소개

오늘날 기업들은 그 어느 때보다 많은 고객 데이터를 수집하고 있습니다. 대부분의 혁신은 실패합니다. 맥킨지(2023)에 따르면, 94%의 임원 는 회사의 혁신 성과에 대한 불만족을 보고하고 있으며, 하버드 비즈니스 리뷰(2019)는 다음과 같이 지적합니다. 2년 내 85%의 소비자 신제품이 실패합니다..

가장 큰 이유는? 기업들은 고객이 구매하는 이유보다는 고객이 누구인지에 너무 집중합니다. 전통적인 마케팅은 다음을 강조합니다. 인구 통계, 심리 통계 및 설문 조사 기반 고객 인사이트하지만 이는 소비자 행동의 이면에 있는 더 깊은 동기를 포착하지 못합니다.

그리고 JTBD(작업 완료) 프레임워크에 의해 개척된 클레이튼 크리스텐슨는 인과관계 고객 행동에 대한 이해, 비즈니스 창출 지원 더 나은 제품, 서비스 및 마케팅 전략 사람들이 구매 결정을 내리는 실제 이유에 초점을 맞춰서 말이죠.

이 글에서는 이에 대해 알아보겠습니다:
✅ JTBD의 기원 그리고 실패한 혁신에 대한 연구를 통해 어떻게 등장했는지 알아보세요.
✅ 고객이 제품을 '고용'하고 '해고'하는 방법 요구 사항을 기반으로 합니다.
✅ JTBD의 주요 원칙과 비즈니스 전략에 미치는 영향.
✅ 실제 사례 연구 JTBD가 주도하는 성공적인 혁신을 선보입니다.
✅ 기업이 경쟁 우위를 확보하기 위해 JTBD를 구현하는 방법.

완료해야 할 작업(JTBD)의 기원

전통적인 혁신이 실패하는 이유

수십 년 동안 기업들은 고객 페르소나, 포커스 그룹 및 설문조사 를 통해 제품 개발과 마케팅에 참고합니다. 하지만 이러한 노력에도 불구하고 많은 기업이 실제 소비자의 니즈를 예측하는 데 실패하고 있습니다.

💡 실패한 혁신의 주요 사례:

세그웨이 (2001) - 미래형 운송 수단으로 마케팅되었지만 해결해야 할 실질적인 '일'을 찾아내는 데는 실패했습니다.
뉴 코크 (1985) - 청량음료 구매의 주요 동인은 맛으로 추정되며, 감정 및 브랜드 충성도 요인은 무시되었습니다.
구글 글래스 (2014) - 실제 고객 문제를 해결하기보다는 기술 발전에 집중합니다.

클레이튼 크리스텐슨 & 파괴적 혁신

그리고 JTBD 프레임워크 의 작업에서 비롯되었습니다. 클레이튼 크리스텐슨의 저자이자 하버드 비즈니스 스쿨 교수이자 혁신가의 딜레마 (1997). Christensen's 파괴적 혁신 이론 는 시장 리더들이 종종 실패하는 이유를 다음과 같이 설명합니다. 점진적 개선 실제 고객의 문제를 해결하기보다는

크리스텐슨과 그의 연구팀은 다음과 같은 사실을 발견했습니다. 고객은 기능 때문에 제품을 구매하는 것이 아니라 특정 업무를 수행하기 위해 제품을 '고용'합니다.. 이러한 깨달음으로 인해 완료해야 할 작업 접근 방식, 다음 사항에 중점을 둔 방법론 고객이 누구인지가 아닌 제품을 바꾸는 이유.

고객이 제품을 '고용'하고 '해고'하는 방법

JTBD의 핵심 원칙

🔹 고객은 제품을 구매하는 것이 아니라 주어진 상황에서 발전하기 위해 제품을 고용합니다.
🔹 제품이 잘 작동하면 다시 '고용'합니다. 그렇지 않으면 '해고'하고 다른 대안을 찾습니다.

💡 예시: 맥도날드 밀크셰이크 사례 연구
클레이튼 크리스텐슨의 팀은 유명한 JTBD 연구 와 함께 맥도날드 를 통해 사람들이 밀크셰이크를 구매하는 이유를 파악할 수 있습니다.

