Column
아이온커뮤니케이션즈의 다양한 이야기들을 매월 뉴스레터로 받아보실 수 있습니다.
Column
-
[기술칼럼] 데이터 중심의 디자인, Data Driven UX
2017. 05. 22 -
데이터에 기반한 UX 트렌드 및 기업의 성공 사례플랫폼의 발전에 따라, 기업의 경쟁력은 경험 서비스의 질과 직결되고 있다. IT 산업에서 데이터에 대한 기술력과 관심이 높아지면서 기업들은 보다 나은 경험을 제공하기 위해 사용자들이 원하는 요구사항과 피해야 할 Pain-Point를 파악한다. 이 때 파악할 수 있는 과거의 경험은 사용자의 데이터를 의미할 수 있다.데이터를 근거로 하는 UX에 대한 연구와 관심은 사용자들을 중요시 여기는 기업과 전문가들에 의해 이전부터 그 기반을 쌓아오고 있었다. 인지과학자이자 UX디자인의 대부로 일컬어지는 도널드 노먼(Donald A. Norman)과 웹 사이트에서 사용자 중심의 디자인 설계를 통한 사용성 연구를 계속해온 제이콥 닐슨(Jakob Nielsen)은 닐슨노먼그룹(https://www.nngroup.com/)을 설립하여 사용자 리서치를 시작하여 웹 사용성에 대한 다양한 연구를 진행해왔다. 또한 2007년 Apple의 iPhone의 출시와 성공으로 인해, 기존 몇몇 연구소나 글로벌 기업에서만 다뤄졌던 UX 산업의 저변이 점차 확대되어 오늘날에는 글로벌 기업 뿐 아니라 기관, 일반 기업들의 성공 전략으로 UX가 자리잡게 되었다. 실제로, Apple 뿐 아니라 넷플릭스, 미국 대선 홍보 시스템, 익스피디아, Intuit 등 많은 기업에서 데이터를 통한 UX 개선으로 많은 성공 사례를 이뤄냈다.UX를 데이터로 분석해야 하는 이유UX를 직관에만 의존해서는 여러 이해관계자들의 동의를 구하고 사업 지표를 안전하게 유지하도록 보장하기란 쉽지 않을 것이다. 따라서 좀 더 객관적이고 신뢰할 수 있는 방향성을 제시하고 그 효과를 기대하기 위해서는 과거의 경험, 사용자의 실제 데이터를 토대로 UX를 이해하고 분석해야 한다.마케팅이나 비즈니스 의사결정 각 단계에서 데이터로 UX를 분석함으로써 기대할 수 있는 효과는 다음과 같다.[첫 째, 고객 자체에 대한 통계와 분석 얻기]
최근 신규 서비스나 운영되고 있는 서비스의 개선 작업에서, 구체적인 사용자의 이해를 위해 퍼소나를 설정하는 프로세스를 종종 볼 수 있다. 서비스에서 이미 알고 있는 정보(서비스의 주 목표와 관련 된 요구사항, 관련 된 기존 타겟 사용자 등과 같은 정보)를 토대로, 예상하고 있는 사용자의 정보들을 짐작하고 부가적인 정보들을 추측이나 직관에 의해 채워 나가 퍼소나를 완성하게 된다.‘퍼소나-persona’란, 한 서비스의 사용자들을 대표할 수 있는 가상의 인물을 의미한다. 1988년 앨런 쿠퍼(Alan Cooper)의 <정신병원에서 뛰쳐나온 디자인’이라는 저서에서 사용자 중심의 실무 방법론으로 해당 개념이 소개되었으며, 이후 소프트웨어 개발 및 인터랙션 디자인 과정에서 사용자에 보다 집중하고 구체적으로 그 집단의 특징과 요구사항을 이해하기 위한 수단으로 많이 사용하곤 하였다. 서비스의 퍼소나는 국가, 성별, 연령, 직업과 같은 개인적인 정보를 가질 수 있으며 또는 요구사항, 서비스의 사용 목적과 행동 패턴 등과 같이 서비스 사용과 관련 된 특징을 지닐 수 있다.
