오늘 에세이에서는 미디어 제작을 위해 진행한 인터뷰 분석을 공유합니다. 어떻게 인터뷰를 기획하고 실행했는지. 우리가 인터뷰를 진행하며 알게 된 인사이트. 어떤 결과가 나왔는지요. 그것에서 나온 타겟 오디언스가 무엇인지도 공유합니다. 결론 부분에서는 인터뷰를 통해 해결하기 위해 선택한 페인포인트와 솔루션을 이야기 합니다. 더불어 공익데이터팀이 인터뷰를 통해 타겟 오디언스를 만들어야 했던 이유와 미디어의 정체성을 만들어가는 과정도 공유합니다. 우선 타깃 오디언스를 만드는 이유부터 보시죠.
1. 빠른 실패가 트렌드지만 계획 없이 실패할 수는 없자나요.
작은 규모의 미디어일수록 우리가 만날 타겟이 누구인지 정확하게 알아야 합니다. 특히 우리 공익데이터팀의 경우 더 그러하고요. 왜 그럴까요? 미디어를 제작할 때 인터뷰를 통해서 타겟 오디언스를 알아야 하는 이유를 두 가지로 나누어 보겠습니다.
첫째는 미디어 생태계 변화에 대응하는 지속 가능성 입니다. 이유는 대부분의 콘텐츠는 온라인에서 소비되고 독자가 선호하는 문법도 계속 변하기 때문인데요. 독자를 알고 있다면 어떤 방식으로 이야기해야 하는지 알 수 있을 겁니다. 한국언론진흥재단에서 공개한 <2019년 우리나라 매체 수>는 총 6,031개입니다. 전년도 대비 인터넷 신문 매체수는 745개나 늘었어요. 많은 매체가 생겨나고 사라지고 있습니다. 타겟 오디언스 개발은 이런 환경에서 우리가 제대로 공익데이터를 지속적으로 이야기할 수 있는 준비를 하는 겁니다.
둘째는 우리가 만드는 미디어의 정체성 확립입니다. 구체적인 타겟이 없는 미디어는 둘 중 하나일 겁니다. 모두를 위한 미디어를 만들거나, 임의로 설정한 타겟이 우리 콘텐츠를 좋아할 것이라고 생각하고 미디어를 만드는 것이죠. 두 경우 모두 우리 콘텐츠를 ‘누가’ 보는지 모를 겁니다. 그래서 구체적인 콘텐츠 계획을 세우기 쉽지 않죠. 타겟 오디언스는 미디어가 집중해야 할 대상을 특정할 수 있게 도와줍니다. 그들을 만족시키기 위한 전략을 수립하고 콘텐츠로 전략을 실험하겠죠. 수집과 분석 과정에서 만들어진 세부적인 전략들은 미디어가 지향하는 바를 나타내게 됩니다. 결과가 쌓일수록 미디어의 정체성을 뚜렸하게 만들고요. 상대와 나를 알아가며 누구에게 무엇을 해야 하고 할 수 있는지 알아가는 과정입니다.
2. 타겟 오디언스를 만들기 위한 인터뷰 준비.
인터뷰를 준비 하기 전 이런 고민을 했습니다.
“공익데이터를 이야기 하는 미디어, 사람들은 무엇을 데이터라고 생각할까.”
“데이터를 공개할 때 네러티브가 들어간 공개가 더 좋은 효과를 만든다고 하는데 어떤 형식으로 할 수 있을까?”
두 질문은 크게 데이터, 콘텐츠와 관련된 궁금증 입니다. 타겟 페르소나를 만들어 인터뷰를 진행할 때 데이터 파트와 미디어 파트로 나누어 각각 질문을 해봐야겠다고 생각하게 된 계기가 되었죠. 그리고 이걸 누구에게 물어볼지 정해보았습니다.
