Return to Blog
ChatGPT
Perplexity
제품 팀은 대시보드를 만드는 데 어려움을 겪는 경우는 드뭅니다.
그들은 누군가 실제로 그것을 사용하도록 만드는 데 어려움을 겪습니다.
분석 기능을 배포합니다. 데이터는 정확합니다. 시각화는 보기 좋습니다.
하지만 일주일 후, 사용량이 떨어지고, 대시보드는 조용히 서랍 속의 물건(shelfware)이 됩니다.
이것은 도구의 문제가 아닙니다. 사용의 문제입니다. 대시보드 채택 문제입니다.
진짜 문제는 대시보드가 아니라 행동입니다
대부분의 대시보드는 의사 결정을 위한 것이 아니라 보고를 위해 설계되었습니다. 이들은 별도의 탭에 존재하며, 사용자가 하던 일을 멈추도록 요구합니다.
그리고 사용자가 언제, 왜 확인해야 하는지 알고 있다고 가정합니다.
하지만 사람들은 그렇게 일하지 않습니다.
사용자는 다음과 같이 생각하며 일어나지 않습니다:
“대시보드를 확인하러 가야지.”
그들은 워크플로우의 무언가가 필요로 할 때 행동합니다. 분석이 그 워크플로우의 일부가 아니라면, 사용되지 않습니다.
채택률이 그렇게 빨리 떨어지는 이유
제품 팀 전반에 걸쳐 패턴은 일관적입니다:
- 강한 초기 호기심
- 몇 번의 초기 세션
- 그리고… 침묵
왜일까요?
대시보드는 마찰을 일으키기 때문입니다:
- 컨텍스트 전환이 필요합니다
- 즉각적인 행동과 연결되어 있지 않습니다
- 의사 결정이 이루어지는 순간에 통찰력을 표면화하지 못합니다
잘 만들어진 대시보드조차도 사용자가 실제로 작동하는 방식과 연결되어 있지 않으면 실패합니다.
채택률이 높은 제품들이 다르게 하는 것
실제 분석 사용량을 보이는 제품들은 대시보드를 목적지로 취급하지 않습니다.
그들은 분석을 제품 경험의 일부로 취급합니다.
이것은 다음을 의미합니다:
- 분석은 분리된 것이 아니라 임베디드됩니다: 사용자는 데이터를 찾기 위해 워크플로우를 벗어나지 않습니다. 이미 그곳에 있습니다.
- 통찰력이 적절한 순간에 나타납니다: 사용자가 대시보드를 확인하기를 기다리는 대신, 의사 결정이 필요할 때 통찰력이 나타납니다.
- 데이터가 행동과 연결됩니다: 사용자는 단순히 관찰하는 것이 아니라, 보고 있는 것에 즉시 행동할 수 있습니다.
이것은 다음의 변화입니다: “여기에 데이터가 있습니다”
“다음으로 무엇을 해야 하는지 알려드립니다”
제품 팀이 만들어야 할 변화
목표가 채택이라면, 질문은 다음과 같지 않습니다:
“대시보드가 있습니까?”
그것은 다음과 같습니다:
“사용자들이 실제로 데이터를 사용하여 의사 결정을 하고 있습니까?”
이를 위해서는 분석이 제공되는 방식을 재고해야 합니다:
- 정적 → 상황적
- 분리된 → 임베디드
- 수동적 → 실행 가능한
이것이 나아가는 방향 (그리고 지금 중요한 이유)
팀들이 분석에 AI를 추가함에 따라 이 변화는 더욱 중요해지고 있습니다.
AI는 사용되지 않는 대시보드를 고치지 못하기 때문에, 애초에 사용량이 없다면 문제를 증폭시킬 뿐입니다.
사용자들이 오늘날 귀하의 데이터와 상호 작용하지 않는다면, AI를 추가해도 변하지 않을 것입니다.
하지만 워크플로우에 통찰력을 임베딩하면 달라질 것입니다.
사용자가 실제로 사용하는 분석을 설계하세요
웨비나에 참여하여 분석을 워크플로우에 임베딩하고 실제 채택률을 높이는 방법을 알아보세요.
