CBT 저널링 UX 설계: 우리가 기분 이모지를 없앤 이유

빠른 답변: 사람들이 실제로 사용하는 CBT 저널링 UX를 만들고 싶다면, 표준 기분 이모지를 없애야 합니다. Vividiary에서 우리는 기본적인 기분 추적 기능이 사용자에게 '왜'가 아닌 '무엇'을 느끼는지밖에 알려주지 못한다는 사실을 깨달았습니다. 초기에는 전통적인 7단계 임상 CBT 양식을 테스트했으나, 사용자 테스트에서 60%라는 처참한 이탈률을 확인하고 폐기했습니다. 너무 숙제처럼 느껴졌기 때문입니다. 대신 우리는 대화형 트리거 매핑으로 전환했습니다. 이를 구현하려면 강력한 LLM 추론 능력이 필요했습니다. 우리는 온디바이스 AI가 미묘한 인지 재구성을 수행할 능력이 부족하다고 판단하여 명확히 거부했습니다. 대신 개인정보 보호를 최우선으로 하는 클라우드 아키텍처를 선택하여, 사용자가 자신의 정신 건강을 이해하는 데 필요한 깊이 있고 맥락적인 통찰력을 제공하면서도 제로 파티 데이터를 강력하게 암호화했습니다.

---

Vividiary를 처음 설계할 때, 우리는 다른 모든 정신 건강 앱이 하는 방식대로 아름답게 그려진 기분 이모지 그리드를 만들었습니다.

우리는 '우울함'과 '슬픔'을 나타내는 파란색의 미묘한 차이를 두고 몇 주간 논쟁했습니다. 우리는 최고의 감정 어휘 도구를 만들고 있다고 생각했습니다. 하지만 실제 사용자들에게 선보였을 때, 데이터는 우리에게 큰 충격을 주었습니다. 사람들은 선택의 기로에서 마비된 채 15에서 20초 동안 화면을 응시하다가 결국 앱을 강제 종료했습니다.

우리는 제품에 대한 냉혹한 진실을 깨달았습니다. 전통적인 기분 추적은 근본적으로 결함이 있다는 것입니다. 이는 원인(트리거)을 밝혀내지 못한 채 결과(감정)만을 측정합니다. 사용자에게는 비참함이 담긴 다채로운 차트만 남을 뿐, 이를 해결하기 위한 실행 가능한 다음 단계는 전혀 제공하지 못합니다.

다음은 우리가 원래 설계를 어떻게 허물었는지, 대신 무엇을 시도했는지, 그리고 왜 Vividiary를 트리거 매핑 중심으로 완전히 재설계했는지에 대한 내부 이야기입니다.

우리가 표준 기분 이모지를 없앤 이유#

문제점 초기 목표는 간단했습니다. 사용자가 자신의 기분을 기록할 방법을 제공하는 것이었습니다. 업계 표준은 사용자에게 감정의 스펙트럼을 나타내는 20-30개의 이모지를 제시하는 것입니다.#

하지만 초기 베타 테스트 중에 우리는 명백한 문제를 발견했습니다. 사용자가 극심한 감정적 고통 상태에 있을 때—예를 들어 공황 발작을 겪었거나 파트너와 크게 싸웠을 때—그들이 가장 하기 싫은 일은 "불안하지만 화도 나고 약간 배도 고픈" 상태를 완벽하게 나타내는 얼굴을 찾기 위해 이모지 그리드 속에서 '월리를 찾아라' 놀이를 하는 것입니다.

게다가 감정을 고립된 상태로 기록하는 것은 감정 조절에 도움이 되지 않습니다. 화요일에 '화남', 수요일에 '슬픔', 목요일에 '불안'이라는 데이터가 있다면 그 정보를 가지고 무엇을 할 수 있을까요? 아무것도 할 수 없습니다. 막다른 길일 뿐입니다.

우리가 선택한 접근 방식 우리는 기본 입력 방식으로서의 이모지 그리드를 없애기로 했습니다. 대신 이를 급진적으로 간소화된 5단계 기분 시스템으로 대체했습니다: 최고, 좋음, 보통, 낮음, 최악.#

우리는 특정 이모지를 기록의 초기 마찰을 통과한 후에만 볼 수 있는 특정 감정 및 활동을 위한 선택적 다중 선택 화면으로 옮겼습니다.

