🔍 고객을 안다고 착각하는 사람들이 놓치는 4가지 층위

"우리 고객이 원하는 게 뭔지 알아요"라는 말이 제일 무서운 이유

제품을 만드는 분들이라면 한 번쯤 해봤을 말이 있어요.

"우리 고객은 이걸 원해요."

그런데 그 확신, 어디서 왔나요? 설문 몇 번 돌렸나요? 인터뷰 몇 번 했나요? 아니면 그냥 '느낌'으로요?

UX 리서치 분야에서 오랫동안 연구해온 Vitaly Friedman의 프레임워크에 따르면, 대부분의 기업은 고객 이해를 딱 표면에서 멈춘다고 해요. 고객이 말하는 것, 느끼는 것, 실제로 하는 것, 그리고 왜 그렇게 하는지, 이 4가지는 완전히 다른 차원의 이야기거든요.

오늘은 이 '고객 이해 4단계 모델'을 실무 관점에서 같이 뜯어볼게요. 제품을 기획하거나 서비스를 운영하는 분들이라면 꽤 실질적인 이야기가 될 거예요.

고객 이해, 그게 그냥 설문 아닌가요?

고객 이해(Customer Understanding)는 고객의 말을 '들어주는 것'이 아니에요. 고객이 어떤 맥락에서, 어떤 감정 상태로, 어떤 이유로 특정 행동을 하는지를 입체적으로 파악하는 과정이에요.

2025년 기준으로 국내에서도 UX 리서치 수요가 금융, 의료, 공공 분야로 빠르게 번지고 있어요. 단순히 앱을 예쁘게 만드는 게 아니라 '사람을 이해하고 경험을 설계하는 역량'이 모든 산업의 핵심 경쟁력이 되고 있거든요.

그런데 정작 많은 팀이 고객 이해를 설문 한 번 돌리거나 NPS 수치 확인하는 수준에서 멈추고 있어요. 빙산의 꼭짓점만 보고 배를 운항하는 것과 같다고 보면 돼요.

고객 이해는 '듣는 것'이 아니라 '관찰하고 해석하는 것'이에요.

Level 1. 고객이 말하는 것 (What they say)

가장 쉽게 수집할 수 있는 데이터예요. 설문, 인터뷰, 앱 리뷰, 고객센터 문의 같은 것들이요.

문제는 이게 동시에 가장 믿을 수 없는 데이터이기도 하다는 거예요.

왜 그럴까요? 사람들은 자신의 행동을 자신이 인지하는 방식으로 설명하거든요. 실제 이유가 아니라 자신이 그렇게 보이고 싶은 방식으로 말하는 경우가 많아요. 구독을 취소한 고객에게 이유를 물으면 "가격이 비싸서요"라고 답하는데, 사실은 기능을 쓸 줄 몰라서이거나 그냥 귀찮아서일 수 있는 거죠.

실제로 언어 확률 연구에 따르면, "아마도요", "가능할 것 같아요", "그럴 수도 있죠" 같은 표현이 사람마다 완전히 다른 확률로 해석돼요. 어떤 사람에게는 80% 확률, 어떤 사람에게는 20% 확률인 거예요. 고객의 말을 그대로 믿었다가 전혀 다른 니즈를 제품에 반영하는 실수, 주변에서 흔히 볼 수 있지 않나요?

고객이 말한 것은 '데이터의 출발점'이지, '정답'이 아니에요.

Level 2. 고객이 생각하고 느끼는 것 (What they think & feel)

이 단계에서는 설문보다 훨씬 깊은 심층 인터뷰가 필요해요.

고객이 어떤 기대를 갖고 제품에 접근하는지, 어떤 순간에 실망하는지, 어떤 감정이 결정을 좌우하는지를 파악해야 하죠.

다만 이 데이터도 완벽하지 않아요. 기억은 왜곡되고 감정은 그날의 컨디션에 따라 달라지거든요. 어제는 "UI가 너무 복잡해요"라던 사람이 오늘은 "익숙해지니 괜찮더라고요"라고 할 수 있어요.

감정을 더 정밀하게 포착하려면 '감정 휠(Emotion Wheel)'이라는 도구가 유용해요. 이 도구는 감정을 크게 7가지 영역으로 나누고 그 안에서 더 세밀한 감정 언어를 찾도록 돕거든요. "좀 불편했어요" 대신 "당혹스러웠어요", "짜증났어요", "혼란스러웠어요"처럼 구체적으로 표현할 수 있게 되면, 실제로 고쳐야 할 지점이 훨씬 명확해져요.

고객 감정은 막연히 "좋다/나쁘다"가 아니라, 어떤 구체적인 감정인지까지 파악해야 의미 있어요.