저희가 만들어본 타겟 페르소나는 총 세 명입니다. 모두 밀레니얼세대 인데요. 나이로 타겟을 묶는 것은 그만큼 개인이 가진 취향과 취미 등 상태 다양성을 해치는 일이여서 충분한 설명이 필요하겠죠. 밀레니얼세대는 청소년기부터 디지털 노마드로 살아왔습니다. 이들이 성장할 때는 디지털 기술이 발전하며 데이터가 부각되었고요. 데이터 기반으로 업데이트되는 서비스를 사용하며 살았죠. 취업 및 업무 영역에서도 데이터에 사용에 대한 니즈가 가장 많이 생겨나는 구간이라고 생각했습니다.
이런 공통점을 가진 세 명을 구분 지은 요인은 근무 영역 입니다. 민간, 소셜, 공공으로 나누었어요. 데이터를 다루는 영역의 속성에서 생각해 보았기 때문입니다. 공공데이터는 공공에서 많이 다루고요. 공익데이터를 이야기하는 빠띠와 같은 조직은 대체로 소셜 영역에 분포한다고 할 수 있습니다. 데이터를 상업적으로 다루거나 가시적인 업무 성과를 위해 사용하는 쪽은 민간 영역이기 때문입니다.
밀레니얼이라는 세대로 묶은 타겟의 페르소나지만 개별 상태도 들어보았는데요. 데이터 영역의 질의가 끝나고 미디어 영역의 질문을 거치며 개인의 취향과 관심사가 위주가 되는 인터뷰 결과를 얻을 수 있었습니다.
인터뷰 진행 과정에 대해 짧게 이야기 해볼까요?
인터뷰이 모집 웹 포스터를 제작하였고 홍보를 진행하며 분류별 페르소나를 섭외 했어요. 인터뷰 방법은 “꼬리물기" 질문 방법을 사용했어요. 한 가지 질문을 하면 인터뷰이가 답변하고 인터뷰어는 들은 답변에서 흥미로운 지점을 더 자세히 설명해달라는 식으로 진행했습니다. 이 방법은 디자인 싱킹 인터뷰에서 착안한 방법인데요. 조금 더 타겟페르소나의 입장을 들을 수 있고 알고자 하는 문제에 대해 자세히 들을 수 있는 장점이 있습니다.
인터뷰를 진행하면서 참여자분들에게 인터뷰 방법을 자세히 안내하며 이런 이야기를 드렸는데요. 인터뷰를 하면서 평소에 머릿속에만 있던 생각들을 말로 풀어내며 정리해보는 시간으로 가지면 좋을 것 같다는 이야기입니다. 거의 모든 인터뷰이 분들이 인터뷰 종료 후 피드백 시간에 이 이야기를 언급하시며 생각 정리에 도움이 되었다는 이야기를 해주었습니다.
3. 인터뷰를 통해 만든 타겟 오디언스의 생김새
타겟 오디언스1.
데이터 분야에 관심이 많고, 데이터 자체보다 데이터의 영향에 대해 생각하는 경우가 많음. 직접 데이터 테이블을 만들며 관심있는 분야의 데이터를 수집하고 분석해 업무나 일상에 적용함. 데이터 활용 기술에 관심이 많지만 나에게 필요한 데이터 활용 기술을 탐색하고 취사선택하길 희망함. 데이터를 다루는 법안이나 정책에 대해 다루는 정보를 습득하고 싶어함. 데이터 기반으로 만들어지는 알고리즘과 서비스에 대한 인식을 하고있으며 데이터는 다양성을 내포하고 시민적인 활용이 필요하다고 생각함. 일부 데이터 기반 서비스의 업계를 충분히 고려하지 않은 상업적 활용에 문제의식을 가지고 있음. 데이터 활용에 대한 창의적인 레퍼런스를 얻고 싶어함. 데이터를 업무에 활용 하는 것에 긍정적.
타겟 오디언스2.
