UX 디자인 - 데이터 분석을 시작하기 위한 기초지식

Data - Driven UX의 배경 이해하기

고객의 구매를 결정 짓는 성공조건의 핵심 요인이었던 사용성이 상향 평준화되면서 기업은 사용성을 넘어선 새로운 가치를 창출해야할 필요성에 직면하였고, 새로운 가치를 창출하기 위해 사용자를 고도로 추적하고 이해하여 그들의 요구사항이 포함된 사소한 행동까지 놓치면 안되는 시시가 옴

Ex) 구글 및 마이크로소프트, 애플 같은 세계적인 기업에서는 이 문제점을 UX디자이너가 데이터 사이언티스트와 협업하여 사용자 데이터를 분석해 왔음

- 서비스와 사용자 사이에 일어나는 방대한 상호 작용을 데이터로 정량화하고 이를 분석하여 디자인 설계에 대한 근거 자료나 의사 결정의 근거 자료로 삼았음 ex) A/B Testing이나 다변량 테스트를 통해 사용자가 원하는 것을 예상하고 디자인 변수를 최소할 수 있었음

(A/B Testing : 웹 사이트 방문자를 임의로 2개의 집단으로 나누고 한 집단에서는 기존 사이트를, 다른 집단에서는 새로운 사이트를 보여준 뒤 어떤 집단이 더 높은 성과를 보이는지 정량적으로 측정 및 평가하는 기법)

(다변량 테스트 : 한 페이지에서 많은 요소를 한 번에 바꾸었을 때 사용하는 테스트 기법, 실험을 통하여 발생할 수 있는 모든 페이지를 조합하여 테스트하는 전체요인, 페이지 일부분을 조합하여 테스트하는 부분 요인으로 나뉨)

---

😎데이터 분석 프레임워크 - AARRR - 여기부터!

AARRR은 특정 지표를 기준으로 서비스 상태를 가늠하는데 도움을 주고 서비스 내 사용자 여정을 AARRR 프레임워크로 정리하였음, 여기서 AARRR은 Acquisition(획득), Activation(활성화), Retention(유지/재방문), Revenue(매출), Referral(입소문)의 각 앞글자

 

Acquisition (획득)

이 단계에서는 사용자를 얼마나 유입하는지 살펴야 하고, DAU(Daily Active Use, 일간 개별 사용자),  MAU(Monthly Active User, 월간 개별 사용자), 신규 사용자 수를 늘리는 것을 목표로 해야 한다.

특히, 마케터와의 긴밀한 협업이 이루어지는데, 사용자를 불러 모으기 위해서는 마케터의 SEO(검색엔진최적화)나 광고 집행이 필요하다.

 

Activation (활성화)

서비스에 머무르는 사용자의 체류 시간과 서비스를 이용하기 전에 떠나는 사용자의 이탈률 지표를 살펴본다. 이외에도 특정 영역별 체류 시간이나 행동 순차 등을 살펴보는 것도 중요하다.

만약, 이탈률이 높다면 디자인에서 어떤 사용자 경험이 이탈을 유도하였는지 파악하고 개선해 나가야 한다.

 

Retention (유지/재방문)

사용자가 얼마나 유지되고 재방문하는지 살펴본다. 다만, 재방문 사용자의 비율을 보는 것도 중요하지만 무엇보다 전환율을 파악하는 것이 중요하다. Retention은 서비스 만족도를 대변하는 기준이 되면, 수치가 낮을 경우 대대적인 리뉴얼이 필요하다. (서비스의 성패를 좌우하는 매우 중요한 단계 - 사용자가 떠나버리면 매출이 일어나지 않음)

 

Revenue (매출)

서비스의 매출 확보를 위한 단계로, 전환율을 높이는 것을 목표로 삼아야 한다. 디자이너는 전환율과 직결되는 회원 가입, 구매하기, 다운로드 버튼 등의 UI를 적극적으로 개선한다.

 

Referral (추천/입소문)

서비스가 어디에 얼마나 공유되고 있는지 해당 채널로부터 얼마만큼의 사용자를 다시 확보할 수 있는지를 알아야 한다. 핵심 콘텐츠에 공유하기 또는 구독하기 버튼을 배치하는 등 적극적인 고민이 필요하다.

😎여기까지!

---

데이터 분석 목적

데이터는 분석하여 비즈니스에 기여하고 성과를 창출하는 것이 되어야 한다.

먼저, 데이터 분석이 지향해야 할 목표를 최대한 구체화하고 정리하는 것이 중요하기에 데이터 보고를 준비하기 이전에 데이터 분석과 실행을 통해 얻을 수 있는 조직의 성공 목표를 먼저 고민해야 한다.

데이터에 관한 오해

데이터를 분석하기 전에 반드시 알아 두어야 할 오해들이 있다.

 

오해 1) 데이터는 숫자와 수치를 의미한다.

- 사용자의 목소리 자체가 데이터가 될 수 있고, 사용자의 사이트 내 행동이 데이터가 될 수 있다. 이처럼, 다양한 형태로 존재할 수 있는 것이 데이터이고 이때, 사이트와 웹을 분석하기 쉽도록 정형화한 것이 수치이다. 

But, 수백 수천만 명의 행동 패턴을 하나의 숫자로 나타내는 것이 데이터 신뢰성과 직결된다고는 할 수 없기에 사용자가 왜 그런 행동을 보였으며, 어떻게 느꼈는지, 무엇을 기대하는지는 숫자를 통해서는 알 수 없다.

 

오해 2) UX 디자이너의 역할은 데이터 측정 및 결과를 공유하는 일이다.

- UX 디자이너는 단순 측정 결과의 전달자이자 보고자가 되어서는 안되고 데이터를 통하여 인사이트를 얻고 사이트 개선, 즉 액션을 실행하는 실행자가 되어야 한다.

- 데이터만 보아서는 어떻게 실행으로 옮겨야 할지 알 수 없기에 사이트가 달성하고자 하는 목표가 무엇인지, 사용자가 어떤 행동을 하길 원하는지와 같이 먼저 데이터 수집 목표를 설정해야 분석을 시작할 수 있다. 데이터는 행동을 일으키지 못하면 전혀 의미가 없다.

 

오해 3) 데이터는 숫자가 가장 중요하다.

데이터는 숫자나 수치보다 패턴이 더 중요하다. 패턴을 추세를 가리킨다. 오늘 방문자가 20% 증가했다 하더라도 지난 3개월간 계속 줄어드는 추세였다면, 20% 증가는 큰 의미가 없을 수 있다.

 

오해 4) UX 디자인과 관련된 의사 결정은 모두 데이터를 바탕으로 실행해야 한다.

데이터는 다양한 시장 및 경쟁사 정보, 내부 기업 동향과 같은 환경에 많은 영향을 받고, 데이터의 측정 환경과 분석자가 누구인가에 따라 그 결과가 크게 달라질 수 있다.

따라서, 데이터뿐만 아니라 다양한 환경을 아울러 보는 자세가 중요하다.