데이터 기반 퍼소나

데이터 기반 퍼소나는 정성 인터뷰가 아닌 실제 사용자 행동 로그를 분석하여 사용자 유형을 세분화하는 방법론이다. 퍼소나의 본질은 공감을 위한 가상 인물 만들기가 아니라 사용자 세분화에 있다. 설문 결과 "50%가 만족"한다고 할 때 중간값 사용자를 상정하는 것보다, 만족하는 집단과 만족하지 않는 집단의 각각 특성을 파악하는 것이 더 유효한 전략이다.

GA4 + BigQuery 조합으로 개별 사용자 단위 로그 분석이 가능해졌다. `user_pseudo_id`를 기준으로 한 사람이 어떤 페이지를 방문하고 어떤 요소를 클릭했는지 fly on the wall 방식으로 관찰할 수 있다. 이를 구체화(개별 사용자 탐색)와 추상화(집단 특성 도출)를 번갈아가며 수행하는 것이 더블 다이아몬드 방법론과 맞닿아 있다.

유입 검색어를 활용한 퍼소나 세분화는 다음 절차로 이루어진다. 먼저 Google Search Console과 네이버 검색 로그에서 키워드를 수집한다. 각 키워드를 텍스트 임베딩(한국어에 특화된 sentence transformer 모델 권장)으로 벡터화한 후, K-means 또는 계층적 클러스터링으로 의미 군집을 형성한다. 결과는 보로노이 트리맵(워드 버블)으로 시각화해 어떤 주제로 어떤 사용자가 유입되는지 한눈에 파악한다.

CTR(Click Through Rate) 히트맵으로 자사 콘텐츠가 특정 검색어 결과에서 얼마나 독점적인지 확인할 수 있다. 또한 시계열 비교로 계절성(학기 시작에 조형 요소 키워드 급증 등)과 검색 순위 변화를 파악한다. 동일 검색어로 유입된 사용자 집단의 사이트 내 행동 패턴을 비교하면 키워드별 니즈 차이를 구체화할 수 있다.

핵심 내용

  • 퍼소나의 핵심은 사용자 세분화이며, 정량 데이터로도 유형 분류가 가능
  • GA4 BigQuery 연동으로 개별 사용자 로그를 정성 분석처럼 탐색 가능
  • 한국어 임베딩은 음절 단위 토크나이저 문제로 한국어 특화 모델 사용이 권장
  • 유입 검색어 군집 → 사용자 니즈 유형 → 사이트 내 행동 패턴의 연결 고리
  • 행동 변수 정량화 후 군집화 알고리즘을 적용하면 수작업 퍼소나 도출보다 효율적
  • 유니버설 디자인처럼 다수-소수 요구가 충돌할 때, 퍼소나는 전략적 타협을 위한 의사결정 도구가 됨
  • TRIZ의 '분리' 원리(공간/시간)로 다수-소수 요구를 물리적으로 나누는 접근도 가능하나 비용은 항상 발생
pxd 웹사이트 분석 사례에서는 유입 경로와 검색어를 기반으로 네 가지 사용자 유형이 식별됐다: 잠재 고객(포트폴리오 탐색, 10%), 지원자(채용 공고·문화 확인, 11%), 콘텐츠 방문자(디자인 시스템 등 특정 주제 접근, 11%), 홈페이지 단순 방문자(추가 분석 필요, 44%). 이처럼 같은 사이트에도 목적이 다른 여러 집단이 공존하며, 트래픽 소스 분석(검색엔진·직접 접속·레퍼럴)과 키워드 클러스터링, 노드-링크 다이어그램 기반 여정 시각화를 결합하면 광범위한 정성 리서치 없이도 PMF(Product-Market Fit) 판단에 필요한 사용자 세분화가 가능하다.

