전환율이 떨어진 건 확인했는데, 정작 무엇을 바꿔야 할지 결정하지 못한 경험이 있나요? 유저가 왜 앱을 떠났는지 이유가 분명하지 않으면, 무엇을 먼저 실험해야 할지 판단하기 어려워 논의가 길어지게 되죠. 문제는 눈앞에 있는데, 해결할 방법을 정하지 못한 채 시간이 흐르는 상황은 제품팀에게 익숙한 고민일 거예요.
Amplitude Wave는 이 과정을 돕는 AI 에이전트예요. 고객 데이터를 분석해 개선할 부분을 찾고, 실행 계획까지 제안해요. 이번 글에서는 Amplitude Wave가 제품 개선 과정에서 어떤 역할을 하는지, 실제 활용 사례와 함께 살펴볼게요.
*Amplitude Wave는 현재 비공개 베타(Closed Beta)로 제공됩니다.
Amplitude Wave는 사용자 행동 데이터와 고객 피드백을 분석해 제품의 문제를 찾고, 해결 방안과 실행 계획을 제안하는 AI 에이전트예요. 분석 결과를 바탕으로 해결 방안과 기대 효과를 정리하고, 그 근거가 된 데이터와 함께 제품 개선 과제(Opportunities)로 제안해요.

제품팀은 제안의 근거를 검토해 실행할 과제를 고르고, 개발팀 혹은 코딩 에이전트와 함께 개선안을 구현할 수 있어요. 제품에 반영한 뒤에는 미리 정한 지표로 효과를 확인해요. Amplitude Wave는 이처럼 문제 조사부터 개발과 성과 확인까지 지원해요.

Amplitude Wave를 활용하려면 먼저 어느 영역을 개선할지 정해야 해요. Amplitude Wave의 제품 영역(Product Area)에서 조사할 범위와 목표, 성과 지표를 설정할 수 있어요. ‘웹사이트 전체’보다 ‘결제 시작부터 완료까지’처럼 범위를 구체적으로 정하면, 팀이 해결하려는 문제에 맞춰 제안을 검토하기 쉬워져요.
이해를 돕기 위해 구독 서비스의 무료 체험 시작률을 높이려는 상황을 가정해볼게요. 이때 지표를 역할에 따라 세 가지로 나눠 설정할 수 있어요.
무료 체험을 시작하는 사람이 늘어도, 청구 조건을 오해한 사용자의 구독 해지가 함께 늘었다면 결과를 다시 살펴봐야 해요. 성공 기준을 먼저 정해두면 개선안을 선택할 때와 변경 후 성과를 평가할 때 일관된 판단을 내릴 수 있어요.
개선할 영역을 정했다면, Amplitude Wave는 연결된 데이터 소스를 분석해요. 차트와 대시보드, 사용자 행동을 다시 볼 수 있는 세션 리플레이, 고객 피드백, 실험 결과 등을 함께 살펴보죠. 코드 저장소가 연결돼 있다면 현재 기능이 어떻게 구현돼 있는지도 확인할 수 있어요. 실제 조사 범위는 프로젝트와 제품 영역에 연결된 소스에 따라 달라져요.
앞선 무료 체험 예시를 이어서 볼게요. 전환 흐름을 살펴보면 사용자가 결제 정보 입력 단계에서 많이 이탈한다는 사실을 확인할 수 있어요. 이때 입력창을 반복해서 누르는 모습이 보이고 ‘무료 체험 기간에도 결제되나요?’라는 문의도 있다면, 결제 시점을 충분히 안내하고 있는지 살펴볼 수 있겠죠.
이처럼 지표로 문제의 규모를 파악하고, 실제 행동과 피드백을 함께 살펴 원인에 대한 가설을 세워요. Amplitude Wave가 제시하는 개선 과제에는 근거가 된 차트와 세션 리플레이, 고객 피드백을 확인할 수 있는 링크도 포함돼요. 팀은 근거 자료를 확인하면서 제안이 타당한지 판단하고, 필요한 경우 가설이나 해결 방안을 수정할 수 있어요.

