
작은 오해가 만든 큰 비효율
토스에서 계좌를 연결할 때 앞으로 토스로 돈을 받고, 보내는 서비스를 사용할 것이라는 출금이체 동의를 해요. 그럼 은행에서 자동으로 문자가 오는데요. 
처음엔 아무 문제가 없을 것 같았지만, 은행 문자 속 '자동이체'라는 단어가 사용자에게 혼란을 줄 수 있다는 사실을 알게 됐어요. 사용자는 이 단어를 보고 "내 돈이 정기적으로 빠져나가는 건가?"라는 걱정을 하게 되죠. 사실 이 문자는 단순한 확인 절차일 뿐인데도, 사용자 입장에선 이 작은 단어 하나가 큰 불안으로 이어질 수 있었어요.
이 작은 오해 때문에 고객센터로 들어오는 문의가 급증했어요. 대부분은 "자동이체가 시작되는 건가요?"라는 질문이었죠. 사용자가 오해하지 않고, 토스 서비스를 편리하게 이용할 수 있도록 이 문제를 해결해야 했어요. 특히, 2019년부터 고객 문의 상위 3위 안에 들면서, 토스팀원들이 같은 안내를 반복해야 하는 비효율적인 상황이 계속되고 있었죠.



문제를 해결하는데 
프로덕트 디자이너가 아니고, 
플랫폼 디자이너가 한다고?
보통은 제품의 문제를 프로덕트 디자이너가 해결하지만, 이번엔 플랫폼 디자이너가 나섰어요. 플랫폼 디자이너는 디자인시스템만 만드는 게 아니라, 서비스 전반을 살피고 비효율을 찾아서 해결하는 데 중점을 둡니다. 이는 사용자뿐만 아니라, 토스 팀 전체가 효율적으로 일할 수 있도록 돕는 역할을 해요. 
토스팀원들의 비효율을 줄여주고, 사용자들에게 안심 경험을 줄 수 있는 화면으로 개선하기로 했어요.




문제 해결 과정

지금 보는 이 화면은 기존에 계좌 연결 후 보게 되는 화면이에요. 
이정도면 문자가 왔을 때 문자가 갈거라고 미리 안내도 해주고, 문자 내용을 보고 놀라지 말라고 해서 괜찮은 것 같은데 사용자들이 '자동이체'라는 단어에 왜 민감하게 반응하는지를 파악해야 했죠. 





1. 가장 먼저, 있는 그대로를 말하기
첫 번째로 중요했던 것은 사용자의 감정을 먼저 추측하기보다는, 사실 그대로를 전달하는 것이었어요. 토스는 따뜻하고 친근한 말투를 많이 쓰는데, 처음부터 '은행에서 문자가 와도 놀라지 마세요'라는 표현을 하면 오히려 사용자에게 불필요한 걱정을 줄 수 있었어요. 그래서 이번에는 사실 그대로를 전달하기로 했어요. "OO님이 출금이체 동의를 한 몇 개의 은행에서 문자가 발송될 것"이라고요.




2. 어려운 말은 더 자세하게 말하기
다음으로는 ‘자동이체’라는 단어를 쓰면서 더 친절하고 구체적으로 설명했어요. 그리고 감정에 대한 이야기를 했어요. ‘자동이체’ 라는 단어가 사용자에게 불필요한 걱정을 주고 있었기 때문에, 좀 더 명확하고 안전한 느낌을 주는 문구를 추가했죠. "이건 자동으로 돈이 빠져나가는 게 아니에요. 당신의 돈은 안전해요!"라고 말이죠. 또한, 자동이체가 무엇을 의미하는지도 상세히 설명했어요.
토스에서는 퍼널의 길이가 짧을수록 좋다는 러닝이 있었지만, 이번엔 그 러닝을 넘어 사용자에게 더 자세히 알려주는 것이 필요하다고 판단했어요. 내 돈이 빠져나갈 수도 있다는 불안을 안심시킬때는 너무 축약하기보다는, 사용자가 완전히 이해할 수 있도록 상세히 전달하는 것이 중요하다고 생각했거든요. 




3. 중간에 문자가 와도 다 읽을 수 있게 하기
마지막으로 문자 도착 시간에 집중했어요. 은행에서 문자가 발송되는 데는 최소 2초에서 최대 15분까지 걸릴 수 있어요. 사용자가 안내 화면을 보고 있는 동안 문자가 도착하면, 화면 상단에 푸시 알림이 안내 내용을 가려버리기 때문에 사용자가 내용을 볼 수 없어요. 그래서 제목과 전체 내용을 아래로 조금 내려서 문자메세지가 와도 끊김 없이 모든 내용을 볼 수 있는 디테일을 추가했어요.





결과와 배운 점
이렇게 만든 디자인을 바로 구현해서 문의량을 측정해기로 했어요. 
그 결과는 놀라웠어요. 이전에는 월평균 3,173건이던 문의가 무려 446건으로 줄어들었죠. 이 숫자는 단순한 통계 이상의 의미를 가지고 있어요. 플랫폼 디자이너가 토스팀의 효율성을 높이는 데 얼마나 큰 기여를 할 수 있는지 보여주는 사례였어요. 
마지막으로, 사용자에게 신뢰를 줄 수 있는 디자인이야말로 가장 중요한 디자인이라는 점을 강조하고 싶어요. 때로는 설명이 조금 길어지더라도 사용자가 충분히 이해할 수 있게 하는 것이 중요해요. 감정을 먼저 읽기보다는 사실 그대로를 전해주는 것이 가장 첫번째로 알려줘야 큰 안심을 줄 수 있고, 그 결과 서비스 전체에 긍정적인 영향을 미칠 수 있답니다.






