피엠조하

쿠팡은 이미 하고 있었다! AI PM으로서, 쿠팡 리뷰 시스템을 역기획하다

isabel-hayoung — Fri, 31 Oct 2025 22:25:00 +0900

AI 생성 이미지

요즘 나는 ‘AI Product Manager’로서, AI가 사람의 문제를 어떻게 해결할 수 있는지를 끊임없이 관찰하고 있다.

그중에서도 가장 흥미로웠던 건 쿠팡의 리뷰 시스템이었다. 국내 최대 이커머스 플랫폼인 쿠팡은 방대한 리뷰 데이터를 기반으로 신뢰도 높은 쇼핑 경험을 제공하고 있다. 하지만 동시에, 리뷰가 너무 많고 너무 길다. 제품을 고르기 위해 수십 개의 리뷰를 읽는 건 사용자 입장에서 결코 효율적이지 않다.

Step 1. 분야 및 서비스 선정

분야: 커머스 (E-Commerce)
선정 서비스: 쿠팡

리뷰는 곧 ‘구매 신뢰’의 핵심이지만, 그 양이 많아질수록 핵심 정보에 도달하기 어려워진다.
그래서 나는 “리뷰 탐색 피로도를 줄이는 AI 서비스”를 주제로 역기획을 시작했다.

Step 2. 문제 발견

AS-IS 분석 결과, 쿠팡은 ‘체험단 리뷰’, ‘별점’, ‘최신순’ 정렬만 제공하고 있었다. 간단한 그래프 요약은 있지만, 제품의 구체적 장단점이나 실사용 포인트를 파악하기는 어렵다. 결국 사용자는 일일이 리뷰를 읽으며 유사 제품을 비교해야 했다. 아마존의 ‘AI Review Highlights’를 참고하면서 “이런 AI 요약 기능이 국내에도 필요하다”고 확신했다.

데스크 리서치

소비자는 평균적으로 구매 전 여러 개의 리뷰를 탐색하며, 99%의 소비자가 리뷰를 구매 결정 과정에서 주요 참고 요소로 활용함
*(출처: PowerReviews, “The Ever-Growing Power of Reviews (2023 Edition)”)
아마존은 “AI Review Highlights”를 도입해 주요 속성별 장단점 자동 요약으로 리뷰 탐색 시간을 크게 단축 → 사용자는 리뷰 전체를 읽지 않아도 “어떤 부분이 좋고 아쉬운지” 빠르게 이해 가능
국내에서는 리뷰 요약형 서비스가 사실상 부재하고 텍스트 리뷰 탐색 효율화 기능이 미흡함 → UX 차별화 기회

Step 3. 문제 정의

핵심 문제:
리뷰는 많지만, 핵심 정보는 빠르게 얻기 어렵다.

Pain Point:

리뷰가 길고 반복적이다.
장단점을 직접 비교하기 어렵다.
유사 제품 간 비교 시 피로도가 급증한다.

인사이트:

“사용자는 모든 리뷰보다, 핵심 리뷰를 원한다.”
"AI가 리뷰를 요약해 보여주는 경험은 탐색 피로를 줄이고 구매 결정을 앞당긴다"
(출처: Amazon, AI Review Highlights Launch Announcement (2023))

Step 4. 문제 해결 (TO-BE 제안)

AI 리뷰 요약 (Smart Review Summary)

프로토타입

기능	설명
리뷰 요약	리뷰 전체를 AI가 분석해 핵심 내용을 3줄 요약으로 제공. 감정 분석을 통해 긍정/부정 리뷰를 세분화.
키워드 추출	리뷰 내 반복 단어를 해시태그(#) 형태로 표시하고, 클릭 시 관련 인용 리뷰 확인 가능.
키워드 언급 수치	각 키워드별 전체 언급 수, 긍정 리뷰 수, 부정 리뷰 수를 수치로 표시.
실제 고객 인용 리뷰	키워드가 포함된 대표 문장을 통해 제품의 특성과 사용자 평가를 직관적으로 파악.

기대 효과

AI 생성 이미지

사용자 경험	리뷰 탐색 시간 단축, 피로도 감소
비즈니스 효과	구매 전환율 향상, 리뷰 활용도 증대
브랜드 이미지	“AI 기반 스마트 쇼핑”으로 인식 강화
데이터 활용	감성 분석 결과를 기반으로 상품 개선 인사이트 확보

알고 보니, 이미 시작되고 있었다

기획을 마친 뒤에야 알게 됐다. 쿠팡이 이미 AI 리뷰 요약 기능을 시범 도입했다는 소식이었다.

쿠팡이 상품 리뷰를 AI로 자동 요약해 보여주는 기능을 시범 도입했다.
현재 가전디지털 카테고리에 적용 중이며,
소비자들이 핵심 장단점을 빠르게 파악할 수 있도록 돕는다.
AI는 상품별로 일부 리뷰를 무작위로 선정해
주요 구매 만족 포인트를 요약해 제공한다.
(출처: 더 리슨)

사실 크게 놀라지는 않았다. 조만간 쿠팡이 이 서비스를 출시할 거라고 예상하고 있었기 때문이다. 리뷰 데이터는 워낙 방대하고, 그 안에서 핵심 정보를 뽑아내는 건 AI가 가장 잘할 수 있는 영역이기 때문이다. 물론 내가 기획했던 서비스와는 조금 차이가 있다. 쿠팡의 베타 기능은 일부 리뷰를 무작위로 요약하는 형태지만, 내가 생각했던 건 전체 리뷰 데이터를 통합 분석해 감성 흐름과 주요 인사이트를 카드 형태로 보여주는 구조였다. 하지만 분명 이 영역도 단계적으로 확장될 것이라 믿는다.

