선택지가 많을수록 결정은 어려워진다 — 풍요의 역설과 선택 설계
선택지가 일정 수를 넘으면 사용자는 고르지 않고 떠나거나 기본값으로 도피합니다. 잼 실험, 과부하를 부르는 4가지 트리거, 무한 스크롤과 구독 피로, P&G·넷플릭스의 선택 설계까지 앱·서비스 기획자가 알아야 할 선택의 역설과 그 대응법을 정리했습니다.

선택지를 늘리는 것은 사용자를 돕는 일처럼 보이지만, 어느 선을 넘으면 오히려 결정을 막습니다. 사람은 비교할 대안이 많아질수록 지치고, 고르지 않거나 기본값으로 물러섭니다. 서비스를 만드는 쪽이 할 일은 선택지를 늘리는 것이 아니라 평가 비용을 줄여 주는 것입니다.
이 문서는 NotebookLM(노트북 LM)으로 자료를 조사해 만든 문서입니다.
- 선택의 효용은 계속 오르지 않습니다. 과부하 임계점을 넘으면 해방이 마비로 바뀝니다
- 작업 기억은 한 번에 7±2개 정도만 다룹니다. 평가 비용이 이점을 넘으면 뇌는 결정 회피를 택합니다
- 선택지가 단 3개여도 기본값으로 도피하는 현상이 나타난다는 연구가 소개됩니다
- 무한 스크롤과 구독 과잉은 사용자를 탐색만 하다 끝나는 상태로 몰아넣습니다
- 기업은 선택 설계와 큐레이션으로, 개인은 5-3-1 법칙 같은 규칙으로 대응합니다
선택이 많아질수록 무엇이 무너지는가





이 표에서 눈여겨볼 칸은 맨 오른쪽입니다. 기준을 낮추라는 뜻이 아니라, 기준은 높게 두되 탐색은 규칙으로 좁히라는 것입니다. 사용자에게 이 방식을 강요할 수는 없지만, 제품이 탐색 범위를 먼저 좁혀 주면 비슷한 효과를 낼 수 있습니다.
과부하는 생각보다 일찍 온다


실무에서 가장 쓸모 있는 대목은 4가지 트리거입니다. 선택지 수만 줄이는 것으로는 부족하고, 비교가 어려운 항목, 사용자가 자기 선호를 모르는 상황, 목표가 불분명한 화면에서 과부하가 커진다는 뜻입니다. 요금제 화면이나 설정 화면이 대표적입니다. 기본값이 사실상 결정이 된다면, 기본값을 무엇으로 두느냐가 설계의 핵심 결정이 됩니다.
디지털 환경이 과부하를 키우는 방식



세 슬라이드는 서비스를 만드는 쪽에 불편한 질문을 던집니다. 체류 시간은 늘었는데 사용자는 만족하지 않는 구조라면, 지표는 좋아 보여도 이탈의 씨앗이 쌓이고 있을 수 있습니다. 구독 사례의 수치는 자료 기준이지만, 탐색 시간이 소비 시간을 넘는 상태는 콘텐츠 앱이라면 직접 측정해 볼 만한 지표입니다.
기업과 개인의 대응




앱이나 서비스로 옮기면 할 일은 세 가지로 정리됩니다. 첫 화면에서 보여 줄 선택지를 소수의 추천안으로 묶고, 나머지는 한 단계 뒤로 보냅니다. 기본값은 대부분의 사용자에게 무난한 쪽으로 정하고, 바꾸는 방법은 분명히 보여 줍니다. 추천 기능을 넣는다면 목적은 선택지를 더 보여 주는 것이 아니라 초기 탐색을 대신해 주는 것이어야 합니다. 넷플릭스의 버튼 하나가 보여 주듯, 고르는 수고를 덜어 주는 것 자체가 기능이 됩니다.
자주 묻는 질문
선택지는 몇 개까지가 적당한가요? 정답 숫자는 없습니다. 자료가 소개한 연구처럼 3개에서도 과부하가 생길 수 있으니, 개수보다 비교하기 쉬운 구성인지를 먼저 봐야 합니다.
선택지를 줄이면 원하는 걸 못 찾는 사용자가 생기지 않나요? 그래서 없애기보다 단계를 나눕니다. 첫 화면에는 추천안 몇 개만 두고, 전체 목록은 한 번 더 들어가면 볼 수 있게 두는 방식이 무난합니다.
기본값을 정해 두는 건 사용자를 조종하는 것 아닌가요? 사용자에게 불리한 쪽을 기본값으로 두면 그렇습니다. 대다수에게 무난한 값을 두고 변경을 쉽게 하면 결정 부담을 덜어 주는 장치가 됩니다.
AI 추천을 넣으면 선택 과부하가 해결되나요? 추천이 또 하나의 긴 목록이 되면 오히려 늘어납니다. 후보를 몇 개로 좁히고 이유를 함께 보여 줄 때 탐색을 대신하는 역할을 합니다.
저희가 이 이야기를 하는 이유
에버스톤은 2013년부터 부산에서 모바일 게임과 앱, 업무 시스템을 만들어 왔습니다. 상점 화면, 요금제, 설정 메뉴처럼 선택지를 늘어놓는 화면은 어느 프로젝트에나 있고, 무엇을 앞에 두고 무엇을 뒤로 뺄지는 매번 기획 단계에서 따로 정해야 하는 문제입니다. 이 자료는 그 판단의 근거를 정리해 두기에 좋은 틀이라 소개합니다.
인용한 연구(2000년 잼 실험, 2015년 메타 분석, 2024년 계량경제학 연구)와 기업 사례의 수치는 원 자료 기준이며, 저희가 검증한 내용이 아닙니다.
