고 찾아올 만큼 조사 활용도 증대
- DS를 활용한 쿼터 설정 및 변수 조합으로 분석 속도 1주일 단축
- 사용자조사팀의 정량조사 중 70% 이상이 데이터스페이스 기반으로 전환됨
카카오페이 기업 현황
카카오페이는 IT 기술 기반 금융 서비스를 제공하는 테크핀(TechFin) 기업입니다. 결제/송금, 청구서, 통신 등 일상 속 불편함을 해소하는 서비스부터 대출, 보험, 증권 등 보다 넓은 금융 거래를 포괄하며 소비자의 일상에 가장 가까운 생활 금융 플랫폼으로 자리 잡았습니다.
카카오페이는 서비스 범위가 넓은 만큼 사용자 구성도 다양합니다. 연령, 금융 이해도, 사용 목적 등이 각기 다른 사용자의 경험과 니즈를 파악하는 것이 중요하며, 이를 사용자조사팀이 담당하고 있습니다. 사용자조사팀은 카카오페이의 전체 서비스, 모든 사용자의 경험을 파악합니다. UX 리서치와 마켓 리서치 전문성을 함께 갖추고 정성 및 정량조사를 폭넓게 수행하죠. 데이터에서 발굴한 인사이트를 공유함으로써 기업의 크고작은 의사결정을 지원합니다.
배경: 4년째 이어진 NPS 조사 이관, 리서치 전문 조직에 걸린 기대
카카오페이는 2021년부터 정기적으로 NPS 조사를 운영했습니다. NPS(Net Promoter Score)는 서비스 추천 의향을 물어 고객의 브랜드 충성도를 측정하는 지표입니다. 고객 경험의 수준을 직관적으로 드러내기 때문에 활용도가 높죠. 그동안 카카오페이에서는 CS팀이 NPS 조사를 운영해왔고, 2024년 하반기부터 사용자조사팀으로 이관되었습니다. CS팀에서 4년째 탄탄하게 기반을 다져둔 NPS 조사이기에 사용자조사팀의 리서치 전문성과 데이터에 대한 통합적인 시각이 더해지면 더욱 강력한 인사이트를 얻을 수 있으리라는 기대가 있었습니다.
조사가 이관된 후, 사용자조사팀은 두 가지 과제를 마주했습니다. 첫째는 분석의 깊이와 속도에 대한 챌린지였습니다. NPS 조사는 반기마다 정기적으로 실시하며 추이를 트래킹하고 있어, 문항 구성이나 조사 대상자 조건 등을 바꾸기 어려웠습니다. 그래서 조사 설계보다는 분석 단계에서 팀의 전문성을 발휘해야 했죠. 오래 운영해 온 NPS 조사를 넘겨받은 만큼 데이터를 보다 설득력 있게, 보다 빠르게 설명할 수 있어야 했습니다. 또한 효율적인 운영을 위해 사용자조사팀은 조사 대상자 쿼터를 더욱 정교하게 컨트롤할 방법, 세그먼트 분석을 보다 빠른 속도로 할 방법 등을 모색했습니다.
두 번째는 조사 운영에 드는 실무자의 리소스 문제였습니다. NPS 조사는 카카오페이 전체 서비스 중 주요 8개 서비스를 대상으로 각각에 대해 실시하기 때문에 그 규모가 작지 않습니다. 게다가 대상자 조건까지 서비스별로 다릅니다. 서비스마다 활성 사용자의 기준이 상이하기 때문입니다. 대출 서비스에 대해서는 10대 사용자에게 질문할 수 없다는 점만 떠올려도 이해할 수 있습니다. 이렇듯 조사 범위가 넓고 대상자도 다르니 운영에 상당한 공수가 들었습니다. 고도화된 데이터 분석과 인사이트 발굴에 집중해야 하는 상황에서, 지속적인 운영 효율성 개선은 중요한 화두가 되었습니다.
솔루션: 리서치 효율과 속도를 더하는 플랫폼 도입
사용자조사팀은 NPS 데이터 분석의 깊이를 더하기 위해 각 서비스의 담당 팀과 적극적으로 협업합니다. NPS 데이터가 단순 성적표에 그치지 않고 실제 서비스 개선으로 연결되기 위해서는 담당 팀의 시각과 결합되어야 하기 때문입니다.