마무리

이번 쿠팡 리뷰 시스템 역기획을 하면서 느낀 건, 좋은 AI 서비스는 새로운 기술을 붙이는 게 아니라 사용자 흐름 안에서 자연스럽게 경험을 향상시키는 것이라는 점이었다. 리뷰 요약 기능은 단순해 보이지만, 사용자 입장에서 보면 불필요한 탐색을 줄이고 본질에 더 집중할 수 있게 만드는 가치 있는 변화다. 쿠팡이 실제로 AI 리뷰 요약 기능을 도입했다는 사실은 내가 바라본 문제의 방향성과 시장의 흐름이 이어져 있다는 걸 보여준다. AI는 점점 더 자연스럽게 사용자 여정 속으로 들어오고 있고, 그 안에서 사용자의 결정 흐름을 돕는 조용한 조력자가 되고 있다.

이번 역기획은 단순히 기능을 제안하는 과제가 아니라, AI가 사용자 경험을 어떤 방식으로 개선할 수 있을지 구체적으로 고민해 본 과정이었다. 나는 결국 이런 작은 고민들이 모여, 사용자의 경험을 바꾸는 변화로 이어진다고 믿는다.

AI 에이전트, 단순한 챗봇이 아닌 ‘디지털 동료’

isabel-hayoung — Mon, 15 Sep 2025 17:54:44 +0900

Image Reference: https://itbrief.com.au/story/exclusive-the-future-of-adobe-and-ai-the-experts-tell-all

요즘 AI 얘기하면 챗GPT 같은 챗봇을 먼저 떠올리시는 분들이 많을 거예요.
그런데 이제는 한 단계 더 진화한 AI 에이전트(Agentic AI) 라는 개념이 등장하면서, 기업들이 업무를 하는 방식 자체가 달라지고 있습니다. 간단히 말하면, AI 에이전트는 단순히 질문에 답하는 도우미를 넘어 스스로 계획하고, 실행하며, 배우는 디지털 동료 입니다.

왜 AI 에이전트가 주목받을까?

기존 챗봇은 정해진 질문에 답하거나 반복 작업을 처리하는 정도였죠.
하지만 AI 에이전트는 다릅니다:

기억력이 있어서 이전 대화나 맥락을 반영합니다.
필요하면 외부 데이터나 API도 불러와서 일처리를 합니다.
주어진 목표를 달성하기 위해 스스로 계획을 짜고 실행합니다.
여러 에이전트끼리 협업도 가능해서 복잡한 작업도 척척 해냅니다.

그래서 단순한 "도우미"라기보다는, 회사 안에서 실제 일을 같이 하는 디지털 워커(Digital Worker) 같은 존재가 되는 거죠!

에이전트도 종류가 있어요

규칙형: 정해진 규칙만 따라 하는 단순형
모델 기반: 규칙을 따르면서 기억까지 업데이트
목표 기반: 특정 목표 달성을 위해 외부 도구까지 활용
효용 기반: 여러 선택지 중 가장 효율적인 걸 고르는 타입
학습형: 경험을 쌓으면서 계속 똑똑해지는 타입

어디서 어떻게 쓰일까? (산업별 사례)

금융

금융은 데이터가 정말 많은 산업이라 에이전트의 힘이 큽니다. 이런 걸 다 자동으로 처리해주니, 금융사 입장에선 효율이 확 올라가죠.

수상한 거래를 잡아내는 실시간 리스크 감지
규제 준수 모니터링
개인 투자 성향에 맞춘 맞춤형 자산 관리

고객 경험

예전 챗봇은 "이 질문엔 이 답" 식이었는데, 이제는 다릅니다. 고객의 과거 구매 이력, 대화 맥락을 기억했다가 맞춤형으로 응답하고, 때로는 고객이 불만을 표출하기도 전에 문제를 해결해주죠. 상담사들은 반복 업무 부담이 줄고, 고객 만족도는 올라갑니다.

교육

AI 에이전트는 개인 맞춤형 튜터가 될 수 있어요. 학생의 수준을 파악하고, 그에 맞는 문제를 내주고, 이해가 부족한 부분은 다시 설명해줍니다. 대학에선 연구 조교처럼 자료를 모아주거나 요약해주기도 하고, 취업 준비에선 가상 면접관 역할도 합니다.

‍ HR

채용 과정에서 이력서 분석, 후보자 순위 매기기, 인터뷰 일정 잡기까지 자동화됩니다. 입사 후에는 맞춤형 온보딩 교육까지 제공하니 HR 부서 입장에선 행정 부담이 크게 줄어요. IBM의 AskHR은 실제로 80% 이상의 HR 요청을 자동 처리한다고 합니다.

마케팅

AI 에이전트는 고객 데이터를 바탕으로 광고 캠페인 운영, A/B 테스트, 고객 세분화까지 전부 자동으로 해줍니다. 심지어 고객 행동을 예측해서 “언제, 어떤 메시지를 보내면 가장 효과적일지”도 알려주니 마케팅 효율이 엄청 올라가겠죠?