왜 그랬을까요? 5개의 큰 버튼 중 하나를 누르는 데는 정확히 3초밖에 걸리지 않기 때문입니다. 이는 인지 부하를 획기적으로 줄여줍니다. 후속 A/B 테스트에서 이 간단한 변경은 일일 기록 완료율을 41%만큼 증가시켰습니다. 이 뒤에 숨겨진 더 깊은 심리학이 궁금하시다면, 제가 작성한 감정 중심 제품 디자인에 관한 글과 사용자의 길을 방해하지 않는 것이 디자이너가 할 수 있는 최선인 이유에 대해 읽어보시기 바랍니다.

우리가 거부한 것: 7단계 임상 CBT 양식#

문제점 기분 입력 방식을 단순화한 후, 우리는 기분 뒤에 숨겨진 '맥락', 즉 '이유'를 포착할 방법이 필요했습니다. 인지 행동 치료(CBT)는 이를 위한 표준입니다. 그래서 당연히 우리는 CBT 워크시트를 디지털화해야 한다고 생각했습니다.#

우리가 고려했다가 폐기한 접근 방식 우리는 포괄적인 7단계 임상 CBT 양식을 만들었습니다. 사용자에게 다음 항목에 대한 텍스트 상자를 수동으로 채우도록 요청했습니다: 1. 상황 2. 초기 생각 3. 감정 (및 강도 1-100) 4. 신체적 감각 5. 행동/반응 6. 나타난 인지 왜곡 7. 대안/재구성된 생각#

임상적 관점에서는 완벽했습니다. 치료사가 종이에 적어주는 것과 정확히 같았으니까요.

제품 관점에서는 완전히 재앙이었습니다.

우리가 배운 점 우리는 이를 500명의 베타 테스터 그룹에 배포했습니다. 결과는 처참했습니다. 3일 만에 60%의 이탈률을 보였습니다.#

사용자 인터뷰를 진행했을 때 피드백은 만장일치였습니다. "숙제하는 기분이에요."

사용자들은 기분이 '낮음'이나 '최악'일 때 7개 문단에 달하는 깊은 심리 분석을 타이핑하는 것이 너무 압도적이라고 말했습니다. 우리는 사용자가 감정적으로 불안정한 상태일 때 인지 재구성이라는 힘든 작업을 요구하고 있었던 것입니다. 잘못된 시기에 잘못된 도구를 사용한 셈입니다. 이러한 임상 CBT 저널링 기법은 치료사의 사무실에서는 매우 효과적이지만, 스스로 수행하는 모바일 UX로서는 처참하게 실패합니다.

트리거 매핑: 실제로 작동하는 CBT 저널링 UX 구축#

해결책 정적인 양식이 숙제처럼 느껴진다면, 무엇이 자연스럽게 느껴질까요? 바로 대화입니다.#

우리는 7단계 양식을 완전히 폐기하고 AI 기반 대화형 UI로 전환했습니다. 음성과 텍스트 모두에서 사용할 수 있는 AI 대화 모드를 도입하여 부드럽고 호기심 많은 청취자 역할을 하도록 했습니다.

AI는 7개의 데이터 포인트를 미리 요구하는 대신, 단순히 "오늘 무슨 일이 있었나요?"라고 묻습니다. 사용자가 속마음을 털어놓으면 AI는 CBT에 기반한 타겟팅된 후속 질문을 던집니다.

사용자: "내일 발표 때문에 너무 스트레스받아요. 망칠 것 같아요."
AI: "발표가 큰 부담이 되는군요. 구체적으로 어떤 점 때문에 망칠 것 같다고 느끼시나요?"

백그라운드에서 AI는 힘든 작업을 수행합니다. 상황, 감정, 인지 왜곡(이 경우, 점쟁이 오류)을 조용히 추출합니다. 대화가 자연스럽게 마무리되면 AI는 사용자가 검토, 수정 및 저장할 수 있는 1인칭 일기 초안을 매끄럽게 생성합니다.