Level 3. 고객이 실제로 하는 행동 (What they do)

여기서부터 진짜 데이터가 시작돼요.

사용자가 버튼을 클릭하는지, 어디서 이탈하는지, 어떤 기능을 반복적으로 쓰는지, 어디서 스크롤을 멈추는지, 이런 행동 데이터가 여기에 해당해요. 히트맵, 세션 녹화, 행동 로그 같은 것들이죠.

행동은 거짓말하지 않아요. 고객이 "이 기능 자주 써요"라고 말했지만 실제 데이터를 보면 한 달에 한 번도 안 쓰는 경우가 꽤 많거든요. 반대로 고객이 불편하다고 말했는데 실제로는 가장 많이 쓰는 기능인 경우도 있어요.

흥미로운 점은, 실제 사용성 테스트에서 사용자에게 말하면서 작업하라고 시키는 '소리 내어 생각하기(Think Aloud)' 방식을 오히려 쓰지 않는 전문가들도 있다는 거예요. 말을 하는 것 자체가 집중을 분산시키고 진짜 감정 반응을 가려버리기 때문이에요. 대신 조용히 행동을 관찰하다가, 사용자가 완료하거나 막혔을 때 질문을 던지는 방식이 더 효과적이에요.

오픈서베이 리서치에 따르면, UX 사용성 테스트에서 참여자 5명 정도만 진행해도 전체 문제의 약 80%를 발견할 수 있다고 해요. 거창한 규모의 테스트가 아니어도 충분히 핵심을 잡을 수 있다는 거죠.

고객이 '한다고 말하는 것'과 '실제로 하는 것' 사이의 간극을 측정하는 것이 핵심이에요.

Level 4. 왜 그렇게 행동하는지 (Why they do it)

이 단계가 가장 어렵고, 동시에 가장 가치 있는 층위예요.

고객이 왜 특정 버튼을 세 번이나 클릭하는지, 왜 장바구니에 담아두고 결제를 안 하는지, 왜 해지 직전에 다시 돌아오는지, 이 '왜'를 이해하려면 단순한 데이터 분석을 넘어서야 해요.

반복적인 심층 인터뷰, 실제 업무 환경 관찰, 고객과의 신뢰 관계가 필요해요. 한 번의 만남으로는 절대 나오지 않는 이야기들이 있거든요. "사실 이 기능 쓰기 불편한데 그냥 참고 써요"라는 말은 관계가 쌓여야 나오는 거예요.

여기서 중요한 개념이 있어요. '검증(Validation)' 대신 '진단(Diagnosis)'이에요.

많은 팀이 사용자 테스트를 "우리 기획이 맞는지 확인"하는 용도로만 써요. 근데 이건 이미 답을 정해놓고 도장 받으러 가는 것과 다를 바가 없어요. 진짜 리서치는 우리가 모르는 것, 우리가 틀렸을 가능성을 직면하는 과정이에요.

리서치의 목적은 '가설 검증'이 아니라 '진짜 이유 발견'이에요.

많은 팀이 빠지는 함정, "NPS면 충분하지 않나요?"

NPS(Net Promoter Score)는 "이 서비스를 지인에게 추천하겠냐?"라는 질문 하나로 고객 충성도를 측정하는 방법이에요. 빠르고 쉽고 비교하기 쉬워서 많은 기업이 쓰고 있어요.

근데 NPS의 한계는 꽤 분명해요. 점수는 알려주지만, 이유를 알려주지 않아요. 7점 준 고객이 왜 9점이 아닌지, 8점이던 사람이 왜 갑자기 6점으로 떨어졌는지, 숫자만으로는 알 방법이 없어요.

IBM 기업가치연구소(IBV)의 2025년 고객 경험 트렌드 보고서에 따르면, 이제 고객은 단순한 개인화를 넘어 '초개인화(Hyper-personalization)'를 기대한다고 해요. 고객이 문제를 언급하기 전에 먼저 알아채고 해결해주는 사전 예방적 접근이 기업 경쟁력의 핵심이 되고 있는 거죠. 하나의 지표만으로는 거기까지 절대 갈 수 없어요.

핵심은 행동 데이터와 질적 데이터를 함께 삼각 측량(Triangulate)하는 거예요. 여러 방향에서 같은 고객 니즈를 확인하는 방법이죠.

하나의 지표만으로 고객을 이해했다고 믿는 순간, 가장 위험한 착각이 시작돼요.

예산 없이도 지금 당장 할 수 있는 고객 이해 방법 5가지

거창한 리서치 예산이 없어도 바로 쓸 수 있는 방법들이 있어요.