관련 개념

용어 표기: 퍼소나 vs. 페르소나. UI/UX 분야의 persona는 Alan Cooper가 『정신병원에서 뛰쳐나온 디자인(The Inmates Are Running the Asylum)』에서 제안한 디자인 방법론 용어로, 심리학이나 연극의 '페르소나'와는 다른 개념이다. 국내에서는 초기 번역에서 '페르소나'로 옮겨진 영향으로 혼용되지만, 용어를 만든 사람의 발음을 따르는 것이 관례이므로 쿠퍼의 실제 발음('펄쏘우나')에 가까운 '퍼소나' 표기가 원칙에 부합한다. 복수형 역시 라틴어식 *personae*가 아닌 영어식 personas를 쿠퍼가 책에서 명시적으로 채택했다.

정성·정량 조사 병행으로 퍼소나 설득력 높이기: Invision, Slack 등이 제기한 퍼소나의 신뢰도 부족 문제는 정성 인터뷰만으로 구성된 퍼소나의 한계에서 비롯된다. 이를 보완하는 3단계 프로세스는 다음과 같다. 1) 데스크 리서치로 초기 가설 수립, 2) 홈비짓 인터뷰로 사용자 행동·태도 특성을 정성적으로 도출, 3) 온라인 서베이로 검증 및 재분류(요인 분석·군집 분석 활용). 인터뷰와 서베이 조합의 핵심 장점은 "개별과 전체를 동시에 볼 수 있다"는 것, 그리고 통계적 신뢰도를 높이고 내용 정확도를 향상시키는 것이다. "One size doesn't fit all"—프로젝트마다 적합한 조사 방법을 선택하고, 데이터 중앙화와 반복 검증이 필수다.

사용자 모델의 본질과 활용: '모델'이란 전달하고자 하는 실체(진짜)를 효과적으로 표현하기 위해 선택하는 형식(가짜)이다. 프라모델·자동차 모델·건축 모델·패션모델·개념 모델 모두 '가짜'를 통해 '진짜'의 핵심을 전달한다. 사용자 모델은 "목표 사용자의 주요 특성을 잘 드러낼 수 있도록 유형적 예시로서 가공하여 표현한 것"이며, 디자인 과정에 참여하는 사람들이 각자 마음속에 다른 사용자를 감춰두지 않도록 바깥으로 드러내는 도구다. 앨런 쿠퍼는 사용자의 행동 패턴에서 목표를 드러내고 이를 퍼소나(persona)로 만드는 방법을 정립했고, pxd는 한국 최초로 2002년부터 이를 도입했다.

디자인 프로젝트에서의 4가지 활용: 1. 커뮤니케이션 도구: 한 장의 프린트로 압축, 회의실·복도 포스터 형태로 노출 → 마음속 숨겨둔 사용자가 '스멀스멀' 되살아나는 것을 방지. 2. 디자인 도구: 구체적 사용자(모델)를 앞에 두고 아이데이션·스케치를 진행. 아이디어 평가 시 개인 호불호 대신 사용자(모델) 관점에서 토론 → 자존심 다툼 방지. 3. 의사결정 도구: Persona weighted-feature matrix(쿠퍼 The Essential Persona Life Cycle) — 사용자×기능 행렬에 가중치를 부여해 우선순위 도출. 닐슨 노먼 그룹의 Prioritization Matrix는 세로축을 User Value(퍼소나 관점), 가로축을 구현 가능성/마케팅 효과 등으로 응용 가능. 4. 평가/검증 도구: 모든 디자인 결정 과정에서 "만약 우리 퍼소나가 ~한다면(What if...)" 질문을 습관처럼 던지기. 프로토타입 평가 때도 퍼소나 특성에 부합하는 실제 사용자를 리크루팅해야 일관성 유지 가능.