세일즈

영업팀에겐 리드를 발굴하고, 고객 데이터를 CRM에서 꺼내 정리해주고, 콜 내용을 분석해서 피드백까지 주는 AI 에이전트가 큰 힘이 됩니다. 영업사원은 사람과의 관계에 집중할 수 있고, 데이터 정리 같은 반복 업무는 AI가 대신해줍니다

IT & 보안

IT 운영팀은 에이전트를 통해 시스템 상태를 실시간 감시하고, 문제가 생기면 알아서 해결합니다. 보안 위협도 실시간으로 잡아내고, 개발자들은 AI 코파일럿처럼 에이전트 도움을 받아 코드 작성이나 배포를 하기도 해요

마무리

AI 에이전트는 단순한 자동화 도구가 아니라, 스스로 생각하고 실행하는 디지털 동료입니다. 이미 수많은 분야에서 기업들이 AI 에이전트를 활용하고 있고, 앞으로는 더 빠르게 확산될 것이라고 생각하는데요

AI 에이전트는 단순히 새로운 기술이 아니라, 기업이 일하는 방식을 근본적으로 재편하는 변화의 파도라고 생각합니다. PM으로서 중요한 건 이 기술을 어떻게 ‘우리 고객의 실제 문제 해결’에 연결할지 정의하는 일이에요. 트렌드를 좇는 것이 아니라, AI 에이전트가 제공할 수 있는 가치를 고객 여정 속에서 구체적으로 설계하고, 진짜 문제를 풀어내는 솔루션을 만드는 것! 결국 경쟁력은 기술 도입 속도가 아니라, 얼마나 고객 중심적으로 문제를 풀어내느냐에 달려 있다고 생각합니다

2025년 기업 AI 현황: 화려한 도입, 미비한 성과

isabel-hayoung — Tue, 9 Sep 2025 17:59:14 +0900

Image Reference: https://guptadeepak.com/the-future-of-ai-and-its-impact-on-humanity/

AI가 세상을 바꾸고 있다는 이야기는 매일 쏟아지고 있습니다. ChatGPT, Copilot 같은 툴은 이미 많은 기업과 개인의 일상 속에 자리 잡았죠! 그런데 최근 MIT Project NANDA의 리포트를 보고 매우 충격을 받았습니다. 전 세계 기업들의 AI 투자 규모가 무려 30~40조 원에 달하지만, 95%는 성과가 없다는 것이었습니다. 딱 5%만이 실제 비용 절감이나 수익 증대로 이어졌다는 거죠 ㅠㅠ

왜 그럴까?

ChatGPT 같은 범용 툴은 빠르게 써먹을 수 있고 개인 생산성은 확실히 올려줍니다.
하지만 막상 회사에서 쓰려면 기업의 워크플로우에 녹아들지 못하고, 피드백을 학습하지 못하는 한계가 드러납니다.
맞춤형 엔터프라이즈 솔루션은 더 안타깝습니다. 수억 들여 도입해도 실제 업무에서는 “과하게 복잡하다”, “우리 방식과 안 맞는다” 라는 이유로 DROP 되는 경우가 많습니다.

성공하는 곳의 공통점

반대로 5%의 성공 기업들은 몇 가지 공통점을 갖고 있었습니다.

내부 빌드(Build)보다 외부 파트너십(Buy)을 선택
작은 워크플로우에서 빠른 성과를 증명하고 점진적으로 확장
학습,메모리,적응성을 가진 에이전트형 시스템 도입
BPO·외주 대체에서 확실한 ROI 창출

저는 이 부분이 가장 공감됐습니다. 결국 “처음부터 완벽한 솔루션”을 만들려 하기보다, 작은 성공을 쌓으면서 조직 안에서 신뢰를 얻고 확장하는 게 답이더군요.

미래: Agentic Web

보고서는 미래 방향성으로 Agentic Web을 제시합니다. 단일 AI가 아니라 여러 에이전트가 서로 협력하고, 자동으로 의사결정을 하고, 심지어는 계약까지 체결하는 생태계죠. 이미 MCP, A2A 같은 프로토콜들이 나오면서 그 기반이 만들어지고 있습니다.
“앞으로 18개월 안에 학습형 에이전트를 도입하지 않으면 뒤처진다”는 메시지는 꽤 인상적이었습니다.

저는 실제로 최근에 Agentic AI를 기획하고 출시까지 이끌어낸 경험이 있다 보니, 리포트에서 강조하는 학습형 에이전트의 필요성과 파급력에 크게 공감하게 되었습니다.단순히 AI가 답변을 내는 시대를 넘어, 맥락을 기억하고 자율적으로 협력하는 에이전트가 기업 운영의 핵심이 될 것이라는 흐름이 분명하게 보이기 시작했기 때문입니다. 앞으로 다가올 Agentic Web의 시대, 개인적으로도 매우 기대가 됩니다.
이 변화 속에서 제가 가진 경험을 어떻게 더 확장할 수 있을지, 또 어떤 새로운 기회가 열릴지 설레는 마음으로 지켜보고 있습니다.

정리하며

AI 도입이 화려하게 보이지만, 실제로는 대부분이 파일럿에서 멈추고 성과로 연결되지 못하고 있습니다.
하지만 이미 현업 직원들은 Shadow AI를 통해 답을 찾고 있고, 소수의 기업은 학습형 에이전트로 ROI를 내고 있습니다.

저는 이 리포트를 읽고 “우리도 실제 워크플로우에 녹아들 수 있는 학습형 시스템에 집중해야 한다”는 걸 다시 한 번 느꼈습니다.

---
참고자료
- MIT Project NANDA (2025), State of AI in Business 2025: The GenAI Divide

문서를 “이해”하는 AI: LLM + OCR 기능을 기획하며

isabel-hayoung — Thu, 24 Jul 2025 17:03:16 +0900

Image Reference: koncile.ai

요즘 "문서 자동화", "AI 기반 분류", "OCR 기반 데이터 추출"이라는 말을 자주 듣습니다. 하지만 실제로 이 기능들을 제품에 녹여내는 과정은 생각보다 복잡하고, 정교한 기획이 필요합니다. 이번 글에서는 제가 PM으로 참여했던 LLM + OCR 기반 기능 기획 및 출시 경험을 공유해보려 합니다.

1. 문제 정의: 스캔한 문서 속 정보는 쓸모가 없다?

