UX 디자인 - 데이터 분석 관련 용어 이해하기

데이터를 통해 알 수 있는 UX 정보

{😎웹사이트 사용자의 방문규모 현황}  - 여기부터!

 

PV(Page View, 페이지 뷰 수) : 특정 웹 사이트의 특정 페이지가 사용자에게 노출된 횟수

UV (Unique Visitor, 순 방문자 수) : 중복된 PV를 제거한 것으로, 특정 기간 내 실제로 방문한 사용자가 얼마나 되는지를 파악할 수 있다.

PV와 UV의 증감 및 추세 확인하기

PV와 UV 데이터는 특정 기간의 추세를 살펴보거나 증감이 눈에 띄게 큰 날을 찾는 것이 가장 빠르게 인사이트를 발견하는 길이 된다. 추세 데이터는 분석 대상 페이지의 미래 PV 및 UV를 예측하는 지표가 될 수 있다.

증감 데이터는 특정 일자 마케팅 이슈 결과로 해석할 수 있다. 마케팅을 집행하지 않았는데, 데이터가 급격히 증가했다면 다른 외부 요인을 찾아보아야 한다.

 

특정 기간 내 일자별 UV당 평균 PV

일자별 UV당 평균 PV는 한 명의 사용자가 몇 번이나 페이지에 방문하는지를 나타내는데, 보통 한 사용자가 여러 번 페이지에 방문하기 때문에 PV가 UV보다 높다. PV가 높으면 사용자가 페이지를 반복적으로 방문하고 있다고 추측할 수 있음

재방문의 이유가 사용자의 흥미라는 긍정적인 결과 or 잘못된 사용자 여정 설정과 같은 부정적인 결과인지 원인을 명확히 파악해야 한다.

기간 내 PV가 높으면 지속해서 방문하는 사용자 비율이 높다고 해석될 수 있기에 사용자를 충성 고객으로 만들기 위해 전용 캠페인을 제공하거나 회원 전용 서비스를 제공하는 방안을 고민해볼 수 있다.

 

세션(Session)

세션은 사용자가 웹 사이트에 방문하여 이탈하기까지(세션이 끊기기까지)의 일련의 행동을 나타낸다. 여기서 행동은 사이트를 방문해 이탈하기까지 웹사이트 내에서 페이지를 열람하거나 페이지 이동이 일어나지 않는 특정 이벤트가 발생한 것을 말한다.

 

PV당 세션 수

PV당 세션 수를 구하면, 사용자가 한 번 사이트에 방문할 때 몇 페이지나 열람 하는지에 대한 평균값을 알 수 있다.

 

UV당 세션 수

UV당 세션 수를 파악하면 웹 사이트를 방문한 사용자의 사이트 이용 빈도를 알 수 있다. 세션 수를 절댓값으로 보지 않고 다른 페이지, 카테고리, 콘텐츠 그룹 별로 비율을 비교하면 사용자의 콘텐츠 소비 경향을 파악하는 데 도움이 된다.

---

{웹 사이트 사용자의 환경적 특성}

웹 사이트를 방문하는 사용자가 어느 나라 사람이며, 어떤 디바이스를 통하여 어떤 환경에서 사이트에 접속했는지를 이해하는 것은 사용자를 아는 첫걸음이다. 이 같은 정보를 통해 사용자가 사용하는 언어와 문화권, 정서, 특성 등을 파악할 수 있기 때문이다. 

또한, 디바이스와 OS, 브라우저 같은 환경정보는 서비스 최적화를 위한 기준이자 사용자 경험을 최소한으로 보장할 때 고려하는 기준이 된다.

 

국가

사용자가 어느 나라에서 웹 사이트를 방문했는지 알 수 있는 정보, 이는 사용자의 사용 언어를 추측할 수 있고 여러 국가와 언어에, 국가 데이터를 참고로 대응 우선순위와 분류 방법을 정할 수 있다.

ex) 같은 페이지를 서로 다른 언어로 번역해서 제공할 수 있으며, 국가마다 글로벌라이제이션을 거쳐 콘텐츠를 바꿔 제공할 수 있다.

