KakaoMobility · UX Service Growth Case · 2026

Explainable UX · Autonomous Vehicle

자율주행 차량이 멈췄다.
사용자에게 무엇을 전달해야 하는가.

기사 없는 자율주행 서비스에서 센서 오류·원격 승인 등 예외 상황 발생 시, 사용자의 인지 불일치를 해소하는 Explainable UX 설계 전략

Role
서비스 기획 · PM (역기획)
Period
2026
Domain
모빌리티 · Robotaxi
Tools
Figma · Amplitude · Notion
01

배경 · Background

자율주행 모빌리티 서비스는 호출 → 탑승 → 이동 → 하차까지 끊김 없는 이동 경험이 핵심 가치이며, 서비스 신뢰도가 재사용률과 직결된다. 기사 없는 구조에서는 문제 상황 발생 시 '설명 가능한 시스템'이 곧 서비스 품질이 된다.

특히 심야 시간대는 고객센터 대응이 제한적이어서, 설명 없는 정지로 인한 이탈이 발생할 경우 브랜드 신뢰도에 치명적인 타격을 주며, 장기적인 서비스 확장 전략의 병목이 되고 있었다.

비즈니스 모델

  • 카카오T 앱 내 자율주행 택시 서비스 통합
  • 기사 없는 구조: 서비스 신뢰도 = 재사용률
  • 첫 탑승 경험의 품질이 장기 LTV를 결정

핵심 리스크 — 시스템은 정상, 사용자는 이해 불가

  • 센서 오류·판단 불확실성 → 갑작스러운 정지·비정상 경로 선택
  • 사용자 인지 불일치 → 차량 정상 작동 중, 사용자는 "고장"으로 인식
  • 신뢰 붕괴 → 이유 모르는 정지 → 불안 → 서비스 이탈
02

목표 · Goal

Input (선행 지표)

  • 주행 완료율 96% — 예외 상황에서도 주행 완료
  • CS 문의율 35% 감소
  • 주행 중 이탈률 감소
  • 재호출률 증가

Output (성과 지표)

  • 14일 재이용률 +25% 향상
  • 7일 재이용률 +18%
  • 신뢰 기반 장기 LTV 확보
03

원인 분석 · Data Analysis

사용자 세그먼트

🏙️
출퇴근 이용자
루틴 이용, 이탈 비용이 큼
🌙
심야 이용자 Target
상황 이해도↓ 통제감↓ 불안 민감도↑
🗺️
초행길 이용자
낯선 환경, 판단 기준 부재
📱
기술 비친숙 사용자
AV 메커니즘 이해 낮음
유저 세그먼트 공급 불균형 가격 비탄력성 이용 빈도 LTV 잠재력 ETA 민감도 전략 우선순위
심야 이동 사용자선정
 50% 85% 주 4–5회 ★★★★★ 매우 높음 ★ Primary Target
출퇴근 이용자
 35% 70% 주 3–4회 ★★★★★ 높음 Secondary
초행길 이용자
 15% 55% 월 2–3회 ★★★★★ 중간 3순위
기술 비친숙 사용자
 25% 40% 월 1–2회 ★★★★★ 낮음 Acquisition
Context · Product
센서 오류 및 원격 승인 상황에서 중도 하차요청률
42%
불확실 상황 발생 시 CS 문의율
38%
설명 없이 정지하는 경우 주행완료율
61%
문제 경험 이후 서비스 재이용률
28%
정지 후 경과시간별 누적 이탈률 설명 없는 정지 상황 (n=2,300 케이스) 100% 75% 50% 25% 0% 30초 0s 10s 20s 30s 40s 50s 60s+
80%
전체 이탈 구간 중 80%가 '설명 없는 정지' 30초 이내에 발생.
로그 데이터 분석 결과 이탈 유저의 대다수는 기기 결함으로 오인하여 주행을 포기한 것으로 확인됐다.
Context · User
우선순위
USER RESEARCH — KEY JOBS TO BE DONE
안전 확인
상태 파악
지금 차량이 정상인지 즉시 알고 싶다
원인 이해
왜 멈췄는지 이유를 알고 싶다
상황 대응
대기 예측
언제 다시 출발할지 알고 싶다
능동적 선택
대기·경로변경·관제 중 스스로 선택하고 싶다
진행 확인
지금 어떤 조치가 이뤄지는지 확인하고 싶다
신뢰 회복
경험 전달
불편한 경험을 서비스에 알리고 싶다
지속 신뢰
이 경험 이후에도 자율주행을 계속 믿고 싶다

원인 분석 결론:
사용자는 문제 발생 자체보다, 시스템의 상태와 의도를 이해하지 못할 때 더 큰 불안을 느낀다. 이탈의 원인은 기술 불안이 아닌 정보 비대칭과 인지 공백이다.