우리는 매일같이 PDF 청구서, 영수증, 계약서를 다루지만, 이 문서들은 사람 눈으로만 읽을 수 있을 뿐, 시스템 입장에선 단순한 이미지입니다. 고객사 입장에서는 매번 수기로 내용을 작성해야 하는 번거로움이 있고 놓치는 실수도 많았습니다.

OCR만으로는 단순한 문자 추출밖에 할 수 없었고, 각 문서가 어떤 목적의 문서인지, 어떤 항목이 중요한지 파악하는 건 한계가 있었습니다.

2. 해결 방향: LLM + OCR의 조합

우리가 기획한 방향은 명확했습니다:

“OCR로 문서를 읽고, LLM으로 문서를 해석하자.”

이를 위해 다음과 같은 기능을 구성했습니다:

OCR: 다양한 포맷의 스캔본에서 텍스트를 정확하게 추출
문서 분류 모델 (LLM 기반): 문서 유형을 자동으로 판단 (예: 영수증, 인보이스 등)
항목 추출 모델 (LLM 기반): 문서 내 핵심 항목 자동 추출 (금액, 날짜 등)

3. 확장 포인트: AI 문서 Q&A 및 검색 기능 (RAG)

문서를 읽고 추출하는 걸 넘어서, 문서 내에서 필요한 정보를 바로 찾는 기능에 대한 수요가 커졌습니다. 그래서 도입한 기능이 바로 강화된 RAG(Retrieval-Augmented Generation) 구조입니다.

핵심 목표는 이렇습니다:

“업로드된 문서를 벡터화하고, 이를 기반으로 검색과 질의응답이 가능한 인터페이스 제공”

구체적인 구성 요소는 다음과 같습니다:

Vector Embedding: 문서 내용을 효율적인 embedding 모델로 벡터화
Vector Database: Pinecone, Qdrant, Weaviate 등을 통해 대용량 문서 벡터 저장 및 검색
검색 기능:
- 키워드 검색
- 의미 기반 유사도 검색
- 자연어 질문에 대한 답변 반환 (e.g. “이 인보이스의 만료일은 언제인가요?”)
UI/UX: 필터와 함께 직관적인 검색창 제공
권한 제어: 검색 결과는 사용자 역할과 문서 권한에 따라 제한

이 기능을 통해 사용자는 더 이상 문서를 ‘찾고’, ‘열고’, ‘읽고’, ‘복사’할 필요 없이, 바로 원하는 정보를 얻을 수 있게 되었습니다.

기획자의 고민: “정확하게, 하지만 어렵지 않게”

기능을 기획하면서 가장 많이 고민했던 건 단순했습니다.

문서는 제각각인데, 어떻게 일관된 경험을 줄 수 있을까?
AI가 틀릴 수도 있는데, 사용자가 믿고 쓸 수 있으려면?

이 고민 끝에 내린 결론은 “사용자에게 선택권을 주되, 최대한 자동으로 도와주는 것”이었습니다.

그래서 직접 문서 유형을 정의할 수 있게 했고, AI가 결과를 예측하되, 사용자가 수정하고 Smart Learn 연동을 통해 수정 내용을 학습할 수 있도록 만들었습니다. 결국 기획자는 기술보다 신뢰할 수 있는 경험을 설계하는 사람이라고 생각합니다.

효과: 사람이 하던 일을 AI가, 더 빠르게

이 기능을 통해 실제 고객사에서는 다음과 같은 변화를 체감했습니다:

문서 등록 시간 80% 단축
수기 입력 오류 50% 이상 감소
운영팀 대응 시간 50% 감소

특히, 회계/경비처리에서 OCR+LLM이 가장 빛을 발했습니다.

✍️ 마무리하며

PM으로서 중요한 건 기술을 이해하는 것이 아니라, 기술로 문제를 해결하는 방식을 기획하는 것입니다. OCR과 LLM은 각자의 강점이 뚜렷하지만, 이 둘이 만나면 문서를 “이해”하는 AI를 만들어 사용자가 신뢰 할 수 있는 제품을 선보일 수 있었습니다.

Agentic AI, 단순한 자동화를 넘어 ‘행동하는 AI’로

isabel-hayoung — Tue, 29 Apr 2025 17:28:10 +0900

Source: https://www.ssonetwork.com/

AI, 이제는 ‘명령을 듣는’ 수준을 넘어야 한다

– PM의 시선으로 본 새로운 AI 패러다임

AI 기술은 이제 단순한 챗봇이나 자동화 스크립트를 넘어서, 스스로 판단하고 행동하는 구조로 진화하고 있습니다. 이 흐름의 중심에 있는 개념이 바로 Agentic AI입니다.

오늘은 PM의 관점에서 Agentic AI가 무엇이며, 왜 중요한지, 그리고 우리가 이 기술을 기획하고 도입할 때 어떤 관점과 접근 방식을 가져야 하는지 정리해 보려 합니다.

Agentic AI란 무엇일까?

Agentic AI는 "목표 지향적(Goal-directed)"이고 "행동 중심(Acting)"인 AI입니다. 단순히 질문에 답하거나 데이터를 추출하는 것을 넘어서, 다음과 같은 역할을 수행합니다:

목표 인식: 무엇을 해야 하는지를 스스로 파악
계획 수립: 여러 단계를 구성하여 실행 경로 설계
행동 실행: 외부 시스템 호출, 메일 전송, 파일 처리 등
상태 추적 및 반복: 결과를 기반으로 다음 행동 판단

요약하자면, "생각하고 행동할 수 있는 디지털 동료" 라고 볼 수 있습니다.