작은 오해가 만든 큰 비효율
토스에서 계좌를 연결할 때 앞으로 토스로 돈을 받고, 보내는 서비스를 사용할 것이라는 출금이체 동의를 해요. 그럼 은행에서 자동으로 문자가 오는데요. 
처음엔 아무 문제가 없을 것 같았지만, 은행 문자 속 '자동이체'라는 단어가 사용자에게 혼란을 줄 수 있다는 사실을 알게 됐어요. 사용자는 

플랫폼 디자이너가 고객문의량 상위 3위에 들었던 비효율 문제를 해결했던 방법을 알려드릴게요.

비효율이 있는 곳엔 플랫폼 디자이너가 있다 

배경
토스 디자인 시스템에서 가장 많이 사용하는 컴포넌트는 테이블이에요. 테이블은 크게 두 가지를 고려해야 하는 복잡한 컴포넌트예요. 테이블을 구성하는 최소 단위인 셀, 그 셀들을 합쳐 만든 표. 각각을 사용하는 경우의 수를 고려하면 구현 난이도는 무한대로 높아져요. 
우리가 흔히 표를 만들 때 쓰는 엑셀은 말 그대로 표를 만들기 위해 만들어진 에디터 솔루션이기 때문에, 셀과 표를 처음부터 고려해서 만들어졌어요. 하지만 우리가 사용하는 대개의 디자인 에디터 툴들은 테이블 만을 위해 만들어진 솔루션이 아니기 때문에 컴포넌트 기능과, 테이블 제작 사용성 두가지 모두를 한번에 고려하여 반영 하는데에 한계가 있습니다. 그래서 토스의 초기 테이블은 (이하 테이블 1.0) 최소 구성 단위인 셀 형태의 컴포넌트로 구성되어 있었어요.


문제
테이블 컴포넌트는 표를 구성하는 작은 단위의 셀을 의미 하기도 하고. 큰 덩어리인 표 단위를 의미하기도 해요. 
TDS의 테이블 컴포넌트 역시 이를 모두 커버하기 위해 셀 단위의 기능과, 표 단위의 제작 사용성 솔루션이 필요로 했어요. 토스 팀에서는 제품에서 사용하는 형태에 따라 테이블 컴포넌트가 가지고 있어야 할 기능과 요구 되는 사항들은 천차만별로 달라서 여기에 다 쓸 수 없을 정도로 다양한 케이스를 다뤄야 했죠. 저희 팀은 그런 셀의 경험을 개선하는 것만으로도 정신이 없었어요. 


이렇게 셀의 기능이 대부분 채워갈 무렵, 자연스럽게 표 제작에 대한 사용성 관련한 문제들이 수면 위로 드러나기 시작 했어요. 테이블을 구성하는 최소 구성단위인 셀 기능만 포함 된 컴포넌트로 패턴 단위의 표를 만드려면 이런 과정을 거쳐야 했어요. 





우리는 이미 표를 만들기 위해 사용하는 엑셀과 같은 툴에 익숙해져있으니, 보기만 해도 너무 불편하다는 걸 느끼실 거예요. 실제로 PC 화면을 디자인하는 분들도 많은 피드백을 주셨고요.
👤 테이블을 내가 왜 이렇게 만들어야 하나…
👤 하나하나 쌓아 만드는거 너무 짜친다… 현타 온다
👤 다 모르겠고 누가 만들어 놓은거 복붙 해서 쓰는게 편해요


가설
하지만 앞에서 말씀 드렸듯이, 디자인 툴은 테이블을 만들기 위해 제작 된 에디터가 아니기 때문에 문제를 해결 하는데에는 기술적인 한계가 존재 했어요. 그래서 처음에는 지금 메이커들이 겪고 있는 문제 중 치명적인 비효율을 만드는 요소들을 제거 하는 것 부터 시작하자! 하고 반복되는 문제 패턴을 찾았죠. 예를 들면 이런 것들이 있었어요.
간단한 표를 구성하기 위해 필요한 툴과 관련된 사전 지식들
fixed ↔ fill ↔ fit-content
표를 만들고 난 후에도 필요에 따라 잦은 데이터 수정이 필요한 컴포넌트의 특수성
각 셀 마다 가지고 있는 패널 설정을 찾아 수정하는 과정이 번거로움 
열, 행 구성에 따라 제작 된 표는 추후 수정이 어려움

위와 같은 문제들을 테이블 베타라는 이름의 솔루션으로 개선하고 난 후, 단순한 리스트형 테이블을 쉽게 만들 수 있게 되었지만 아무리 이전보다 나아졌다고 해도, 툴에 종속되어 해결 된 솔루션이라 매우 제한적인 해결방법으로 도출 되어 제작 사용성을 완전히 해결했다고 보기 어려웠어요. 여전히 테이블 만을 위해 제작 된 솔루션들의 경험과 비교하여 생각한다면 불편하다고 생각할 수 밖에 없었죠.
이제는 컴포넌트의 경험을 개선하는 것을 넘어서, 디자이너분들이 실제로 어떻게 사용하는지 과정 전체에 대한 이야기를 듣고, 본질적인 사용 방식을 개선해야 겠다는 생각이 들었어요. 그래서 작업 방향을 잡기 위해 디자이너분들을 찾아가 심층 인터뷰를 하면서 테이블을 사용하시는 행태를 꼼꼼하게 조사했어요. 
이를 위해 가용 가능한 개발 리소스를 확보하고 설문+UT를 통해 3가지 방향성을 도출 했어요.

제로 베이스의 제작을 하지 않아도 되게 만든다
표 자체를 완성하는 환경을 쉽게 한다
잦은 수정이 일어나는 상태를 쉽게 수정하게 한다



UT, POC를 통해 차츰 방향성을 잡아 가면서 메이커들과 이격을 줄이는 작업들이 병행 되었어요. 


