고객 중심 혁신의 필요성

Amazon에서 고객에 대한 초점은 헛된 교리가 아니라 혁신에 대한 Amazon 접근 방식의 뿌리입니다. Amazon의 미션은 지구 최고의 고객 중심 회사가 되는 것입니다. 16개 리더십 원칙의 첫 번째인 Customer Obsession은 “리더는 고객에서 시작하여 거꾸로 일한다. 고객의 신뢰를 얻고 유지하기 위해 열정적으로 일한다. 리더는 경쟁업체에 주의를 기울이면서 고객에게는 집착한다”고 명시합니다.

이 리더십 원칙에는 Amazon이 고객 중심 문화를 지원하고 지속하는 데 도움이 되는 몇 가지 핵심 개념이 있습니다. 첫 번째 개념인 ‘거꾸로 일하기’는 모든 일의 중심에 고객을 두는 심적 모델이자 혁신 메커니즘입니다. 거꾸로 일하기는 고객, 고객의 지속적인 문제 및 고객의 장기적 니즈에 대한 깊은 고민을 바탕으로 혁신 프로세스를 시작하는 것과 관련됩니다.

우리는 혁신 노력의 중심을 고객에게 둠으로써 고객과 분리된 혁신을 주도하거나 고객을 위한 것이 아닌 기술 또는 서비스가 구축되는 것을 방지할 수 있다고 믿습니다. 우리는 고객 가까이에서 고객이 장기적으로 가치를 둘 요소(예: 소매 비즈니스의 경우 가격, 선택 및 편리함, AWS 클라우드 서비스의 경우 성능, 보안, 기능의 폭 및 깊이, 비용 성능)에 집중합니다. 또한 이러한 니즈 이면의 사정과 상황을 속속들이 파악하여 대응 및 예측 능력을 개선함으로써 고객을 놀라게 하고 기쁘게 할 수 있는 것들을 개발할 수 있습니다.

예를 들어 우리가 AWS에서 구축하는 것의 90%는 고객의 의견을 바탕으로 구축됩니다. Amazon SageMaker가 한 가지 예입니다. 이 서비스는 고품질 기계 학습 모델을 준비, 구축 및 훈련한 후 빠르게 배포하는 데 도움이 되는 가장 포괄적인 기계 학습(ML) 서비스입니다. NFL, 3M, General Electric, T-Mobile 및 Vanguard를 비롯한 수많은 고객이 기계 학습 개발을 위한 Amazon SageMaker의 통합 기능을 선호하는 덕에 이 서비스는 AWS 역사상 가장 빠르게 성장하는 서비스 중 하나가 되었습니다. 빠른 반복 기능도 많은 고객의 사랑을 받고 있습니다. 지난 해에 AWS는 2년 연속으로 12개월 안에 50개 이상의 새로운 기능을 추가했습니다. 고객의 피드백을 적극적으로 요청하고 이를 바탕으로 한 기능을 구축하면서 이룬 결과입니다.

잦은 요청은 기계 학습용 데이터를 더 쉽게 준비하는 데 도움이 되었습니다. 고객 입장에서 데이터 준비는 쉬운 일이 아닙니다. 여러 소스에서 수많은 형식으로 적절한 데이터를 수집해야 하고, 데이터를 정규화하여 기계 학습 모델에 올바르게 포함해야 하며, 예측 모델 알고리즘에 가장 적합한 특성을 선택하여 변환해야 합니다. 서로 다른 특성을 결합해야 할 때도 있습니다. 이 모든 작업은 어렵고 많은 시간이 걸립니다. 그런 다음에는 누락된 데이터 또는 이상값을 검토하여 데이터 집합 전체에 변환을 적용하기 전에 특성 추출이 작동하는지 확인해야 합니다.

고객들은 더 나은 방법이 있는지 물었습니다. 이 피드백을 기반으로 지난 해 AWS는 기계 학습 데이터를 가장 빠르게 준비할 수 있는 방법인 Amazon SageMaker Data Wrangler를 출시했습니다. 고객은 AWS 또는 서드 파티 데이터 스토어에서 Data Wrangler를 가리키기만 하면 됩니다. DataWrangler에는 300개 이상의 전환 및 변환이 포함되어 있습니다. 들어오는 데이터는 자동으로 인식되며 적용하기에 적합한 변환이 제안됩니다. 단순한 콘솔에서 복합 특성을 결합하거나 생성할 수 있으며 SageMaker 스튜디오에서 변환을 미리 보고 검증한 다음 전체 데이터 집합에 손쉽게 적용할 수 있습니다. 이 솔루션은 기계 학습 데이터를 준비할 때 절약되는 시간의 양을 볼 때 게임 체인저였습니다.

제품, 기능 및 서비스의 90%는 고객의 요청에서 시작되지만 나머지 10%의 혁신은 고객이 설명하지 못할 수 있는 니즈에서 비롯됩니다. AWS는 고객을 면밀히 관찰하고 니즈에 집중하기 때문에 행간을 읽고 고객 대신 개발할 수 있습니다.