📌 전통적인 접근 방식:
맥도날드는 처음에 다음 사항에 중점을 두었습니다. 고객 인구 통계 및 맛 선호도. 밀크셰이크의 맛과 농도를 조정하기 위해 포커스 그룹을 실시했지만 매출은 보합세 유지.

📌 JTBD 접근 방식:
연구원들은 다음과 같은 사실을 발견했습니다. 대부분의 밀크셰이크 판매는 이른 아침에 이루어졌습니다.. 고객들은 단순히 음료로만 구매하지 않았습니다. 장거리 출퇴근 시 편리하고 지저분하지 않으며 오래 지속되는 아침 식사로 밀크셰이크 활용하기.

📌 결과:
맥도날드 밀크셰이크를 더 진하고 포만감 있게 재설계했습니다.아침 출근길에 더 오래 지속됩니다.맛이나 브랜드를 변경하지 않고도 매출이 크게 증가했습니다..

핵심 요점: 고객은 기능만 보고 제품을 구매하지 않습니다. 일상 생활에서 특정 목표를 달성하는 데 도움이 되는 제품을 선택합니다.

고객 업무의 세 가지 차원

완전히 이해하려면 고객이 제품을 사용하는 이유기업에서 고려해야 할 사항 세 가지 유형의 작업을 수행할 수 있습니다:

1️⃣ 기능적 일자리 - 구매의 실질적인 이유.
✅ 예시: 고객이 구매 방수 재킷 를 사용하여 비를 피할 수 있습니다.

2️⃣ 감성적 일자리 - 제품과 관련된 느낌.
✅ 예시: 누군가 구매 프리미엄 레인코트 자신감과 스타일리시함을 느낄 수 있습니다.

3️⃣ 소셜 채용 - 구매가 사회적 인식에 미치는 영향
✅ 예시: 고객이 다음을 선택합니다. 친환경 비옷 를 사용하여 환경을 고려하는 것처럼 보이도록 합니다.

💡 예시: 테슬라의 JTBD 전략
테슬라는 단순히 전기 자동차만 판매하는 것이 아닙니다. 기술 혁신과 지속 가능성에 대한 비전을 판매합니다..
✔️ 기능적 작업: 고성능, 고연비 자동차.
✔️ 감성적인 직업: 지속 가능성의 선구자라는 느낌.
✔️ 소셜 직업: 고급 차량 운전으로 얻는 지위와 명성.

비즈니스 전략에 JTBD 적용

전통적인 마케팅과 JTBD

전통적인 마케팅	완료해야 할 작업 접근 방식
중점 사항 고객 인구 통계	중점 사항 고객 의도 및 요구 사항
용도 포커스 그룹 및 설문 조사	용도 심층 인터뷰 및 관찰 연구
제품 기능 비교	식별 고객 불만 사항
경쟁 상대 직접 시장 경쟁자	고려 사항 모든 경쟁 솔루션 같은 직업으로

💡 예시: 넷플릭스 대 블록버스터

블록버스터(기존 접근 방식)	넷플릭스(JTBD 접근 방식)
집중 대상 DVD 대여 및 연체료	집중 대상 렌탈 불편함 제거
가정 고객 원하는 다양성	고객 이해 즉시 액세스 원함
경쟁 제품 비디오 대여점	경쟁 제품 케이블, DVD, 비디오 게임까지
무시 편의성 작업	엔터테인먼트 제작 온디맨드 & 마찰 없는

결과: 블록버스터는 2010년에 파산 신청을 했고, 넷플릭스는 2010년에 파산 신청을 했습니다. $250B 회사 에 집중함으로써 고객의 업무 수행.

JTBD, AI, 비즈니스 민첩성의 교차점

오늘날 기업들은 다음과 같은 이유로 급격한 변화를 경험하고 있습니다. 디지털 혁신, 인공 지능(AI), 진화하는 소비자 기대치. 하지만 이러한 발전에도 불구하고, 많은 기업이 여전히 혁신과 고객 참여에 어려움을 겪고 있습니다..

그리고 JTBD(작업 완료) 프레임워크에 의해 처음 개척된 클레이튼 크리스텐슨는 인과관계 고객이 구매 결정을 내리는 이유를 이해합니다. 비즈니스에 도움이 됩니다. AI 기반 솔루션과 민첩한 비즈니스 모델 설계 그 실제 고객 니즈에 부합 낡은 시장 세분화 기법에 의존하지 말고, 새로운 시장 세분화 기법을 도입하세요.