이렇게 정밀 진단을 통해 꼭 해결해야하는 큰 맥락을 설정해보니, 툴의 한계를 벗어나 빌더 수준의 완전히 새로운 형태의 제작이 필요하다는 판단을 하게 되었어요. 문제 해결의 한계를 만들고 있는 툴의 환경을 벗어나 사고 하고 해결책을 찾아야겠다 생각 했죠. 하지만 툴을 벗어나 해결책을 찾더라도 결국 툴 내부에 솔루션을 심어야 했기 때문에 완전히 환경을 벗어나긴 어려웠고 이에 우리는 크롬 플러그인을 활용하여 프레이머라는 툴 내에 붙여 활용 할 수 있는 방법을 찾아 활용해 보게 되었어요.



해결책
컴포넌트 단위의 솔루션이 아닌 에디터를 만드는 수준의 솔루션을 설계해야 하는 상황이었지만 완전히 바닥부터 시작하기엔 우리에게 주어진 시간이 많지 않았기 때문에 리소스를 효율적으로 쓰는 것이 가장 중요했어요.

메이커 리소스 및 물리적인 작업 환경 확보하기
한명의 개발자로 문의 대응과 테이블 혁신까지 이뤄내야 했기 때문에 응급 상황 제외 문의 최대한 손 떼고, UXE Assistant + Platform designer 조합으로 개발 구조체를 변경하지 않는 선의 간단한 대응을 모두 위임하는 등 한명의 개발자로 테이블 2.0을 만들어야 하는 상황에 필요한 물리적인 환경을 구축 하는데 신경 썼어요.

빠르게 도달 할 수 있는 방법 시도 하기
문제를 해결 하기 위해 방향성이 설정 되었다면 이제 달려나가야겠죠? 제로 베이스에서 시작하기에 리소스 및 시간이 턱 없이 부족 하다면 기반이 되어줄 타 제품을 찾아보고 무료 소스를 적극 차용하는 것도 좋은 방법이 될 수 있어요. 테이블만을 고민하고 솔루션을 구축해온 AG grid 라는 제품을 차용해 유료 기능을 제외한 무료 기능들을 가져와 뼈대를 만들고, 이후 필요한 기능들을 직접 개발 하면서 2.0의 모습을 갖춰나갔어요. 토스에서 필요한 기능들과 프레이머라는 환경을 고려해야 했기에 거의 새로 만드는 수준 이었지만 AG grid를 통한 뼈대를 구축하는 과정이 문제 해결 속도를 높이는데 큰 도움이 되었어요.


빠르게 검증하기
테이블 베타를 통해 성공적인 임팩트를 도모하지 못했던 것은 제작 과정에서의 검증을 놓쳤기 때문이라 생각했기 때문에 주어진 기간이 매우 짧아 검증할 시간이 충분하지 않더라도 실패를 줄이기 위해서는 무조건 진행하기로 했어요. 주 단위로 스프린트를 구성하여 스펙 구현 과 메이커 UT를 동시에 진행 하면서 제품을 실시간으로 깎아 나갔어요. 이 과정에는 한몸이 된 것처럼 밀도 있는 커뮤니케이션이 필수적이에요. 이 과정들을 통해 해결 해야하는 문제가 클 수록 투자 해야할 시간이 길어져 자칫 늘어질 수 있는 호흡을 잡아주는 역할도 할 수 있어요.




결과
그렇게 충분하지 않았던 리소스로 엄청난 효율을 추구하며 만들어낸 결과, 테이블 1.0과 비교했을 때 완전히 다른 방법으로 개선된 2.0이 나왔죠. 테이블2.0은 표 제작 및 생성 하는데 필요한 사용성을 개선 대부분 개선 할 수 있었어요. 특히 잦은 벨류 수정이 필요했던 케이스를 대응 할 수 있어 큰 반응이 있었어요. 
첫 배포 이후에도 필요로한 추가 기능들을 지속적으로 배포 하면서 테이블을 제작하는데 필요로한 기능들을 대응 했어요.










PD분들의 반응도 열광적이었어요.