이 4가지 활용 프레임은 블로그 글(/1413)로 정리되기에 앞서, 전성진이 2012년 1월 HCI 2012 학술대회 튜토리얼 세션("UX 및 서비스 디자인 프로젝트에서 persona 제대로 활용하기")에서 디자인 도구·커뮤니케이션 도구·검증/평가 도구의 세 축으로 먼저 공개 발표됐다. pxd가 2002년부터 국내 최초로 퍼소나 방법론을 실무에 적용해 온 경험을 토대로, 퍼소나가 널리 알려진 것에 비해 실질적으로 프로젝트에 도움이 되도록 활용하는 사례는 부족하다는 문제의식에서 출발한 발표였다.

도구는 도구일 뿐: 사용자 모델의 형식은 하나로 귀결되지 않으며, 사용자 프로파일·멘털 모델·인지 모형 등 무엇을 말하고자 하는가에 따라 다양한 형태로 표현될 수 있다. 퍼소나 모델도 프로젝트마다 형식과 내용이 달라진다.

퍼소나를 통한 다수-소수 사용자 트레이드오프 의사결정

2010년 pxd 사내 메일 토론에서는 "편리해진 KTX가 오히려 장애인에게는 불편해졌다"는 기사를 계기로, 유니버셜 디자인처럼 제한된 자원 안에서 다수와 소수의 요구가 충돌할 때 퍼소나가 실제로 유효한 의사결정 도구가 될 수 있는지를 논의했다. 결론은 "장애인-비장애인" 구도가 아니라 "다수 vs 소수"라는 보편적 구도로 문제를 재정의하는 것이었다. 퍼소나의 진짜 효용은 "누가 다수이고 누가 소수인지, 그들이 어떤 특성을 갖는지 명확히 아는 상태"에서 전략적 타협을 가능하게 한다는 데 있다 — 막연히 "모두를 만족시키자"가 아니라, 각 집단의 실제 니즈를 근거로 자원 배분의 우선순위를 정하는 것이다.

토론 참여자들은 이 원칙을 how many × how often × how critical 같은 가중치 공식이나 decision tree로 정식화할 수 있다고 보았는데, 이는 위에서 다룬 Persona weighted-feature matrix와 같은 맥락의 초기 논의다. critical factor의 가중치를 크게 설정하면, 사용 빈도가 낮은 소수의 크리티컬한 문제도 우선순위에 반영될 수 있다.

한편 다수의 희생 없이 소수를 배려하는 방법은 없다는 냉정한 인식도 공유됐다. 이 물리적 모순 상황에 대해 TRIZ와 발명적 문제해결의 '분리' 원리가 제시됐다 — 공간의 분리(지하철 출입구 특별석), 시간의 분리(휠체어 통과 시에만 좁아지는 좌석) 등 다수/소수의 요구를 물리적·시간적으로 나누는 접근이다. 그러나 어떤 분리 방식을 택하든 좌석 예약 절차의 복잡화나 제작비 상승 등 어떤 형태로든 비용이 발생한다는 지적도 함께 나왔다.

토론의 핵심 전환점은 "좁은 통로를 넓히는 문제"가 아니라 "통로를 다녀야 할 필요 자체를 줄이는 문제"로 문제 자체를 재정의한 대목이다. 증상이 아닌 근본 문제를 찾으려는 problem driven design적 접근이다. 실제 KTX 특실 칸에는 이미 소수의 휠체어 이용자를 위한 별도 공간이 마련돼 있었지만, 그 공간이 절대적으로 부족했다는 사실도 후속 조사에서 확인됐다.

토론은 명확한 합의 없이 끝났지만, 퍼소나를 "결과를 정당화하는 도구"가 아니라 "해결해야 할 문제를 선택하기 위한 도구"로 사용해야 한다는 원칙과, 신문 기사 하나만으로는 사용자의 진짜 문제를 이해할 수 없다는 교훈을 남겼다.