이때 사용자 데이터를 기반으로 퍼소나를 생성하거나, 생성된 퍼소나의 검증 작업을 진행한다면 기존에 짐작이나 추측, 직관으로 인한 취약점들을 해결할 수 있다. 서비스 사용자 집단을 대표할 수 있는 구체적이고 상세한 특징과 그에 대한 객관적인 근거 자료로 인해 서비스의 사용자를 직접 대면하지 못한 담당자에게도 퍼소나에 대한 이해와 동의를 쉽게 얻을 수 있을 것이다. 또한 데이터로 얻은 기존 퍼소나를, 현재 진행되고 있는 서비스의 성과와 같은 결과에 대한 요인으로 이해할 수 있어, 서비스가 지향하고자 하는 고객으로 발전하기 위해 퍼소나를 보완하고 그에 따른 서비스의 개선 방향을 찾아낼 수 있을 것이다.
또한 사용자 데이터를 기반으로 퍼소나를 설정한다면, 퍼소나에 대한 지속적인 모니터링과 관리가 가능할 것이다. 기존 UX 프로젝트의 경우, 초기 설정된 퍼소나는 변화하는 사회와 사용자, 그리고 서비스 대응에 따라 지속적인 갱신과 관리가 바로 이뤄지기 어렵다는 한계가 존재한다. 하지만 사용자의 데이터를 퍼소나에 활용한다면, 실시간으로 사용자 집단의 변화를 감지한 후 변화하는 흐름에 따라 퍼소나의 각 특성들을 반영하여, 서비스의 사용자를 대표할 수 있는 퍼소나를 직관적인 정보로 쉽고 빠르게 이해할 수 있을 것이다.
[둘 째, 고객이 직접 말하지 않는 요구사항을 파악하기]
사용자의 의견을 수집하기 위해 가장 널리 쓰이는 방법은 아마 사용자 테스트와 사용자 인터뷰일 것이다.
'사용자 테스트'는 특정 제품/서비스에 대해 평가하고자 하는 항목을 구체화하고, 이와 관련 된 과업이 포함 된 사용 시나리오를 사용자 테스트 참가자에게 직접적으로 또는 자연스럽게 제공한다. 테스트의 평가를 위해 모집된 참가자는 사용자로써 사용 시나리오를 진행하고, 진행에 따른 과업과 각 항목들을 참가자가 직접 평가하거나, 관찰자와 같은 다른 인물에 의해 평가받게 된다.
'사용자 인터뷰'는, 실제 서비스의 사용자를 대표할 수 있는 사용자를 모집하여 (또는 특정 조건에 부합하는 사용자를 특별히 모집하여) 인터뷰 진행자의 질문을 통해 얻고자 하는 인사이트와 관련 된 사용자의 요구사항, 원하는 방향성 등을 답변으로 얻어내는 방법이다.
사용자 테스트와 사용자 인터뷰는 여러 방법론에 의해 다양한 진행 방식, 평가 방식을 갖게 되는데 아무리 자연스러운 환경과 진행을 갖춘다 할지라도 테스트 또는 인터뷰 질문을 받게 되는 ‘참가자’와 테스트 또는 인터뷰를 진행하는 ‘진행자’의 존재와 참가자의 행동과 의견들이 평가의 한 부분이라는 인지는 존재하게 된다. 평가를 인지한다는 사실은, 참가자에게 의식적이나 무의식적으로 사용 행동이나 평가 결과에 대해 관여할 것이다. 과업을 달성하고자 하는 내면적인 욕구나, 평가에 대해 극단적인 혹은 부정적인 표현을 피하고 싶어하는 개별적 특성에 따라 실제 사용 행동 패턴이나 표현하고자 하는 응답 결과를 올바르게 전달하지 못할 수 있다.
또한 사용자는 본인이 직면한 불편한 현상의 문제점과 원하는 해결방안을 100% 정확하게 표현하지 못할 수 있다. 넷플릭스 사의 예를 들자면, 보다 나은 UX와 성과를 위해 메인 페이지 UI 개선에 대한 사용자 인터뷰를 진행하여 인터뷰를 받는 참가자들에게 메인 페이지에서 가입과 로그인 전에 원하는 정보가 무엇인지 질문하였다. 이 때 사용자들은 내가 시청할 수 있는 프로그램 목록을 확인하고 싶다고 답변하였고, 이를 반영하여 메인 페이지에 시청 가능한 많은 프로그램 목록을 제공하였지만 오히려 가입과 로그인에 대한 전환율이 저조해지는 결과가 발생하였다. 결국 실제 프로그램의 정보가 담긴 목록이 아닌, 시청할 수 있는 프로그램의 다양성과 규모를 간략히 훑어볼 수 있는 배경 이미지를 사용자가 확인할 수 있도록 다시 개선하였고, 더 나은 사용성과 전환율 성과를 얻어낼 수 있었다.