적용해보기
문제의 근원을 해결하기 위해 시도했던 다양한 시도들을 통해 우리는 아래와 같은 러닝을 얻게 되었어요.
Question every assumption : 근본적인 해결을 위해 다시 사고하는 과정이 느려보여도 가장 빠른 해결책이 될 수 있어요
특히 시스템 관련해서 컴포넌트와 관련한 문제를 마주 하다보면 당장 산재한 문제들을 빠르게 해결하기 위해 정신 없이 1:1 대응 형태로 문제 해결을 하게 되는데요. 느리더라도 문제를 해결 하기 위해 근원적인 물음들을 제기 하면서 근본적인 문제를 해결을 위한 사고 과정에 시간을 투자 해보세요. 이 문제가 진짜 문제인지, 이 해결 방법으로 해결 할 수 있는 문제는 무엇인지 등 당연 했다고 생각한 것들에 질문하고 처음부터 다시 사고 하는 과정을 거치다 보면 근본의 가정까지 파고들어가 사고 할 수 있어요. 이렇게 느리지만 가장 빠른 해결책을 찾는 과정을 통해 여러 문제를 혁신적으로 해결 할 수 있을거에요. 한번의 시도에 완벽한 해결을 만들 수 없기 때문에 이 과정을 반복하는 것을 추천 드려요. 
Ask for feedback : 성장하는 시스템은 주요 원동력은 피드백이다
잘 만들어진 시스템은 잘 사용 되는 시스템이에요. 그렇기 때문에 메이커들의 솔직하고 주기적인 피드백이 중요해요. 시스템은 이를 사용하는 메이커들의 피드백을 통해 성장하고 고도화 되는 성장형 솔루션이어야 합니다. 때문에 우리는 시스템을 제작 하는 과정도 중요 하지만 의도 한대로 잘 작동 하고 있는지 지속적인 트래킹 하는 과정을 필수로 진행하고 있어요. 
사용자가 늘 적극적으로 피드백을 주지 않을 때에는 시스템이 의도대로 잘 작동하고 있구나 안심하지 말고 직접 찾아 다니면서 집착적으로 피드백 받고 문제를 발굴 하는 것도 중요해요. 시스템을 만드는 과정이 벅차서 이 부분을 놓치게 되면 언젠가 눈덩이처럼 커져버린 문제를 마주하게 될지도 몰라요. 
Focus on Impact : 혁신적인 임팩트를 생산 하기 위한 집중과 물리적인 확보는 반드시 필요하다
해야할 일은 사라지지 않고 문제는 늘 많은데 어떻게 혁신적인 임팩트를 생산 할 수 있을까요? 모든 문제를 해결 할 수 없다는 것을 인지하고 해결 하고자 하는 문제에 집중하여 몰입하는 과감한 투자가 필요해요. PC 시스템 팀에서는 PC TDS가 해결해야 하는 문제들 중 테이블과 관련한 문제가 가장 큰 이슈이자 풀기 어려운 숙제라고 판단했고, 2.0 이라는 솔루션을 만들어내기 위해서 매일 대응 하고 있는 시스템 운영 및 대응, 신규 컴포넌트 생산과 같은 업무를 줄여 리소스를 물리적으로 확보 하고자 했어요. 
완전히 끊어내고 몰입할수 있는 환경이라면 가장 좋겠지만, 시스템 팀은 토스 전 조직 대상으로 움직이는 팀이기 때문에 완전히 업무를 중단하기 어려웠어요. 하지만 테이블2.0을 만들어 내려면 리소스 확보가 꼭 필요했습니다 개발자가 1명 이었으니까요. 어려운 환경에 있더라도 방법은 어떤 형태로든 찾을 수 있습니다. 많은 일을 한꺼번에 처리하긴 어려워요. 집중 할 수 있는 환경과 기간을 설정하고 과감한 시도를 통해 문제를 해결 해보세요!

눈 앞의 문제들을 해결했음에도 여전히 불편함이 남아있다면, 본질적인 문제를 다룰 수 없을지 확인해보세요. 너무 당연했던 전제를 바꿀 수 있다고 상상해보면 완전히 다른 해결책이 떠오를 거예요.



배경
토스 디자인 시스템에서 가장 많이 사용하는 컴포넌트는 테이블이에요. 테이블은 크게 두 가지를 고려해야 하는 복잡한 컴포넌트예요. 테이블을 구성하는 최소 단위인 셀, 그 셀들을 합쳐 만든 표. 각각을 사용하는 경우의 수를 고려하면 구현 난이도는 무한대로 높아져요. 
우리가 흔히 표를 만들 때 쓰는 엑셀은 말 그대로 표

토스 디자인 시스템에서 가장 많이 사용하는 컴포넌트인 테이블 컴포넌트. 문제의 근원을 해결하기 위해 시도했던 다양한 시도와 러닝을 소개합니다.

문제의 근원을 해결 하기 위한 다양한 시도


저번 아티클에서 메뉴 컴포넌트 추가를 위해 가설을 세우고 실험했던 과정을 소개해 드렸어요. 이 방법으로 유용성이 검증되어 빠르게 새 컴포넌트를 결정해 출시할 수 있었답니다.
1편 보고 오기 >

문제
그러나 점차 새 컴포넌트가 대응할 수 없는 케이스들이 발견 되기 시작했어요. 컴포넌트를 사용할 수 있게 된 뒤 많은 디자

디자인 시스템은 제품의 어느 단계까지 기여할 수 있을까요? 더 이상 다른 것에는 신경쓰지 않아도 되는 Menu 컴포넌트를 만들었던 3가지 방법을 소개할게요.

토스 디자이너가 제품에만 집중할 수 있는 방법



이 화면은 토스 앱에서 여러 가지 옵션을 선택하는 방식이었어요.
어떤 문제가 있는지 느껴지시나요?
1️⃣ 잘 모르겠다.
2️⃣ 알 것 같다.

1번, 2번, 선택 안 하신 모든 분들! 어떤 문제가 있는지 알려드릴게요. 



바로 ‘물리적 거리 사용성’인데요
화면 위에서 버튼을 누른 후 아래에서 올라오는 바텀시트의 버

플랫폼 디자이너가 디자인 시스템에 새로운 컴포넌트를 만들 때 생기는 의심을 확신으로 만든 과정을 들려드릴게요.

이런 것도 컴포넌트로 만들어도 될까?

토스에는 디자인 플랫폼 팀이 있고, 그 안에 플랫폼 디자이너라는 직군이 있어요. 플랫폼 디자이너는 무슨 방법을 써서라도 메이커의 디자인 작업 과정의 비효율을 효율화하는 사람이에요. 디자인 시스템을 만들기도 하고, 디자인 툴을 바꾸기도 했죠.
오늘 소개해드릴 프로젝트는 툴을 바꾸면서 새로운 환경에 맞게 작업 과정을 효율화했

수많은 가짓수들을 단순히 더하기로 추가하는 것이 아니라 곱하기로 확장하면서 극단적인 효율과 심미성까지 챙겼던 과정들을 플로우차트 제작 프로젝트를 예시로 소개해드릴게요.