기존 AI와의 차이점

구분기존	AI (LLM 기반 응답형)	Agentic AI
작동 방식	질의응답, 요약, 분류	목표 기반 행동, 워크플로우 실행
상태 유지	무상태 (Stateless)	상태 기반 (Stateful)
활용 범위	문서 처리, 요약, 질의응답	복합 의사결정, 자동화, 멀티스텝 작업
연결성	주로 내부 텍스트 처리	외부 API, DB, 이메일 등과 상호작용 가능

왜 지금 Agentic AI가 중요한가?

단순 자동화의 한계 극복
- RPA나 단일 LLM 기능은 정해진 규칙을 넘기 어려움
- Agentic 구조는 예외 상황과 의사결정까지 흡수 가능
복잡한 업무 구조 대응
- 기업 업무는 단순하지 않음 (ex. 여러 단계를 거치고, 사람마다 판단 기준이 다름)
- Agent는 각 업무 단계를 역할별로 분리해 대응할 수 있음
AI 신뢰도 확보
- 단일 응답 대신 행동 → 결과 → 근거를 남기므로 신뢰성 높음
- 실패 시에도 리트라이, 사람에게 패스 등 유연한 대응 가능

PM이 고민해야 할 기획 포인트

Agentic AI 도입은 단순히 모델을 바꾸는 것이 아니라, 구조적 접근이 필요합니다. PM 입장에서 고려할 점은 다음과 같습니다:

1. 역할 설계 (Role Design)

Agent는 각각 명확한 책임과 권한을 가져야 합니다.
예: 정책 분석 Agent, 실행 Agent, 모니터링 Agent 등

2. 워크플로우 설계

Agent 간 호출 순서, 실패 처리, 병렬 실행, 상태 전이 등
→ 마치 마이크로서비스를 조율하는 오케스트라처럼 기획해야 함

3. 권한과 신뢰의 경계 설정

모든 결정을 AI가 해도 되는가? 어디서 사람의 개입이 필요한가?
→ Human-in-the-loop를 언제, 어떻게 삽입할지 설계 필요

Agentic AI를 실무에 도입하며 얻게 된 인사이트

LLM 하나만으로는 복잡한 업무를 감당할 수 없다
Agent는 단순 도구가 아닌 조직의 디지털 역할자로 봐야 한다
AI 시스템 도입은 기능보다도 역할과 구조 중심으로 접근해야 한다

“기능을 설계하는 시대에서, 행동하는 AI를 조율하는 시대로.”

마무리

Agentic AI는 더 이상 미래의 개념이 아닙니다. 이미 수많은 시스템에 적용되어, 실제 비즈니스 의사결정과 행동을 대신하고 있습니다.
PM으로서 우리는 단순한 자동화가 아닌, 지능적이고 자율적인 구조를 기획할 수 있어야 합니다.

앞으로의 고민은 “무엇을 만들까?” 가 아니라 “어떤 역할을 맡기고, 어떻게 조율할까?”가 될 것 같다는 생각이 듭니다.

비전공자 PM 이 정리한 간단한 백엔드 vs 프론트엔드 정리

isabel-hayoung — Tue, 17 Dec 2024 16:47:37 +0900

백엔드와 프론트엔드의 가장 큰 차이점은 어디서 동작하고 어떤 역할을 수행하느냐에 있습니다. 각 프레임워크의 역할과 차이를 정리 해 보았습니다.

1. 동작하는 환경

백엔드
- 서버에서 동작합니다.
- 주로 데이터 처리, 비즈니스 로직 실행, 그리고 클라이언트 요청을 처리하는 역할을 합니다.
프론트엔드
- 클라이언트(브라우저나 앱)에서 동작합니다.
- 사용자가 보는 화면(UI)을 그리거나 동적인 기능(버튼 클릭, 애니메이션 등)을 구현하는 역할을 합니다.

2. 역할과 기능

백엔드의 주요 역할

데이터 처리: 클라이언트가 요청한 데이터를 데이터베이스에서 가져오거나 저장합니다.
비즈니스 로직: 특정 조건에 따라 데이터를 처리하거나 계산하는 작업을 수행합니다.
API 제공: 클라이언트가 서버에 요청하고 데이터를 받아갈 수 있도록 API(REST, GraphQL)를 제공합니다.
인증 및 보안: 로그인, 권한 검사와 같은 보안 관련 기능을 담당합니다.
서버 관리: 서버를 안정적으로 운영하고 에러를 처리합니다.

대표 백엔드 프레임워크:

Node.js + Express (JavaScript)
Django (Python)
Spring Boot (Java)
Ruby on Rails (Ruby)
Flask (Python, 경량 프레임워크)

프론트엔드의 주요 역할

UI/UX 개발: 화면에 데이터를 시각적으로 표시하고 사용자가 편리하게 상호작용할 수 있도록 구현합니다.
동적 기능 구현: 버튼 클릭, 드롭다운 메뉴, 애니메이션 등 동적인 요소를 제어합니다.
API 호출: 백엔드에서 제공한 API를 사용해 데이터를 가져오거나 전송합니다.
라우팅: 페이지 전환 시 전체 페이지를 새로고침하지 않고 빠르게 이동하도록 합니다. (Single Page Application, SPA)

대표 프론트엔드 프레임워크:

React (페이스북)
Vue.js (진입 장벽이 낮고 가벼움)
Angular (구글, 대규모 프로젝트에 적합)

3. 개발 언어

백엔드
- 예: Python(Django, Flask), Java(Spring Boot), JavaScript(Node.js), PHP, Ruby 등
프론트엔드
- 예: React, Vue.js, Angular는 모두 JavaScript 기반입니다.

4. 예시로 이해하기

예를 들어 쇼핑몰 웹사이트를 생각해봅시다.