여기에서 참가자는 ‘프로그램 목록을 확인하고 싶다’ 라는 의견을 전달하였지만 이 프로그램 목록을 확인하고자 하는 근본적인 목적과 그 정도, 그리고 사용자가 원한 행동(프로그램을 대략적으로 파악하고자 한 행동)을 서비스 제공자가 의도한 목적에 어떤 영향을 끼칠 지와 같이 다방면으로 고려한 해결방법으로 표현하거나 제안하지 못하였다. 물론 참가자의 표현 숙련 정도에 따라 이러한 문제가 해결될 수 있겠지만, 모집할 수 있는 사용자 집단, 시간, 기간, 장소 등 여러 제약 요소에 의해 특정 사용자가 전달한 내용이 전체 사용자의 의견을 완벽하게 표현하였고 대표할 수 있다고 보기에 어려울 수 있다.
사용자의 데이터를 관찰함은 이런 제한된 환경에서 사용자 의견 정보를 추측에 의해 가늠하며 이끌어내는 어려움을 보완할 수 있다. 일부 사용자를 대상으로 데이터를 수집하는 것이 아니라, 전체 사용자의 실제 행동을 기반으로 분석하는 것이기 때문에, 결과가 사용자의 대표할 수 있음에 대한 신뢰성과 외부에 관여 받지 않은 실제성을 갖게 된다.
또한 사용자의 행동 데이터 활용은 실제 동기/기대/요구사항에서 비롯된 서비스 탐색과 이용에 대한 결과이기 때문에, 결과 뿐 아니라 인식과 감정과 같은 주관적인 평가가 내포할 수 있는 과정을 내포할 수 있다는 이점이 있다. 사용자를 이해함으로써, 제공자가 의도한 것을 검증하는 것에 그치는 것이 아니라, 원하는 것을 파악하고 그 방향에 맞춰 디자인/설계하는 서비스로 발전할 수 있다.
[셋 째, 서비스에 숨어있는 중요한 현상을 다각적인 면에서 찾아내기]
데이터를 통해서 서비스를 평가한다고 하면 일반적으로 PV(Page View – 방문 조회 수), UV(Unique Visitor – 방문 사용자 수), 사용자의 재 방문비율, 특정 요소의 클릭비율과 같이 하나의 지표 추이를 관찰하는 정도에 그칠 수 있다. 하지만 사용자의 데이터를 수집한다면 이 뿐 아니라 행동과 연관 지어 해석할 수 있는 다양한 지표들을 정량적인 수치로 얻을 수 있다. 방문 규모에 대한 해석 분 아니라, 방문의 계기부터 중요 콘텐츠 또는 페이지로 전환되기까지의 과정에서 얻어낼 수 있는 다양한 수치들을 종합적으로 해석한다면, 기존에 발견할 수 없었던 성과와 성과로 연결될 수 있는 잠재성을 찾아낼 수 있을 것이다.
그 예로, 회원가입 페이지의 회원 가입 전환율을 측정하는 사례를 들어볼 수 있다. 만약 일반적인 태스크 성공률로 전환 정도를 측정한다면 단순히 전체 방문 사용자 대비 가입 완료 사용자 비율 값으로 그 정도를 측정할 수 있을 것이다. 해당 값 만으로는 특별한 성과나 문제점 파악이 어려울 수 있다.