이것이 게임 체인저인 이유: 트리거 매핑 이 마찰 없는 수집 방식은 단순히 기분을 기록하는 것과 그 근본 원인을 이해하는 것 사이의 간극을 메워줍니다. 대화를 통해 맥락을 포착함으로써 우리는 트리거 매핑을 수행할 수 있습니다.#

트리거 매핑을 통해 우리 시스템은 시간이 지남에 따라 점들을 연결할 수 있습니다. 사용자에게 "'낮음' 기분을 기록할 때의 80%가 상사에 대한 대화 이후라는 점을 발견했습니다"와 같이 알려줄 수 있습니다.

이 데이터를 이해하기 쉽게 만들기 위해 고급 분석 기능을 구축했습니다. 무료 티어는 무제한 기분 기록, 하루 3회의 AI 대화, 기본 분석을 제공하지만, 심층 데이터 시각화는 프리미엄 티어($2.99/월 또는 $11.99/년)로 제한했습니다. 프리미엄 사용자는 주간 및 월간 기분 보고서, 버블 차트, 이러한 행동 루프를 시각화하는 히트맵에 액세스할 수 있습니다.

게임화된 UX 하지만 CBT는 여전히 힘든 작업입니다. 성찰이라는 어려운 과정을 통해 참여를 유지하기 위해 우리는 게임화된 UX를 도입했습니다. 사용자가 기분을 기록하고 트리거 매핑 세션을 완료하면 '클레이(Clay)' 캐릭터를 육성하게 됩니다. 30일 동안 이 캐릭터는 사용자의 감정 데이터에 직접적인 영향을 받아 8개의 최종 형태 중 하나로 성장하고 진화합니다. 이는 일상적이고 때로는 고통스러운 기록을 자기 발견의 보람 있는 여정으로 바꿔줍니다.#

아키텍처: 왜 온디바이스 AI 대신 개인정보 보호 우선 클라우드를 선택했는가#

문제점 트리거 매핑은 사용자가 매우 개인적인 맥락을 공유해야 합니다. 사용자가 앱에 결혼 문제, 직장 내 불안, 가장 깊은 불안감을 털어놓으려면 데이터가 안전하다는 철저한 보장이 필요합니다.#

Vividiary는 근본적으로 제로 파티 데이터 웰니스 앱입니다. 제로 파티 데이터는 고객이 의도적이고 능동적으로 브랜드와 공유하는 데이터입니다. 매우 신뢰할 수 있지만 엄청난 신뢰를 요구합니다.

우리가 고려한 접근 방식 AI 아키텍처를 설계할 때, AI 처리를 어디서 수행해야 할지에 대해 엄청난 내부 논쟁이 있었습니다.#

접근 방식 1: 온디바이스 AI
우리는 작고 국소적인 LLM을 사용자의 휴대폰에서 직접 실행하는 것을 강력하게 고려했습니다. 장점은 분명합니다. 처리를 위해 데이터가 기기를 떠나지 않는다면 개인정보 보호를 마케팅하기 이론적으로 더 쉽기 때문입니다.

접근 방식 2: 클라우드 기반 LLM
클라우드에 호스팅된 프런티어 모델(OpenAI의 GPT-4 또는 Anthropic의 Claude 등)을 사용하며, 처리를 위해 데이터를 네트워크로 전송해야 합니다.

우리가 선택한 것 (그리고 이유) 우리는 온디바이스 AI를 명확히 거부했습니다.#

왜일까요? 로컬 모바일 모델은 아직 충분히 똑똑하지 않기 때문입니다. CBT 재구성을 위해 7B 파라미터 로컬 모델을 테스트했을 때, 결과는 매우 일반적이거나("걱정 마세요, 행복하세요!") 완전히 환각에 가까웠습니다. 미묘한 인지 재구성은 엄청난 추론 능력을 필요로 합니다. AI가 잘못된 심리적 피드백을 제공한다면, 이는 단순히 나쁜 UX를 넘어 사용자의 정신 건강에 잠재적으로 해로울 수 있습니다.