 

디바이스

디바이스는 크게 데스크톱, 태블릿, 휴대폰으로 분류한다. 사용자 비율이 한 디바이스에 치중되어 있을 때는 해당 디바이스에서 주로 사용하는 해상도로 대응하고, 다른 기기에 대한 콘텐츠 페이지는 별도 버튼으로 이동하도록 제안해도 좋다.

따라서, 사용자 비율이 일반적인 웹 사용 환경의 디바이스 분류 비율과 큰 차이가 있는지 검토하여 핵심 타깃을 설정하고 부족한 타깃의 원인을 분석한다.

OS와 브라우저

OS와 브라우저 종류에 따라 웹 콘텐츠가 보이는 스타일이나 기능 구현에 약간의 차이가 있을 수 있다. 

비중이 높은 OS와 브라우저를 참고하여 우선순위를 설정하고, 이를 중심으로 서비스가 최대한 많은 사용자에게 적절하게 보이고 활용되는지 테스트해야 한다.

{😎웹사이트 사용자의 전환율과 이탈률, 종료율 - 여기부터!}

전환율

전환율은 웹 사이트를 방문한 사용자 중 소정의 행위를 한 방문자의 비율을 의미한다. 특정 UI요소의 클릭을 통한 페이지 이동부터 회원가입, 상품 구매, 파일 다운로드, 동영상 재생 등의 행위를 예로 들 수 있다.

 

이탈률

오직 한 페이지만 본 뒤 해당 사이트를 벗어난 방문(세션) 행동의 비율을 의미한다. 즉, 사용자가 세션에서 페이지와 상호작용을 하지 않고 떠난 단일 페이지 세션의 비율이다. 이탈률은 비율이 낮을수록 좋다.

 

종료율

방문한 모든 페이지를 대상으로 1개 이상의 페이지를 보고 화면을 종료한 방문(세션) 행동의 비율을 의미한다. 이탈률과 달리 수치가 높더라도 무조건 나쁜 것이 아니다.

 

전환한 사용자

페이지가 최종 페이지일 경우에는 사용자의 전환율을 크게 고려하지 않아도 상관없다. 하지만, 사용자의 활동을 요구하는 페이지일 경우에는 전환되는 사용자 비율을 높여야 하며, 전환되었을 경우 어떤 콘텐츠에 어떻게 전환되었는지 살펴보는 것이 중요하다.

전환율은 마우스 오버 및 마우스 클릭 비율과 함께 확인이 가능하며 마우스 오버 후 클릭을 통한 전환하기까지의 비율을 비교하여 사용자가 콘텐츠를 선택하기까지 고민의 과정을 예상할 수 있고, 전환 사용자만의 마우스 이동, 마우스 클릭, 마우스 스크롤 이동 행태를 분석하면, 사이트의 충성 고객이 될 수 있는 사용자의 특징과 요구사항을 찾아낼 수 있다.

 

이탈한 사용자

페이지를 이탈한 사용자가 많다는 것은 질 좋은 콘텐츠가 없거나 사용자의 목적과 다른 페이지였다고 해석할 수 있고 디바이스에 최적화된 페이지의 로드 속도가 너무 느린 것이 원인일 수도 있다.

전환율, 체류시간 지표와 함께 이탈한 사용자를 파악하면 개선 대상 페이지인지 아닌지 판단할 수 있다.

 

종료한 사용자

페이지를 종료한 사용자가 마지막으로 어떤 콘텐츠를 확인했는지를 통해 해당 원인을 예상할 수 있다.

반면, 탐색을 계속 진행해야 하는 페이지임에도 마지막으로 확인한 콘텐츠가 사용자에게 실망감을 부여하고 포기를 유도한다면, 개선이 필요함

😎여기까지!

---

{웹사이트 사용자의 유입경로}

사용자가 해당 페이지에 방문(유입)하기 직전의 경로를 의미한다. 유입 경로 데이터는 도메인을 기준으로 내부 유입과 외부 유입으로 나뉘고, 내부 유입은 같은 도메인으로 접속한 경우, 외부 유입은 다른 도메인으로 접속한 경우를 가리킨다.