프론트엔드
- 사용자가 보는 화면: 상품 목록, 장바구니, 결제 버튼 등
- 동작: "장바구니에 담기" 버튼 클릭 시 백엔드에 요청을 보내고 화면에 장바구니에 담긴 상품을 업데이트합니다.
백엔드
- 서버에서 수행하는 작업:
  - 장바구니에 상품을 추가하는 API를 제공
  - 데이터베이스에 해당 상품 정보 저장
  - 사용자 인증 정보 확인

5. 주요 차이점 요약

구분 백엔드 프레임워크 프론트엔드 프레임워크

동작 환경	서버(Server)	클라이언트(브라우저, 앱)
역할	데이터 처리, API 제공, 비즈니스 로직	화면 구성, 사용자 상호작용, 동적 기능
언어	Python, Java, Node.js, Ruby 등	JavaScript
프레임워크	Django, Spring Boot, Express	React, Vue.js, Angular

마무리

프론트엔드와 백엔드 프레임워크는 서로 다른 역할을 하지만 긴밀하게 연결되어 하나의 제품을 만듭니다.

프론트엔드는 사용자와 직접 소통하는 역할을,
백엔드는 그 뒤에서 데이터를 처리하고 전달하는 역할을 합니다.

PM으로서 두 프레임워크의 차이점과 각 역할을 이해하면 개발팀의 이슈를 파악하고 기능 요구사항을 더 명확하게 정리할 수 있습니다.

비전공자 PM으로서 알아야 할 기본적인 개발 지식

isabel-hayoung — Tue, 17 Dec 2024 16:33:35 +0900

제품의 성공은 개발팀과의 긴밀한 협업에 달려 있습니다. 비개발자 PM이라도 기본적인 개발 지식이 뒷받침된다면 더 명확한 소통과 합리적인 의사결정이 가능한데요! 이번 글은 제가 명확히 정리하고 기억하고자 작성해 보았습니다 ㅎㅎ

1. 웹 서비스의 기본 구조 이해하기

1.1 클라이언트-서버 모델

웹 서비스는 크게 클라이언트와 서버로 나뉘어 동작합니다.

클라이언트: 사용자가 보는 화면(웹/앱)에서 요청을 보내는 주체입니다.
서버: 클라이언트의 요청을 처리하고 결과(데이터)를 반환합니다.

요청과 응답 흐름 (HTTPS 프로토콜)

웹 서비스는 HTTPS(HyperText Transfer Protocol)를 통해 데이터를 주고받습니다.

GET 요청: 데이터를 조회할 때 사용 (예: 웹사이트 열기)
POST 요청: 새로운 데이터를 서버에 저장할 때 사용 (예: 회원가입)
PUT/PATCH 요청: 기존 데이터를 수정할 때 사용
DELETE 요청: 데이터를 삭제할 때 사용

1.2 프론트엔드 & 백엔드

프론트엔드와 백엔드는 웹/앱 서비스의 양대 축입니다.

프론트엔드

사용자 경험을 책임지는 영역입니다. 주요 기술 스택은 다음과 같습니다:

HTML: 웹 페이지의 구조를 만드는 마크업 언어
CSS: 웹 페이지의 스타일과 디자인을 담당
JavaScript: 화면에서 동적인 기능을 구현 (버튼 클릭, 애니메이션 등)

추가로 많이 사용되는 프레임워크:

React: 페이스북에서 만든 UI 프레임워크
Vue.js: 빠르고 가볍게 UI를 개발할 수 있는 프레임워크
Angular: 구글에서 개발한 대규모 애플리케이션용 프레임워크

백엔드

서버에서 데이터를 처리하고 로직을 실행하는 영역입니다. 주요 기술 스택은 다음과 같습니다:

언어: Python, Java, Node.js, 등
데이터베이스: MySQL, PostgreSQL (관계형 DB), MongoDB (NoSQL)
프레임워크: Django, Spring, Express.js

2. 데이터베이스 이해하기

데이터베이스는 제품의 모든 데이터를 저장하고 관리하는 핵심입니다.

2.1 데이터베이스의 종류

관계형 데이터베이스(RDBMS): 데이터를 테이블 형식으로 저장하며, SQL(Structured Query Language)을 사용합니다.
- 예시: MySQL, PostgreSQL, Oracle
비관계형 데이터베이스(NoSQL): JSON이나 Key-Value 형태로 데이터를 저장하며, 대규모 데이터를 빠르게 처리하는 데 유리합니다.
- 예시: MongoDB, Redis

2.2 SQL 기초 개념

SQL은 관계형 데이터베이스를 다루는 쿼리 언어입니다.

SELECT: 데이터 조회
INSERT: 새로운 데이터 추가
UPDATE: 데이터 수정
DELETE: 데이터 삭제

3. API와 데이터 통신

3.1 RESTful API

프론트엔드와 백엔드가 데이터를 주고받는 대표적인 방식이 RESTful API입니다.

엔드포인트: API의 URL 주소
HTTP 메서드: GET, POST, PUT, DELETE 등
JSON: 데이터를 주고받을 때 사용하는 포맷

HTTP 메서드 예시

GET /users → 모든 사용자 목록 가져오기
POST /users → 새 사용자 생성
PUT /users/1 → ID가 1인 사용자 정보 수정
DELETE /users/1 → ID가 1인 사용자 삭제

3.2 GraphQL

GraphQL은 REST의 단점을 보완한 데이터 쿼리 언어입니다. 필요한 데이터만 요청할 수 있어 효율적입니다.

4. 버전 관리 시스템(Git)

Git은 소스코드를 관리하고 협업하는 도구입니다. 개발팀에서는 주로 GitHub나 GitLab을 사용합니다.

