Valley AI
The Challenge
초보 투자자들의 이론과 실전 사이에서 느끼는 막막함을 협업과 AI로 해결
My Role
UIUX Designer
(리서치, 와이어프레임, 사용성 테스트)
Project Type
팀 프로젝트
Duration
8 Weeks
어떤 문제를 발견했을까?
Valley AI - 주식 교육 이론과 실전 분석 사이의 간극
Valley AI는 주식 교육 플랫폼으로, 강의와 전문가 분석글을 제공하고 사용자들이 보고서를 작성해 투자 실력을 기르는 서비스입니다. 플랫폼은 양질의 콘텐츠를 제공하지만, 유저 서베이와 인터뷰를 통해 사용자들이 학습 내용을 실제 투자 분석으로 연결하는 과정에서 어려움을 겪고 있다는 문제를 발견했습니다.
Valley AI 유저들에게는 좀 더 친화적인 것이 필요했습니다.
유저들은 원했습니다...
일회성 노력에 대한 보상이 아닌 지속적인 성장과 동기부여를
단순한 정보의 나열이 아닌 실질적인 수익으로 이어지는 효용성을
개인적인 부담감보다는 공동체 안에서의 유대감과 협력을
사용자들이 겪는 문제로 이론적으로 배운 내용을 실제 분석툴에서 적용하기 까지 어려움을 토로하는 내용이 다수였습니다.
사용자들이 진짜 겪고 있는 문제는 무엇일까?
이론적 학습과 실제 투자 행동 사이의 간극이 ‘분석 도구의 어려움'인 기술적인 문제라고 판단했지만, Valley AI 커뮤니티 리뷰들을 분석한 결과, 실제로는 보고서 작성에 대한 심리적 부담이 사용자들의 투자 분석 진입을 방해하는 핵심 요인임을 확인할 수 있었습니다.
처음에는 분석 도구가 어려운 게 문제라고 생각했습니다. 그래서 “AI 기능 추가" 같은 기술적인 해결책만 찾으려고 했었지만, 문제를 제대로 파악하는 게 중요하다고 생각해서 겉으로 보이는 현상 말고 더 깊이 문제를 분석해봤습니다.
Valley AI 커뮤니티 피드백 분석
"보고서를 써봣자 실제로 도움이 되는지 잘 모르겠다"
"어디서부터 시작해야 할지 막막하다"
"완벽한 보고서를 만들어야 한다는 압박감"
"혼자서 다 작성 해야 한다는 부담감"
“보고서 작성”의 부담으로 주식 투자 분석으로 나아가지 못함
작성
자체에 대한 부담감
작성할 양
에 대한 부담감....
개인
의 몫이라는 부담감
핵심 문제 정의
“보고서 작성이 부담스러워 투자 분석 단계로 넘어가지 못한다"
이러한 분석을 통해 사용자들이 보고서 작성 과정에서 겪는 심리적 장벽을 해소하고, 학습 내용을 실제 투자 분석으로 연결할 수 있도록 지원하는 솔루션이 필요하다고 정의했습니다.
사용자들은 정말 어떤 문제를 겪고 있을까?
핵심 문제 정의 후, 페르소나와 사용자 여정 분석을 통해 Valley AI 사용자들이 학습 완료 후 실제 투자 분석 단계에서 분석 도구 활용 방법에 대한 불확실성을 겪고 있음을 발견했습니다.
PERSONA
%201-min.jpg){kind=spacer}
이재훈 | 34세
“분석글도 보고 강의도 듣는데, 결국 ‘그래서 지금 뭘 하라는거지?’라는 생각만 남아요”
#IT 직장인
#3년차 투자자
#소극적 투자
Needs
• 논리적 오류나 데이터 실수를 바로잡아 줄 AI와 멘토의 실시간 피드백이 필요해요.
• 내 보고서가 실제 시장에서 어떻게 평가되는지 실전 투자와 연동된 피드백을 받고 싶어요.
Frustration
• 투자 관련 용어와 툴 사용이 낯설어 실전 투자가 막막해요.
• 정보는 많지만 지금 당장 무엇을 해야 할지 모르겠어요.
USER JOURNEY
Scenario
34세 직장인 이재훈은 동료 추천으로 ETF 퉅자를 시작하고 꾸준히 학습했으나 실전 분석 시 확신 부족을 느껴 Valley AI에 가입했지만, 훈련 과정 진행 중 데이터 해석과 판단에 대한 실시간 피드백 부재로 분석을 반복적으로 중단하게 되어, 학습-실전 간극을 메우는 단계별 가이드를 필요로 한다.
어떻게 하면 이 문제를 효과적으로 해결할 수 있을까?
문제가 명확해진 후 솔루션 도출을 위해, 브레인스토밍부터 우선순위 설정까지 다양한 방법론을 활용하여 아이디어를 구체화한 결과, 'AI 지원'과 '팀 협업'을 결합한 솔루션을 도출했습니다.