플랫폼 디자이너가 효율을 만들어내는 법

Simplicity는 더 나은 사용자 경험을 만들기 위해, 토스가 치열하게 고민해온 과정을 나누는 디자인 컨퍼런스예요. 우리의 실험과 시도들이 사용자 경험을 고민하는 다른 디자이너들에게도 영감이 되기를 바라며 시작했어요. 
2021년부터 토스 디자인 챕터가 정기적으로 개최하고 있죠. 내용뿐 아니라 메시지를 어떻게 전달할지도 늘 중요하게 여겼기 때문에, 2023년부터는 유튜브 영상이 아닌 웹 기반 인터랙티브 사이트로 전환해 운영하고 있어요.

지속 가능한 컨퍼런스 만들기
디자인 챕터에게 심플리시티는 거의 종합 예술에 가까운 프로젝트예요. 운영, 디자인, 개발, 대본, 촬영, 녹음, 홍보까지—모든 과정이 고도화된 협업으로 이루어지죠.
한 번으로 끝나는 행사가 아니라, 매년 반복되는 시즌제 컨퍼런스이기 때문에 ‘지속 가능성’이 정말 중요한 주제였어요. 매년 퀄리티와 지속 가능성 사이의 균형을 고민해야 했죠. 그 과정에서 많은 부분을 효율적으로 만들어왔지만, 촬영만큼은 늘 어려운 과제였어요.
촬영을 하려면 대본이 완성되어야 하는데, 그 과정만 무려 두 달이 넘게 걸려요. 내부 피드백, 법무·보안·개인정보 검토를 거치며 수차례 수정되고, 최종적으로는 발표자 톤에 맞춰 구어체로 다시 다듬어야 하거든요. 대본이 늦어지면 촬영도 늦어지고, 전체 일정이 밀리기도 하죠.
그런데 이게 끝이 아니에요. 혹여라도 대본상의 문제를 나중에 발견하게 되면, 다시 촬영을 해야 해야 하거든요. 촬영은 디자인 챕터의 전문 영역이 아니라 항상 외부 전문가나 다른 팀의 도움을 받아야 하는 구조적 제약도 있었죠. 



더 큰 문제는, 발표 경험이 익숙하지 않은 연사들에게도 부담이 컸다는 거예요. 실제로 워크숍에서 연사자들이 가장 꺼리는 일로 “발표하기, 촬영하기, 녹음하기”를 꼽았을 정도였죠. 컨퍼런스인데, 발표가 가장 하기 싫다니—아이러니하죠?
그래서 자연스럽게 이런 질문이 생겼어요
지속가능한 컨퍼런스를 만들기 위해서는, 
촬영 프로세스부터 바꿔야 하지 않을까?



AI 아바타가 발표한다면
그래서 이번 시즌에는 새로운 방식을 시도했어요. AI 아바타가 발표를 대신해보는 실험이었죠. 혹시 눈치채신 분 계실까요?
간단할 거라고 생각했지만, 막상 해보니 쉽지만은 않았어요. AI 서비스들의 한국어 지원이 매끄럽지 않아서, 자연스러운 음성을 만들기가 어려웠거든요. 그래서 여러 번 테스트를 거쳐, 최적의 방법을 찾아냈어요.

연사자의 음성을 녹음한 뒤, ElevenLabs에서 대본 기반으로 AI 발표 음성을 생성
연사자가 말하는 영상을 촬영해 Heygen에서 AI 아바타를 생성
1번에서 만든 음성을 Heygen에 입력해, AI 아바타가 발표하는 최종 영상으로 출력



기존의 방식이라면 연사자는 발표 내용을 자연스럽게 말하기 위해 여러 번 연습하고, 촬영 중간에 한 번이라도 말을 더듬거나 버벅이면 처음부터 다시 찍어야 했어요. 하지만 이번에는 딱 한 번만 찍어도 AI 아바타를 만드는 데 충분했어요.
촬영 자체도 훨씬 간편해졌어요. AI 아바타 생성을 위한 학습용 데이터로만 쓰이다 보니, 연사자가 회의실에 들어와서 나갈 때까지 30분이면 촬영이 끝났거든요.
덕분에 연사자의 부담은 확 줄었고, 일정도 유연하게 조율할 수 있었어요. 심지어 오픈을 일주일 앞두고도 대본 수정이 가능한 정도였죠.
촬영은 어떻게 했냐고요? 아마 들으면 깜짝 놀라실 거예요. 스튜디오도, 전문 장비도 없었어요. 회의실에서, 아이폰 전면 카메라로, 스노우 앱을 켜고 녹화했거든요. 말 그대로 셀카 찍듯 촬영했죠.
처음에는 전문 장비를 갖춰서 촬영해보기도 했지만, 오히려 익숙하지 않아 결과물이 더 어색하더라고요. 그래서 여러 번 시도해 본 끝에, 지금의 제약 안에서도 원하는 결과를 만들 수 있는 가장 효율적인 방식을 찾아냈어요. 



물론 지금 저희가 만든 AI 아바타가 실제 사람에 비해 어색한 부분도 있지만, 기술이 워낙 빠르게 발전하고 있어서 앞으로 훨씬 더 자연스럽게 될 것 같아요. 그리고 이 방식보다 더 효율적인 방법이 많이 생겨나겠죠.



시청 경험까지 새롭게
이번 시즌에서는 AI 아바타 외에도 시청 경험 자체를 더 나아지게 만들기 위한 변화들이 있었어요.
1. 모바일 최적화
2023년에는 데스크탑으로 시청하는 사용자가 많았지만, 2024년에는 모바일 사용자 비율이 크게 늘었어요.
데스크탑 환경이 아닌 숏폼 형식으로 콘텐츠를 소비하는 게 적합한 것 같았죠. 그래서 이번엔 처음부터 모바일 중심으로 화면과 인터페이스를 설계했어요. “숏츠 보는 것 같았다”고 느꼈다면, 저희가 의도한 바를 정확히 느끼신 거예요. 실제로 데스크탑 디자인은 모바일 디자인을 완성한 이후에 제작되었어요.




