[UXUI 아티클 분석 12] 데이터 분석을 기반으로 하는 UX 알아보기

아티클

데이터 분석을 기반으로 하는 UX 알아보기 - DIGITAL iNSIGHT 디지털 인사이트

 

01. 데이터 분석을 기반으로 하는 UX 알아보기

데이터에 기반한 UX 트렌드

익스피디아가 실시한 A/B Testing 중 가장 성공적이었던 사례-> 예약 페이지

유일한 차이는 회사명을 입력하는 항목의 유무

=> 디자인 B 채택. 한 해 동안 1,002백 만 달러(한화 약 1조 1,245억 원)의 수익 창출

회사명이라는 항목을 제거함으로써 사용자들의 혼란이 줄어들었음

현재 화면의 맥락에서 회사명이라는 레이블을 보고 그 의미에 대해 혼동하게 됨.

카드회사의 이름을 적고 난 후 바로 다음의 입력필드에 자신의 주소가 아니라 카드회사의 주소라는 잘못된 정보를 입력하게 되고 결제에 실패. 무엇이 잘못됐는지 알지 못하는 사용자들은 잘못된 행동을 반복하다 예약 포기.

 

A/B Testing 결과 중 3분의 2는 기존의 디자인이 더 효과적이거나 두 디자인 사이에 차이가 없는 것으로 나타남. 게다가 두 화면의 차이로 인한 효과가 확인된다 할지라도 그 크기는 미미한 경우가 많았음 . 다시 말해 데이터에 반영되는 사용성의 차이를 발견하는 것은 매우 끈기를 필요로 하는 과정. 그런데도 데이터에 기반하여 UX에 대한 이해가 이루어져야 하는 이유는 무엇일까?

 

 

UX를 데이터로 분석해야 하는 이유

데이터 직관이 아닌 실제 데이터 기반으로 이해하고 분석함으로써 마케팅이나 비즈니스 의사결정 각 단계에서 기대할 수 있는 효과 두 가지

 

1. 고객에 대한 객관적인 이해가 가능하고 2. 서비스 현황파악이 용이해 문제점을 발견하기 쉬움.

 

1- 서비스의 사용자 '퍼소나의 설정, 검증, 관찰'

서비스에서 이미 알고 있는 정보(서비스의 주 목표와 관련된 요구사항, 관련된 기존 타깃 사용자 등과 같은 정보)를 토대로, 사용자의 정보들을 짐작하고 부가적인 정보들을 추측이나 직관에 의해 채워 나가 퍼소나를 완성

=> 기존에 짐작이나 추측, 직관에 인한 취약점들을 해결

=> 서비스의 사용자를 직접 대면하지 못한 담당자에게도 퍼소나에 대한 이해와 동의를 쉽게 얻을 수 있을 것

 

사용자의 데이터를 퍼소나에 활용한다면, 실시간으로 사용자 집단의 변화를 감지한 후 변화하는 흐름에 따라 퍼소나의 각 특성들을 반영해, 서비스의 사용자를 대표할 수 있는 퍼소나를 직관적인 정보로 쉽고 빠르게 이해할 수 있음.

 

 

2- 사용자의 의견 '사용자가 실제로 원하는 것'

사용자의 의견을 직접 수집하기 위해 가장 널리 쓰이는 방법은 아마 사용자 테스트와 사용자 인터뷰

사용자 테스트- 특정 제품 및 서비스에 대해 평가하고자 하는 항목을 구체화하고, 이와 관련된 과업이 포함된 사용 시나리오를 사용자 테스트 참가자에게 직접적으로 또는 자연스럽게 제공

 

사용자 인터뷰- 실제 서비스의 사용자를 대표할 수 있는 사용자를 모집하거나 특정 조건에 부합하는 사용자를 특별히 모집해 인터뷰 진행자의 질문으로, 얻고자 하는 인사이트와 관련된 사용자의 요구사항, 원하는 방향성 등을 답변으로 얻어내는 방법

 

