목차
이 용어집은 사용자 리서치와 AI 인터뷰에서 가장 자주 쓰는 용어 32개를 모았습니다. 항목마다 한국어, 영어, 정의를 제시하며, 정의의 첫 문장만으로도 완결된 설명이 되어 단독으로 인용할 수 있습니다. 용어는 리서치 방법, 인터뷰와 인터뷰 가이드, 분석과 보고서, 지표와 데이터, AI 인터뷰의 다섯 그룹으로 나누었습니다.
방법
사용자 인터뷰User Interview
사용자 인터뷰(user interview)는 리서처가 사용자와 일대일로 대화하며 경험, 동기, 니즈를 파악하는 정성 리서치 방법입니다. 「왜」와 「어떻게 일어났는지」에 답하는 데 강하지만 비율을 추정하는 데는 적합하지 않습니다. 대면, 전화, 화상, 텍스트 인터뷰 형태가 흔합니다.
심층 인터뷰In-depth Interview
심층 인터뷰(in-depth interview)는 소수의 주제를 중심으로 후속 질문을 이어 가며 참여자의 경험과 생각을 깊이 이해하는 반구조화 인터뷰입니다. 한 건의 길이가 일반 인터뷰보다 긴 경우가 많고, 인터뷰 가이드는 주제와 목적만 정해 두며 구체적인 질문은 답변에 따라 조정합니다. 동기나 의사결정 과정처럼 복잡한 문제를 탐색하는 데 적합합니다.
사용성 테스트Usability Testing
사용성 테스트(usability testing)는 사용자에게 정해진 과업을 수행하게 하고 그 과정을 관찰해 제품 사용상의 문제를 찾는 리서치 방법입니다. 리서처는 사용자가 어디서 막히는지, 어떤 실수를 하는지, 시간이 얼마나 걸리는지에 주목합니다. Nielsen(2000)은 한 라운드의 사용성 테스트에서 약 5명의 사용자로 대부분의 문제를 발견할 수 있다고 했으며, 이 결론은 사용성 테스트에만 해당합니다.
콘셉트 테스트Concept Testing
콘셉트 테스트(concept testing)는 제품이나 기능을 개발하기 전에 목표 사용자에게 제품 콘셉트를 보여 주고 이해도와 수용 의향을 파악하는 리서치 방법입니다. 보여 주는 자료는 설명문, 스케치, 프로토타입 등이 될 수 있습니다. 핵심은 사용자가 이해하는지, 필요로 하는지, 어떤 상황에서 쓸지를 확인하는 것입니다.
포커스 그룹Focus Group
포커스 그룹(focus group)은 진행자 한 명이 여러 참여자와 함께 같은 주제로 집단 토론을 이끄는 정성 리서치 방법입니다. 집단의 생각과 사용하는 표현을 파악하는 데 적합하지만, 소수가 대화를 주도하고 나머지는 동조하는 상황이 생기기 쉽습니다. 개인 경험이나 민감한 주제를 다룰 때는 보통 일대일 인터뷰가 더 적합합니다.
설문조사Survey
설문조사(survey)는 고정된 문항으로 비교적 많은 참여자에게서 응답을 모아 수와 비율을 집계하는 정량 리서치 방법입니다. 「몇 명인가」에는 답할 수 있지만 이유를 끌어내기는 어렵습니다. 인터뷰와 함께 쓰는 경우가 많으며, 인터뷰로 이유의 유형을 먼저 찾고 설문으로 유형별 비율을 추정합니다.
해결해야 할 과업Jobs to be Done
Jobs to be Done은 사용자가 어떤 과업을 해결하기 위해 제품을 「고용」한다고 보는, 사용자 니즈를 이해하는 프레임워크입니다. Clayton Christensen의 연구와 밀접하게 관련되어 있으며, 사용자의 인구통계적 특성이 아니라 사용자가 이루고자 하는 진전에 주목합니다. 예를 들어 사용자가 전동 드릴을 사는 이유는 벽에 그림을 걸기 위해서일 수 있습니다.