2. 콘텐츠 길이 최적화
지난 시즌 평균 시청 시간이 3분 정도였어요. 그래서 이번에는 세션이 너무 길지 않도록 모두 5분 이하로 구성했어요. 짧지만 명확한 메시지를 전하기 위해 이미지 자료나 구성도 더욱 정교하게 다듬었죠. 그래서일까요? 지난 시즌에는 평균 완독률이 12% 정도였는데, 이번에는 51%를 넘었어요.


3. 세션별 특색 강화
커버 이미지, 배경 음악, 메인 컬러까지—각 세션마다 모두 다르게 설정했어요. 음악만 듣거나 커버만 봐도 어떤 세션인지 연상할 수 있도록, 개성과 몰입감을 중요하게 생각했어요.


앞으로의 심플리시티
이번 시즌을 계기로, Simplicity는 단순 온라인 컨퍼런스가 아니라 콘텐츠 플랫폼으로써 더 효율적이고 지속 가능한 형태로 진화했어요.  기존처럼 시즌마다 새로운 사이트를 만드는 방식에서 벗어나, 앞으로는 https://toss.im/simplicity/ 에 시즌별로 콘텐츠가 업데이트될 예정이에요. 
그리고 이 변화는 이번 시즌 4의 주인공이기도 UX플랫폼 조직의 노력으로 만들어졌어요. 
그래픽 디자이너, 인터랙션 디자이너, 플랫폼 디자이너, UX 엔지니어, UX라이터 등 UX 플랫폼 조직의 많은 팀의 협업이 있었기에 가능한 일이었죠. 곧 각 팀의 시선에서 바라본 Simplicity 제작 비하인드도 소개해드릴게요.
이번 저희의 실험을, 부디 재미있게 지켜봐주세요!

심플리시티 시즌 4 보러가기 >



Simplicity는 더 나은 사용자 경험을 만들기 위해, 토스가 치열하게 고민해온 과정을 나누는 디자인 컨퍼런스예요. 우리의 실험과 시도들이 사용자 경험을 고민하는 다른 디자이너들에게도 영감이 되기를 바라며 시작했어요. 
2021년부터 토스 디자인 챕터가 정기적으로 개최하고 있죠. 내용뿐 아니라 메시지를 어떻게 전달할지

알고 보면 더 재미있어요. 심플리시티 시즌 4의 흥미로운 제작기를 소개합니다.

Simplicity 4 : AI 아바타가 발표하는 온라인 컨퍼런스 제작기

토스 디자인 컨퍼런스 네 번째 이야기, Simplicity 4


일하면서 한 번쯤, 이상을 꿈꿔본 적이 있나요? 
빠른 문제해결이 중요한 토스에서도, 그 너머의 이상을 그리는 사람들이 있어요. 디자이너, 리서처, 라이터, 엔지니어링 등 다양한 분야에서 정교하고 아름다운 UX를 실현하기 위해 새로운 시도를 이어가고 있죠.하지만 현실은 쉽지만은 않아요. 
이번 시즌에서는, 일하는 누구나 꿈꿔본 이상을 현실로 만들기 위해 고군분투한 토스팀의 여정을 들려드려요. 우리는 어떤 고민을 했고, 어떻게 답을 찾았을까요? 
그래픽, 인터랙션, 엔지니어링, UX 라이팅, 리서치, 플랫폼 디자인까지, 총 14개의 이야기가 준비되어 있어요. 잠깐 들여다보실래요?




토스다움을 완성하는 순간들

이토록 아름다운 새로고침 
Graphic Design
화면을 아래로 당기면 나오는 그래픽, Pull To Refresh. 그 짧은 찰나에 아름다움을 담기 위한 고민을 들려드려요.

인터랙션으로 첫인상 만들기 
Interaction Design 
토스를 처음 써보는 외국인에게 토스를 어떻게 소개해야 할까? 모두가 감탄한 온보딩, 그 중심에는 인터랙션이 있었어요.

토스 그래픽 더 토스답게 만들기 
Graphic Design
IT 업계에 3D 그래픽이 넘쳐나는 시대. 토스는 어떻게 '토스다움'을 만들어냈을까요? 그 여정을 보여드려요.

디자인 조직의 개발자들 
Android, FE, iOS 
인터랙션 개발의 매력은 무엇일까요? 아름다움과 감각을 설계하는 세 명의 인터랙션 개발자가 답해드릴게요.




진짜 ‘모두’를 위한 유니버셜 UX

진짜 모두를 위한 금융 
Universal Design
2,800만 명이 쓰는 앱에서 7,000명의 스크린 리더 사용자 경험까지 챙기기 위해, 토스는 어떤 노력을 하고 있을까요?

우리가 몰랐던 시각 장애인의 UX 
UX Research
시각 장애인이 토스를 더 쉽게 쓰려면, 무엇이 달라져야 할까요? 리서치를 통해 얻은 세 가지 인사이트를 공유할게요.




토스가 사용자 경험과 마주하는 법

경험을 수치화하는 방법 
UX Research
사용자가 원하는 기능을 잘 찾는지, 정성적인 경험도 이제 수치로 말할 수 있어요. 토스만의 새로운 기준으로요.

모두가 유저를 만나는 순간까지 
UX Research
일하느라 사용자를 만날 시간이 없다면, 점심시간은 어떨까요? 식사하며 사용자의 목소리를 듣는 토스 팀의 이야기를 들려드릴게요.