예를 들어 2014년에 출시된 Echo는 누구도 요청하지 않았습니다. 하지만 정보, 날씨, 뉴스를 확인하고 음악을 듣고 다양한 스마트 홈 디바이스와 호환되는 제어 허브로 사용될 수 있는 완전 핸즈프리의 지능적인 음성 제어 디바이스가 가정에서 유용한 개인 비서 역할을 하고 사용자의 삶을 편리하게 할 것이라는 비전이 있었습니다. 7년 후에는 여러 세대의 Echo 디바이스, 스마트 디스플레이를 장착한 Echo Show, 차량용 Echo Auto, Echo Loop 및 Echo Frames와 같은 웨어러블, 다수의 액세서리의 출시와 더불어 Echo 디바이스 패밀리가 Amazon에서 가장 인기 있는 제품 중 하나가 되었습니다.

고객 중심 접근 방식은 Amazon과 AWS에만 있는 것이 아닙니다. 고객을 우선하는 것의 중요성을 말하는 회사는 우리만이 아닙니다. Amazon의 고객 중심 혁신을 지속할 수 있었던 이유는 고객에 대한 집착이나 고객의 니즈를 시작으로 거꾸로 일하는 원칙에만 있는 것이 아닙니다. 고객에 중심을 둔다는 좋은 의도로 의미 있고 일관된 비즈니스 결과를 생성하려면 고객 중심 혁신이라는 문화를 만들고 고객에 대한 이 초점을 모든 일의 중심에 유지하는 메커니즘을 갖추어야 합니다.

Amazon이 고객 중심 문화를 구축할 때 사용한 몇 가지 방법은 다음과 같습니다.

1. 대담한 하향식 리더십 - 대담하고 선구적인 리더십은 위에서 시작되어 회사의 모든 직원을 동일한 정신으로 채웁니다. 예를 들어 혁신을 주도하려면 고객의 니즈에 기반을 둔 아이디어에 투자하려는 의지, 계산된 위험을 감수하고 회사의 핵심 역량 외의 것을 개발하려는 용기, 많은 씨를 뿌리고 자랄 때까지 기다릴 수 있는 인내심이 필요할 수 있습니다. 이 인내심에는 많은 실험의 실패를 받아들이는 것이 포함됩니다. 실험에는 본질적으로 실패가 따릅니다. 하지만 실패에서 얻은 교훈을 공유하고 미래의 고객 중심 개발에 다시 적용하면 미래의 아이디어에 필요한 정보를 얻고 혁신을 위한 기반을 다시 정비하여 더 많은 성공을 거둘 수 있습니다.
2. 고객 중심에 대한 신념 체계를 널리 배포 - 고객 중심 혁신을 회사 전체에 전파하려면 고객 집착이라는 문화를 구축해야 합니다. 그러려면 팀 및 일선 수준에서 빌더가 자율적으로 고객을 중심에 두고 자유롭게 실험하여 고객의 니즈를 충족할 수 있는 문화를 만들어야 합니다. 고객 중심 혁신 문화는 아이디어에 불을 지피는 기술, 도구, 데이터 및 인사이트에 대한 액세스를 분산시킵니다. 혁신적인 아이디어가 있는 사람은 누구나 이를 설명하고 이해 관계자와 공유하고 피드백 및 실험에 따라 정제할 수 있어야 합니다. 시행착오가 허용되는 확실한 권한과 배운 내용을 문서화하고 공유하며 혁신적인 다음 실험에 포함하기 위한 엄격한 기준이 팀에 제공되어야 합니다.
3. 고객 중심 혁신을 위한 실용적인 메커니즘 - 빌더가 혁신적인 아이디어를 테스트하고 확장하려면 적절한 도구가 필요합니다. Amazon에는 입력을 출력으로 바꾸고 좋은 의도를 의미 있는 작업과 결과로 바꾸는 완전한 폐쇄형 프로세스로 구성된 메커니즘이 있습니다. 이 메커니즘은 가치가 높은 의사 결정을 빠르게 내리는 동시에 고객을 혁신 노력의 중심에 유지하는 데 도움이 됩니다. 이러한 메커니즘의 예로 리더십 원칙이 있습니다. 리더십 원칙은 의사 결정의 지침 역할을 하여 우리가 고객 집착을 유지할 수 있도록 합니다. 서술 문화 및 PRFAQ 문서(의도한 솔루션에 대한 1페이지 보도 자료, 고객 및 내부 이해 관계자를 대상으로 한 FAQ 및 전체 고객 경험의 개요를 보여주는 시각 자료) 사용과 같은 다른 메커니즘은 혁신을 대중화하는 데 도움이 됩니다. 모든 수준에서 누구나 PRFAQ 문서를 사용하여 아이디어를 전개할 수 있습니다. Amazon의 다른 많은 메커니즘 중에서도 이러한 메커니즘은 일관되고 지속적인 실험 접근 방식을 통해 고객을 위한 혁신 제품을 더 빠르게 개발할 수 있는 환경을 빌더에게 제공합니다.
   