퍼소나 효과성에 대한 실증 연구

퍼소나에 대해서는 오래전부터 "믿는 사람"과 "회의적인 사람"만 있을 뿐, 실제로 효과가 있는지를 증명한 연구는 드물었다. 2009년 pxd 사내에 공유된 한 해외 연구("Real or Imaginary: The Effectiveness of Using Personas in Product Design")는 이 공백을 실증적으로 메운 사례다. 디자인과 학생들을 세 그룹(퍼소나 미사용, 사진 퍼소나 사용, 삽화 퍼소나 사용)으로 나누어 5주간 동일한 제품 디자인 과제를 수행하게 한 결과, 퍼소나를 사용한 그룹이 사용성 문제 없이 더 명확하게 사용자에 집중해 디자인할 수 있었다. 특히 삽화 퍼소나보다 사진 퍼소나가 더 효과적이었다는 결과가 나왔는데, 이는 위에서 다룬 의도적 스탠스(대상을 의도를 가진 존재로 여기고 공감하는 추론 방식) 논의와 맞닿아 있다 — 사진처럼 실제 인물에 가까운 표현일수록 디자이너가 감성적으로 몰입해 사용자의 의도를 추론하기 쉬워진다는 것이다.

이 연구는 표본 규모나 방법론상 "100% 신뢰"하기는 어렵다는 한계가 당시에도 지적됐지만, 퍼소나 효과성 논쟁에서 "믿음"이 아닌 "데이터"로 접근한 초기 시도라는 점에서 의미가 있다. 이후 pxd 내부에서 이어진 퍼소나 신뢰도 논의(정성·정량 조사 병행, 디테일과 추론 스탠스, 데이터 기반 사용자 모델링 프로세스 등)는 결과적으로 이 초기 문제의식—"퍼소나가 정말 효과가 있는가"—을 각기 다른 방식으로 검증하고 보완해 온 흐름으로 볼 수 있다.

퍼소나의 디테일과 추론 스탠스

2010년 마이크로소프트 윈도우7 팀이 퍼소나를 포기하고, 37signals가 "퍼소나는 필요 없다"고 주장한 데는 퍼소나를 제대로 이해하지 못한 오해가 깔려 있다. 퍼소나는 커뮤니케이션 도구이기도 하지만, 디자이너에게는 추론 도구로서의 역할이 더 중요하다.

철학자 Daniel Dennett은 인간이 추론할 때 세 가지 스탠스 중 하나를 취한다고 설명한다. 물질적(Physical) 스탠스는 기본적인 물리 법칙에 기반한 짐작, 디자인(Design) 스탠스는 대상이 만들어진 용도·기능에 대한 이해를 바탕으로 한 짐작, 의도적(Intentional) 스탠스는 대상을 의도를 가진 생물로 여기고 그 의도에 공감해 행동을 예측하는 짐작이다. 인터랙션 디자인에서는 사용자를 고정된 기능적 존재로 다루는 디자인 스탠스를 취하면 elastic user 문제(디자이너가 입맛에 맞게 사용자 행동을 자의적으로 규정하는 오류)에 빠지기 쉽다. 반면 End Goal을 향해 행동하는 사용자의 의도를 추론하려면 의도적 스탠스가 필요하며, 이것이 바로 좋은 퍼소나가 만들어내야 할 감성적 공감의 근거다.

의도적 스탠스가 작동하려면 퍼소나가 실제 사람처럼 느껴질 만큼 충분히 실제적(디테일)이어야 한다. 이름과 숫자만 나열한 불릿(Bullet) 버전 퍼소나는 대상을 무형의 논리적 존재로 인식하게 만들어 결국 디자인 스탠스에 갇힌 추론을 유도하는 반면, 좋은 스토리텔링을 갖춘 내러티브(Narrative) 버전 퍼소나는 감성적 공감을 통해 의도적 스탠스로 추론하게 돕는다. 단, 디테일은 무조건 많다고 좋은 것이 아니라 해당 프로젝트 도메인에서 사용자 행동에 실제로 영향을 미치는 요소를 의도적으로 골라 담아야 의미가 있다 — MS가 "Abby가 Soccer mom이라는 사실은 검색 기능 개발에 쓸모없다"고 비판한 것은 디테일 자체의 문제가 아니라 도메인과 무관한 디테일을 채운 퍼소나 설계의 문제였다.