UX가 AI를 만났을 때

AI시대에 라이터로 살아남기 
UX Writing
AI는 UX라이터에게 위기이자 기회예요.
다크패턴을 계기로, 라이터에서 프롬프트 엔지니어로 성장한 이야기를 들려드려요.

AI봇을 만들면서 배운 3가지 
UX Research
사용자를 만나기 전에 가볍게 의견을 물어볼 수 있는 AI UT봇. ‘휴리봇’ 을 만들면서 배운 3가지들 알려드릴게요.

토스 그래픽을 10초 만에 그리는 AI 
Graphic Design
‘토스트’를 소개합니다. 인간이 3일 걸려 만드는 3D 그래픽을 10초 만에 만든다니, 퀄리티까지 따라올 수 있을까요? 




익숙함 너머, 본질을 보다

동의 화면도 간결해질 수 있을까 
Interaction Design 
각종 법적 제한 때문에 자유롭지 않은 동의 화면 디자인. 관성을 깨면 얼마나 달라질 수 있을까요?

토스가 디자인툴을 만든 이유 
UX Engineering 
스케치, 피그마, 프레이머… 모두 써봤지만 우리에게 딱 맞는 건 없었어요. 그래서 만들었습니다. 토스만의 디자인 툴, 데우스.

아무도 쓰지 않는 디자인 시스템 
Platform Design
새로운 컴포넌트를 배포했는데, 왜 아무도 안 쓰지? 컴포넌트를 넘어서, 일하는 방식 자체를 바꿔보기로 했어요.


Vision Driven Design
Simplicity 4는 거창한 해답보다는, 현실 속에서도 이상을 놓지 않으려 한 태도에 대해 이야기 하려고 해요. "정말 이런 게 가능할까?" 싶은 순간에도 끝까지 답을 찾으려고 한 사람들의 이야기. 그리고 그 집요함이 만들어낸 변화를 들려드리고 싶었어요. 토스는 어떻게 상상 속에만 있던 UX를 현실로 만들어냈는지, 그 과정을 함께 즐겨주세요. 

Simplicity 알림 신청하기 >> 

여러분이 가장 기대되는 세션은 무엇인가요? 댓글로 남겨주세요 !


토스 디자인 컨퍼런스 네 번째 이야기, Simplicity 4


일하면서 한 번쯤, 이상을 꿈꿔본 적이 있나요? 
빠른 문제해결이 중요한 토스에서도, 그 너머의 이상을 그리는 사람들이 있어요. 디자이너, 리서처, 라이터, 엔지니어링 등 다양한 분야에서 정교하고 아름다운 UX를 실현하기 위해 새로운 시도를 이어가고 있죠.

토스 디자인 컨퍼런스 Simplicity가 돌아왔어요.

Simplicity 4 : 한 번쯤 이상을 꿈꿔본 모두에게

안녕하세요, 토스 Ads Performance 팀 ML Engineer 김영호입니다.
토스앱 진입 시 확인하실 수 있는 다양한 광고들은 어떤 과정을 거쳐 유저에게 노출될까요? 이 글에서는 토스 광고 추천 시스템의 전체 흐름과 그 안의 머신러닝 활용 방식을 소개해 드리겠습니다.

웹사이트나 앱에서 볼 수 있는 대부분의 광고는 실시간 입찰 방식을 통해 노출됩니다. 매체에서 광고 지면에 노출 기회가 발생하면 해당 정보를 광고주에게 전달하고, 광고주는 기회에 대한 가치를 평가해 자신이 지불할 금액을 산정하여 입찰에 참여하죠. 제출된 입찰가 중 가장 높은 금액을 제시한 광고주의 광고가 최종적으로 해당 지면에 노출됩니다.

실시간 입찰에는 여러 광고 플랫폼이 관여하는데요, 대표적으로 SSP(Supply-Side Platform)와 DSP(Demand-Side Platform)가 있습니다. 이 둘은 실시간 입찰 과정에서 유기적으로 연동되어 매체에 안정적인 수익을, 광고주에는 효율적인 광고 집행 및 성과 최적화를 제공합니다.
SSP: 매체가 보유한 지면을 효율적으로 관리・판매하도록 돕는 플랫폼입니다. 광고 노출 기회마다 자동으로 여러 DSP를 연결하여 최적의 입찰을 유도함으로써 매체 수익을 극대화합니다. 
DSP: 광고주를 대신해 실시간 입찰에 참여하며, 설정된 예산과 목표에 따라 최소 비용으로 최대 광고 성과를 달성하도록 돕는 플랫폼입니다.
토스는 리스트・모먼트 배너 등 다양한 광고 지면을 보유한 매체이자, 토스애즈 플랫폼을 통해 광고주가 토스 앱 내에서 손쉽게 광고를 집행하고 최적화할 수 있는 환경을 제공합니다. 따라서 광고 요청부터 노출까지의 모든 과정이 토스 내에서 이루어지죠.

유저 접속부터 광고 노출까지
유저가 광고 지면이 있는 토스 앱 화면에 접속하면 광고 요청이 발생하고, 입찰을 통해 최적의 광고가 선정되어 노출됩니다. 이 과정은 크게 Targeting, Filtering, Ranking의 세 단계로 이루어지며, 각 단계에서 머신러닝이 활용돼요.