첫째는 '노출 시간' 확보예요. 팀 전체가 6~12주마다 최소 2시간씩 실제 고객과 직접 접촉하는 시간을 의무화하는 방법이에요. 기획자만이 아니라 개발자, 마케터, 운영팀 모두가 고객을 직접 만나는 거예요.

둘째는 라이브 사용성 테스트 공개 관찰이에요. 사용자 테스트를 진행할 때 전 직원이 실시간으로 볼 수 있게 공개하면 전사적인 고객 공감이 생겨요. 개발자가 직접 사용자 반응을 보는 것만으로도 기능 우선순위가 달라지거든요.

셋째는 고객센터 인사이트 정기 공유예요. 3~6개월마다 고객센터에서 자주 오는 질문과 불만을 팀 전체에 공유하는 것만으로도 놓치는 것들을 발견할 수 있어요.

넷째는 공동 설계(Co-design)예요. 새 기능을 만들 때 실제 사용자를 초대해 함께 우선순위를 정해보는 방법이에요. 우리가 '당연히 필요하다'고 생각했던 기능이 사용자 관점에서는 전혀 필요 없는 경우를 꽤 자주 발견하게 돼요.

다섯째는 사용자가 모이는 곳 '엿듣기'예요. 커뮤니티, 오픈채팅방, 앱 리뷰, 각종 블로그 댓글에서 고객들끼리 나누는 이야기를 관찰하는 것도 훌륭한 리서치예요. 우리한테는 말 못 했던 진심이 거기 다 있거든요.

고객 이해는 예산의 문제가 아니라 습관의 문제예요.

AI 시대에 오히려 고객 이해가 더 중요해진 이유

2025년 현재, AI는 고객 데이터 분석 속도를 비약적으로 높여주고 있어요. 행동 로그 수천 건을 순식간에 패턴으로 정리하고, 인터뷰 녹취를 자동으로 요약하고, 감정 분석을 실시간으로 해주는 도구들이 이미 현장에서 쓰이고 있어요.

그런데 AI가 잘하는 건 Level 1~3까지예요. 무엇을 말하는지, 어떤 행동을 하는지를 빠르게 분석하는 건 AI가 뛰어나요.

그러나 Level 4, 즉 '왜 그렇게 하는지'에 대한 진짜 이해는 여전히 사람의 영역이에요. 신뢰 관계를 쌓고, 맥락을 읽고, 말 뒤에 숨은 진짜 의도를 파악하는 것은 AI가 대체하기 어렵거든요.

2025년 UX 트렌드 보고서들이 공통적으로 강조하는 건 '하이퍼 개인화'인데요. 단순히 나이, 성별, 지역 기반의 개인화를 넘어서 사용자의 실시간 맥락, 감정 상태까지 포함한 정밀한 경험 설계로 가고 있어요. 이걸 가능하게 하려면 Level 4 수준의 이해가 기반이 돼야 해요.

오히려 AI 덕분에 반복적인 데이터 수집과 분석이 자동화되면서, 사람은 더 깊은 인간 이해에 집중할 수 있는 환경이 만들어지고 있어요. AI를 잘 쓰면 쓸수록, 남은 시간을 진짜 고객 관계와 심층 이해에 쓸 수 있게 되는 거죠.

AI는 고객 이해를 대신하지 않아요. AI는 더 깊은 이해에 집중할 시간을 만들어줄 뿐이에요.

고객을 가장 깊이 이해하는 팀이 다음 시대를 이긴다

고객 이해에는 4가지 층위가 있어요. 말하는 것, 생각하고 느끼는 것, 실제로 하는 것, 그리고 왜 하는지. 대부분의 기업은 첫 번째 층위에서 멈춰요. 하지만 진짜 인사이트는 세 번째, 네 번째 층위에 숨어 있어요.

설문 결과에만 의존하지 마세요. 고객을 직접 관찰하고, 질문을 검증이 아닌 발견의 도구로 쓰고, 신뢰 관계 속에서 진짜 이유를 꺼내야 해요. 비싼 도구도 필요 없어요.

지금 당장 고객을 2시간만 곁에서 관찰해보세요. 그것만으로도 여러분의 제품은 달라질 수 있어요.

마무리

고객 이해의 4단계, 말하는 것에서 멈추지 말고 실제 행동과 그 이유까지 파악하는 것이 핵심이에요. AI 시대에 데이터 분석은 빨라졌지만, 진짜 인사이트는 여전히 사람이 사람을 직접 관찰하고 신뢰를 쌓는 데서 나와요. NPS 하나로 고객을 안다고 착각하지 말고, 지금 당장 고객 옆에 앉아보세요. 가장 빠른 제품 개선이 거기서 시작됩니다.