AI가 번역한 다른 언어 보기
언어 선택
durumis AI가 요약한 글
- 현상 중심 접근법은 메가 트렌드에만 집중하는 기존 방식의 한계를 극복하기 위해 제안된 새로운 접근 방식으로, 소비자들의 행동과 경험에서 의미를 찾아 새로운 상품과 서비스 개발의 기준을 설정하는 것을 목표로 한다.
- 이 접근법은 귀추적 문제 해결 방식을 활용하여 기존의 가정과 선입견을 벗어나 새로운 데이터를 적극적으로 찾아 분석하고, 다양한 출처의 데이터를 종합적으로 활용하여 인간에 대한 깊이 있는 이해를 바탕으로 새로운 사업 기회를 발굴한다.
- 이를 통해 기업은 고객의 숨겨진 니즈를 파악하고, 차별화된 상품과 서비스를 개발하여 시장 경쟁력을 강화할 수 있으며, 새로운 성장 동력을 확보할 수 있다.
1번 글에 이어서...
여기 현상 중심 접근법을, a phenomenon-driven approach, 소개한다.
A. 분석의 초점이 되는 '현상'
메가 트렌드에 너무 중점을 두면 상황별 세부 사항을 설명하기가 어려워진다. 이때 상품의 가치 중심의 접근에 있어 시장과 대상 그룹의 크기를 지나치게 강조하면 고객들의 요구와 열망을 이해하는 데 집중하기 어려워지며 이는 곧 앞으로 어떤 새로운 제품을 제공해야 하는가에 대한 기준 정보들을 부족하게 만든다. 또한 제품 중심의 접근을 취할 때에는 프로세스 초기에 급하게 문제 해결 모드로 전환하게 되면서 결국 기존 제품과 가까운 제품을 개발하거나 시장의 요구를 해결하지 못하는 제품에 투자할 위험이 크게 증가하기도 한다.
이 같은 함정들을 피하기 위해, 나는 현상 중심 접근법을 제안한다. 현상학은 일상생활, 즉 사람 간의 의도적인 관계와 사람들이 관심을 가지고 경험하는 것의 의미에 중심을 둔다. 운전자에게 자동차의 역할은 어떻게 변화하고 있는가? 우리가 돈과 맺는 관계는 왜 추상적인가? 환자는 왜 자신만의 복용 전략을 만들어내는가? 간단히 말해서, 현상학은 우리가 단순히 코카콜라가 들어있는 유리병을 보는 것만이 아니라는 것을 이해하게 한다. 우리가 보는 것은 감정과 그 연관성을 불러일으키는 콜라병, 혼란, 향수, 즐거움 또는 혐오의 생각을 남기는 유리병이다.
관련해 다음의 세 가지 기본적인 이해 요소를 반드시 필요로 하게 된다.
- 인간이 된다는 것은 어떤 의미인가에 대한 이해
- 인간의 행동을 이해하는 조사 방식
- 새로운 인사이트를 발견할 수 있는 추리의 과정
현상 중심 접근 방식의 주요 과제는 특정 컨셉과 솔루션이 개발되기 이전에 더 많은 분석을 요구한다. 대신 이 같은 접근은 더 풍부하고, 차별화되며, 잠재적으로 유일한 성장의 기회로 보상받게 된다.
B. 관찰 결과로부터 최선의 설명을 추론하는 귀추적(abductive) 문제 해결 방식
가설 중심의 문제 해결 방식은 기업 비즈니스 전략 세계에 이미 널리 퍼져 있다. 이 같은 접근은 대부분 빠르고 단순하며 구조화된 프레임워크를 제공하는데 효과적이다. 그러나 불확실성이 큰 다른 상황들에서 독창적인 아이디어를 개발하는 데 사용될 수 없다는 한계 또한 분명하다. 인간으로서의 확증 편향을 고려할 때, 가설 중심의 문제 해결은 상상할 수 있는 가설을 탐구하는 데 국한되며, 가지고 있는 선입견 중 어떤 것이 문제를 해결할 가능성이 가장 높은 지를 판단하는 데 도움을 줄 수 있을 뿐이다.