인터뷰와 인터뷰 가이드
리서치 계획Research Plan
리서치 계획(research plan)은 리서치를 왜, 무엇을, 어떻게 할지 설명하는 계획 문서입니다. 보통 비즈니스 질문, 내려야 할 결정, 리서치 질문, 참여자 조건, 표본 크기, 일정, 산출물을 포함합니다. 내려야 할 결정을 명확히 쓸 수 없다면 아직 리서치를 시작할 때가 아닌 경우가 많습니다.
인터뷰 가이드Interview Guide
인터뷰 가이드(interview guide)는 인터뷰에서 다룰 주제와 주제별 리서치 목적, 주요 질문을 정한 문서입니다. 좋은 인터뷰 가이드는 순서대로 읽어 내려가는 긴 질문 목록이 아니라 주제별로 구성되고 후속 질문 방향이 적혀 있습니다. AI가 진행하는 인터뷰에서는 인터뷰 가이드가 AI가 언제 후속 질문을 하고 언제 마칠지 판단하는 기준이 되기도 합니다.
추가 질문Follow-up Question / Probe
후속 질문(follow-up question, probe)은 참여자의 직전 답변을 이어받아 질문을 계속하며 막연한 말을 구체적으로 끌어내는 인터뷰 기법입니다. 흔히 쓰는 방향은 구체적인 한 번의 경험, 그때의 단계, 원래의 기대, 그 뒤의 행동을 묻는 것입니다. 예를 들어 참여자가 「별로 쓰기 편하지 않아요」라고 하면 「가장 최근에 불편하다고 느끼신 건 무엇을 하실 때였나요?」라고 묻습니다.
유도 질문Leading Question
유도 질문(leading question)은 질문 속에 답을 암시하거나 입장을 전제해 참여자가 질문자의 의도대로 답하게 만드는 질문입니다. 예를 들어 「가격이 너무 비싸서 안 쓰시는 건가요?」 같은 질문입니다. 「그 뒤로 안 쓰시게 된 건 어떤 이유 때문인가요?」처럼 중립적으로 바꿔야 합니다.
개방형 질문Open-ended Question
개방형 질문(open-ended question)은 선택지를 주지 않고 참여자가 자신의 말로 답하게 하는 질문입니다. 예상하지 못한 정보를 얻을 수 있어 인터뷰의 주된 질문 방식입니다. 이와 반대되는 폐쇄형 질문은 예 또는 아니요로 답하거나 선택지 중에서 고르게 합니다.
스크리너 설문Screener
스크리너 설문(screener)은 본 인터뷰 전에 신청자가 참여자 조건에 맞는지 판단하는 짧은 설문입니다. 신청자가 선정되려고 답을 바꾸지 않도록 문항에서 리서치 목적을 드러내지 않아야 합니다. 보통 동종 업계 종사자와 최근 인터뷰에 참여한 사람도 제외합니다.
참여자 보상Participant Incentive
참여자 인센티브(participant incentive)는 참여자가 들인 시간에 감사하는 뜻으로 제공하는 현금, 상품권, 혜택 등의 보상입니다. 인센티브 수준은 인터뷰 시간과 대상 집단에 맞춰야 합니다. 너무 낮으면 사람을 모으기 어렵고, 너무 높으면 보상만 바라고 오는 사람을 끌어들일 수 있습니다. 지급 시기와 방법은 초대할 때 분명히 알려야 합니다.
분석 및 보고서
코딩Coding
코딩(coding)은 인터뷰 원문에 주제 태그를 붙여 분류하고 비교할 수 있게 하는 정성 분석 방법입니다. 같은 원문에 여러 코드를 붙일 수 있고, 코드 체계는 분석 과정에서 계속 통합되고 조정됩니다. 코딩을 마치면 주제별로 몇 명의 참여자가 언급했는지 집계할 수 있습니다.
