2장에서 노트북 안에 자료가 한 뭉치 쌓였습니다. 통계, 기사, 경쟁사 페이지, 사용자 인터뷰와 유튜브 영상, 신뢰도 등급까지. 이제 가장 어려운 일이 남았습니다. 이 자료들을 가지고 내 사용자가 누구이며 어떤 문제를 가지고 있는지를 한 줄로 옮기는 것입니다. 3장은 그 한 줄을 짓는 데 NotebookLM을 어떻게 쓰는지를 다룹니다.

1. 디자인 씽킹은 알고 있다고 가정하지 않는다

디자인 씽킹은 IDEO와 스탠퍼드 d.school에서 다듬어진 5단계 사고 도구입니다. 공감(Empathize) → 정의(Define) → 발상(Ideate) → 시제품(Prototype) → 검증(Test) 순서입니다. 이 책은 디자인 씽킹 책이 아니므로 깊이 들어가지 않습니다. 다만 한 가지 원칙만 기억하면 됩니다.

해결책을 떠올리기 전에, 사용자 안에 머무르는 시간을 충분히 갖는다.

창업자의 가장 흔한 실패는 이 순서를 거꾸로 갑니다. 머릿속에 이미 솔루션이 있는 채로 사용자를 만나고, 사용자의 말을 자기 솔루션의 근거로 잘라 듣습니다. NotebookLM은 이 패턴을 막는 데 의외로 잘 어울립니다. 자료에서 직접 답을 끌어오는 도구이기 때문에, 머리 안의 가설보다 자료 안의 사실이 먼저 말을 합니다.

2. Empathize

2장에서 모은 자료 중 사용자의 목소리에 가까운 것을 따로 떠올립니다. 인터뷰 녹취, 유튜브 댓글, 커뮤니티 글, 설문 응답, 후기. 학습 VOD 플랫폼 사례라면 코딩 독학 유튜브 영상의 댓글, 온라인 강의 후기 블로그, 개발자 커뮤니티 글이 여기에 해당합니다.

다만 이 단계에서 주의할 점은 인터넷이 아니라 실제 사람을 찾아 직접 만나 인터뷰하여 자료를 모으길 권해드립니다. 또한, 만나는 그룹이 내가 생각하는 타깃과 일치하지 않을 가능성이 있기 때문에 가능하면 다양한 사람을 만나보는 것을 추천드립니다. 사용할 사람도 만나면 좋지만 사용하지 않을 사람의 목소리를 담는 것도 중요합니다.

여기서는 인터뷰를 하지 못했다는 가정하에, 3개의 인터뷰를 가상으로 만들어서 그 인터뷰에서 나온 목소리를 노트북에 넣는 과정을 보여드리겠습니다.

나는 온라인 성인 교육 플랫폼을 기획 중이야. 실제 사용자 인터뷰 대신 가상의 인터뷰 3건을 만들어서 NotebookLM 소스로 활용하려고 해.

인터뷰 대상은 아래 세 페르소나야.

1. 코딩 독학을 막 시작하려는 30대 직장인
2. 코딩 독학을 하다가 중도에 포기한 20대 대학생
3. 코딩 독학을 끝까지 완주한 40대 직장인

각 인터뷰는 Q&A 형식으로 작성해줘. 질문은 아래 세 가지로 고정해.

Q1. 코딩 독학을 시작하게 된 계기는 무엇인가요?
Q2. 독학하면서 가장 불편하거나 어려웠던 점은 무엇인가요?
Q3. 온라인 강의 플랫폼에 바라는 점이 있다면 무엇인가요?

답변은 실제 인터뷰처럼 구어체로 써줘. 각 페르소나의 직업, 나이, 학습 경험이 자연스럽게 묻어나도록 해줘.

이 소스를 NotebookLM에 '인터뷰'라는 이름으로 모은 다음, 채팅에 다음 세 질문을 차례대로 던집니다.

1. '인터뷰' 소스에 등장한 사용자들이 코딩 독학·온라인 강의에 대해 느끼는 감정 단어를 모두 모아줘. 빈도가 높은 순서대로 정렬해줘.
2. '인터뷰' 소스에 사용자가 강의 선택·수강·완강 과정에서 마주치는 불편을 행동(상황)·감정·결과 세 칸으로 정리한 표를 만들어줘.
3. '인터뷰' 소스에 사용자가 직접 말하지는 않았지만 그 말 뒤에 깔려 있는 니즈가 무엇인지, 인용 문장과 함께 5개만 추론해줘.