외부 유입은 다시 직접 유입, 추천 유입, 검색 유입, 소셜 등으로 나뉜다.

유입 경로를 분석하면 마케팅이 적절하게 이루어졌는지 알 수 있고, 사용자가 어떤 계기로 사이트에 접속했는지 예측가능하다.

 

직접 유입

사용자가 특정 링크 또는 광고에 영향을 받지 않고, 직접 URL을 입력하여 유입하거나 즐겨찾기처럼 저장된 링크를 통해 유입한 경우를 의미한다. 사실상 시스템적으로 특별한 추가적 유입 경로 정보가 존재하지 않는 유입은 모두 직접 유입으로 분류한다. 

채널별로 제대로 된 성과 분석을 하기 위해서는 '문자 메시지, 홍보채널 등을 통해 직접으로 분류된 유입'과 '전통적 의미의 직접 유입'을 구분하여 추적해야 한다.

 

추천 유입

다른 사이트 혹은 특정 링크를 타고 들어오는 경우, 추천 유입 비율을 분석하면 웹 사이트 또는 서비스가 누구에게 어떻게 게 홍보되었는지 역추적 할 수 있다.

 

검색 유입

구글과 네이버 같은 검색엔진을 통해 유입된 경우, 검색 도메인 유입을 늘리기 위해서는 "검색엔지 최적화(SEO)"가 필요하다. 검색엔지 최적화는 웹 페이지 검색엔진이 자료를 수집하고 순위를 매기는 방식에 맞게 웹 페이지를 구성하여 검색결과 상위에 나올 수 있도록 하는 작업이다.

 

소셜 유입

페이스북이나 인스타그램처럼 SNS를 통해 유입된 경우, SNS는 자사 서비스를 홍보할 수 있는 효과적인 채널로, 고객의 니즈에 맞는 콘텐츠를 지속해서 발굴하여 자사 서비스로의 유입을 유도해야 한다.

---

{웹사이트 사용자의 전환경로}

어떤 웹 페이지에 전환되었는지 살펴봄으로써 기획자의 의도에 맞게 사용자의 이동흐름이 원활한지 검토해야 한다. 기획자의 의도대로 사용자가 이동하지 않는다면 해당 페이지의 UI와 정보구조를 다시 검토할 필요가 있다.

{사용자의 웹사이트 내 활동 정보}

사용성 테스트이 보완 및 대체할 수 있는 수단

사용성 테스트에서는 관찰자가 사용자에게 시나리오별 태스크를 부여하며, 태스크를 어떻게 수행하는지를 살펴보기 위해 촬영이나 스크린 녹화 기능을 활용하여 영상으로 남긴다. 따라서, 많은 사람의 테스트를 한 번에 또는 동시에 진행하기 어렵다.

평가 결과를 확인할 때도 각 행동 지표나 특이점을 직접 기록하고 이를 비교할 수 있는 지표로 수치화해야 하는데, 어떤 위치로 이동했는지, 무엇을 살펴 보았는지, 마우스를 오버하거나 클릭했는지, 페이지에 얼마나 머물렀는지 등과 같이 다양하고 복잡한 행동들이 웹 사이트 경험에서 발생할 수 있다.

히트맵에서는 사용자의 행동과 관련된 지표를 바로 확인할 수 있으며, 한 명이나 소규모의 사용자 정보를 수집하는 UT에서 얻을 수 없는 전반적인 통계와 평균값도 쉽게 얻어낼 수 있다.

---

{숫자와 관련된 지표분석에서 고려할 다섯가지}

첫째, 사용자가 활동한 행동의 정도와 양상

데이터를 분석할 때 단순히 사용자의 행동만을 보는 것이 아닌 그 행동의 정도와 양상을 함께 살펴보아야 한다.

페이지와 특정 콘텐츠 위이체 몇 초 동안 머물렀는지, 마우스를 몇 번이나 움직였는지, 움직인 거리는 얼마나 되는지를 파악한다면, 사용자가 얼마나 활발히 활동했는지를 해석할 수 있다.