단점 -> 과업을 달성하고자 하는 내면적인 욕구나, 평가에 대해 극단적인 혹은 부정적인 표현을 피하고 싶어 하는 개별적 특성에 따라 실제 사용 행동 패턴이나 표현하고자 하는 응답 결과를 올바르게 전달하지 못할 수 있음

사용자는 본인이 직면한 불편한 현상의 문제점과 원하는 해결방안을 100% 정확하게 표현하지 못할 수 있음

 

사용자의 데이터를 관찰함은 이런 제한된 환경에서 사용자 정보를 추측해 가늠하며 이끌어내는 어려움을 보완할 수 있음. 일부 사용자를 대상으로 데이터를 수집하는 것이 아니라, 전체 사용자를 실제 행동을 기반으로 분석하는 것. 때문에 결과가 사용자를 대표할 수 있는지에 따라 신뢰성과 외부에 관여 받지 않는 실재성을 갖음.

 

사용자의 행동은 실제 동기·기대·요구사항이 깔려있는 서비스를 바탕으로 나온 결과이기 때문에, 인식과 감정과 같은 주관적인 평가와 기능에 집중한 평가에 대한 이점들을 모두 내포할 수 있음

 

 

3- 서비스 현황 '숨어있는 현상 찾아내기'

방문 규모에 대한 해석에서 더 나아가, 방문의 계기부터 중요 콘텐츠 또는 페이지로 전환되기까지의 과정에서 얻는 다양한 수치들을 종합적으로 해석한다면, 기존에 발견할 수 없었던 성과로 연결될 수 있는 잠재성을 찾아낼 수 있을 것

 

회원가입 페이지의 회원가입 전환율을 측정하는 사례

회원가입 페이지에서 제품 소개 페이지와 같은 특정 페이지를 거쳐 다시 되돌아온 사용자의 가입 전환율을 고려해보거나, 로그인 페이지로 전환한 사용자는 기존 회원가입이 돼 있는 까닭에 회원가입의 방문과 무관한 사용자로 간주해 측정할 수 있음.

-> 전환율을 측정해 페이지에서 발생하는 다양한 예외적인 상황을 고려하고 해석을 왜곡되지 않게 특정 정보만을 분류해 얻고자 하는 성과의 실질적인 의미를 찾아낼 수 있음

 

 

 

구글 애널리틱스(Google Analytics)- 구글에서 제공하는 웹 로그 분석 도구

뷰저블(Be Usable)- 웹 사이트에서 사용자의 행동 데이터를 분석해주는 도구

 

기존의 데이터, 과거의 데이터는 이미 지난 결과와 현상을 뜻하지만, 더 나아가 그 현상과 변화의 흐름 속에서 패턴과 경향을 찾아내 미래의 데이터를 예측하는 데 참고할 수 있음

보편적으로 통용되는 일반적인 방법론, 검증된 이론들이 서비스의 기획과 개선에 바로 적용되기 이전에, 실제 사용자, 실제 서비스라는 구체적인 환경 속에서 발생한 데이터는 다른 방법론과 이론들을 바로 적용하는 것이 좋음

세분화 된 사용자와 구체적인 서비스에 따라 반영되고 있던 데이터의 패턴과 경향의 이해를 보편적인 개념에 더한다면, 기존 사용자의 요구사항과 경험에 반하지 않도록 리스크를 최소화하고 서비스 UX의 올바른 방향성을 찾아 나갈 수 있음.

 

 

---

익스피디아의 사례처럼 입력 필드 하나를 제거했을 뿐인데도 사용자의 혼란이 줄고, 수익 증가로 이어졌다는 점에서,, 지금까지 A/B 테스트를 하면 단번에 차이가 나는 데이터를 얻는 줄 알았다. 실제로는 큰 차이가 없는 경우도 많고, 꾸준한 반복과 끈기가 필요한 과정이라는 것을 처음 알아 인상 깊었다. 인터뷰를 하거나 클릭률을 분석하더라도 하나로는 정확한 데이터를 얻기 어렵고 기존 데이터를 활용해 교차 검증하는 것이 중요하다는 걸 알게 되었다.