주제 포화Thematic Saturation
주제 포화는 인터뷰를 더 늘려도 새로운 주제가 거의 나오지 않는 상태로, 표본 크기가 충분한지 판단할 때 자주 쓰입니다. Guest, Bunce, Johnson(2006)의 연구에 따르면 비교적 동질적인 집단에서는 약 12건의 인터뷰 이후 새로운 주제가 거의 나오지 않았습니다. 집단 간 차이가 크다면 세그먼트별로 따로 판단해야 합니다.
친화도Affinity Diagram
친화도(affinity diagram)는 흩어진 관찰과 원문을 카드로 적고 내적 연관성에 따라 묶어 주제를 도출하는 정리 방법으로, KJ법이라고도 하며 일본 학자 가와키타 지로가 고안했습니다. 팀이 함께 인터뷰 자료를 정리할 때 적합합니다. 그룹은 범주를 먼저 정해 놓고 끼워 넣는 것이 아니라, 원문에서 출발해 상향식으로 만들어야 합니다.
인사이트Insight
인사이트(insight)는 리서치 자료에서 도출한, 사용자 행동을 설명하고 결정에 영향을 주는 발견입니다. 사용자가 한 말을 되풀이하는 데 그치지 않고, 그 이면의 이유와 제품에 주는 의미를 설명합니다. 신뢰할 수 있는 인사이트는 원문까지 추적할 수 있어야 하며, 언급 인원수와 반례를 표시해야 합니다.
말과 행동의 차이Say-Do Gap
말과 행동의 차이(say-do gap)는 참여자가 말한 생각이나 의향이 실제 행동과 일치하지 않는 현상입니다. 예를 들어 어떤 기능에 돈을 내겠다고 말했지만 실제로는 구매하지 않는 경우입니다. 그래서 인터뷰에서는 앞으로 할지를 묻기보다 과거에 구체적으로 무슨 일이 있었는지를 더 많이 묻고, 필요하면 행동 데이터로 확인해야 합니다. Rob Fitzpatrick은 『The Mom Test』(2013)에서 이 문제를 체계적으로 다룹니다.
반례Counterexample
반례(counterexample)는 어떤 결론과 일치하지 않는 참여자의 말이나 행동입니다. 반례를 제시하면 읽는 사람이 결론의 적용 범위를 판단할 수 있어 성급한 일반화를 피할 수 있습니다. 반례가 특정 집단에 몰려 있다면 그 결론은 일부 사용자에게만 해당하는 경우가 많습니다.
삼각 검증Triangulation
삼각 검증(triangulation)은 여러 출처나 방법으로 같은 결론을 서로 확인하는 방법입니다. 예를 들어 인터뷰 결론을 설문 데이터, 행동 데이터, 고객 상담 기록과 나란히 놓고 대조합니다. 여러 출처가 같은 결론을 가리키면 결론의 신뢰도가 높아지고, 서로 어긋나면 추가 리서치가 필요하다는 뜻입니다.
페르소나Persona
페르소나(persona)는 리서치를 바탕으로 정리한 대표 사용자 묘사로, 특정 사용자 유형의 목표, 행동, 상황, 페인 포인트를 요약합니다. 좋은 페르소나는 팀의 상상이 아니라 인터뷰와 데이터에서 나옵니다. 페르소나의 용도는 팀이 결정을 내릴 때 구체적으로 누구를 위해 설계하는지 기억하게 하는 것입니다.
지표와 데이터
순추천지수Net Promoter Score (NPS)
순추천지수(NPS)는 「친구나 동료에게 추천할 가능성이 얼마나 되나요」라는 질문으로 사용자의 추천 의향을 측정하는 지표로, Fred Reichheld가 2003년에 제안했습니다. 참여자는 0–10점으로 답하며, 9–10점은 추천자, 0–6점은 비추천자입니다. NPS는 추천자 비율에서 비추천자 비율을 뺀 값으로 -100에서 100 사이입니다. 점수만으로는 이유를 알 수 없으므로, 저점수의 이유는 인터뷰에서 후속 질문으로 확인해야 합니다.