이때, 단순히 이렇게 행동했다를 넘어 어느 정도로 행동했는가까지 살펴보도록 한다.

둘째, 상세 행동에 따라 달라지는 해석

예를 들어, 많은 사용자가 페이지 하단까지 스크롤을 이동했다는 정보는 하단까지 콘텐츠를 소비했다는 긍정적인 행동으로 해석할 수 있지만 여러 복합적인 행동과 함께 살펴보면, 반드시 긍정적이지만은 않을 수 있다.

긍정 : 사용자가 콘텐츠를 적극적으로 탐색했다.

부정 : 중간 콘텐츠를 건너뛰고 하단 콘텐츠만 확인하고, 상단의 콘텐츠 정보가 만족스럽지 않아 사용자가 추가 탐색을 일으킬 수 밖에 없었다.

 

셋째, 통계와 평균의 함정 이해하기

사용자 정보를 평균값으로 확인하면 평균값 하나만으로도 전반적인 행태를 이해할 수 있다는 점에서 편리하지만, 간혹 일부 사용자의 극단적인 수치에 의해 영향을 받을 수 있다는 단점이 있다.

ex) 페이지에 접속하자마자 의도와 상관없이 접속이 종료된 경우 or 원치않는 접속임을 깨닫고 바로 나가버린 경우 => 이때는, 체류 시간을 마우스 무브 or 스크롤 데이터와 같은 다른 정보와 함게 확인한 다음 의미 없는 데이터를 정제하거나 실제 분포 확인을 통해 평균이 아닌 중앙값처럼 다른 대푯값으로 선정해야 한다.

 

넷째, 시간의 흐름에 따라 데이터 분석하기

데이터를 바라보는 관점에서 크게 시간의 흐름에 따라 분석하는 방법과 세그먼트별로 작게 쪼개어 분석하는 방법이 있다.

1) 시간의 흐름에 따라 데이터를 분석하는 방법의 중요성 살펴보기

아래 그림과 같이 시간의 흐름에 따라 데이터의 추세를 살펴보면 현재 상태의 기준을 알 수 있고 이에 따라 서비스가 나쁜 or 좋은 상태인지 새로운 인사이트를 발견할 수있다.

 

2) 세그먼트별로 작게 쪼개어 분석하기

며칠을 주기로 한 번씩 번 곳에 눈에 띄는데 바로 B2B 사이트이고, 이는 정기적으로 발생하는 일이므로 하나의 추세, 즉 트렌드라고 정의할 수 있다. 이러한 추세는 연말연시, 설날, 추석 등 연휴에도 동일하게 나타난다.

다섯째, 데이터를 세분화하여 해석하기

서비스를 개선하는 일은 전체를 부분으로 나누어 보는 것에서 시작되는데, 이렇게 작게 쪼개는 일을 세그먼트라고 부른다. 세그먼트는 유입 경로나 재방문자/신규 방문자 외에도 요일 등으로 다양하게 나눌 수 있다.

다양한 세그먼트 예시

1. 데스크톱과 모바일, 태블릿 : 어느 쪽의 사용자가 많았는지를 파악하여 전환율을 높이거나 서비스 개선 시 우선순위를 정할 수 있다.

2. 신규 방문자와 재방문자 : 어느 쪽의 사용자가 더 많았는지를 파악하여 행동경향을 분석한다. 각기 다른 사용자의 행동을 통하여 전환 목표를 다르게 설정하고, UI 디자인에 활용한다.

3. 유입 경로 : 경로에 따라 사용자의 특성을 파악하고 경로에서의 유입을 더 늘릴 수 있을지 고민한다.

---

UX 디자이너를 위한 데이터 분석 도구

{웹 로그 분석 툴}

웹 로그 분석이란 웹 사이트 반문자의 로그(기록)을 분석하는 것, 이를 활용하며 매출 및 전환율 측정은 물론 방문자의 사이트 활동, 사이트 유입 경로, 광고 ROI(Return on Investment, 투자 수익률)를 확인할 수 있다.