반면 귀추는 기존의 가정들과 선입견과 비교해 모순될 수 있는 데이터를 적극적으로 찾은 후, 이를 이해하려고 하는 과정이다. 따라서 추론의 형식은 다음과 같다. 놀라운 사실, C가 관찰되었다. 그러나 A가 진실이라면 C는 당연히 문제가 될 것이다. 따라서 A가 사실인지 의심할 이유가 있다. 관련해 성공적인 귀추적 문제 해결 방식은 데이터 과부하, 지속적인 패턴 인식, 공개적이고 비판적인 토론으로 특징지어지며 이 같은 과정은 예상보다 더 매우 치열하게 진행된다.
C. 다양한 상호 보완 방법을 사용한 데이터 수집
현상의 관찰 결과를 토대로 진행하는 귀추적 문제 해결 원칙에 따라, 보이지 않던 사각지대가 드러날 수 있도록 다양한 출처로부터의 데이터 수집이 필요하다. 이 과정에서 인간에 대한 풍부하고 미묘한 이해를 바탕으로 하는 관점이 필요하다. 이 같은 관점은 심층적인 질적 연구, 방대한 양의 데이터 유효성 검사 및 엄격한 재무 분석을 통해서만 얻을 수 있다. 하지만 많은 기업들은 NPV 계산을 하거나 고객 세그먼트 규모를 정할 때와 같은 수준의 확신과 엄격한 태도로 질적인 데이터를 적용하는 데에 어려움을 겪는다. 때문에 단순히 여러 다른 출처에서 데이터를 수집하는 것만으로는 충분하지 않다. 오히려 언제 그 데이터를 수집해야 할지 신중해져야 한다.
- 먼저 해당 분석을 이끌어야 하는 현상을 정의한다. (가정용 기기 업계의 기업이라면 '집', 와인 업계의 기업이라면 '연회'가 될 수 있다.)
- 해당 기업의 DNA를 정의하기 위한 내부 인터뷰와 개방형 설문조사를 진행한다.
- 앞으로의 변화를 위한 장기적 동력을 확인하고 사회 경제 데이터를 활용해 잠재적 Hot spot을 정의 내린다.
- 질적 데이터(업계, 인접 산업, 학계 전문가 인터뷰)를 활용해 관련된 현상에서의 새로운 고객/소비자 행동 변화의 징후를 찾는다.
- 각각의 잠재적 성장 플랫폼에서의 사업 기회를 시도할 수 있는 새로운 상업적 가능성을 찾는다.
D. 추상적 데이터로부터의 구체화
이제 기업 내 경영진이 직면한 근본적인 과제를 해결한다. 어떤 가능성에 투자할 것인지, 어떻게 해당 변화가 직계 조직에 영향을 미치도록 할 것인가와 같은 질문들에 대한 답을 결정한다. 이를 위해 확보된 데이터들을 토대로 아래와 같은 5단계를 제시한다.
1. 특정 시장에서 민족지학적 심층 분석을 실시해 해당 제안을 이끌게 될 고객의 충족되지 않는 필요와 목표를 파악한다.
2. 고객/소비자 통찰력을 활용하여 아이디어를 도출한 뒤 가장 좋은 아이디어를 선택한다.
3. 이 중 최고의 아이디어를 프로토타입으로 제작한다.
4. 실 고객들을 대상으로 시제품을 테스트한다.
5. 시장에 미치는 영향을 평가한 뒤, 새로운 상품 및 제안을 내부 직계 조직에 전달하거나, 외부의 파트너에게 판매하고, 이를 통해 확인된 결과가 기대에 미치지 못할 경우 폐기해야 한다.
이 같은 과정은 구조화된 프레임워크를 제공할 뿐만 아니라 보다 민첩한 프로세스 진행에도 도움이 된다. 즉, 좋지 않은 아이디어는 초기에 제거될 수 있어 좋은 아이디어들을 활용할 수 있는 시간과 비용을 더 많이 확보할 수 있다.
-
마지막으로 확실성의 편안함에서 벗어나는 것이 모든 기업에 의미 있는 투자라는 이야기는 아님을 밝힌다. 다만 소개한 현상 중심 접근 방식과 관련된 분석적 어려움이 결국에는 더 매력적인 기회의 발견으로 보상받게 될 것이며, 이는 향후 몇 년 동안의 경쟁력 있는 차별화의 원천을 제공할 것이라는 것이 이 글을 쓰는 나의 확신일 뿐이다.