사용자조사팀은 NPS 조사 전 각 서비스 담당팀으로부터 조사 결과에 대한 가설을 수집합니다. 이번 조사 결과에 영향을 줄 만한 서비스 이슈나 정책 변화, 담당팀이 최근 중요하게 보고 있는 사용자 세그먼트, 이를 고려해 예상하는 NPS 지표 변화를 확인하는 겁니다. 예를 들어 “송금 정책 변화 인지 여부에 따라 만족도가 다를 것이다”, “주식 매매 빈도에 따라 만족도가 다를 것이다” 등의 가설을 제시하기도 했습니다. 사용자조사팀은 NPS 조사 결과를 분석할 때 이러한 가설을 검증합니다.
데이터 분석의 속도를 높이고 운영 효율을 높이는 데는 데이터스페이스의 기능이 큰 도움을 주었습니다. 대표적으로 변수 관리 기능을 유용하게 활용합니다. 변수 관리는 설문 문항·응답자 정보 등 변수 형태의 데이터를 분석하기 편하게 다양한 방식으로 가공할 수 있는 기능입니다. 덕분에 설문은 사용자가 응답하기 편한 방식으로 작성한 뒤, 결과 데이터를 분석할 때는 분석하기 편한 방식으로 변수를 자유롭게 재가공할 수 있습니다.
예를 들어 NPS 조사의 응답 값(0~10점)을 리코딩해, 0~6점은 비추천 고객, 7~8점은 중립, 9~10점은 추천 고객으로 묶을 수 있습니다. 이렇게 나눈 고객 세그먼트를 기준으로 만족/불만족 요소를 비교하는 등 더 다양한 각도로 데이터를 분석할 수 있죠. 데이터스페이스 변수 관리 기능은 SPSS 등 전문가용 데이터 분석 툴에서 제공하는 대부분의 변수 기능을 지원합니다. 기존에는 설문 응답 Raw Data를 내려받아 SPSS에서 분석 작업을 따로 해야 했다면, 데이터스페이스에서는 하나의 플랫폼 안에서 응답 수집부터 분석까지의 전 단계가 끊김없이 이어집니다. 때문에 플랫폼 간 데이터를 옮기는 수고를 덜고, 그 과정에서 발생할 수 있는 혹시 모를 실수를 줄일 수 있습니다.
또, 카카오페이 사용자조사팀은 데이터스페이스의 ‘수집그룹’ 기능을 활용해 대상자 쿼터를 컨트롤합니다. 수집그룹은 쉽게 말해 설문을 보낼 대상자를 그룹핑하는 기능입니다. 하나에 설문에도 수집그룹 여러 개를 생성할 수 있어 조사 대상자 쿼터를 나누고 통제하는 데 유용합니다. 그룹마다 목표 인원수를 다르게 설정할 수 있고 쿼터별 응답 수집 현황을 실시간으로 모니터링할 수 있습니다. 특정 쿼터만 응답 수집을 일시중지하는 것도 가능합니다.
성과: 데이터 기반으로 문제를 정의하고 해결하는 팀으로 조직 내 입지 강화
어떤 현상이 발견될 때 내부 데이터만으로 답을 구할 수 없을 때가 있습니다. 이 경우는 사용자에게 직접 물어보는 것이 도움이 됩니다. NPS 조사가 사내에 정착되고 분석에 깊이가 더해지면서, NPS 데이터의 사내 활용도가 점차 높아지고 있습니다. 특히 각 서비스 담당 팀에서 NPS 데이터에 관심을 갖고, 자발적으로 가설을 발굴하는 구조가 자리잡고 있습니다. 이러한 변화는 조사 결과가 실제 서비스 개선으로 이어지는 경험이 누적된 결과입니다. 예컨대 특정 사용자군에서 NPS 점수가 하락한 원인을 VOC 등 다른 데이터와 함께 교차 검토하고, 이를 기반으로 화면 구성이나 정책을 수정하는 식의 개선 과제를 발견했습니다.
예를 들어, 대출 서비스는 사용자의 신용 점수에 따라 만족도가 다르고, 서비스 이용 시 중요하게 여기는 정보에 따라서도 차이가 나는 것을 확인하여 정보량과 제공 방식을 제고한 사례가 있습니다. 또한, 점차 시니어 사용자의 비중이 증가함에 따라 해당 연령층의 만족도를 집중해 살펴보기도 했습니다. 그 결과, 금융 서비스의 이용 절차가 복잡해 어려움을 겪는다는 응답을 다수 발견하고 주요 서비스의 안내 메시지를 단순화했습니다.
