김 서희 
디자인씽킹의 심장과 데이터의 힘이 만나 디자인씽킹의 한계점을 보완하는 DDDT를 알아봅시다. 데이터 드리븐 디자인 씽킹은 데이터로 고객의 맥락을 파악하고 새로운 가치를 입체적으로 바라볼 수 있습니다.
디자인씽킹의 정의
디자인 씽킹(Design Thinking)
디자인씽킹은 1990년대 세계적인 디자인 기업 아이디오(IDEO)가 대중화하였으며, 디자이너의 아이디어와 방법론에서 영감을 받았습니다. 여러 분야의 팀들이 협업해서 사용자의 욕구와 기술적 가능성, 경제적 실현성을 조합하여 혁신할 수 있도록 하는 방법론입니다. IDEO ‘팀 브라운’의 Design Thinking 정의에 따르면, 디자인 씽킹이란 기술적으로 실현 가능한 것과 실행 가능한 비즈니스 전략을 고객가치와 시장의 기회로 바꾸는 것 입니다. 이는 사람들의 요구를 충족시키기 위해 디자이너의 감수성을 참조하여 방법을 탐색하는 훈련법이라고 할 수 있겠습니다.
사용자 중심의 사고 방식
디자인 씽킹은 관찰과 공감을 통해 고객 중심적 관점에서 문제를 해결하고 최적의 효과를 창출하는 ‘사용자 중심의 사고 방식’입니다. 이는 문제 해결과 제품/서비스 디자인의 모든 단계에서 사용자의 경험과 니즈를 우선시하는 것을 의미합니다. 이러한 사용자 중심의 사고 방식은 더 나은 제품과 서비스를 개발하고, 시장에서 경쟁력을 확보할 수 있습니다. 많은 글로벌 기업인 애플, IBM, 마이크로소프트, 나이키, 삼성 등이 제품과 서비스 혁신을 위해 이 방법론을 활용하고 있습니다.
디자인씽킹 프로세스에 대한 개념을 구체화한 이론은 상당히 다양하게 존재하지만, 그중 가장 대중적으로 확산된 모델은 미국 스탠퍼드 대학 d.school의 모델(공감, 문제정의, 아이디어, 프로토타입, 실행&평가, 총 5단계의 프로세스로 구성) 입니다. 이 방법에 대해 간단히 알아보도록 하겠습니다.
디자인씽킹 5단계
d.school에서 구조화한 디자인씽킹의 프로세스를 간략히 요약하면 다음과 같습니다.
| 1. 공감 (Empathize) | • 사용자의 니즈와 경험을 파악하기 위해 관찰, 인터뷰, 혹은 직접 체험을 통해 정보를 수집합니다. • 사용자의 관점에서 문제를 바라보고 이해하는 것이 중요합니다. |
| 2. 정의 (Define) | • 공감 단계에서 얻은 정보를 기반으로 문제를 정의하고, 해결해야 할 핵심적인 과제를 선정합니다. • 사용자의 관점과 니즈를 반영하여 문제를 설정해야 합니다. |
| 3. 아이디어 구상 (Ideate) | • 다양한 아이디어를 발굴하고, 문제를 해결할 수 있는 다양한 방안을 고민하는 단계입니다. • 열린 마음을 가지고 모든 아이디어를 수용하고, 혁신적인 아이디어를 탐구합니다. |
| 4. 프로토타입 제작 (Prototype) | • 실패를 빠르게 경험하고, 해결 방법을 찾습니다. • 아이디어를 실제로 구현하기 위해 간단한 프로토타입을 제작합니다. • 빠르게 실험하고, 사용자의 피드백을 수렴하여 프로토타입을 개선합니다. |
| 5. 테스트 (Test) | • 제작한 프로토타입을 사용자에게 테스트하고, 사용자의 피드백을 수렴하여 프로토타입을 개선합니다. • 이 과정을 반복하면서 최종적으로 사용자에게 가장 적합한 해결책을 찾습니다. |
이때 5단계 프로세스는 논리적인 일방향의 순서가 아니라, 서로 유기적으로 뒤엉켜있는 구조에 가깝습니다.