보통 전환 방문자의 성향과 행동 패턴을 파악하게 타깃 마케팅을 실시한다. 특히, 구글 애널리틱스는 서비스 전체, 페이지 단위 지표는 물론 세분된 세그먼트와 목표 설정 기능, 인구 통계 정보를 제공한다.

- 구글 애널리틱스와 같은 웹 로그 분석 툴을 이용하기 위해 툴마다 제공하는 스크립트 코드를 자신의 웹 사이트에 삽입하여 해당 웹 사이트 방문자 춪거을 시작한다. 하지만, 사용자의 행동을 파악하기 어렵다는 단점이 있어 보통 지표를 보는 정도로만 활용하며 주로 마케터의 성과 관리 툴로 사용된다.

{비주얼 애널리틱스}

사용자의 행동 데이터를 알기 쉬운 시각화된 정보로 제공하는 애널리틱스이다. 기획한 페이지에서 그대로 데이터를 확인하고 분석할 수 있는데, 설치 방식도 웹 사이트에 스크립트 코드를 삽입하면 된다.

비주얼 애널리틱스를 사용하면 사용자의 상세 행동을 분석할 수 있고 사용성 문제를 짚어낼 수 있으며, 이를 기반으로 사용자의 감정까지 추측할 수 있다.

상세 행동 분석

- 기존 웹 로그 분석 툴에서 고객의 행동 흐름과 중점 문제 페이지를 확인하면  해당 페이지에 대한 사용자의 상세 행동을 분석할 수 있다. 단순히 사이트를 둘러보는 건지 or 정말 상품을 구매하려고 왔는지 등 사용자가 사이트를 방문한 목적과 실제 일으킨 행동을 파악할 수 있다.

 

사용성 파악

Clickable요소가 아님에도 불구하고, 버튼으로 착각하여 반복적으로 클릭하는 요소가 있는지, 사용자가 버튼의 레이블을 헷갈리지는 않는지 도출할 수 있다.

 

고객의 감정 추측

감정이라는 것은 단순히 수치만 보고 파악할 수 없으며, 사용자가 일으키는 여러 가지 행동을 조합함으로써 추측할 수 있다.

 

A/B Testing 툴

성과 추적을 위한 A/B Testing 툴로는 구글의 옵티마이즈와 옵티마이즐리 등이 있다.

 

---

주요 지표 및 용어

쿠키(Cookie)

- 쿠키란 사용자가 웹 사이트를 처음 방문할 때, 웹 사이트에서 사용자 컴퓨터의 하드 디스크에 저장하는 작은파일이다. 

쿠키에는 웹 브라우저 정보처럼 사용자를 특징 지을 수 있는 정보를 저장할 수 있고, 구글 애널리틱스나 뷰저블과 같은 웹 분석 툴에서는 이 저장된 정보를 활용하여 사용자를 판별한다. 하지만, 개인 정보 보호를 위하여 보통 이름, 성별, 연령과 같은 정보는 저장하지 않는다.

 

사용자(User)

- 분석 툴에서는 브라우저를 통해 접속한 사용자에게 고유의 아이디를 부여하는데 이를 User ID라고 부르고, User ID를 지우지 않는 한 쿠키에 계속 저장되어 사용자가 재방문했는지를 알 수 있다.

하지만, 사람이 아닌 쿠키를 사용자로 인식하기 때문에 다른 브라우저 혹은 다른 디바이스에서 접속한 경우에는 같은 사용자로 판단하지 못한다.

 

세션(Session)

- 웹 사이트에 접속한 이후 복수의 페이지를 둘러보며 취한 행동이다. 세션은 브라우저 사이트 내에서 사용자의 클릭이나 마우스 이동, 스크롤과 같은 인터랙션이 발생하면서 지속된다.

 

CTA(Call to Action)

- 웹 사이트 내 목표를 달성하기 위하여 고객에게 행동을 유도하는 버튼이나 배너를 가리킨다.

회원가입, 구매하기, 다운로드 등 다양한 사이트별 목적에 따라 버튼의 형태와 종류가 달라진다.