위에서 도출한 사용자가 보고서 작성 시 느끼는 각 문제들의 해결을 위해 BrainStorm과 HMW를 도출했습니다.
VALUE-FEASIBILITY MATRIX
FDV SCORECARD
Value-Feasibility Matrix와 FDV Scorecard를 통해 가치와 실현 가능성을 시각적으로 비교 분석하고, 사용자∙비즈니스∙기술 관점에서 아이디어를 종합적으로 평가했습니다.
사용자의 심리적 부담을 해결하기 위해 AI 지원 기능과 팀 협업 환경을 통합한 솔루션을 도출했습니다.
효용감 부족은 과제를 단계별로 완성해 나가며 성취감을 쌓는 방식으로 보완할 수 있다.
시작의 막막함은 AI 추천 및 자동완성 기능 제공으로 해소할 수 있다.
혼자 작성하는 부담은 팀 내 역할 분담을 통해 해소할 수 있다.
핵심 솔루션을 어떻게 구현할 수 있을까?
솔루션으로 '팀 기반 보고서 작성'과 'AI 지원 시스템'을 설정한 후, Crazy 8 을 통해 핵심 기능을 빠르게 스케치했습니다. 이를 통해 사용자가 실제 사용 과정에서 겪을 수 있는 문제점들을 사전에 파악하고 아이디어를 확장하여 초기 디자인을 구체화했습니다.
CRAZY 8's
LOW-FIDELITY ( WIRE FRAME)
실제로 어떤 인터페이스를 만들었을까?
기존 기능은 완성된 보고서를 확인하는 수준이었지만, 공통 관심사를 가진 사용자을 연결하여 팀 단위로 보고서를 작성할 수 있는 기능을 추가해, 개인이 느끼는 작성의 부담을 줄이고 협업을 통한 학습 효과를 높였습니다.
AS IS
완성된 보고서만 조회 가능, 완벽 작성 압박감으로 사용자 부담 증가
기존 보고서 메인 페이지(밸류에이션 챌린지)는 다른 사용자들의 완성된 보고서를 조회하는 기능만 제공했습니다. 이는 사용자들에게 처음부터 완벽한 보고서를 작성해야 한다는 부담감을 주는 문제가 있었습니다.
TO BE
관심사 기반 팀 매칭과 협업 보고서 작성 시스템 도입
비슷한 투자 관심사나 분석 목표를 가진 사용자들이 서로 연결되어 팀을 구성하고, 함께 보고서를 작성할 수 있는 협업 환경을 설계했습니다.
기존 보고서 작성 페이지는 작성 가이드나 튜토리얼 없이 사용자가 모든 내용을 직접 작성해야 했지만, AI 기능을 추가하여 사용자가 선택한 종목에 맞는 분석 키워드를 추출하고, 작성 과정의 복잡성을 줄였습니다.
AS IS
혼자 작성과 안내 부족으로 보고서 작성 진입 장벽 증가
기존에는 혼자서만 보고서를 작성해야 했고, 작성 방법이나 구조에 대한 안내가 없어 사용자들이 보고서 작성 과정에서 어려움을 겪었습니다.
TO BE
AI 키워드 자동 추출로 종목별 보고서 작성 부담 완화
AI 기능을 통해 선택한 종목에 적합한 키워드를 자동 추출하여 사용자의 보고서 작성 부담을 완화했습니다.
개선된 디자인에는 어떤 기능들이 추가되었을까?
As-is, To-be 비교에서 다루지 못한 주요 기능들을 최종 디자인에 반영했습니다. 보고서 작성 메인 페이지, 작업보드, 보고서 네비게이션에 데이터 시각화를 적용하여 사용자들이 복잡한 정보를 직관적으로 파악할 수 있도록 설계했습니다.
보고서 작성 메인페이지
사용자가 작성한 분석 보고서를 페이지 상단에서 시각적으로 표시해, 투자 분석 포트폴리오를 직관적으로 확인할 수 있도록 설계했습니다.
작업보드
보고서 작성 시 ‘작업보드'를 통해 팀 전체의 작업 현황과 작성된 보고서를 AI가 요약하여 제시함으로써, 사용자가 프로젝트 진행 상황을 빠르게 파악할 수 있도록 설계했습니다.
보고서 네비게이션
최종 보고서 완성 단계에서는 ‘보고서 네비게이션' 기능을 통해 전체 보고서 구조를 한눈에 확인하고, 팀원들이 작성한 개별 섹션을 통합하여 완성된 보고서를 생성할 수 있도록 설계했습니다.
사용자들은 이 솔루션을 어떻게 받아들였을까?
단독으로 진행하던 보고서 작성을 '팀 협업'으로 전환하고 복잡한 지표를 '데이터 시각화'로 개선하여 4명의 참가자를 대상으로 사용성을 테스트한 결과, 협업 효율성과 데이터 이해도를 높이며 sus 점수 80점을 달성했습니다.