04

문제 정의 · Problem

?
Problem Statement

사용자는 차량의 상태와 의도를 이해하지 못해 불안을 느끼고,
이로 인해 서비스 신뢰가 저하된다.

핵심 지표를 어떻게
개선할 수 있을까?

↓
예외 상황 Mid-ride Drop-off Rate 감소
↑
신뢰 기반 14일 재이용률 +25%
05

가설 · Hypothesis

심야 이용자에게 정지 원인(Why)과 예상 시간(When)을 포함한 4요소 정보를 즉시 제공하면, 고장 오인으로 인한 중도 이탈이 줄어들어 재호출률이 25% 상승할 것이다.

실시간 정보 → 대기 포기 14–20% 감소 (선행 연구) AV 설명 제공 시 Trust +20–30%↑ 업계 벤치: 정보 비대칭 해소 시 Retention +20%대

검증 조건

  • 타겟: 심야(22시–05시) 이용자
  • 트리거: 센서 오류·원격 승인 예외 상황
  • 검증 지표: Mid-ride Drop-off Rate (A/B)
  • 후속 측정: 30분 내 재호출률

목표 수치

  • Re-call Rate +25%
  • Mid-ride Drop-off Rate 유의미한 감소
  • 신뢰 기반 14일 재이용률 증가

3가지 실행 전략

전략 01
상황 설명 (Explain)
Why + When + System을 구조화하여 즉시 전달. 사용자가 상황을 '이해'하게 만드는 것이 1차 목표.
전략 02
선택권 제공 (Control)
Primary: 그대로 대기 / Secondary: 경로 변경 · 관제 연결. 통제감 회복으로 불안감 감소.
전략 03
자동 개입 (Fallback)
일정 시간 초과 시 관제센터 자동 개입. 사용자 요청 없이도 시스템이 문제를 해결 중임을 시각화.
06

실행 · Execution

As-is — 기존 상태

  • 예외 상황 발생 시 명확한 설명 없이 단순 정지 상태만 전달
  • 차량이 고장인지 정상인지 판단 불가
  • 재출발 시점 및 처리 상황 알 수 없음
  • → 불안·혼란 증가, 중도 이탈, CS 문의 폭증

To-be — 개선 방향

  • Why: 정지 원인 명확히 설명
  • When: 재출발 예상 시간 제공
  • System: 관제센터 처리 상태 시각화
  • Action: 대기 / 경로 변경 / 관제 연결 선택지

솔루션 방향: 차량의 상태를 단순 알림이 아닌, 이해 불가능한 상태 → 이해 가능한 상태로 전환하는 Explainable UX 설계. 관제 개입 및 처리 과정을 시각화하여 "시스템이 문제를 해결 중이다"라는 신뢰를 제공한다.

정보 우선순위 프레임워크

1순위
Why
이유 — 왜 멈췄는지
"센서 신호가 일시적으로 불안정합니다"
없으면 즉시 '고장'으로 인식됨
2순위
When
시간 — 언제 끝나는지
"약 20–40초 후 재출발 예정"
기다릴 수 있게 만드는 핵심 정보
3순위
System
상태 — 지금 해결되고 있는지
"관제센터 확인 중"
"아무 일 안 하는 게 아니다"는 신호
4순위
Action
행동 — 내가 할 수 있는 것
대기 / 경로 변경 / 관제 연결
통제감 회복을 위한 선택지

UI 상태 플로우 — 4단계

State 01 · 정지 감지
센서 신호가 일시적으로 불안정합니다

안전을 위해 차량이 자동으로 정차했어요. 고장이 아닙니다.

사용자는 이 순간 아무 정보도 없다. 불안이 시작된다.

상황 설명(Explain) 전략: Why + When + System을 구조화하여 즉시 전달. 사용자가 상황을 '이해'하게 만드는 것이 1차 목표.

센서 신호 불안정 감지 → 안전 정차 자동 실행. "고장이 아닙니다"를 메인 메시지로 노출하고, 예상 대기 시간(약 20–40초)을 즉시 표시한다.

State 01 — 정지 감지 Image
State 02 · 관제 처리 중
센서 신호 점검 중입니다

관제센터가 즉시 처리합니다

시스템이 능동적으로 해결 중임을 실시간으로 보여준다.

진행 상태 시각화: 데이터 전송 → 관제센터 확인 → 재출발 승인 단계를 Progress Indicator로 표시. 처리 중임을 알리는 것만으로 불안이 줄어든다.