무엇보다 데이터 분석 작업의 속도가 크게 향상되었습니다. 조사 규모에 따라 다르지만, 카카오페이는 데이터스페이스 도입 후 평균적으로 데이터 분석 단계에서만 1주일 정도의 시간을 절약할 수 있었습니다. 변수를 생성하고 조합하는 일종의 데이터 가공 작업에 소요되는 시간을 단축한 덕입니다. 과거에는 설문 응답을 수집한 뒤, raw data를 모두 내려받아 SPSS에서 별도 작업을 거쳐야 했는데, 데이터스페이스의 변수 관리 기능으로 SPSS로 하던 작업의 90% 수준을 대체했습니다. 사용자조사팀은 현재 운영 중인 정량 조사 중 약 70%를 데이터스페이스 기반으로 운영하고 있으며, 추후 내부 CRM 데이터와의 결합 분석도 계획 중입니다.
💡 실무자 미니 인터뷰 – 카카오페이 사용자조사팀, 김희정 팀장님
Q. 일반적인 IT회사의 UX리서치팀을 떠올려 보면, 카카오페이는 정량조사의 비중이 꽤 높은 것 같아요.
A. 저희 팀이 ‘UX 리서치팀’이 아니라 ‘사용자조사팀’인 것에서 힌트가 있어요. 방법론을 막론하고 사용자에 대한 모든 조사를 관장한다는 의미거든요. 팀원들의 백그라운드도 UX 리서처와 마켓 리서처가 섞여 있고요. 일반적으로 IT 기업의 UX 리서치팀이라고 하면 정성조사에 초점이 맞춰져 있는 경우가 많은데, 저희는 정성조사와 정량조사를 모두 운영해요. 알고자 하는 것과 이슈의 시급성 등을 고려해서 조사 방식을 선택하고 있죠. 조직 차원의 의사결정을 하는 데는 숫자가 필요한 경우가 많아요. 적은 수의 사용자 의견에서도 깊은 인사이트를 발견할 수 있지만, 선행적으로 현재 상황이나 니즈를 파악해야 할 때, 정성조사를 통해 발견한 인사이트를 샘플을 확장해서 검증할 때는 정량조사가 필요합니다. 수천 명의 사용자의 의견이 모이면 의사결정을 지원하는 더 강력한 도구가 되죠. 그래서 사용자의 의견이 얼마나 보편적인지 확인하고자 할 때, 현재 서비스의 경험 수준을 파악할 때는 대규모 설문조사를 진행합니다. 반대로 숫자에서 드러난 사용자의 의견을 더 구체적으로 확인할 필요가 있을 때는 인터뷰 같은 정성조사를 추가로 진행하기도 하고요. 이렇게 정성조사와 정령조사를 결합했을 때 데이터가 더 강력한 힘을 갖춘다고 생각합니다.Q. 앞으로 NPS 조사를 운영하면서 더 시도하고 싶은 게 있나요?
A. NPS 조사 결과를 더 다양한 사용자의 행동 데이터와 연계해서 분석해보려고 해요. NPS 조사가 트래킹 조사라 매번 문항에 변화를 주기도 어렵고, 저희 사용자를 대상으로 하다 보니 응답 경험을 고려하면 헤비한 질문을 할 수도 없거든요. 정기적인 조사에서 새로운 인사이트를 발견하거나 결과를 보강하기 위해서는 내부에 이미 갖고 있는 CRM 데이터를 붙여서 분석하는 게 필요하겠다는 판단이에요. 사용 중인 앱의 버전이나 가입 기간, 가입한 상품 같은 정보를요. 다양한 기준으로 사용자를 세분하고 이에 따라 사용자의 만족도나 피드백이 어떻게 다른지 파악할 계획입니다.
오픈서베이 데이터스페이스 소개
오픈서베이의 ‘데이터스페이스’는 강력하면서도 사용자 친화적인 분석 기능을 갖춘 AI 기반 리서치 & 경험 분석 플랫폼입니다. 데이터스페이스를 통해 기업은 리서치 역량을 내재화할 수 있습니다. 정교한 타깃팅과 데이터 수집, 직관적인 데이터 시각화 및 분석, 내외부 데이터 연동, 유연한 협업 및 결과 공유, 철저한 보안 관리 등 리서치를 위한 전 과정을 제공하며 기업의 요청에 따라 전문가 서비스도 함께 제공됩니다. 또한, 전문가 노하우를 학습한 AI가 데이터 처리 및 분석 시간을 줄이고 더 깊이 있는 인사이트 도출을 가능하게 합니다.
시장 조사부터 고객, 사용자, 임직원 경험 분석까지 데이터스페이스 하나로 시작해보세요.
소비자 데이터 플랫폼