의 등장으로 AI 기반 의사 결정 그리고 비즈니스 민첩성기업은 다음을 통합해야 합니다. JTBD 사고 를 전략에 도입하여 경쟁력을 유지하고 있습니다. 이 글에서는 이에 대해 살펴보겠습니다:

✅ 고객 인사이트 향상을 위해 AI로 JTBD 분석을 개선하는 방법
✅ JTBD 원칙이 비즈니스 민첩성과 연계되는 방법 적응형 비즈니스 모델
✅ AI 기반 JTBD 전략이 성공을 이끈 실제 사례 연구
✅ 기업이 AI 기반 JTBD 인사이트를 활용하여 경쟁 우위를 확보하는 방법

대부분의 AI 기반 혁신이 실패하는 이유는 무엇일까요?

AI의 잠재력에도 불구하고, 많은 AI 기반 비즈니스 이니셔티브가 실패합니다. 왜냐하면 그들은 고객 니즈에 대한 깊은 이해 부족.

🔹 맥킨지(2023년)에 따르면 94%의 경영진이 는 회사의 혁신 성과에 불만족하고 있습니다.
🔹 하버드 비즈니스 리뷰(2019)에 따르면 85%의 AI 기반 제품이 실패합니다. 실제 고객의 요구와 일치하지 않기 때문입니다.
🔹 AI 모델은 인과 관계에 기반한 고객 행동 인사이트가 아닌 상관관계 기반 데이터로 학습되는 경우가 많습니다.

JTBD 사고 없이 AI가 부족한 부분

1️⃣ AI 예측 분석은 상관관계를 지나치게 강조합니다:

AI는 패턴을 식별할 수 있습니다(예: "고급 자동차를 구매하는 사람들은 프리미엄 커피도 구매한다").
하지만, 상관관계는 고객이 구매하는 이유를 설명하지 못합니다. (예: "고객은 사회적 지위를 위해 고급 자동차를 구매하지만, 감각적 경험과 편의를 위해 프리미엄 커피를 구매한다").

2️⃣ AI 챗봇과 가상 비서는 문맥 인식이 부족합니다:

많은 의미 있는 고객 지원을 제공하지 못하는 AI 챗봇 왜냐하면 그들은 고객이 수행해야 하는 진정한 '업무'를 인식하지 못함.
대신 스크립트 응답 반복, AI 시스템 고객의 어려움과 정서적 요구를 인식하도록 교육받아야 합니다..

3️⃣ AI 기반 마케팅은 감성적이고 소셜한 일자리를 놓칩니다:

AI 기반 광고 타겟팅은 다음 사항에 중점을 둡니다. 인구 통계학적 유사성하지만 고객의 더 깊은 동기를 포착하지 못함.
예시: 연령과 성별에 따른 피트니스 앱 추천 정서적, 사회적 이유를 무시합니다. 피트니스 동기(예: 건강 문제, 자존감, 커뮤니티 소속감) 뒤에 숨어 있습니다.

📌 솔루션: AI는 다음과 같아야 합니다. JTBD 분석과 결합 에서 이동하려면 상관관계 기반 예측 에 인과 관계 중심의 인사이트.

AI 기반 JTBD: 고객 중심 비즈니스 전략의 미래

AI가 JTBD 인사이트를 향상시키는 방법

✅ AI 기반 행동 분석 → 비즈니스 분석 지원 고객의 어려움 를 클릭하고 숨겨진 완료해야 할 작업을 발견하세요.
✅ 자연어 처리(NLP) → 깊이 추출 정서적 및 사회적 동기 고객 구매 뒤에 숨어 있습니다.
✅ 고객 세분화를 위한 머신 러닝 → 그 이상으로 이동 인구 통계 고객 세분화 직무와 고충을 기반으로.
✅ 대화형 AI 및 감정 분석 → 기업의 이해를 돕습니다. 고객이 제품을 '불매'하는 이유 불만족의 원인이 무엇인지 알아보세요.