하지만 회원 가입 페이지에서 제품 소개 페이지와 같은 특정 페이지를 거쳐 다시 되돌아온 사용자의 가입 전환율을 고려해보거나, 로그인 페이지로 전환한 사용자를 회원 가입의 방문과 무관한 사용자로 간주하여(기존 회원가입이 되어 있기 때문) 이를 제외한 전환율을 측정해 볼 수 있다. 또한 회원 가입을 시도한 사용자의 규모와(ex: 회원가입의 첫 번째 서식 콘텐츠에 대한 접근을 시도한 사용자) 최종 가입을 완료한 사용자의 규모를 비교하거나, 그 과정 속에서 마우스 이동이나 클릭 순서와 같은 흐름 데이터도 함께 관찰할 수도 있다. 이와 같이 데이터를 통해서 다각적인 면에서 분석과 통찰을 거치면 프로세스의 UX 현황과 문제점을 좀 더 심도 있게 다루고 해결할 수 있을 것이다.
데이터 유형
데이터를 UX디자인에 적용하기에 앞서 어떤 데이터를 이용할 것인지 결정하는 과정이 필요하다. 데이터를 그 성격에 따라 크게 '정성적 데이터(Qualitative data)' 와 '정량적 데이터(Quantitative data)'로 분류할 수 있다.
정성적 데이터는 관찰이나 인터뷰와 같은 방법론을 통해 수집된다. 인터페이스를 이용하는 사용자들의 동기, 정서와 같은 영역을 파악하는데 용이하다. 수집된 데이터는 구조화 및 조직화하여 분석되는데 연구자의 경험과 숙련도에 의해 많은 영향을 받는다.
정량적 데이터는 측정에 의해 수집될 수 있다. 클릭 횟수, 체류 시간, 오류 횟수와 같이 숫자로 표현될 수 있고 계산을 통해 새로운 지표를 만드는 것도 가능하다. 일정한 환경만 갖춘다면 누가 측정하느냐에 의해 영향을 받지 않는다. 하지만 각 지표 설정과 객관적인 평가에 의해 얻어낸
수치 의미를 추론해 내는 과정이 수반된다.
두 가지 평가 방식을 통해 얻어진 데이터는 상호보완적이다. 정성적 데이터를 통해 알 수 있는 사실은 정량적 방식을 활용하였을 때 확인하기 어렵고 그 반대의 경우도 마찬가지이다. 그러므로 기획 의도, 시간, 비용, 평가의 목적을 충분히 고려하여 어떤 방식을 사용하고 보완할 것인지 결정할 수 있다.
정량적 데이터
경험에서 발생하는 다양한 행동과 요구사항들은 여러가지 요인에 의해 영향을 받고 시시각각으로 변화하기 때문에 그 복잡성이 가중될 것이다. 이렇게 분산되어 있는 다양한 고객들의 경험을 하나로 모아서 보기 위해 객관성, 정확성 측면에서 가장 좋은 방법은, 고객의 행동을 기준과 지표에 따른 정량적인 지표로 수집하거나 변환하는 것이다.
수치와 지표로 나타내는 정량적인 지표는, 그 수집 방식에 있어 주관적인 해석과 판단이 개입되지 않기 때문에 정보를 쉽고 빠르고 정확하게 전달해준다. 또한 데이터를 사용하면 서비스 제공자가 고객 관점에서 서비스에 대한 문제를 발견하고 해결하는 과정을 짧게 반복할 수 있어 서비스를 능동적으로 Lean 하게 검증하고 개선점을 학습할 수 있다.
다만, 수치로 나타내는 정량적 지표들을 다시 사용자의 행동과 현상으로 해석하고 이해하는 과정에서 얼마나 실질적인 의미와 인사이트를 추출할 수 있는가에 따라, 정량적인 데이터 효용성의 가치가 판별될 수 있다.
변환 된 정량적 데이터를 해석하는 사람의 주관이나 잘못된 인과관계 설정이 적용된다면, 왜곡된 해석 결과를 초래하고, 데이터 검증 없이 흔하고 원론적인 이론만 적용하는 것 만도 못할 수 있다.
이 점만 주의한다면, 빠르게 변하는 고객의 경험과 요구사항들을 흘려 보내 놓치는 일 없이, 즉각적으로 경험들을 수집하여 통합된 솔루션으로 쉽게 이해할 수 있다. 또한 데이터에서 얻은 요구사항과 인사이트를 서비스에 반영한다면 비즈니스 성과로 기여할 수 있을 것이다.
▶ 방문정보
방문 정보를 나타내는 PV, UV, 신규방문과 재방문비율과 같은 데이터는 행동을 의미하기보다 마케팅의 성과나 사이트에 대한 사람들의 관심에 가까운 지표들이다.