1. Targeting
유저 정보를 기반으로 노출할 광고를 선별하는 과정이에요. 광고주마다 캠페인 목표와 원하는 타겟 유저가 다르기 때문에, 광고 노출 대상인 유저가 설정된 타겟에 포함되는지 확인합니다. 포함되지 않을 경우 해당 광고는 제외돼요.
성별, 연령대, 직업 등의 특성을 바탕으로 유저를 세분화하여 광고를 집행하는 전략을 오디언스 타겟팅(Audience Targeting)이라고 합니다. 광고주는 인구통계학적 정보만으로도 타겟팅 그룹을 만들 수 있지만, 많은 광고주들은 자신의 상품을 구매한 유저와 유사한 특성을 지닌 잠재 고객을 타겟팅하고 싶어하죠.
이러한 니즈를 충족시키기 위해 Lookalike 모델을 활용해 광고주가 타겟으로 설정한 오디언스와 행동 패턴이 유사한 잠재 고객을 찾습니다. 유저의 행동 로그를 학습하거나 Two-tower 모델을 통해 유저와 광고 간의 상호작용을 학습하여 유저 임베딩을 생성하고, 주어진 오디언스와의 임베딩 유사도를 계산해 잠재 고객을 선별해요.


2. Filtering
이 단계에서는 유저에게 제공할 광고 후보를 선별하고, 광고주의 예산 및 광고 품질을 고려한 필터링 과정을 수행합니다.
광고 후보군 선정(Candidate Selection): 유저를 타겟팅하는 수십만~수백만 개의 광고 중에서 사용자가 관심을 가질 만한 광고를 빠르게 선택해야 해요. 모든 광고를 실시간으로 개별 평가하면 지연 시간이 늘고 연산 비용이 크게 증가하므로, 유저의 관심사를 기반으로 광고 후보군을 선별합니다. 이 과정에서는 정확성도 중요하지만 대규모 광고 풀에서 알맞은 후보군을 빠르게 추출하는 것이 중요한데요. 이 단계에서는 주로 Two-tower 모델을 활용해 유저와 광고에 대한 임베딩을 생성하고, 유사도 검색을 통해 관련 광고를 빠르게 탐색합니다.
예산 소진 조절(Pacing): 광고주가 설정한 캠페인 예산을 기간 내에 균등하고 안정적으로 소진하도록 광고 노출 및 입찰을 제어합니다. 과거 입찰 로그를 바탕으로 시간대・요일 등 컨텍스트에 따른 트래픽을 예측하고, 이를 바탕으로 사용 가능한 예산을 산정하고 실시간으로 소진 속도를 조절해요.
노출 빈도 제한(Frequency Capping): 동일한 광고가 한 유저에게 일정 기간 내에 노출될 최대 횟수를 설정하여 광고 피로도를 줄입니다. 하루 최대 3회와 같이 고정 캡을 설정할 수 있지만, 유저의 행동 패턴에 따른 최적 빈도를 예측해 적용할 수 있어요.

3. Ranking
이전 단계에서 선별된 후보 광고의 입찰가를 산출해 노출될 광고를 결정합니다. 입찰가는 매체의 기대 수익을 의미하는 eCPM(effective Cost Per Mille, 1,000회 노출당 비용)으로 표현하며, 이 값을 기준으로 광고 순위를 매겨요. eCPM은 광고주가 클릭당 지불하는 비용(CPC, Cost Per Click)과 광고의 클릭률(CTR, Click-Through Rate)을 기반으로 계산합니다.
eCPM(1,000회 노출당 비용) = CPC(클릭당 지불 비용) * CTR(클릭률) * 1,000
이때 실제 CTR은 광고가 실제로 노출된 후에야 알 수 있기 때문에, 노출 전 단계에서는 유저, 광고, 컨텍스트 정보를 기반으로 CTR을 예측하여 사용합니다. CTR 예측 모델은 광고 ID, 유저 속성 등 고차원의 희소 특징(Sparse Feature) 간의 상호작용을 효과적으로 학습해야 하기 때문에, 주로 FM(Factorization Machine), DeepFM, DCN(Deep & Cross Network) 구조를 사용해요. 
또한, 광고주는 각 노출 기회마다 전환율(CVR, Conversion Rate)을 예측해 입찰가를 조절할 수 있습니다. 전환율이 낮다고 예상되는 상황에서는 클릭당 비용을 낮춰 불필요한 지출을 최소화하고, 전환율이 높다고 예상될 때 클릭당 비용을 높여 경쟁 우위를 차지할 수 있어요. 

결론
앞서 살펴본 광고 노출 과정 이외에도 머신러닝은 광고 운영 전반에서 다양하게 활용될 수 있습니다.
동적 입찰가 조절: 광고주가 설정한 클릭당 비용은 고정된 값이기 때문에 실시간으로 변화하는 경쟁 상황에 빠르게 대응하지 못해요. 이를 보완하기 위해 DQN(Deep Q-Network)와 같은 강화학습 모델을 사용하여 광고 운영 현황에 따라 클릭당 비용을 동적으로 조절함으로써 광고 효율 저하를 방지합니다.
광고 소재 최적화: 사용자에게 노출되는 광고 소재의 성과를 향상시키기 위해 생성형 AI를 활용하여 다양한 소재를 자동 생성・테스트하고 최적의 소재를 찾습니다.

토스애즈는 광고 플랫폼의 기반을 만들어가는 단계로, 광고 시스템 전반에 필요한 머신러닝 모델을 초기부터 설계하고 고도화할 수 있어요. 광고는 머신러닝 모델의 작은 변화가 바로 비즈니스 성과로 이어지는 분야입니다. 다양한 실험을 통해 머신러닝 모델로 비즈니스 성과를 만들어가고 싶으신 분들의 많은 지원을 기다립니다.


안녕하세요, 토스 Ads Performance 팀 ML Engineer 김영호입니다.
토스앱 진입 시 확인하실 수 있는 다양한 광고들은 어떤 과정을 거쳐 유저에게 노출될까요? 이 글에서는 토스 광고 추천 시스템의 전체 흐름과 그 안의 머신러닝 활용 방식을 소개해 드리겠습니다.

웹사이트나 앱에서 볼 수 있는 대부분의 광고