기본 개념

Commit: 코드 변경 사항을 저장
Branch: 기능별 작업 공간 생성
Merge: 작업을 메인 브랜치에 병합
Pull Request: 병합 전 코드 리뷰 요청

5. CI/CD 파이프라인

5.1 CI/CD란?

CI(Continuous Integration): 코드 변경 사항을 자동으로 빌드/테스트
CD(Continuous Deployment/Delivery): 빌드/테스트가 문제없이 작동하면 자동으로 배포

마무리

기술적 지식이 부족하면 개발팀과의 커뮤니케이션에서 오해가 발생하거나 일정에 차질이 생길 수 있습니다. 하지만 PM은 기술 지식을 활용해 비즈니스 목표를 기술과 연결하는 역할을 해야 합니다. 비전공자도 공부하면 정말 즐거운 IT 세계를 경험 할 수 있습니다. PM 화이팅!

PM으로 성장하기 위한 5가지 교훈

isabel-hayoung — Mon, 9 Dec 2024 16:44:53 +0900

1. 완벽하려고 하지 말고, 일단 실행하자!

처음엔 "완벽한 계획"이 있어야만 실행한다고 생각했어요. 하지만 진짜 중요한 건 빨리 시작해서 배우는 거더라고요.

작게 시작하기: 최소한의 기능(MVP)으로 시작하고, 고객의 반응을 관찰하고 제품을 개선 시키는 것 만큼 중요한 것은 없습니다.
데이터 학습 및 유저 피드백을 통한 개선: 작게 시작해서, 빠르게 피드백을 받고 더 나은 방향으로 수정해 나가는 게 핵심입니다.

2. 모두가 찬성하지 않아도 괜찮아요

PM의 결정은 모든 사람을 만족시킬 수 없어요. 중요한 건 데이터를 기반으로 논리적으로 설득하는 거예요.

팀 설득력 키우기: 직감보단 근거 있는 데이터로 설명하세요.
결정력: 다양한 의견을 조율하되, 최종적으로는 제품에 가장 이득이 되는 결정을 내리는 게 중요해요.

3. 고객이 진짜 원하는 걸 찾아라

고객은 항상 정답을 말하지 않아요. 하지만 그들이 겪는 문제를 관찰하다 보면 답이 보입니다.

고객의 목소리 듣기: 인터뷰와 설문조사를 활용하세요.
데이터: 데이터는 모든 단계에서 중요해요. 유저의 행동을 데이터로 분석하는 것 만큼 중요한 지표는 없습니다. 데이터와 고객의 생생한 의견을 모두 반영하면 훨씬 좋은 제품을 만들 수 있습니다.

4. 실패는 성장을 위한 과정이에요

제품을 관리하면서 크고 작은 실패를 많이 겪었지만, 그 덕분에 한 단계 성장할 수 있었어요. 실패는 성공의 어머니라고 하죠! 성공적인 제품을 위한 크고 작은 실패도 중요합니다.

피드백 받기: 실패 원인을 팀과 함께 분석하며 제품을 올바른 방향으로 이끌어 갈 수 있습니다. 이를 통해 제품이 성장하고 개선되는 기쁜 또한 팀원들과 "같이" 만끽 할 수 있어요.
긍정적 태도 유지: 실패는 나쁜 게 아니라 더 나은 PM 그리고 더 좋은 제품으로 고객들에게 제공하기 위한 중요한 경험 그리고 단계에요. 팀원들과 으쌰으쌰 열심히 개선하다 보면 우리의 제품을 잘 사용하고 있는 유저들을 발견하게 됩니다. 너무 뿌듯한 모먼트를 맞이할 수 있어요!

5. 팀워크가 가장 중요한 자산입니다

아무리 좋은 아이디어라도 혼자서는 실행하기 어렵습니다. 다양한 의견을 수용하고 조정하고 팀원분들과 함께 한다면 기쁨도 두배가 됩니다.

팀원들과 소통하기: 목표를 명확히 공유하고, 모든 멤버가 참여할 수 있도록 분위기를 조성하는 것도 중요합니다.
서로 존중하기: 팀원들의 강점을 인정하고, 그들의 전문성을 믿는 것이 협업의 첫걸음이기도 합니다. 다양한 의견을 수용하고 의견을 조정 하여 궁극적으로 유저들에게 좋은, 성공적인 제품이 되도록 이끄는 것 또한 PM 의 중요한 역할 중 하나입니다.

마무리하며

PM의 길은 도전적이지만, 그만큼 성장과 보람도 큽니다. 오늘도 PM 으로서 유저들에게 좋은 제품을 제공하기 위하여 열심히 달려보겠습니다!

고객 여정 지도(Customer Journey Map)의 중요성

isabel-hayoung — Thu, 12 Sep 2024 16:12:12 +0900

고객 입장에서의 Pain Point를 도출하고 제품을 개선하는 것은 PM 그리고 기획자로서 아주 중요합니다. 문제 도출을 위한 방법으로 고객 여정 지도(Customer Journey Map)를 그려볼 수 있는데요. 고객이 제품이나 서비스를 접하고 경험하는 전체 과정을 시각적으로 보여줄수 있는 도구입니다. 이걸 통해 고객이 어떤 경로를 거치며 어떤 감정을 느끼는지 알 수 있죠. 고객의 첫 인지 단계부터 구매 후 서비스까지 모든 과정을 이해하고, 그 과정에서의 문제점이나 기회를 파악하는 데 아주 유용합니다.

고객 여정 지도의 주요 요소

고객 여정 지도를 만들고 싶다면, 이렇게 간단한 6단계로 시작해보는 것도 좋습니다!