> PV(Page View), UV(Unique Visitor)
페이지가 사람들에게 노출된 횟수(조회수)를 의미하며, UV(Unique Visitor)는 반복적인 노출을 배제하고 페이지를 조회한 방문자의 실제 규모를 파악하는데 참고할 수 있는 지표로 활용할 수 있고 그 추이를 관찰할 수 있다.
> 신규 방문과 재 방문
신규 방문과 재 방문 사용자의 비율 데이터는, 사이트의 만족도와 연관되는 방문 지속성의 현황을 보여주는 하나의 지표이다. 따라서 사이트가 지속적인 고객을 유지하기에 충분한 콘텐츠를 갖췄는지 이해하기 위해 해당 정보를 참고할 수 있다.
[뷰저블에서 방문정보를 나타내는 그래프]▶ 유입정보
유입 경로 정보는 방문 정보와 연관될 수 있는 데이터이다. 다만 유입 경로를 앞서 설명한 방문 정보와 별도로 분리한 이유는, 유입 경로를 통해 성과나 관심의 규모 뿐 아니라, 행동에 영향을 끼칠 수 있는 정보나 한 도메인 내에서 탐색 흐름을 예측할 수 있기 때문이다.
[뷰저블에서 확인할 수 있는 유입 정보(경로별 수치와 히트맵 Segment)]유입경로의 특징에 따라 사용자가 서비스에 대해 갖고있는 목적이나 인지 정보의 정도를 일부 추측할 수 있다.
> 검색 포탈 사이트와 같은 유입경로
다른 유입 경로에 비해 사용자 스스로의 목적이나 의지로 인한 방문의 성격이 강하다. (사용자가 해당 서비스를 사전에 인지하고 있으며, 스스로 설정한 목적이 존재할 것이다.> 블로그/미디어 수단
사용자가 사이트와 관련 된 정보와 링크를 미디어를 통해 접하고, 그로 인해 생긴 관심이나 다른 목적에 의해 사이트로 전환된 유형으로 이해할 수 있다. (사용자가 해당 서비스를 기존에는 인지하지 않았을 수 있지만, 미디어를 통해 정보를 제공받은 상태이다, 전환되었음으로 보아 이전 유입경로에서 제공받은 정보가 사용자에게 관심과 목적을 일으킨 계기라 볼 수 있다.> 마케팅을 진행한 유입 경로
홍보를 위해 진행한 마케팅 수단에서 인터랙션이나 사용자의 관심으로 인해 전환된 유형이다. (해당 서비스에 대한 충분한 정보를 갖추고 있지는 않았지만, 마케팅 활동으로 전환되었음으로 보아 긍정적인 흥미가 존재함으로 본다, 전환을 강하게 유도하는 마케팅 활동으로 발생한 흥미의 지속력은 그 정도가 약할 것으로 예상된다, 이 때 마케팅 활동으로 실제 고객을 생성하고 유지하기 위해, 발생한 흥미를 유지/강화 시키거나 다른 목적으로 전환시키는 것이 중요하다)> 동일한 도메인에 대한 유입 경로
동일한 도메인에 대한 유입 경로는, 해당 도메인 내에서 사용자의 정보 탐색 흐름 과정을 의미한다. 유입경로를 통해 사용자가 해당 도메인 내에서 어떤 과정으로 페이지 콘텐츠를 소비하는지 확인할 수 있다. 최종 목적지까지 달성하기까지 정보를 탐색하고 습득하는 과정을 확인하면 각 콘텐츠들이 목적 달성에 끼치는 영향을 예측할 수 있을 것이다.▶ 활동정보
활동 정보는 사용자가 입력수단(마우스/키보드)를 이용해 페이지 내에서 활동한 정보를 의미한다. 이를 정량적인 지표로 변환하기 위해서는, 어떤 곳에서 어느 정도 규모의 사람들이 활동을 발생시켰는지 정보를 수집할 수 있다.