이해관계자 마음속 사용자 드러내기

디자인 의사결정 회의에서 "사용자 입장에서는 이게 불친절해요", "VOC로 접수된 사항이니 꼭 반영해야 해요" 같은 말들이 오갈 때, 참여자들이 각자 떠올리는 '사용자'는 실제로는 서로 다른 사람인 경우가 많다. 조직 내 역할에 따라 마음속에 그리는 사용자상이 다르기 때문이다. 마케팅 담당자는 판매와 첫인상에 집중하는 만큼 초보자·첫 구매자를 사용자로 상정하는 경향이 있다("초보자도 처음 보자마자 알 수 있어야 한다"). 개발자는 시스템 오류 가능성과 성능을 중시하다 보니 시스템 경계에 도전하는 극단적 사용자를 떠올리거나("이걸 20번 연달아 누르면 어떡하죠"), 기능이 많을수록 좋다는 생각에 빠지기 쉽다. 시각 디자이너는 시각적 완성도와 정보량 사이의 긴장 속에서, 낯설더라도 미적 감각을 이해할 수 있는 사용자를 염두에 둔다. 임원은 프로젝트 디테일에 관여하지 않는 만큼 "내가 어려우면 일반 사용자도 어려운 것"이라며 자신이나 주변 지인의 경험을 일반화하는 경우가 많고, 이 자의적 해석이 조직 내에서 과도한 영향력을 갖기도 한다.

이런 '마음속 사용자'의 불일치를 방치한 채 논의를 이어가면 요구사항의 우선순위를 제대로 판단하기 어렵다. 따라서 UX 디자이너는 정립된 사용자상(퍼소나·사용자 모델)으로 이해관계자들의 입장을 조율하는 동시에, 각 이해관계자가 마음속에 어떤 사용자를 그리고 있는지부터 바깥으로 꺼내는 작업을 선행해야 한다. 가장 간단한 방법은 프로젝트 초반 이해관계자 인터뷰에서 "생각하고 계신 사용자의 모습이 있나요?"라고 직접 묻는 것이다.

논의 과정에서 사용자상의 불일치가 감지되면 30분 내외의 짧은 워크숍으로 이를 표면화할 수 있다. 절차는 다음과 같다. ① 참여자 전원에게 포스트잇을 나눠주고 각자 가장 중요하다고 생각하는 사용자 3명을 5분 내로 떠올려, 이름(별명)·역할·핵심 니즈 3가지·간단한 그림을 한 장씩 적게 한다. ② 한 사람씩 자신이 적은 '마음속 사용자'를 모두에게 설명한다. ③ 작성한 포스트잇을 벽에 붙이고 말없이 둘러보며 투표 대상을 마음속으로 정한다. ④ 각자 투표권 3개로(자기 것 포함·중복 가능) 투표한다. ⑤ 최다 득표 3장을 뽑아, 그 사용자들의 입장에서 기존 논의를 다시 시작한다. 이 워크숍의 목적은 '정확한 사용자'를 찾는 것이 아니라, 감춰져 있던 '마음속 사용자'를 드러내고 그중 모두가 동의하는 가장 중요한 사용자를 가시화하는 것이다. 이렇게 드러난 사용자상은 정교하지 않아도 이후의 사용자 조사를 통해 점진적으로 발전시켜 나갈 수 있는 초기 가설 역할을 한다.

트위터 데이터 기반 퍼소나 사례 (pxd)

pxd는 트위터 공개 API를 활용해 사용자 개개인의 트윗 행동 데이터를 시각화하고 유형을 발견한 사례를 2016년 공유했다. 사용자별로 트윗 시간대(x축: 시간, y축: 날짜), 트윗 유형(자기 트윗/리트윗/멘션), 첨부 미디어, 사용 기기 등을 시각적 변수에 매핑해 패턴이 드러나도록 했다.