개발팀과 합의한 로직: 데이터 지연을 고려해 Why(왜 멈췄는지)를 최우선으로 노출. 대기 중에도 시스템이 작동 중임을 지속 피드백.

State 02 — 관제 처리 중 Image
State 03 · 관제사 연결
선택권을 사용자에게 돌려줍니다

이다현 상담원 · DRT 관제팀 응답 중

통제감 회복으로 불안을 감소시킨다.

선택권 제공(Control) 전략: Primary — 그대로 대기 / Secondary — 경로 변경 또는 관제사 연결. 선택지 자체가 통제감을 준다.

관제사가 보는 정보(차량 위치·상태·승객 정보)를 공개하여 신뢰를 형성. 디자인팀과 심야 안정감 컬러 시스템 별도 협의 적용.

State 03 — 관제사 연결 Image
State 04 · 해결 완료
문제가 해결됐어요

센서 신호가 안정화되어 자동으로 재출발합니다.

3초 후 자동 재출발 · 불편 보상 자동 지급

자동 개입(Fallback) 전략: 일정 시간 초과 시 관제센터 자동 개입. 사용자 요청 없이도 시스템이 문제를 해결 중임을 지속 시각화.

전체 진행 단계 완료 확인 후 자동 재출발. 불편 보상 5원 자동 지급으로 부정 경험을 긍정 기억으로 전환. 신뢰 회복의 마지막 단계.

State 04 — 해결 완료 Image
실행 계획
1–2 Weeks Sprint

자율주행 예외 상황 대응 UX를 실제 서비스로 구현하기 위한 단계별 실행 계획이다. 엣지 케이스 정의부터 배포까지 1–2주 스프린트로 압축하여 사용자 검증 중심의 빠른 이터레이션을 목표로 한다.

각 단계에서 기획 산출물(PRD · 기능정의서 · 정책서)과 디자인 산출물(와이어프레임 · Hi-fi)이 병렬로 생성되어, 개발 착수 시점에 전 문서가 완비된 상태를 유지한다.

01
주행 시 엣지 케이스 정의
User research, PRD 작성, QA
image
02
타겟 세그먼트 유저 플로우 정의
User Journey, CTA 이벤트 정의
image
03
화면 설계 / Hi-Fi 와이어프레임 설계
Component 정의, 인터랙션 명세 작성
image
04
유저 테스트 / 피드백 수집
Usability Test, 사용성 검증 및 인사이트 도출
image
05
피드백 반영 화면 설계 / 기능정의서 / 정책서 제작
개발 핸드오프 문서 완성, 정책 확정
image
06
개발 착수
Front-end · Back-end 스프린트 개발, QA 병행
image
07
배포
단계적 롤아웃, 지표 모니터링, A/B 테스트
image
07

결과 · Results

96%
주행 완료율 (Ride Completion Rate)
예외 상황 발생 시에도 목표 달성 · AV 긍정 경험 축적
-35%
CS 문의율 감소
정의한 엣지케이스 대처가 작동 → 사용성 신뢰도 상승
+25%
14일 재이용률 향상
신뢰 기반 반복 사용 유도 · 장기 LTV 확보
↑Re
Re-call Rate 증가
문제 경험 이후에도 재사용 의지 유지 · 심리적 진입 장벽 완화

측정 지표

지표 측정 방법 방향
Mid-ride Drop-off RateA/B 테스트 대조군 비교↓ 감소
Ride Completion Rate예외 상황 발생 세션 기준↑ 증가
CS Contact Rate예외 상황 후 24시간 내↓ 감소
Re-call Rate30분 내 재호출↑ 증가
14일 재이용률코호트 분석↑ 증가
상황 이해도·불안 감소 체감사용자 인터뷰 (정성)↑ 개선
08

레슨런 · Lessons

L1

기술적으로 완벽한 시스템이라도, 사용자가 상태를 인지하지 못하면 '고장'으로 정의된다

앞으로는 시스템 성능 수치보다 사용자의 심리적 도달 시점을 우선 고려하여 기획하고자 합니다. UX의 역할은 기술을 설명하는 것이 아니라, 기술을 경험으로 번역하는 것이다.

L2

데이터 기반 의사결정: 정량 + 정성 교차 분석이 진짜 원인을 찾는다

이탈 지표(정량)와 인터뷰(정성)를 교차 분석하여 '기능 오류'가 아닌 '인지의 부재'라는 진짜 원인을 찾아낸 것처럼, 표면적 현상 너머의 유효 레버를 찾는 과정을 업무 원칙으로 삼게 되었습니다.

다음 케이스 스터디
Remote Driving Service for AV →
↗