- 어떤 곳에서: 콘텐츠의 위치/영역
- 어느정도 규모의 사람들: 접근 및 클릭에 해당되는 PV나 UV
- 활동: 마우스클릭, 마우스오버, 스크롤 도달
> 마우스 클릭 & 마우스 오버 활동 정보
마우스 클릭과 관련 된 지표를 확인하면, 사용자의 최종 목적지 및 전환이 어떤 콘텐츠에서 이뤄졌는지 확인할 수 있다. 콘텐츠는 페이지가 전환되는 링크, 전환되지 않고 서식이나 콘텐츠 변경과 같은 인터랙션을 발생시키는 링크가 존재할 수 있다. 따라서 클릭 지표를 확인할 때 이와 같은 콘텐츠 유형과 실제 전환된 경로의 순위를 함께 참고한다면 사용자가 어떤 콘텐츠를 실제로 활용했는지, 그리고 마지막으로 어떤 콘텐츠를 최종 목적지로 결정하였는지 등을 알아낼 수 있다.
또한 마우스가 움직인 범위를 나타내는 마우스 오버/Move 지표를 확인하면 사용자가 관심이나 목적에 의해 응시한 지점이라 이해할 수 있다. CHI 2001 학회에 보고 된 연구결과에 따르면, 웹 페이지에서 사용자의 마우스 커서가 위치한 곳의 84%가 실제 아이트래킹(Eye tracking)에서 측정된 응시 지점에 해당된다는 연구 결과를 알 수 있다. 이로써 마우스 커서가 오버한 영역, 움직임을 나타내는 Move 히트맵은 사용자가 응시한 콘텐츠에 대한 히트맵과 유사한 형태라고 이해할 수 있다.
ACM CHI (http://www.sigchi.org/) Mon-Chu Chen, John R.Anderson, Myeong-Ho Sohn (2001).
“What can a mouse cursor tell us more? Correlation of eye/mouse movements on web browsing”
http://dl.acm.org/citation.cfm?id=634234
[뷰저블에서 확인할 수 있는 마우스 클릭 히트맵과 마우스 무브 히트맵]> 스크롤 도달 정보페이지의 각 높이(height- px)에 위치한 콘텐츠들은 상단 Above the Fold 영역을 제외하고는 스크롤 이동을 통해서만 사용자에게 노출될 수 있다. 따라서 동일한 페이지에서 제공되는 콘텐츠일지라도 위치한 높이에 따라서 실제로 노출된 규모가 상이할 수 있다. 페이지의 노출 규모(PV)중에서, 각 높이 별로 스크롤 도달 비율을 계산하여 각 콘텐츠에 실제로 도달된 PV 규모를 알 수 있다. 이 PV 규모는 위치가 다른 클릭결과나 마우스 이동 결과를 정확히 이해하는데 참고하여, 특별히 높거나 낮은 데이터의 인과 관계를 찾아내는데 활용할 수 있다. 또한 절대값은 적어도 노출에 비해 성과가 높아 효율이 좋은 콘텐츠를 놓치지 않고 찾아낼 수 있을 것이다.
[뷰저블에서 확인할 수 있는 스크롤 도달율 히트맵과 차트 그래프]> 체류시간 정보사용자가 콘텐츠의 정보를 탐색하고 이해하는데 소요된 시간을 의미한다. 체류시간 형태의 분포 현황을 통해, (페이지의 성격이 크게 바뀌지 않는 한,) 해당 유형의 페이지 내에서 사용자가 할애할 수 있는 최소/최대의 시간의 정도로 이해할 수 있다.해당 체류 시간 내에 사용자가 페이지에서 의도한 여러 콘텐츠들을 탐색할 수 있었을 지, 그리고 이에 따라 사용자들이 콘텐츠를 탐색하는 행태가 Skimming 하는 방식인지 read 하는 방식인지 그 차이를 예측하고 페이지 콘텐츠 구성을 검토해볼 수 있다.
[사용자의 체류시간 데이터를 통해서 전체 사용자들이 체류하는 시간의 전반적인 현황을 알 수있다.]▶ 정량적 항목들을 종합적으로 분석하는 예시
각 정량적인 데이터 지표들은 사용자의 행동을 의미할 수 있는데, 이 때 각 정보들을 조합하고 함께 해석한다면 더 구체적인 사용자의 행태를 예측할 수 있고 개선점 발견을 위한 인사이트를 얻어낼 수 있을 것이다. 다음 예시와 같이 객관적이고 실질적인 데이터를 근거로 사용자의 UX가 담긴 의미를 얻어내기 위해 정량적인 지표들을 파악하고 분석할 수 있다.
