편의성을 극대화했더니 오히려 사용자가 멍해지는 경험, 해보셨습니까? 저는 이커머스 자동화 시스템을 직접 설계하면서 이 역설을 몸소 겪었습니다. 애니메이션 월-E의 세계가 허황된 미래가 아니라 지금 우리가 설계하는 시스템의 민낯이라는 걸, 데이터를 들여다보고 나서야 실감했습니다.
필터버블에 갇힌 사용자, 제가 만든 시스템이 만든 결과였습니다
고객 여정(Customer Journey)을 완전히 자동화하는 프로젝트를 맡았을 때, 저는 꽤 자신 있었습니다. 여기서 고객 여정이란 소비자가 제품을 처음 인지하고, 탐색하고, 구매하고, 재구매하기까지의 전 과정을 의미합니다. 개인화 추천 알고리즘을 정교하게 설계해서, 사용자가 아무것도 검색하지 않아도 딱 맞는 상품이 눈앞에 펼쳐지고 클릭 한 번으로 결제까지 이어지도록 만들었습니다.
초기 수치는 기대 이상이었습니다. 구매 전환율(Conversion Rate)이 유의미하게 올랐고, 팀 내부에서도 좋은 평가를 받았습니다. 전환율이란 서비스를 방문한 사용자 중 실제로 구매까지 완료한 비율을 뜻합니다. 그런데 장기 코호트 데이터를 뜯어보면서 이상한 패턴을 발견했습니다. 사용자들이 점점 좁은 카테고리 안에서만 반복 구매를 하고 있었던 겁니다. 능동적으로 새 제품을 탐색하거나 브랜드에 감정적으로 반응하는 행동이 눈에 띄게 줄어들고 있었습니다.
이것이 바로 필터버블(Filter Bubble) 현상입니다. 필터버블이란 알고리즘이 사용자의 과거 행동 데이터만을 근거로 콘텐츠를 선별해 보여주면서, 사용자가 자신도 모르게 편향된 정보의 거품 안에 갇히는 상태를 말합니다. 월-E의 액시엄호에서 인류가 의자에 앉은 채 화면이 주는 것만 보며 비만해진 것처럼, 제가 설계한 시스템 안에서 사용자들의 소비 탐색 능력이 조용히 무뎌지고 있었습니다. 솔직히 이건 예상 밖이었습니다. 전환율이 오르는 동안 저는 사용자 경험이 좋아지고 있다고 착각했으니까요.
이 현상은 저만의 관찰이 아닙니다. 실제로 과도한 개인화 추천이 사용자의 탐색 다양성을 줄이고 장기적 만족도를 낮춘다는 연구 결과가 학계에서 꾸준히 제기되고 있습니다(출처: MIT Media Lab). 단기 지표만 쫓다가 장기적인 사용자 자율성을 깎아먹는 설계는, 결국 플랫폼 자체의 매력도를 잃게 만드는 방향으로 귀결됩니다.
제 경험상, 이 문제를 해결하는 데 유효했던 접근은 크게 세 가지였습니다.
- 추천 알고리즘에 의도적인 다양성 파라미터를 삽입해 사용자의 소비 범위를 조금씩 넓히는 것
- 사용자가 직접 선호를 조정할 수 있는 인터페이스를 노출해 능동적 선택 기회를 복원하는 것
- 단기 전환율이 아닌 고객 생애 가치(LTV, Lifetime Value)를 핵심 지표로 삼아 시스템 목표를 재설정하는 것
LTV란 한 명의 고객이 서비스를 이용하는 전체 기간 동안 창출하는 누적 가치를 의미합니다. 단기 전환율과 LTV는 때로 정반대 방향을 가리키기 때문에, 어떤 지표를 최우선으로 설정하느냐가 시스템 전체의 방향을 결정합니다.