이를 통해 발견된 주요 트위터 사용자 유형: 애니프사(특정 관심 분야 리트윗 집중), 아이돌 팬덤(리트윗을 좋아요처럼 사용), 팬덤 콘텐츠 생산자(직접 제작·소통 중시), 인플루언서/촉매자형(의견 첨부 + 네트워크 매개), 미디어 봇(기계적 주기적 트윗), 정치인 계정(알림 채널 위주) 등. 이처럼 데이터 시각화만으로도 사용자 특성이 스스로 드러나는 효과가 있다.

로그 데이터는 퍼소나의 ABC(Attitude, Behaviors, Context) 중 행위(Behaviors) 위주의 정보만 담기 때문에, 기존 정성 조사를 병행해 사용 맥락과 오프라인 행태를 보완해야 한다. 데이터 기반 유형화를 먼저 진행해 인터뷰 대상을 구체화하고, 심층 인터뷰에서 기억을 되살리는 보조 자료로 활용할 수도 있다.

트루밸런스 로그 기반 Rapid Persona 사례 (pxd)

인도 핀테크 서비스 트루밸런스(선불폰 잔액 조회·요금제 큐레이팅·즉시 충전 플랫폼) 프로젝트는 pxd가 디자인을 통해 직접 투자 참여를 한 사례로, 초기 사용자 이해 단계부터 데이터 기반 퍼소나 방법론을 실전에 적용했다. 인도에서는 quick codes(USSD) 프로토콜로 잔액을 문자 팝업으로 확인하는 번거로운 관행이 일반적이었는데, 이를 간편하게 만드는 것이 트루밸런스의 초기 MVP였다. 정보가 부족했던 초기에는 현지 직원 인터뷰만으로 Rapid Persona를 빠르게 구성했고, 이때 각 특성을 Context(통신사별 요금 차이, 지역별 신호세기), Behavior(집·직장에 따라 유심 두 개를 구분 사용, 주 2~3회 충전), Attitude(잔액이 떨어지기 전 미리 충전, 사용 직후 사용처가 궁금함)로 명시적으로 구분해 기록했다 — 위에서 다룬 ABC 프레임워크가 실제 프로젝트 초기 가설 수립 단계에서 곧바로 활용된 사례다.

베타 버전부터 사용자 동의를 얻어 수집한 잔액 로그(통화 종료 시점 또는 명시적 조회 시점의 값)를 시계열로 적분하듯 재구성하자, 개별 사용자의 충전 주기·평균 충전액·잔액 조회 주기 같은 파생 변수가 드러났다. 이 값을 기준으로 유사 유형의 사용자를 찾아 그래프를 나란히 펼쳐 비교한 결과, "충전액이 많을수록 조회를 덜 할 것"이라는 상식적 예상과 달리 잔액 조회 빈도는 충전 금액보다 사용자의 태도(Attitude)에 더 크게 좌우된다는 점이 발견됐고, 이는 "조회하는 행위 자체가 즐거움을 주도록" 설계하는 방향으로 이어졌다. 이후 마케팅 목적으로는 평균 충전 금액에 비례해 버블 크기를 달리한 지리적 사용자 분포 시각화도 진행했다.

이 사례는 정성 조사와 정량 조사를 별개 영역으로 나누지 않고, 사용자 데이터를 전체의 통계적 대표값이 아니라 개별 사용자의 꼼꼼한 저널링(journaling)으로 보고 정성 조사의 근거 자료로 활용한다는 관점 전환을 잘 보여준다. 비슷한 시기(2016년) 공개 데이터를 활용한 탐색적 시연에 가까웠던 트위터 사례와 달리, 트루밸런스 사례는 실제 서비스의 베타 로그를 제품 설계 의사결정(조회 경험 자체를 즐겁게 만들기, 지역 마케팅)에 직접 반영한 실전 적용이라는 점에서 구분된다.