> 목적 달성에 대한 의지
전환을 목적으로 하는 페이지에서는, 방문한 사용자들이 실제로 목적을 달성하고자 방문을 하였는지, 아니면 방문 이후 발생한 흥미에 의해 전환이 발생되었는지 등에 대해서 검토하면 고객의 유형과 요구사항과 구체적으로 이해할 수 있을 것이다. 회원가입, 로그인, 주문 및 결제와 같은 페이지가 전환을 목적으로 하는 페이지의 예시가 될 수 있다.
○ 목적 달성 의지가 높았던 콘텐츠 찾기
-클릭율이 높고, 반면 해당 콘텐츠 근처 영역에서 체류한 시간이나 접근 횟수가 적은 콘텐츠가 이에 해당될 수 있다.
-만약 사용자가 해당 콘텐츠로 빠르게 전환되기 보다 다른 콘텐츠를 좀 더 둘러보길 원한다면, 사용자들이 상단에서부터 해당 콘텐츠까지 시선이 이동하기까지의 동선 영역을 활용해볼 수 있다. 다만, 사용자가 직접 의도한 목적 달성에 방해감을 제공하지 않도록 주의해야 한다.
○ 목적 달성 의지가 낮고, 사용자에게 흥미를 발생시키지 못한 콘텐츠 찾기
- 먼저, 콘텐츠가 위치한 높이의 스크롤 도달율을 통해 실제 노출된 사용자를 파악해야 한다. 노출된 사용자 대비, 체류시간이나 접근 횟수에 비해 클릭율은 낮은 콘텐츠일 경우에 목적 달성 의지가 낮은 콘텐츠라 해석될 수 있다. 이는 사용자에게 전달된 콘텐츠이고 충분한 접근 횟수와 시간동안 사용자에게 전달되었지만 목적성이나 흥미성에 부합하지 않아 낮은 클릭율을 보였음을 의미한다.
- 만약 해당 콘텐츠로 빠르게 전환되길 원한다면 먼저 UI를 개선할 수 있다. 노출율을 높이기 위해서는 Above the Fold 영역에 가깝도록 상단에 콘텐츠를 배치하고, 실제 확인율을 높이기 위해서는 명확하고 흥미를 끄는 문구와 함께 강조된 디자인으로 제공해야 한다. 그리고 페이지 내에서 많이 전환된 콘텐츠를 파악하여, 사용자가 흥미를 갖고 목적성을 둔 유형을 파악하여 연관성을 찾아본다. 만약 연관성이 떨어진다면, 한 페이지 내에서 너무 많은 목적과 강조가 혼재되어 있어 사용자에게 더 복잡한 정보 구성이 될 수 있기 때문에 별도 페이지로 분리하는 것과 같이 배치 형태를 검토해야 한다.
정성적 데이터
사용자 경험을 사용자, 인터페이스, 맥락으로 구성되어 있는 것으로 정의할 때, 정량적 평가는 대게 사용자와 인터페이스 간의 상호작용에 초점을 맞추는 반면 정성적 평가는 맥락을 함께 고려할 수 있다. 사용자들이 어떤 환경에서 인터페이스를 이용하는지를 이해하게 되면 무엇이 필요한지를 파악하기도 쉽기 때문에 정성적 평가는 정량적 평가보다 사용자 경험에 대해 더 훌륭한 직관을 제공하기도 한다. 그럼에도 불구하고 정성적 평가는 동일한 현상에 대한 사람의 주관적인 판단과 해석이 개입되기 때문에 종종 객관성과 일관성 문제로 인해 비판을 받는다.
이러한 정성적 평가의 신뢰성 문제를 부분적으로 해결할 수 있는 방법 중 하나가 기존의 정성적 평가 방식에 데이터를 활용하는 것이다. 정성적 평가 방법에 데이터를 활용함으로써 더 효율적으로 좋은 UX 디자인을 수행할 수 있는지에 대해 알아보자.