실제 사례: 실제 활용 중인 AI 기반 JTBD

📌 넷플릭스의 AI 기반 개인화(JTBD 성공 사례)

기존 추천 시스템 인구 통계별로 시청자 분류.
넷플릭스 JTBD 기반 모델로 전환를 통해 이를 인식하고 있습니다:
- 일부 고객은 다음과 같은 목적으로 넷플릭스를 '고용'합니다. 퇴근 후 휴식.
- 넷플릭스를 '고용'하는 다른 사람들은 가족과의 유대감 또는 새로운 것을 배우다.
AI-driven personalization now tailors recommendations based on viewing behaviours and inferred customer jobs.

📌 Spotify’s AI and JTBD Strategy

Spotify’s AI doesn’t just recommend music—it recommends based on customer “jobs.”
Recognizing that music is often hired to manage emotions, Spotify introduced mood-based playlists and AI-curated daily mixes.

AI-Powered JTBD in B2B Contexts

📌 Salesforce’s AI-Driven Customer Relationship Management (CRM)

AI-powered Salesforce Einstein analyses customer interactions to determine:
- Why certain customers are at risk of churn.
- What “job” the customer is trying to accomplish.
Instead of relying on static customer profiles, Salesforce uses real-time AI insights to adjust strategies dynamically.

💡 Key Insight: AI alone cannot replace human intuition and strategy—but when combined with JTBD 사고, it becomes a powerful tool for predicting and fulfilling customer needs.

JTBD + AI Business Agility: Perfect Match in Digital Age

Why Business Agility Needs JTBD Thinking

Agile businesses thrive by adapting to customer needs and iterating quickly. JTBD helps agile teams by:
✔️ Clarifying customer priorities → Teams focus on what truly matters to customers.
✔️ Avoiding feature creep → Prevents businesses from adding unnecessary AI features that don’t solve real jobs.
✔️ Supporting rapid prototyping → Businesses test whether a product actually fulfils a job before scaling.

Case Study: How Agile Businesses Use JTBD

📌 Amazon’s AI-Powered JTBD Approach

Amazon doesn’t just sell products—it optimizes for different customer jobs.
- Prime members “hire” Amazon for ultra-fast, convenient delivery.
- Kindle users “hire” Amazon for access to instant digital reading.
Amazon’s AI identifies changing customer jobs and adapts product offerings dynamically.

📌 Tesla’s AI and JTBD Strategy

Tesla’s autonomous driving AI isn’t just about self-driving—it’s about solving the job of reducing driver fatigue and increasing convenience.
Instead of competing with traditional car brands, Tesla focuses on software-based agility, continuously updating features based on evolving customer jobs.

How Businesses Can Implement AI-Powered JTBD for Competitive Advantage

Step 1: Identify Customer Jobs with AI-Powered Behavioural Data

📌 Use AI-driven customer journey mapping to analyse how people interact with products and services.

Step 2: Align AI and Business Agility with JTBD Insights

📌 Design agile business models that adapt to customer job changes dynamically.

Step 3: Integrate AI-Driven Personalization Based on Customer Jobs

📌 Use AI-powered recommendation engines to match products/services to real customer jobs.

Step 4: Leverage Conversational AI & Sentiment Analysis for Customer Feedback

📌 Monitor AI chatbots and support interactions to detect 고객의 어려움 and pivot business strategy accordingly.

Future of JTBD, AI, and Business Agility

✅ AI is a powerful tool, but it must be guided by Jobs-to-Be-Done insights.
✅ Business agility is essential for adapting to evolving customer needs.
✅ JTBD thinking transforms AI-driven business models from feature-driven to truly customer-centric.

Citations & References

CB Insights. (2023). The Top Reasons Startups Fail.
Christensen, C. M., Hall, T., Dillon, K., & Duncan, D. S. (2016). Competing Against Luck: The Story of Innovation and Customer Choice. Harper Business.
McKinsey & Company. (2023). The State of Innovation in Global Business.
Harvard Business Review. (2019). Why Most New Products Fail: Lessons from 40,000 Launches.
Netflix AI Personalization Case Study, MIT Technology Review (2022).
Tesla AI Strategy Report, Forbes (2023).
The Innovator’s Dilemma. Christensen, C. (1997). Harvard Business School Press.

JTBD PDF Explanation

Understanding-Jobs-to-Be-Done 다운로드

사진 제공 Evangeline Shaw

최근 게시물

카테고리

아카이브