데이터에 대해서 막연하게 부정적인 감정을 가지고 있음. 두려움, 답답함, 조급함, 의구심, 하기 싫음 등. 데이터를 업무의 영역에서만 생각하는 경우가 많음. 데이터 활용 기술에 대해 필요성을 느끼지만 업무 상태나 경험 부족으로 막막해 함. 데이터라는 말 자체를 어려워 함. 업무에서 느끼는 데이터 활용 결핍에 대해 많이 부담을 가짐. 데이터의 개념이 잡히지 않아 어떻게 시작하고 무엇을 보아야 할지 모르겠음. 데이터가 무엇인지 명확하게 정의하기 어려움. 데이터를 다뤄본 경험이나 지식이 없어 데이터 활용에 대해 진입장벽이 높다고 생각함. 데이터 수집에 필요한 사고방식과 절차가 모두 달라 혼란스러움.
두 종류의 타겟 오디언스를 만들었습니다. 각 오디언스가 가진 특징은 데이터에 대한 니즈와 페인 포인트 질문의 답변으로 구성했습니다. 인터뷰 내용 분석을 위해 데이터 테이블을 만들고 컬럼을 만들어 채우는 작업을 하며 니즈와 페인 포인트를 특정했습니다.
인터뷰 데이터를 분석하며 데이터 리터러시를 기준으로 분류한 답변에서 차이점을 보였는데요. 1은 데이터 활용에 적극적이고 주로 더 나은 데이터 사용이나 외부효과에 아쉬움을 표현하고 있습니다. 높은 수준의 데이터 리터러시를 보인 답변을 보였어요. 2는 데이터 자체에 소극적이고 부정적인 감정을 많이 이야기했습니다. 업무와 관련된 데이터 인식이 많습니다. 보통이나 부족 수준의 데이터 리터러시를 가지고 있습니다.
4. 인터뷰를 진행하면서 발견한 인사이트
데이터는 하나의 분야, 그리고 그 안의 공익데이터
다음은 인터뷰를 진행하면서 모두에게 질의한 첫 질문입니다. “데이터라고 하면 무엇이 떠오르시나요?”. 이 질문을 하기 전 저는 공익데이터팀이 말하는 데이터는 어떤 것이라고 해야하는지 고민했죠. 쉽게 결론 내리기 어려웠어요. 인터뷰를 통해 데이터를 어떤 방향으로 다뤄야 하는지 방법을 찾을 수 있었어요.
데이터는 하나의 분야로서 접근해야 한다는 결론 입니다. 근거는 여러 가지 인터뷰 답변인데요. 먼저 이 답변부터 보고가시죠.
“데이터를 다루는 사람들과 아닌 사람들의 거리감이 있는 것 같아요. 맞는 말이기는 하지만 어떻게 보면 활용하는 측이 굉장히 소수에요. 그러다 보면 관심 있는 사람만 찾아보게 되죠. 그들만의 리그처럼 돌아가는 겁니다. 하지만 리그에는 다양한 층위의 사람들이 존재해야 합니다. 어떤 분은 학술적인 측면에서 보는 사람, 쉽게 가공하는 사람, 쉽게 활용하는 예술가도 있어야 한다고 생각해요. 이렇게 되려면 보다 열려있는 오픈데이터 접근으로 바뀌어야 한다고 생각해요. 인터랙티브 기사가 더 잘 많아져야 하고요. 데이터를 누구든 쉽게 다룰 수 있어야 한다고 생각합니다. ” - K님
데이터를 다루는 사람은 소수이고 더 많은 사람이 이용할 수 있어야 한다는 의미로 해석됩니다. 실제로 데이터를 시민들이 인지하게 된지 얼마되지 않았고 데이터는 주로 전문가 영역에서 다뤄졌어요. 하지만 디지털 기기들이 대중에게 보급되면서 데이터 기반 서비스가 주류가 되고 대부분의 시민들이 빅데이터나 알고리즘이라는 단어를 접하기 시작했습니다.
그 뒤로 데이터는 소수의 이용을 뛰어넘어 산업 전반이 활용하는 문화와 시스템을 만들어 냈습니다. 마케팅, 심리학, 저널리즘, 스포츠 등 많은 영역에서 데이터를 활용한 결과물을 만들어냈고 생각과 판단의 설득력 있는 근거로 작동합니다. 활용하는 빈도와 영역이 늘어나는 만큼 일상에서 데이터 기반의 결과와 상호작용하는 일이 다반사고 데이터가 일상으로 들어왔다고 봐도 무방하다고 생각합니다.