고객 만족도Customer Satisfaction Score (CSAT)
고객 만족도(CSAT)는 특정 서비스나 경험에 대한 사용자의 만족 정도를 측정하는 지표입니다. 보통 사용자에게 1–5점으로 답하게 하고, 4점과 5점을 선택한 사람의 비율을 계산합니다. 고객 상담 한 번이나 주문 한 번처럼 단일 상호작용을 측정하는 데 주로 쓰입니다.
리텐션Retention
리텐션(retention)은 사용자가 처음 사용한 뒤 일정 기간이 지나도 제품을 계속 쓰는 정도를 말하며, 보통 리텐션율로 나타냅니다. 예를 들어 D1 리텐션율은 첫날 사용한 사용자 중 다음 날 다시 사용한 사람의 비율입니다. 리텐션 데이터는 몇 명이 남았는지 보여 주지만, 남거나 떠난 이유는 인터뷰로 확인해야 합니다.
이탈Churn
이탈(churn)은 사용자가 제품 사용을 멈추거나 구독을 취소하는 것을 말하며, 보통 일정 기간 동안 이탈한 사용자의 비율로 측정합니다. 이탈 판정 기준은 제품마다 다릅니다. 예를 들어 30일 연속 미로그인이나 구독 만료 후 미갱신 등이 있습니다. 이탈 사용자 인터뷰는 떠난 이유를 알아내는 가장 직접적인 방법입니다.
행동 데이터Behavioral Data
행동 데이터(behavioral data)는 사용자가 제품에서 실제로 무엇을 했는지 기록한 데이터로, 어떤 페이지를 방문했는지, 무엇을 클릭했는지, 언제 결제했는지 등이 해당합니다. 사용자 행동을 객관적으로 보여 주지만 이유는 담고 있지 않습니다. 인터뷰와 함께 쓰면 행동을 기준으로 참여자를 고르고 데이터로 인터뷰 결론을 검증할 수 있습니다.
AI 인터뷰
AI 진행 인터뷰AI-moderated Interview
AI 진행 인터뷰(AI-moderated interview)는 AI가 인터뷰 가이드에 따라 참여자와 일대일로 대화하고, 답변에 따라 후속 질문을 하며, 결론을 정리하는 인터뷰 방식입니다. 많은 인터뷰를 동시에 진행하면서도 인터뷰마다 후속 질문을 유지할 수 있습니다. 리서치 질문 정의, 인터뷰 가이드 검토, 결론 검토는 여전히 리서치 리드가 해야 합니다.
사전 동의Informed Consent
사전 동의(informed consent)는 참여자가 리서치 목적, 기록 방식, 데이터 사용 목적, 자신의 권리를 이해한 뒤 자발적으로 리서치 참여에 동의하는 과정입니다. AI가 진행하는 인터뷰에서는 대화 상대가 AI라는 사실도 알려야 합니다. 동의는 인터뷰 시작 전에 받고 기록으로 남겨야 합니다.
익명화Anonymization
익명화(anonymization)는 리서치 자료에서 참여자의 신원을 식별할 수 있는 정보를 삭제하거나 대체하는 처리입니다. 이름, 휴대폰 번호, 이메일, 상세 주소를 삭제하고 실제 신원 대신 참여자 번호를 쓰는 것이 일반적입니다. 보고서에 인용하는 원문은 먼저 익명화해야 합니다.
원문 추적Quote Traceability
원문 추적(quote traceability)은 보고서의 모든 결론을 그것을 뒷받침하는 참여자의 원문과 인터뷰 내 위치까지 거슬러 확인할 수 있는 능력입니다. 이를 통해 읽는 사람이 결론이 정확한지 확인할 수 있고, AI나 리서처가 지나치게 일반화했는지도 발견할 수 있습니다. AI 리서치 도구를 평가할 때 중점적으로 확인해야 할 항목입니다.
