무너진 가입 과정을 다시 세우다
31% → 63%
기사님에게 어려웠던 건 화면이 아니라 직접 입력이었다. 자격증을 사진으로 보내게 하고 팀이 대신 입력해, 전체 가입 완료율을 31%에서 63%로 회복시킨 이야기.
온보딩 대상 대부분은 50, 60대였다
2005년 이후 택시 이용량은 30% 줄었지만 면허 수는 오히려 10% 늘었다. 수요는 줄고 공급은 느는 구조적 과잉 속에서, 서비스 성장을 위해서는 많은 기사님을 빠르게 온보딩해야 했다.
하지만 핵심 대상은 평균 60.4세, 개인택시 65%·회사소속 35%의 기사님들이었다. 하루 281km를 운행하고 10시간 40분을 일하는 환경에서, 긴 모바일 입력은 익숙하지 않은 일이었다.
오픈까지 남은 시간은 20일이었다. 팀은 기사님들이 자주 드나드는 미터점(택시 미터기 정비·검사소) 사장님들에게 가입과 자격증 등록을 도와달라고 안내했고, 가입 건당 수수료를 지급했다.
도움을 받던 가입이 혼자 하는 가입으로 바뀌자, 가입 완료율이 떨어졌다.
이 방식의 전체 가입 완료율은 75%였다. 그런데 정식 오픈 후 기사님이 혼자 가입해야 하는 상황이 되자, 같은 가입 과정에서도 전체 완료율은 31%까지 떨어졌다. 특히 자격증 등록 단계의 완료율이 46%까지 떨어졌다. 평균 60.4세 기사님에게 자격증 정보를 모바일로 직접 입력하는 일은 결정적인 장벽이었다.
처음엔 화면을 고치는 일부터 시작했다
문제의 원인이 입력폼의 사용성에 있다고 판단하고, 두 가지 가설을 세워 프로토타입으로 검증했다. 기존 방식(미터점 도움)의 완료율이 75%였던 만큼, 도움 없이도 절반 이상은 스스로 끝낼 수 있어야 개선 가능성이 있다고 판단했다. 20명 중 10명(50%) 이상 완료를 성공의 기준으로 미리 정했다.
기존 자격증 등록 화면. 모든 정보를 모바일로 직접 타이핑해야 했고, 바로 이 단계에서 가장 많은 기사님이 이탈했다.
기사님은 이름, 생년월일, 자격증번호, 취득일, 발행일까지 모든 항목을 모바일로 직접 옮겨 적어야 했다. 차 안이나 대기 중 짧은 시간에 자격증 용어와 화면 항목을 대조해야 했고, 숫자·날짜 입력이 많아 오타가 쉽게 발생했다.
“실제 자격증과 같은 구조로 입력 폼을 만들면 완료율이 개선될 것이다”
실제 택시운전자격증의 정보 구조와 배치를 따라 입력 폼을 다시 만들었다.
실제 택시운전자격증의 정보 배치와 사진 영역, 항목 순서를 참고해 폼이 낯설게 느껴지는 문제를 줄이려 했다.
“입력 과정을 한 단계씩 나누면 부담이 줄어 완료율이 개선될 것이다”
한 번에 하나씩, 입력 과정을 단계로 나눠 압박감을 줄였다.
이름, 생년월일, 자격증번호, 취득일, 발행일 순서로 입력 흐름을 나누고 한 화면에 보이는 입력 칸을 줄였다. 기사님이 실제 자격증을 보며 한 항목씩 따라 입력하면 부담이 낮아질 것이라고 봤다.
하지만 단계를 나눠도 각 항목을 직접 읽고, 옮기고, 다시 확인해야 하는 부담은 그대로 남았다.
“자격증을 눈앞에 두고도, 기사님들은 입력을 마무리하지 못했다.”
두 번의 테스트를 각각 20명에게 진행했지만, 사전에 정한 기준(10명)에 못 미치는 4명과 6명에 그쳐 둘 다 탈락했다. 화면 구조를 바꿔도 직접 읽고, 옮겨 적고, 다시 확인해야 하는 부담은 사라지지 않았다. 문제는 폼의 모양이 아니라, 사용자가 정보를 직접 입력해야 한다는 점이었다.
문제는 입력폼의 사용성이 아니라, 직접 입력하는 행위였다
어떻게 알아냈나
가입을 끝내지 못한 기사님들을 직접 찾아가 인터뷰하고, 평소 휴대폰을 어떻게 쓰는지 곁에서 관찰했다.
기사님 인터뷰에서
- “새로운 서비스에 가입해본 적이 없다”
- “운전 대기 중에 가입하려니, 이걸 계속 붙들고 있기 부담스럽다”
- “집에 가서 아들에게 가입을 부탁해야겠다”
- “미터점에서 해준다는데 한번 찾아가봐야겠다”
관찰된 행동
기사님들은 채팅방에서도 글보다 사진을 주고받았고, 휴대폰 관련 일은 대개 누군가가 대신 처리해주고 있었다.