레거시 시스템의 오작동, 월-E의 오토(AUTO)가 현실에 있었습니다
월-E에서 저를 가장 불편하게 만든 캐릭터는 사실 악당으로 분류되는 오토(AUTO)가 아니었습니다. 오토는 그저 수백 년 전에 입력된 A113 지령, 즉 "지구 회복이 불가능하므로 인류를 영원히 우주에 머물게 하라"는 명령을 충실히 따랐을 뿐입니다. 오토를 보면서 제가 실제 업무에서 마주쳤던 레거시 시스템(Legacy System)이 떠올랐습니다. 레거시 시스템이란 과거에 구축되어 현재까지 사용 중인 낡은 시스템으로, 당시의 요구사항과 비즈니스 환경에 최적화되어 있어 변화한 현실을 반영하지 못하는 경우가 많습니다.
제가 직접 겪었는데, 수년 전 도입된 마케팅 자동화(Marketing Automation) 룰셋이 이미 바뀐 고객 행동 패턴과 완전히 어긋나고 있음에도, 담당자들이 "원래 그렇게 돌아가는 시스템이라서"라는 이유로 수정을 미루는 상황을 여러 번 봤습니다. 여기서 마케팅 자동화란 이메일, 푸시 알림, 개인화 광고 등을 사람의 개입 없이 사전에 정의된 규칙에 따라 자동 발송하는 시스템을 말합니다. 이 자동화가 잘못된 조건으로 돌아갈 때, 아무도 눈치채지 못한 채 잘못된 메시지가 수만 명의 고객에게 반복 발송되는 일이 생깁니다.
국내 기업들의 디지털 전환 실태를 살펴봐도 비슷한 맥락이 읽힙니다. 과거의 시스템 의존도가 높을수록 새로운 환경 변화에 적응하는 속도가 현저히 느리다는 점은 지속적으로 지적되고 있습니다(출처: 정보통신정책연구원(KISDI)). 기술이 인간의 판단을 대신하는 순간, 그 기술이 언제 어떤 맥락에서 설계되었는지를 끊임없이 점검하는 일이 중요해집니다.
월-E에서 결국 변화를 이끈 것은 최첨단 탐사 로봇 이브(EVE)가 아니었습니다. 700년을 홀로 버티며 낡은 필름을 보고 벌레 한 마리와 감정을 나누던 청소 로봇 월-E였습니다. 이브(EVE)는 Extraterrestrial Vegetation Evaluator의 약자로, 지구에서 생명의 흔적을 탐지하기 위해 설계된 최첨단 로봇입니다. 그 이브보다 월-E가 먼저 새싹을 찾아내고 품었다는 것, 저는 이 장면이 꽤 의도적인 메시지라고 생각합니다. 기술의 세련됨이 아니라, 대상을 향한 진정성과 지속적인 관심이 실제 변화의 기점이 된다는 것을요. 제 경험상 이건 마케팅 현장에서도 다르지 않았습니다. 정교한 자동화 캠페인보다, 고객의 맥락을 이해하고 직접 쓴 한 줄의 메시지가 훨씬 강한 반응을 이끌어내는 경우를 직접 목격했으니까요.
기술은 인간의 사고를 보조하는 도구여야 합니다. 그 도구가 인간의 선택과 판단 자체를 대신하기 시작하는 순간, 오토처럼 더 이상 수정되지 않는 규칙만 충실히 수행하는 괴물이 될 수 있습니다. 시스템을 설계하는 사람이라면, 이 경계를 어디에 그을 것인지 계속 질문해야 합니다.
편리함을 설계하는 일과 사용자의 자율성을 지키는 일은 종종 충돌합니다. 그 둘 사이 어딘가에 답이 있다는 것을, 저는 아직도 실무에서 찾아가는 중입니다. 월-E가 700년 동안 포기하지 않고 새싹 하나를 품었던 것처럼, 시스템 뒤에 있는 사람의 온도를 잃지 않는 것이 가장 오래가는 설계라고 생각합니다. 지금 자신이 만드는 시스템이 사용자를 돕고 있는지, 아니면 의존시키고 있는지 한 번쯤 데이터를 뒤집어서 들여다보시기를 권합니다.