무효 응답Invalid Response
무효 응답(invalid response)은 분석에 포함하면 안 되는 인터뷰입니다. 질문과 무관한 답변, 명백히 성의 없는 답변, 참여자 조건에 맞지 않는 경우, 같은 사람의 중복 참여 등이 해당합니다. 무효 응답을 제외하면 품질이 낮은 답변이 결론에 영향을 주는 것을 막을 수 있습니다. 제외할 때는 나중에 다시 확인할 수 있도록 이유를 기록해야 합니다.
heari로 하는 방법
heari의 흐름은 이 용어집의 용어 대부분을 다룹니다. AI가 비즈니스 질문을 바탕으로 리서치 계획과 인터뷰 가이드를 만들고, 리서치 리드가 검토한 뒤 배포합니다. AI가 텍스트나 음성으로 인터뷰를 진행하며 답변에 따라 후속 질문을 하고, 리서처는 참관하며 무효 응답을 제외할 수 있습니다. 인사이트 보고서의 모든 결론에는 원문과 반례가 붙고 인원수가 표시됩니다. ThinkingAI Agentic Engine과 연동하면 행동 데이터로 참여자를 선정하고 데이터로 결론을 검증할 수 있습니다.
자주 묻는 질문
사용자 인터뷰와 설문조사는 어떻게 다른가요?
사용자 인터뷰는 일대일 대화로, 사용자 행동 이면의 이유와 구체적인 경험을 끌어내는 데 강합니다. 설문조사는 고정된 문항으로 많은 응답을 모아 수와 비율을 집계하는 데 강합니다. 리서치에서는 인터뷰로 이유의 유형을 먼저 찾고, 설문으로 유형별 비율을 추정하는 경우가 많습니다.
주제 포화란 무엇이며, 인터뷰를 몇 건 해야 포화에 이르나요?
주제 포화(thematic saturation)는 인터뷰를 계속해도 새로운 주제가 거의 나오지 않는 상태를 말합니다. Guest, Bunce, Johnson의 2006년 연구에 따르면 동질적인 집단에서는 약 12건의 인터뷰 이후 새로운 주제가 거의 나오지 않았습니다. 리서치 대상에 뚜렷하게 다른 집단이 여럿 있다면 집단별로 포화 여부를 따로 판단해야 합니다.
NPS는 어떻게 계산하나요?
NPS는 사용자에게 추천 의향을 0–10점으로 답하게 합니다. 9–10점은 추천자, 0–6점은 비추천자이며, 추천자 비율에서 비추천자 비율을 빼면 NPS가 됩니다. 결과는 -100에서 100 사이입니다. 7–8점인 중립자는 계산에 직접 들어가지 않습니다.
인사이트와 결론은 어떻게 다른가요?
사용자 리서치에서 결론(finding)은 보통 리서치에서 발견한 사실을 서술한 것입니다. 예를 들어 참여자 대다수가 어느 단계에서 어려움을 겪었는지가 이에 해당합니다. 인사이트(insight)는 한 걸음 더 나아가 그 이면의 이유와 그것이 제품 결정에 갖는 의미를 설명합니다. 둘 다 원문, 언급 인원수, 반례를 붙여야 팀이 확인하고 신뢰할 수 있습니다.
유도 질문이란 무엇이며, 어떻게 피하나요?
유도 질문은 「너무 비싸서 그런 건가요?」처럼 질문 속에 답을 암시하는 질문입니다. 피하려면 무슨 일이 있었는지, 왜 그랬는지만 묻고 질문 안에 이유의 후보를 제시하지 않아야 합니다. 예를 들어 「그 뒤로 계속 쓰지 않으신 건 어떤 이유 때문인가요?」라고 바꿔 묻습니다.