새로운 가설
“자격증을 사진으로 찍어 보내고, 입력을 우리가 대신해주면 완료율이 개선되지 않을까?”
자격증 사진을 받아서 수동으로 입력한다.
촬영 기반 흐름으로 다시 설계
기사님은 차량에 비치된 자격증을 사진으로 찍어 보내기만 하면 되도록 흐름을 바꿨다.
자격증 촬영 요청
입력 칸 대신 자격증을 화면에 맞춰 촬영하도록 안내했다.
촬영 결과 확인
기사님은 사진이 잘 찍혔는지만 확인하고 다음으로 넘길 수 있었다.
승인 대기중
승인 대기
입력은 팀이 처리하고, 기사님은 승인 상태만 기다리면 됐다.
수동으로 자격증 정보 입력
초기에 OCR로 자동 인식을 테스트했지만 오인식률이 너무 높아 사용하기 어려웠다. 그래서 자동 인식 시스템을 만들기 전에, 들어온 자격증 사진을 팀원들이 직접 수동으로 입력했다. 최초 5만 명분을 이렇게 처리하며 가설을 실제로 증명했다. 개인정보 노출을 최소화하기 위해 권한이 제한된 검수 화면에서만 접근하도록 했고, 자격증번호 등 일부 항목은 마스킹 처리했다.
기사앱 기반 운영 화면
자격증 등록 검수
접수된 자격증 이미지
KTX-02491
자격증 정보 확인
저장됨 18:42자격증 등록 백오피스
검증 후 OCR로 전환
수동 입력으로 쌓은 데이터를 바탕으로 지역·연도별로 다른 자격증 양식을 패턴화했고, 이후 문자를 자동으로 읽는 OCR로 전환했다. 정형 문서 인식 기준으로 필드 단위 인식률을 90%대 초반까지 끌어올렸고, 나머지는 검수 화면에서 사람이 확인했다.
이름·생년월일·자격증번호 등 항목별 인식 정확도. 낮은 항목은 검수 화면에서 사람이 확인·수정한다.
직접 입력을 없애자, 무너졌던 가입 과정이 다시 살아났다
자격증을 사진으로 받고 팀이 대신 입력하는 방식으로 바꾸자, 오픈 후 31%까지 떨어졌던 전체 가입 완료율이 63%로 두 배 가까이 회복됐다. 가장 큰 병목이던 자격증 등록 단계도 46%에서 85%로 개선됐다. 팀이 초기 5만 명분을 직접 입력해 ‘사진으로 보내면 가입 과정이 살아난다’는 가설을 증명한 뒤, 문자를 자동으로 읽는 OCR로 전환했다. 이 회복 덕분에 서비스 확장을 위해 필요했던 기사님 온보딩 목표를 계획된 일정 안에 채울 수 있었다.
검증 방법
오픈 후 스스로 가입을 시도한 기사님 코호트(개선 전, 약 2,400명)와 사진 촬영 기반 대신 입력 기능을 적용한 뒤 같은 4주 기준으로 가입을 시도한 코호트(개선 후, 약 2,600명)를 비교했다. 기존 UI와 비교하는 A/B 테스트는 하지 않았다.
이 실험의 한계
다른 시기의 코호트를 비교했다
개선 전후가 서로 다른 시기에 가입을 시도한 기사님들이라, 그사이 늘어난 서비스 인지도나 계절적 요인이 완료율 차이에 섞여 있을 수 있다.
OCR 전환 효과와 분리하지 못했다
수동 입력에서 OCR로 넘어간 시점이 관찰 기간과 겹쳐 있어, 자격증 등록 완료율 개선분 중 얼마가 ‘사진으로 받은 것’의 효과이고 얼마가 ‘인식 속도 개선’의 효과인지 정확히 나누지 못했다.
화면 너머에 진짜 사용자의 문제가 있다.
때론 스케일이 안 나오는 수작업도 필요하다
문자를 자동으로 읽는 OCR을 먼저 만들기보다, 팀이 5만 건을 직접 입력하며 ‘사진으로 보내면 가입 과정이 살아난다’는 가설을 증명했다. 기술은 사용자의 문제를 충분히 이해한 뒤 붙여도 늦지 않았다.
화면 안이 아니라 사용자의 맥락을 볼 것
폼을 고치고 단계를 나누는 것만으로는 부족했다. 기사님이 어디에서, 누구의 도움을 받으며, 어떤 방식으로 휴대폰을 쓰는지까지 보면서 ‘직접 입력’이 진짜 장벽이라는 사실이 드러났다.
왜 그렇게 행동하는지까지 관찰할 것
자격증 등록 단계의 이탈은 단순한 UI 문제가 아니었다. 모바일 입력에 익숙하지 않은 기사님의 행동, 업무 환경, 도움을 받을 수 없는 상황이 겹쳐 만든 성장의 병목이었다.