실행할 과제를 정한 뒤, 개선안을 바탕으로 개발을 진행해요. 지원되는 환경에서는 코딩 에이전트가 연결된 코드 저장소에서 필요한 부분을 수정하고, 개발팀에 검토를 요청하는 풀 리퀘스트(PR)를 만들 수 있어요.
수정된 코드가 제품에 자동으로 반영되지는 않아요. 개발팀이 변경 내용을 직접 검토하고, 기존 개발·배포 절차에 따라 제품에 반영해요. 이후 실험 결과와 측정 데이터로 무료 체험 시작률이 높아졌는지, 다른 중요한 지표가 나빠지지는 않았는지 확인하죠. 결과가 기대와 다르거나 판단할 데이터가 부족하다면 가설과 측정 기준을 다시 살펴보고 다음 실험을 계획할 수 있어요.
앰플리튜드는 Amplitude Wave를 자체 제품에 활용하면서 사용자가 겪던 불편을 발견했어요. 퍼널 차트에서 이탈 원인을 조사하려고 세션 리플레이를 열어도, 영상이 처음부터 재생되기 때문에, 유저는 보고 싶은 장면을 찾기 위해 타임라인을 다시 탐색해야 했죠.
Amplitude Wave는 관련 시점 약 2초 전부터 영상을 재생하고, 타임라인에 해당 위치를 표시하는 개선안을 제안했어요. 앰플리튜드는 이 개선안을 적용한 뒤 30일간 해당 차트의 일평균 리플레이 실행률이 15% 늘었다고 밝혔어요.
클라우드 서비스 기업 디지털오션(DigitalOcean)은 Amplitude Wave 베타를 활용해 온보딩과 AI 제품 사용 과정의 불편을 살펴봤어요. Amplitude Wave가 가설과 화면 구성안, 실험 설계를 제안하면 PM이 실행할 과제를 고르고, 엔지니어가 실험에 필요한 기능을 개발하는 방식이었어요.
Amplitude Wave는 가상 서버인 드롭릿(Droplet)의 생성 화면에서, 서버를 만들려면 결제수단부터 등록해야 한다는 점을 더 잘 보이게 하자고 제안했어요. 디지털오션은 이 제안에 따라 화면 상단에 결제수단 등록 안내 배너를 배치하는 실험을 진행했어요. 배너를 본 팀은 대조군보다 결제수단을 등록할 가능성이 3.3% 높았어요. 실험에서 정한 신뢰도 80% 기준을 넘긴 결과였고, 디지털오션은 이 배너를 확대 적용하기로 결정했어요.
Amplitude Wave가 조사와 계획 수립을 지원하면, 제품팀은 근거를 모으고 정리하는 부담을 덜 수 있어요. 회의에서 고객 문의와 데이터를 처음부터 찾아 설명하는 대신, 정리된 개선안을 놓고 ‘지금 해결할 가치가 있는가’, ‘우리 제품의 방향과 맞는가’를 논의할 수 있죠.
이제 팀은 온전히 목표와 우선순위를 정하는 일에 집중할 수 있어요. 같은 데이터를 보더라도 가입 전환율을 높일지, 첫 사용 경험을 개선할지, 장기 리텐션을 높일지에 따라 먼저 할 과제는 달라지죠. 팀은 Amplitude Wave가 제시한 근거를 살펴 제품 전략에 맞는 과제를 선택하고, 실험 결과를 바탕으로 다음에 할 일을 정할 수 있어요.
앰플리튜드가 만들어갈 제품 분석의 미래가 궁금하다면 앰플리튜드 전문가와 이야기를 나눠보세요. 고객 데이터를 활용해 우리 제품의 전환과 리텐션을 분석하고, 개선할 부분을 찾는 방법을 전문가와의 데모를 통해 알아보세요.