기사님의 탑승 전 전화를 줄이다
83% → 43%
화면은 그대로 둔 채, 출발지 자동설정의 정확도를 높여 기사님의 탑승 전 확인 전화와 안심번호 비용을 함께 줄인 이야기.
탑승 전 전화가, 승객 불편과 비용을 동시에 키웠다
기사님이 탑승 전에 승객에게 전화하는 경우가 83%에 달했다. 출발 위치를 확인하려는 전화였지만, 승객 입장에서는 번거로운 경험이었다.
전화는 불편으로 끝나지 않았다. 기사님의 번호를 가려주는 안심번호 서비스 때문에, 전화가 늘수록 기사님 한 명당 한 달 약 5만원의 비용이 지속적으로 발생했다.
출시 후에도 ‘전화’ 불만은 멈추지 않고 들어왔다
출시 직후부터 ‘기사님이 탑승 전에 전화를 한다’는 불만이 꾸준히 접수됐다. 초기 적응 기간이 지나도 줄지 않고, 매달 비슷하거나 더 큰 규모로 계속 유입됐다.
안심번호 비용 구조
- 일반 무료통화 요금제에는 포함되지 않음
- 통신사와 계약한 사업자가 발신자에게 과금
왜 기사님은 승객에게 전화를 할까?
기사님 인터뷰에서
출시 후, 탑승 전 승객에게 전화한 이력이 있는 현직 카카오 T 기사님 14명을 1:1 심층 인터뷰하고 일부는 운행에 동행해 실제 상황을 관찰했다. 여기서 전화의 이유를 세 가지로 좁혔다.
01기존 콜택시의 경험
전화로 위치를 확인하던 습관이 그대로 남아 있었다.
02승객이 호출을 취소하지 못하게
먼저 연결되면 취소율을 낮출 수 있다고 봤다.
03출발지가 달라서 확인하려고
추천된 출발지와 실제 탑승 위치가 자주 어긋났다.
정확한 출발지를 제공하지 못하고 있는 건 아닐까?
추측에 그치지 않고 실제 서버 로그를 들여다봤다. 호출 시점에 추천한 출발지 좌표와, 기사님이 실제로 승객을 태운 위치(운행 시작 GPS) 좌표를 대조해 둘이 얼마나 벌어지는지, 그리고 자동설정 출발지를 그대로 쓰는 비율은 얼마인지 정량화했다.
출발지 자동 설정 기능의 정확도를 개선하면, 출발지와 실제 탑승지가 다른 경우를 줄이고, 결국 전화하는 비율도 줄일 수 있지 않을까?
UI는 그대로, 출발지 자동설정의 정확도를 끌어올리다
같은 좌표라도 사람마다, 건물마다 기대하는 탑승 지점이 달랐다. 추천 로직과 지도 데이터를 세 방향에서 손봤다.
POI 우선순위 개인화
POI(Point of Interest)는 지도 위의 의미 있는 지점으로, 건물·상점·역 입구처럼 사람들이 출발지로 부를 만한 장소를 말한다.
하나의 좌표에는 여러 출발지 후보가 겹친다. 어떤 후보를 먼저 추천할지 우선순위를 세우되, 개인의 과거 호출 이력을 최우선으로 두어 ‘이 사람이 부를 법한 곳’을 가장 먼저 추천했다.
- 1자신의 호출 이력
- 2타인의 호출 이력
- 3지도 위 텍스트
- 4가까운 랜드마크
- 5지번주소
- 6도로명주소
- 7행정구역 정보
건물의 도로 방향 입구 수동 입력
서울역처럼 큰 건물은 좌표의 중심과 실제 승하차가 일어나는 도로변 입구가 다르다. 자동 보정에만 맡기지 않고, 호출이 잦은 주요 건물의 도로 방향 입구를 한 곳씩 직접 지정해 추천 지점을 사람이 실제로 타는 도로변으로 옮겼다.
랜드마크를 주소로 변환
지도에는 표기되지 않지만 사람들이 실제로 부르는 지명이 있다. 호출 이력 속 이런 표현을 랜드마크로 만들어 지도 데이터에 반영했다.
ex) 부산광역시 동구 범일동 830-296 → “조방 앞”
(옛 조선방직 앞 지역을 부르는 지명)
전화 횟수도, 탑승위치 오차도, 전화 비용도 함께 줄었다
UI를 바꾸지 않고 출발지 자동설정의 정확도를 높였다. 실제 탑승 위치와의 오차가 줄면서 탑승 전 확인 전화가 줄었고, 그만큼 안심번호 서비스 사용 비용도 절감됐다.
사용자의 문제를 정확하게 읽어낼 수 있다면, 해결책도 명확해진다.
문제를 잘 고르면 절반은 한 것이다
‘왜 전화하는가’를 인터뷰로 흩어 놓고, 그중 우리가 풀 수 있는 ‘출발지 부정확’을 행동 데이터(탑승 위치 오차 72%)로 좁혔다. 풀 문제를 고르는 일이 절반이었다.
UI를 건드리지 않고도 경험을 바꿨다
화면을 새로 그리는 대신 추천 로직과 지도 데이터를 손봤다. 사용자는 학습 비용 없이, 그저 더 정확해진 출발지를 경험했다.
한 번의 개선이 비용까지 줄였다
사용성 개선이 안심번호 통화량 감소로 이어졌고, 그대로 운영 비용 절감으로 연결됐다. 경험과 비용을 같은 레버로 풀 수 있었다.