대신 우리는 개인정보 보호 우선 클라우드 아키텍처를 선택했습니다. 우리는 최고 품질의 CBT 추론을 보장하기 위해 클라우드 기반 LLM을 사용합니다.

구축 방식 이 민감한 제로 파티 데이터를 보호하기 위해 우리는 현대적이고 매우 안전한 스택으로 Vividiary를 구축했습니다. 프런트엔드에는 React Native(Expo), 백엔드 데이터베이스에는 Supabase, 구독 관리에는 RevenueCat, 안전한 사용자 인증에는 Firebase Auth를 사용했습니다.#

AI가 데이터를 처리하려면 클라우드로 전송되어야 하므로, 우리는 엄격한 개인정보 보호 우선 설계 원칙을 적용합니다. 모든 데이터는 전송 중(TLS를 통해)과 Supabase 데이터베이스에 저장된 상태 모두에서 강력하게 암호화됩니다. 우리는 귀하의 일기 항목을 의료 기록처럼 취급합니다. 우리는 데이터를 판매하지 않으며, 개인 일기를 기반으로 자체 기초 모델을 훈련하지 않으며, 클라우드 인프라가 엄격한 보안 표준을 충족하도록 보장합니다.

우리는 마케팅 기믹보다 투명성을 선택했습니다. 우리는 데이터가 "로컬에서 처리된다"고 주장하지 않을 것입니다. 사실이 아니기 때문입니다. 데이터는 귀하의 개인정보를 침해하지 않으면서 최상의 CBT 통찰력을 얻을 수 있도록 매우 안전한 클라우드 환경에서 처리됩니다.

데이터: 30일 유지율에 대한 냉혹한 진실#

그래서, 이 모든 것이 효과가 있었을까요?

솔직하게 말씀드리기로 했으니 숫자를 살펴보겠습니다. 7단계 임상 양식을 운영했을 때, 우리의 30일 유지율은 12%라는 암울한 수치였습니다. 사람들은 앱을 다운로드하고 너무 많은 작업이 필요하다는 것을 깨닫고 이탈했습니다.

기분 이모지 그리드를 없애고, 3초짜리 5단계 기분 기록기를 도입하고, 대화형 트리거 매핑을 출시하고, 진화하는 클레이 캐릭터를 추가한 후, 우리의 30일 유지율은 34%로 급상승했습니다.

특정 코호트와 우리가 성공을 측정하는 방법에 대해 더 자세히 알고 싶다면, 30일 유지율 지표에 대한 전체 분석을 읽어보실 수 있습니다.

우리가 배운 점 건강 및 웰니스 카테고리에서 30일차 유지율 34%은 매우 강력하지만 완벽하지는 않습니다.#

우리는 여전히 일부 사용자가 AI 대화를 약간 기괴하게 느낀다는 것을 알게 되었습니다. 사용자 중 약 15%는 AI 채팅을 완전히 거부하고 5단계 기분 기록기만 사용하며 직접 메모를 작성하는 것을 선호합니다. 또한 음성-텍스트 변환 기능이 인기가 많지만 강한 억양을 처리하는 데 어려움을 겪는다는 점도 알게 되었으며, 이는 우리 엔지니어링 팀이 개선을 위해 적극적으로 노력하고 있는 부분입니다.

다음 계획 현재 프리미엄 티어를 위한 더 강력한 트리거 매핑 시각화 기능을 구축 중이며, 사용자가 기분 데이터를 날씨, 수면 데이터(Apple Health 통합), 스크린 타임과 같은 외부 요인과 교차 참조할 수 있도록 할 예정입니다.#

CBT 저널링 UX를 구축하는 것은 임상적 효능과 인간적 마찰 사이의 균형을 맞추는 작업입니다. 너무 임상적으로 만들면 사용자가 떠날 것입니다. 너무 단순하게(이모지 그리드처럼) 만들면 사용자가 아무런 가치를 얻지 못할 것입니다. 대화형 트리거 매핑과 개인정보 보호 우선 클라우드 아키텍처에 집중함으로써, 우리는 마침내 그 최적의 지점을 찾았다고 믿습니다.