고객 중심 혁신 문화의 또 다른 핵심 요소는 고객 데이터를 수집, 분석 및 활용하는 데 필요한 적절한 기구를 빌더에게 제공하는 것입니다. 이렇게 하면 고객 피드백을 캡처하여 혁신에 필요한 정보를 얻고, 실시간으로 추세를 인식 및 분석하며, 고객을 깊이 이해하여 고객을 위한 제품을 개발할 수 있습니다.

여기에는 몇 가지 고려할 요인이 있습니다. 예를 들어 고객의 전체 경험을 보여주는 다양한 데이터를 캡처해야 하고, 데이터 품질 및 위생을 보장해야 하며, 신호에서 잡음을 걸러내는 적절한 도구 및 분석 기능을 갖추어야 합니다. 많은 기업에서 가장 어려워하는 부분은 마지막 요소입니다. 영향력이 가장 큰 분석 인사이트를 생성하여 고객에게 가장 중요한 것이 무엇이고 조직으로서 가장 먼저 집중하고 자금을 투자해야 할 영역이 어디인지 파악하는 것입니다.

고객 중심 혁신을 여는 열쇠 중 하나는 데이터를 차별화 자산으로 취급하는 데이터 중심 조직을 건설하는 데 있습니다. 올바른 데이터가 있으면 더 나은 고객 경험을 제공하고, 고객 관계를 강화하며, 더 빠른 의사 결정으로 비즈니스 효율성을 개선하는 데 필요한 프로세스 및 성능을 식별하고 개선할 수 있습니다. 이렇게 하면 빌더들이 아이디어를 혁신적인 실험으로 더 빠르게 발전시킬 수 있습니다.

측정할 ‘올바른’ 입력 지표 및 KPI는 본질적으로 고객, 비즈니스, 제품 및 서비스의 고유한 성질에 따라 다릅니다. 하지만 Amazon의 경험을 바탕으로 2가지를 제안할 수 있습니다. 1) 비즈니스의 입력 및 출력에 대한 데이터를 모두 캡처해야 합니다. 2) 양적 데이터를 질적 진술 및 피드백으로 보완해야 합니다.

비즈니스의 결과와 관련된 데이터(예: 매출, 수입, 이윤, 생산량, 구독, 셀스루(sell-through), NPS 등)를 측정하고 추적하는 것이 좋습니다. 뿐만 아니라 기본적인 비즈니스 동인에 대한 전략적 인사이트를 제공하는 입력 데이터(예: 효율성, 생산성, 고객 행동 및 참여, 전환율 등)에도 많은 초점을 두어야 합니다. 이러한 입력 지표는 운영 및 비즈니스에서 보다 쉽게 제어할 수 있는 측면이므로 이러한 입력이 출력에 미치는 영향을 이해하면 더 나은 의사 결정을 지원할 수 있습니다.

입력 및 출력 데이터가 중요한 만큼 고객의 진술 및 피드백을 캡처하는 것도 중요합니다. 질적 피드백은 측정하기가 더 어렵습니다. 그러나 이 피드백이 있으면 데이터의 다양성 및 범위에서 균형을 유지할 수 있고 집계 지표에서 드러나지 않은 추세 및 개선 영역을 확인할 수 있습니다. 예를 들어 분기별 매출 데이터에는 꾸준한 성장률을 보이는 것으로 나옵니다. 그런데 이 꾸준한 분기별 성장률로 인해 주문 프로세스에 불만을 느낀 최근의 고객 진술은 이상값으로 무시될 수 있습니다. 고객 집착 접근 방식에서는 데이터와 진술이 갈라지는 위치를 살펴보고 진술을 심층 분석하여 검증합니다. 이렇게 하면 훨씬 더 큰 고객 기반이 영향을 받기 전에 결함을 찾아서 해결할 수 있습니다. 심지어 새로운 비즈니스 혁신 및 성장을 주도할 수 있는 새로운 사용 사례 또는 고객 세그먼트를 찾을 수도 있습니다.

비즈니스의 가장 중요한 입력 및 출력 데이터를 광범위한 소스에서 캡처하여 분석하는 데이터 중심 조직이 되고 강력한 ‘고객의 소리’ 데이터 집합을 구축하면 더 빠른 의사 결정에 필요한 정보를 얻을 수 있습니다. 고객에게 영향을 미치는 올바른 지표와 추세에 중점을 유지하고, 혁신 의사 결정에 유용한 정보를 제공하는 고객 중심 데이터 및 분석 기능을 구축하는 데 도움이 됩니다.

고객을 모든 일의 중심에 두는 의도적인 분석 접근 방식인 고객의 소리를 개발하면 고객 경험을 면밀하게 모니터링하고 반복하여 지속적으로 개선할 수 있습니다. 고객의 소리는 더 민첩하고 더 효과적으로 고객의 니즈에 반응하고 고객을 위한 제품을 미리 개발하는 데 도움이 되는 고객 중심 혁신 문화를 지원합니다.