무엇을 측정할지 결정하기: 목표가 명확해야 뭘 찾아야 할지 알 수 있어요
고객 페르소나 만들기: 집중할 고객 유형을 정의하고, 그들의 필요를 파악해 보세요
고객의 구매 단계 정의: 문제 인식부터 구매 후까지의 모든 단계를 나눠보세요
터치포인트 표시하기: 각 단계에서 고객이 서비스와 어떻게 상호작용하는지 정리해요
생각, 행동, 감정 추가: 고객이 각 터치포인트에서 무엇을 느끼고 행동하는지 적어보세요
개선 기회 찾기: 각 터치포인트에서 어떻게 고객 경험을 향상시킬 수 있을지 생각하세요

여정 지도를 만들 때는 크게 복잡하게 만들 필요 없는 것 같아요. 스프레드시트에 단순하게 정리해도 충분하고, 더 섬세하게 디자인해서 터치포인트와 감정을 시각화하는 것도 좋습니다. 중요한 건 고객 경험을 실제로 반영하는지 확인하는 것! 설문조사나 고객 인터뷰로 검증하면 놓친 터치포인트나 잘못된 가정을 바로잡을 수 있답니다.

이미지 출처: Forbes Advisor

왜 중요한가?

이런 고객 중심의 분석은 고객 만족도를 높이고, 충성도를 강화하는 데 큰 역할을 해요. 기업이 고객을 더 잘 이해할수록 그에 맞는 서비스를 제공할 수 있고, 장기적인 성공을 거둘 가능성도 커지죠. 고객 여정 지도는 복잡해 보일 수 있지만, 작은 노력으로 고객과의 관계에서 큰 변화를 이끌어낼 수 있습니다!

Product Roadmap 의 중요성과 유형

isabel-hayoung — Thu, 22 Aug 2024 17:29:41 +0900

Product Roadmap (제품 로드맵)은 제품 개발의 지도를 제공하는 중요한 도구입니다. 좋은 로드맵은 제품이 제대로 방향을 잡고, 팀이 한 방향으로 나아갈 수 있도록 도와주는데요! 이번 글에서는 제품 로드맵의 중요성과 다양한 유형, 그리고 효과적으로 작성하는 방법을 알아볼게요.

제품 로드맵의 중요성

전략적 방향 제시: 제품 로드맵은 제품 개발의 전반적인 전략과 방향을 설정합니다. 이는 팀과 이해관계자들에게 명확한 비전을 제공하고, 개발 과정이 일관되도록 도와줍니다.
우선순위와 일정 관리: 로드맵은 주요 기능과 개발 일정을 계획하며, 자원과 시간을 효율적으로 배분합니다. 이를 통해 프로젝트가 제시간에 완료되도록 하고, 우선순위에 따라 중요한 기능부터 개발할 수 있습니다.
팀과의 협업 촉진: 로드맵은 팀원들과 이해관계자 간의 협업을 촉진합니다. 모든 참여자가 동일한 목표를 공유하며, 효과적으로 커뮤니케이션하고 협력할 수 있도록 합니다.
성과 모니터링과 조정: 로드맵은 제품 출시 후 성과를 모니터링하고, 필요에 따라 조정할 수 있게 해줍니다. 시장의 반응과 사용자 피드백을 바탕으로 로드맵을 업데이트하여 제품의 성공 가능성을 높입니다.

주요 제품 Roadmap 유형

기능 로드맵 (Feature Roadmap)
- 기능 중심: 제품의 주요 기능과 개선 사항을 중심으로 구성됩니다. 어떤 기능이 언제 구현될 것인지 명확히 하여, 팀이 기능 개발의 우선순위와 일정을 파악할 수 있습니다.
시간 기반 로드맵 (Timeline Roadmap)
- 시간 중심: 개발 일정과 주요 마일스톤을 시간축에 따라 시각화합니다. 프로젝트의 중요한 단계와 예상 완료 시점을 보여주며, 시간 관리와 일정 조율을 도와줍니다.
전략적 로드맵 (Strategic Roadmap)
- 비전 중심: 제품의 비전과 전략적 목표를 중심으로 구성됩니다. 제품이 회사의 장기적인 전략적 목표와 어떻게 일치하는지를 보여주며, 제품 개발의 큰 그림을 제시합니다.

제품 Roadmap 작성 방법

목표 및 비전 정의: 제품의 장기적인 목표와 비전을 명확히 정의합니다. 목표는 로드맵의 방향성과 우선순위를 제공하며, 팀과 이해관계자들이 동일한 목표를 공유하도록 합니다.
기능 및 이정표 설정: 제품 개발에 필요한 주요 기능과 이정표(마일스톤)를 설정합니다. 각 기능의 중요성과 개발 순서를 고려하여 로드맵에 반영합니다.
시간 프레임 설정: 개발 일정과 마일스톤의 예상 완료 시점을 설정합니다. 이는 프로젝트 관리에 있어 중요한 부분이며, 각 단계가 적시에 완료되도록 보장합니다.
자원 및 예산 관리: 로드맵에 자원과 예산 배분을 포함하여, 개발 과정에서 필요한 자원을 효율적으로 관리합니다. 예산 초과나 자원 부족 문제를 예방할 수 있습니다.
피드백과 조정: 사용자 피드백과 시장 변화에 따라 로드맵을 주기적으로 업데이트합니다. 제품의 성공 가능성을 높이고, 변화하는 환경에 적응하는 데 필수적입니다.
시각적 표현: 로드맵은 시각적으로 명확하게 표현되어야 하며, 이해관계자들이 쉽게 이해할 수 있도록 합니다. 그래픽, 다이어그램, 차트 등을 활용하여 정보를 전달합니다.

이미지 출처: ProductPlan

글을 마치며,

프로젝트를 리딩하다 보면, 제품 로드맵이 제품 개발의 성공을 좌우하는 중요한 도구인데요. 목표와 전략을 명확히 하고, 기능과 일정을 잘 관리하며, 지속적으로 업데이트하여 팀원들이 목표를 향해 원활하게 달려갈 수 있도록 관리하는 PM이 되어야 합니다!