데이터 기반 사용자 모델링 프로세스

pxd가 정립한 Data Driven User Modeling Process는 다섯 단계로 구성된다.

1. User Log Data Sampling: 사용자 ID 단위로 로그 데이터 확보. 5W1H(Who/When/Where/What/How/Why) 기준으로 데이터 구조 파악. 사용자별 데이터를 보는 것이 핵심 — 유형별 합계나 평균이 아닌 개인 단위 추적 2. Data Visualization: 시간(When) 또는 공간(Where)에 주요 이용 데이터(What)를 매핑. 종이 출력 후 팀이 함께 늘어놓고 패턴 발견 → 팀 토론을 통한 가설 수립 3. Data Driven Behavior Pattern 도출: 행동 차이를 발견한 후 교차 비교해 행동 패턴의 이유(Why)를 탐색. 택시 호출 서비스의 출퇴근 패턴, VOD 서비스의 짬짬이 시청 vs. 탐색 패턴이 대표 사례 4. User Research: 도출된 행동 패턴 가설에 부합하는 실제 사용자를 리크루팅하여 정성 조사 진행. 데이터 기반 가설이 있어 조사자가 디테일에 집중 가능 5. Validation: 행동 패턴에 부합하는 사용자 비율을 통계적으로 검증. "실제로 그런 사람이 얼마나 되냐"는 의사결정권자의 질문에 답할 수 있게 됨

이 프로세스는 Alibaba UCAN 2017, HCI Korea 2018에서 외부 발표된 바 있다.

온라인 UX강의 Primary 퍼소나 재설정 사례 (pxd)

2015년 5월 런칭한 pxd의 UX 온라인 강의 플랫폼|온라인 UX강의는 약 240명이 수강 중이었는데, 제작 초기 상정했던 퍼소나가 실제 수강생과 얼마나 일치하는지 검증하기 위해 약 한 달간 17명을 전화 인터뷰했다. 그 결과 수강 유형은 스타트업 창업을 고민하며 자투리 시간에 자기계발용으로 강의를 듣는 초심자 Jack과, 이미 UX 경험이 많으면서도 새 방법론을 꾸준히 복습하는 현업 UX디자이너 Lisa로 나뉘었다. 두 유형 모두 저렴하고 원하는 때 들을 수 있는 온라인 강의 자체에는 거부감이 없었지만, Jack은 pxd 강의를 처음 접하기 전 소개글·맛보기 강의를 꼼꼼히 살피는 반면 Lisa는 pxd 고유의 관점 자체를 신뢰해 바로 수강을 시작한다는 차이가 있었다. 초급 난이도의 스타트업 사례 중심 강의라는 특성상 만족도가 더 높은 Jack이 새로운 Primary 퍼소나로 선정됐다.

동시에 강의를 듣지 않거나 이탈하는 유형도 함께 드러났다. 창업 실무에 치여 방법론 학습에 시간을 쓰기 어려운 Steve, 그리고 체계적인 이론 학습과 동료·포트폴리오를 원해 오프라인 강의를 선호하는 대학생 Katie다. 이들은 온라인 강의라는 형식 자체와 맞지 않는 니즈를 가지고 있어, 별도의 교육 형태가 필요한 대상으로 분리됐다. 기존 Primary 퍼소나였던 "지금 당장 서비스를 개선하고 싶은" 실행 목적의 한열정과 달리, 새 Primary 퍼소나 Jack은 스타트업 합류에 대비해 미리 익혀두는 학습 목적으로 강의를 듣는다는 점이 확인되면서, 강의 소개글·홍보 영상·아웃트로 퀴즈를 학습 콘텐츠에 맞게 리뉴얼하는 후속 작업으로 이어졌다. 이는 사용자 인터뷰로 도출한 Primary 퍼소나 교체가 실제 콘텐츠 제작 의사결정에 반영된 사례다.

출처

최종 업데이트: 2026-07-30 | 출처 14개