모든 인터뷰이가 처음 한 질문에 다른 답변을 했습니다. 코딩, SQL, 알고리즘, 법안, 취미, 콘텐츠, 맛집, 화장품, 스포츠, 책, 선거 등 데이터를 다양하게 생각하고 있다는 것을 실감할 수 있었습니다. 누구도 데이터를 하나의 뜻이라고 생각하고 있지 않다는 것을 의미하기도 합니다. 이때 생각난 것이 함축하고 있는 뜻이 방대하고 결합해서 많은 의미를 만드는 “경제" 같은 단어입니다. 경제의 사전적 의미는 “인간의 생활에 필요한 재화나 용역을 생산ㆍ분배ㆍ소비하는 모든 활동”인데요. 데이터도 정보를 뜻하는 datum의 복수형이라는 의미가 아니라, 데이터를 이용한 생산, 분배, 소비하는 모든 활동을 나타내는 단어로 생각해야 합니다.
“공익"데이터를 이야기 하기 전에 우리에게 “데이터"는 무엇이어야 하는가? 라는 질문에 어느정도 답변을 할 수 있을 것 같아요. 데이터 앞에 붙은 공익은 어떻게 설명할 수 있을까요. 설명에 앞서 같은 맥락에서 경제라는 단어를 살펴보려고 합니다. 우리는 최근 사회적 경제라는 말을 참 많이 사용합니다. 기업의 이윤이 사회적으로 가치를 만들어내고 환원할 수 있는 의미로 사용합니다. 경제 영역에서의 사회적 책임이 중요해지고 있기도 하고요. 저는 공익도 같은 뜻이라고 생각해요. 데이터를 사회적으로 사용하자는 겁니다. 사회적이라는 말에는 사회적인 이익 즉 공익적으로 사용하자는 의미가 담겨있어요.
인사이트가 얼마나 설득력 있을지 모르겠지만, 앞으로 데이터를 하나의 분야로 접근하는 시선이 받아들여지도록 사례를 만들어가는 것이 큰 과제가 될 것 같은 느낌입니다.
5. 미디어로 풀어볼 타겟 오디언스의 페인포인트와 솔루션
앞서 이야기한 인사이트 그리고 타겟 오디언스 1과 2의 페인포인트를 살펴보며 우리가 중점으로 가져가야 할 문제의식과 해결방안을 선정해 보았습니다. 미디어 전략과 함께 콘텐츠의 모습으로 솔루션이 반영되어 실험해 보려고 합니다.
데이터가 익숙하지 않다.
데이터가 무엇인지 알고 친숙해지도록 데이터로 풀어보는 뉴스를 자주 받아보기.생각만 해도 불안하고 답답한 데이터
나랑 같은 사람들은 어떻게 데이터 불안을 해소하고 있는지 읽어보기.공익데이터 감수성의 콘텐츠 부족
데이터가 상호작용하는 다양한 영역, 전문가 필진이 이야기하는 공익데이터 시각. 공익데이터에 네러티브가 담긴 인터랙티브 콘텐츠 제작.
어떤 미디어가 될지 감이 오시나요? 뼈대를 만들긴 했지만 살이 붙어봐야 그림이 보일 것 같아요. 데이터라는 큰 분야를 함께 알아보며 데이터 리터러시를 키우는 그림을 그려봅니다. 그렇게 관계를 맺은 독자와 공익데이터를 이야기하고 데이터 액티비즘의 일환으로 다양한 캠페인을 하며 사회에 임팩트를 만들어 볼 수 있지 않을까요.
🍪Cookie
다음 편에서는 미디어 부분의 인터뷰 결과와 데이터 부분 인터뷰 인사이트를 바탕으로 만든 프로토타입과 베타버전 구독을 진행해보려고 합니다.
글 사진 | 빠띠 공익데이터팀 큐
편집 | 빠띠 공익데이터팀 data@parti.coop