위와 같이 한꺼번에 질문을 던져도 됩니다.

세 번째 질문이 핵심입니다. 디자인 씽킹에서 말하는 잠재 니즈(latent need) 를 NotebookLM이 인용 근거와 함께 끌어올리게 만드는 질문입니다. 답변에 붙은 인용 번호를 클릭해서 원래 사용자의 말을 한 번씩 다시 읽어보세요. 챗봇의 추론이 과한지 적절한지 사람이 직접 판단해야 합니다.

3. Define

Empathize에서 모인 단어와 인용을 가지고 사용자 정의 한 줄을 짓습니다. 디자인 씽킹에서 가장 자주 쓰이는 두 형식이 POV와 HMW입니다.

NotebookLM에 다음과 같이 부탁하면 두 형식이 한 번에 나옵니다.

사용자 목소리 소스만 근거로, POV(Point of View) 형식과 HMW(How Might We) 형식으로 각각 3개씩 후보를 만들어줘. 각 후보에는 그 표현의 근거가 된 인용 문장 1개를 같이 붙여줘.

이렇게 하면 한 번에 6개 후보가 인용과 함께 나옵니다. 사람의 일은 그중 가장 마음이 끌리는 한두 개를 골라 다듬는 것입니다. 마음에 드는 후보가 하나도 없다면 그건 자료가 부족하다는 신호입니다. 2장으로 잠시 돌아가 사용자 목소리 자료를 더 모으는 편이, 빈약한 자료로 억지 정의를 짓는 것보다 거의 항상 빠릅니다.

4. Ideate

발상 단계에서 NotebookLM의 역할은 의외로 작습니다. 새 아이디어를 무에서 만드는 일은 챗봇이 약합니다. 챗봇은 자료에 근거한 종합에 강하지, 자료 밖의 도약에 강하지 않습니다. 그래서 이 단계에서 NotebookLM에 가장 잘 맞는 부탁은 두 가지입니다.

먼저 사람이 30분 동안 자유롭게 20개의 아이디어를 던집니다. 이 단계는 NotebookLM 없이 종이 위에서 합니다. 그다음 그 20개를 텍스트 소스로 노트북에 추가하고 다음과 같이 부탁합니다.

이 20개 아이디어를 세 기준으로 표를 만들어 평가해줘. 각 평가에는 노트북 안의 어떤 소스가 근거가 되었는지를 같이 적어줘.

1. 사용자 니즈와 가장 잘 맞는 것 
2. 자료가 가장 많이 뒷받침하는 것 
3. 경쟁사가 아직 시도하지 않은 것 

이렇게 하면 20개가 표 한 장으로 정렬됩니다. 사람의 직관에서 출발한 발상이, 자료의 근거로 한 번 걸러지는 셈입니다. 디자인 씽킹의 발산-수렴 리듬에서 NotebookLM은 수렴 쪽에 잘 어울립니다.

5. 자주 빠지는 함정

이 강의를 실제로 해보면 가장 자주 만나는 두 가지 함정이 있습니다.

• 챗봇의 매끈한 답변에 만족하고 멈춰버린다. NotebookLM의 답변은 너무 잘 정리되어 보여서, 사람이 더 파고들 의욕을 빼앗습니다. POV 후보가 6개 나왔다고 해서 사고가 끝난 게 아닙니다. 그중 한 줄을 골라 노트에 옮겨 적고, 그 한 줄이 다음 일주일 동안 머릿속에서 살아 있게 하는 것이 진짜 과제입니다.
• 자료에 없는 사용자를 만들어낸다. 자료가 빈약한데 페르소나 한 줄을 억지로 뽑아내면, 그 페르소나는 결국 작가의 머릿속 친구입니다. NotebookLM에 "이 페르소나의 근거가 된 소스 인용을 5개 보여줘"라고 한 번 더 묻고, 인용이 약하거나 없으면 페르소나를 다시 의심합니다.