데이터 드리븐 디자인 씽킹, DDDT
디자인씽킹의 단점
아쉽게도 전통적인 디자인씽킹 방법에는 한계가 존재합니다. 바로 기존 디자인씽킹 과정 중 핵심 단계인 ‘공감-정의-아이디어 도출’ 과정에 불안전한 고객데이터와 관찰자의 주관적인 시선이 잘못 투영될 수 있다는 점 입니다. 뿐만 아니라 개개인의 고객 특성과 라이프 스타일을 분석하기까지 시간과 리소스가 가장 많이 들어간다는 점입니다. 이를 보완하기 위한 방법으로 DDDT(Data Driven Design Thinking)이 있습니다.
DDDT(Data Driven Design Thinking)
DDDT란 데이터 기반의 디자인 씽킹을 의미합니다. 구체적인 수치로 의사결정에 강한 확신을 부여하는 데이터 드리븐(Data-driven)과 디자인 씽킹(Design Thinking)이 합쳐진 개념으로, ‘공감-정의-아이디어 도출’ 과정에 정성적 조사 기법만 활용하는 것이 아니라 정량적 통계 자료 위주의 ‘데이터’를 활용합니다. 데이터로 고객의 맥락을 파악해 해결해야할 문제를 찾아내고, 다양한 페르소나들이 어떤 맥락을 중요하게 생각하는지 파악해 새로운 가치를 입체적으로 설계하는 방법입니다. 이러한 DDDT, 데이터 드리븐 디자인씽킹은 사실에 기반한 데이터 분석이 가능하고, 과학적 데이터 도구로 정확한 예측이 가능해지며 동시에 다양한 페르소나를 분석할 수 있다는 이점이 있습니다.
DDDT 사례 살펴보기
DDDT를 활용한 사례 한가지로서 헤어 스타일링 제품 중 다이슨의 에어랩을 소개해 보겠습니다. 다이슨 에어랩은 출시이후 꾸준히 많은 고객에게 사랑받고 있다는 사실은 모두 알고 계실텐데요. 높은 가격에도 불구하고 품귀 현상을 보이는 다이슨 에어랩의 인기 비결은 바로 DDDT에 있습니다.
다이슨은 신제품 출시를 앞두고 전 세계 80개의 미용실에서 420명 이상의 전문 미용사가 1만 시간 동안 진행한 11억 건이 넘는 데이터를 분석했다고 합니다. 11억 건의 데이터 분석 결과, 미용사들은 둥근 브러시를 사용하여 모발의 모양을 잡는 동시에 드라이어의 공기 흐름을 이용하여 잔머리를 안쪽으로 밀어내는 패턴을 확인했습니다. 즉, 헤어드라이어의 각도가 매우 중요하다는 것을 발견했습니다.
다이슨 데이터 분석팀은 이를 기반으로 페르소나인 고객을 ‘가정에서 직접 머리 손질을 할 때 드라이어 각도 조절이 어려워 머리카락 표면이 부스스해진 경험이 있으며, 부스스함을 정리하기 위해 고온의 기기를 사용해 모발 손상을 경험한 여성’으로 설정했습니다. 이러한 페르소나를 기반으로 반원 모양의 ‘플라이어웨이 노즐’을 개발했고, 압력 차이로 물체 표면에 모발이 달라붙는 현상인 ‘코안다 효과’를 활용했습니다. 이와 같이 소비자들의 특성을 명확히 파악한 다이슨은 에어랩 출시 후 사상 최대 영업 이익인 11억 파운드(약 1조 6600억 원)라는 기록을 달성할 수 있었습니다.
이와같이 데이터로 고객의 맥락을 파악해 해결해야할 문제를 찾아내고, 목표로 해야할 페르소나들이 어떤 맥락을 중요하게 생각하는지 파악한다면 새로운 가치를 입체적으로 설계할 수 있습니다.