참가자들의 전반적인 피드백은 혼자 작성하던 보고서를 팀원과 함께 완성하는 경험이 동기 부여와 효능감을 높이는 데 효과적이라는 것이었습니다. 특히 AI 기반 키워드 가이드의 편리함과 더불어, 개인의 기여도 및 보고서 전체 흐름을 한눈에 보여주는 시각화 기능이 매우 직관적이라는 점에서 높은 평가를 받았습니다. 정성적 피드백과 함께 SUS(System Usability Scale) 평가도 병행하여 정량적 지표를 확보했습니다.
SUS 진행 결과
사용성 테스트
사용자 피드백
‘팀 협업’을 통해 동기부여를 얻을 수 있다.
‘AI 기반 가이드’로 도움을 받을 수 있어 편리하다.
‘데이터 시각화’를 통해 직관적인 이해를 얻기 쉽다.
이 프로젝트로 어떤 변화를 만들 수 있을까?
AI 지원과 팀 협업으로 보고서 작성 부담을 줄여 사용자 참여율을 높이고, 플랫폼은 커뮤니티 활성화와 양질의 데이터를 동시에 확보할 수 있습니다.
기존에는 사용자들이 혼자서 보고서를 작성해야 한다는 부담감과 완벽하게 써야 한다는 압박감 때문에 시작조차 어려워했습니다. 하지만 AI가 도와주는 기능과 팀으로 함께 작성할 수 있는 환경을 만들어서 이런 부담을 줄이고 더 많은 사람들이 참여할 수 있게 했습니다. 그 결과 사용자들은 보고서 작성이 덜 부담스러워지고 지속적으로 참여하게 되었고, 플랫폼 입장에서는 더 활발한 커뮤니티와 좋은 데이터를 얻을 수 있게 되었습니다
👩🏻 사용자 입장에서
보고서 쓰는 게 덜 부담스러워짐 (심리적 압박↓)
AI 도움으로 시작하기 쉬워짐 (완료율↑)
팀원이랑 작성하니 지속하기 좋아짐 (재 참여율↑)
다른 사람 관점도 볼 수 있음 (학습 효과↑)
🏢 비즈니스 입장에서
사용자들이 더 많이 참여함
AI기능으로 차별화됨
커뮤니티가 활성화됨
양질의 데이터가 많이 모임 (AI 추론 엔진 개발)
프로젝트 회고 및 핵심 인사이트
팀 협업을 통해 얻은 성장과 새로운 학습 경험
이 프로젝트에서 가장 의미 있었던 것은 팀원과 함께 문제를 바라보는 시각을 넓히는 과정이었습니다. 처음에는 각자 다른 관점을 가지고 있었지만, 지속적으로 대화하고 의견을 나누면서 점점 더 깊은 인사이트에 도달할 수 있었습니다. 혼자였다면 기술적 문제에서 헤맸을 텐데, 팀원과 함께 하면서 사용자의 감정과 동기까지 파악할 수 있게 되었습니다.
협업을 하면서 새로운 도구들과 방법론들을 배울 수 있었습니다. Google Scholar로 근거를 찾는 방법, Flourish로 다양한 데이터 시각화 유형, Figjam으로 아이디어를 정리하는 방식 등 하나씩 익힐 수 있었습니다. 특히 다른 사람들이 이해하기 쉽게 정리하고 설명하는 과정에서 생각을 체계적으로 정리하는 능력을 기를 수 있었습니다.
프로젝트 진행 과정에서 아쉬웠던 부분들
Problem Statement를 찾는 과정이 예상보다 오래 걸렸습니다.더 빨리 사용자 입장으로 돌아갔다면 시간을 절약할 수 있었을 것 같습니다. 또한 정성적 데이터에 주로 의존했는데, 더 많은 정량적 데이터로 가설을 뒷받침했다면 솔루션의 신뢰도를 높일 수 있었을 것입니다.
초기 기대와 실제 경험한 현실의 차이
처음에는 AI 기능만 추가하면 쉽게 해결될 줄 알았는데, 실제로는 사용자의 심리적 부담이 훨씬 복잡하고 근본적인 문제였습니다. 기술적 솔루션보다는 사용자 경험과 동기 설계가 더 중요하다는 걸 깨달았습니다.
앞으로의 성장 방향과 목표
이번 프로젝트에서 얻은 "사용자와 같은 눈높이에서 문제를 바라보는" 관점을 더 발전시키고 싶습니다. 특히 정성적 인사이트와 정량적 데이터를 균형 있게 활용하는 능력을 기르고, 복잡한 비즈니스 환경에서도 사용자 가치와 비즈니스 목표를 조화시킬 수 있는 디자이너로 성장하는 것이 목표입니다.
