[실습] 정성적 데이터를 분석하여 문제 정의하기 (1. 문제 현상 발견)

오늘은 네이버 플러스 스토어의 리뷰를 분석하고, 문제 현상을 발견하는 실습을 해보았다.

 

실습의 흐름은

1. 대분류 카테고리를 설정한 뒤(UI/UX, 기능, 고객 지원, 가격), 리뷰 내용에 따라 카테고리로 분류하기
2. 카테고리 별 리뷰 빈도 수 파악
3. 카테고리 별, 자주 등장하는 키워드를 통해 문제 현상 파악

 

으로 진행하였다. 

 

분석한 내용은 다음과 같다.

---

1. 리뷰의 카테고리 분류

카테고리 분류 기준은 다음과 같이 설정하였다.

카테고리	문제 성격 (기준)	관련 부서 (해결 주체)
UI/UX	사용자의 시각적 불편, 탐색 경험 문제 (디자인, 배치, 탐색 흐름, 시각적 요소)	디자인팀 (UX 디자이너), 프론트엔드 개발팀
기능	시스템이 의도한 대로 동작하지 않거나 → 오류, 느림, 기능 부족 문제 (버그, 속도, 기능 부재)	개발팀 (프론트/백엔드 엔지니어)
고객 지원	안내 부족, 운영 정책, CS 응대 문제 (혜택 설명, 알림 설정, CS 대응, 정책 세분화 부족)	운영팀, CS팀, 마케팅팀
가격	경제적 혜택과 관련된 문제 (가격 비교, 배송비, 쿠폰, 멤버십 혜택 등)	사업팀, 마케팅팀

 

개인적으로 기준 정하는 게 제일 어려웠는데, 이것저것 시도해보다가 그냥 문제 성격에 따라 분류하기로 하였다. 

각 카테고리의 문제는 어느 부서와 해결할 수 있을 것 같은지도 추가적으로 적어보았다.

 

2. 각 카테고리별 빈도

다음으로 전체 리뷰 수 중에서 각 카테고리에 속하는 리뷰의 비율이 어느정도인지 분석해봤다.

각 카테고리 별 빈도수 (%)

 

추가적으로, 감사하게도 팀원 중 한분이 단어 토큰의 빈도 수 데이터를 제공해주셔서, 자주 등장하는 키워드에 대한 word cloud도 만들어봤다.

리뷰에 등장한 단어들의 Word Cloud. 글씨 크기가 클수록, 색상이 진할수록 자주 등장한 단어이다.

 

 

-> 복사, 배송, 송장, 다크모드 등의 단어들이 눈에 띈다.

 

이 데이터들을 활용해 각 카테고리별로 주로 나타나는 문제 현상을 확인했다.

3. 카테고리 별 주요 문제 현상

리뷰 리스트 하나 보고 분석했을 뿐인데도 다양한 문제가 등장한다. 사람들이 공통적으로 가지는 pain point가 두드러지는 것이 흥미롭다. (ex. 다크모드 지원, 송장번호 복사, 앱 로딩 느리고 튕김 등등)

카테고리	대표 키워드	주요 문제 현상
UI/UX	다크모드, 광고 과다, 혼잡한 UI	- “다크모드 지원해주세요. 눈이 시려서 쇼핑하기 불편해요.” - “광고가 너무 많아 화면이 혼잡해요.” - “앱 내에서 주요 이벤트를 한눈에 알기 힘듭니다. 내 등급에 따라 맞춤 혜택을 바로 볼 수 있게 메뉴 해주세요.”
기능	송장 복사, 필터 오류, 로딩 지연/화면 전환 중 앱 꺼짐 장바구니 비워짐 등 성능 문제, 필터, 정렬 세분화 미지원, 검색결과 품질 (관련없는 상품 등장)	- “송장번호, 주문번호 복사가 안돼서 일일이 입력하느라 번거롭고 어려워요.” - “필터에서 해외직구 제외 체크 해도 해외배송 상품들이 전혀 필터링 되지 않아서 이럴 거면 그냥 테무에서 직접 사는 게 낫겠다 싶음.” - “앱 로딩이 너무 길고, 중간에 팅겨요.” - “결제 버튼을 누르거나 장바구니 이동같은 다른 화면 갔다오면 오류 메시지가 뜨거나 앱이 멈춰서 재부팅해야돼요” - “장바구니에 담은 거 자꾸 빠져요.” - “필터, 정렬 세분화 지원해주세요.” - “원하는 상품 키워드 검색해도 관련 없는 상품이 계속 나와서 결국 포기하고 타앱으로 넘거요.”
고객 지원	쿠폰/멤버십 혜택 안내 부족, 이벤트 일정 안내 부족, 문의 답변, 배송 알림과다	- “새로 온 사람 입장에서 쿠폰/멤버십 혜택에 대한 안내가 너무 간단해서 어떻게 해야하는지 모르겠어요.” - “이벤트 일정 안내 제대로 해주세요.” - “문의 답변 느려요.” - “배송 느려요” - “알림이 너무 많이 와요”
가격	가격 비교(쿠팡/타사와 비교)	- “네이버 상품만 모아놔서 가격 비교를 못해요.”

이제 이 많은 문제 중 어떤 문제를 선택해서 해결할지 정해야 한다. 

내일은 로직트리, 5 whys를 통해 오늘 발견한 문제 현상에 대해 문제 정의를 해보겠다.

---

느낀 점 & 어려웠던 점

🔷 오늘 얻은 인사이트

✅  리뷰 하나만 봐도, 문제는 끝없이 보인다

오늘은 정성적 데이터를 분석하며 문제 현상을 찾아보는 실습을 했다.
리뷰 리스트 하나만 분석해도 관찰되는 문제 현상이 정말 많다는 걸 체감했다.

그래서 프로덕트 백로그에 그렇게 많은 항목이 쌓이는구나… 라는 생각이 들었다.

✅ 정성적 데이터는 ‘맥락’을 읽어야 한다

리뷰 카테고리를 분류할 때 단순히 특정 키워드만 포함되었다고 분류하면 오히려 잘못 분류될 수 있다는 걸 느꼈다.
- 오늘도 약 190개 리뷰를 분류하면서,
- 하나하나 맥락을 읽고 의미를 해석해야 한다는 게 얼마나 손이 많이 가는 일인지 실감했다.

실무에서는 이걸 어떻게 관리하고 처리하는지 궁금하다.

✅ 카테고리 분류 기준 설정 = 협업할 부서를 염두에 둬야

처음에는 카테고리를 어떻게 나눌지 고민이 많았지만,
결국 중요한 건 ‘이 문제를 누가 해결할 수 있을까?’ 를 염두에 두는 것이라는 결론에 도달했다.

카테고리를 설정할 때, 협업 부서(담당 팀) 를 고려해야
→ 문제를 전달하고, 해결 프로세스를 설계하기 쉽다.

 

단순히 문제를 수집하는 게 아니라, 실제로 해결 가능한 흐름으로 연결할 수 있는 구조를 잡는 게 중요하다는 걸 배웠다.