▶ 퍼소나-사용자 이해
퍼소나는 서비스를 기획하거나 개편에 들어가기 앞서, 사용자를 먼저 이해하여 무엇을 원하고 어떤 방식으로 생각을 하고 행동할지를 예상할 수 있도록 도와준다. 퍼소나는 가상의 인물이긴 하지만, 실제 사용자들을 대표할 수 있는 인물이 된다. 따라서 기존에는 사용자의 행동을 직접 관찰하여 특징을 찾아내고, 이를 퍼소나로 표현하였다. 하지만 이제 우리는 서비스에 대한 데이터를 활용할 수 있기 때문에 사용자의 모집과 관찰이라는 별다른 시간과 비용을 들이지 않고 객관적인 근거로 뒷받침한 참된 퍼소나를 설정할 수 있다.
퍼소나를 설정하는데 실제 참고할 수 있는 데이터 예시는 다음과 같다.
> 시/공간적 환경: 국가, 지역, 날짜, 요일, 시간 등
시/공간적 환경에 의한 집단은 그 특징에 따라 공통적인 문화를 지닐 수 있다.
국가 또는 지역은 해당 지리적 위치에 놓인 사용자들은 공통적이거나 유사한 지역적 문화와 특징, 사용하는 언어의 유사성 등을 갖게 된다. 서비스를 사용하는 사용자의 지역적 특징을 파악하여, 지역 문화를 퍼소나의 특징으로 활용할 수 있다.
시간적 특징은, 계절, 이벤트와 관련 된 날짜, 요일과 같은 정보가 있을 수 있다. ‘직장인’이라는 직업에 따른 시간적 특징을 이해해보자면, 출근 시간이 집중된 아침 시간과 오전 근무시간, 점심시간, 오후 근무시간, 퇴근 시간, 저녁 식사 시간, 취침 전 밤 시간, 새벽 시간과 같이 범위를 구분해 다양하게 관찰하고 특징을 얻어낼 수 있다.
> 기기적 환경: 기기(데스크탑/모바일), 화면 사이즈 및 해상도
기기적 환경은 서비스가 사용자에게 전달되는 서비스의 화면, 그리고 사용자의 행태 방식을 결정짓는데 중요한 역할을 한다. 데스크탑, 모바일 각 환경은 기기의 주변 상황이나, 인터랙션 수단, 화면의 사이즈와 해상도 정도에서 큰 차이를 나타낼 수 있다. 각 기기 환경별로 대표할 수 있는 특징을 다음과 같이 정리할 수 있다.
데스크탑 환경: 책상의 데스크탑이나 노트북을 사용하는 비교적 고정된 환경, 랜선 또는 무선 인터넷 와이파이를 사용한 인터넷 환경, 키보드와 마우스를 이용한 정교한 인터랙션 수단, 모바일보다 큰 화면 사이즈, 높은 화면 해상도, 가로 화면
모바일 환경: 태블릿이나 휴대폰을 사용하는 이동이 자유로운 환경, 무선 인터넷 와이파이 또는 통신사에서 제공하는 3G/LTE 데이터망을 사용한 무선 인터넷 환경, 손으로 직접 터치하여 인터랙션, 데스크탑에 비해 작은 화면 사이즈, 낮은 화면 해상도, 세로 화면
> 서비스 접근 계기 및 수단: 유입 경로 등
서비스의 접근 계기 및 수단은 퍼소나에서 사용자의 목적이 무엇인지, 그리고 그 목적 달성을 위한 의지의 강도가 얼마나 되는지, 서비스에 대한 기본적인 인지도나 관심의 정도 등을 파악하는데 참고할 수 있는 정보이다. 크게, 마케팅 활동에 의해 유입된 사용자인지, 그렇지 않다면 검색 유입과 같이 특정 목적의 달성을 위해 의도적으로 유입된 사용자인지 분류하여 사용자의 유형을 파악할 수 있다.
▶ 구체적인 행동 관찰
실제 사용자의 행동을 관찰하고, 그 행동 속에 담긴 의미를 찾아내는 과정에서도 데이터를 활용할 수 있다.
일반적으로 사용자의 행동을 관찰하기 위해서, 사용자에게 자연스러운 환경을 제공하고 실제 사용 행동을 모니터 또는 별도 카메라로 녹화한 자료를 많이 사용한다. 이와 같은 기록물은, 관찰자가 정보 확인을 위해 각 기록물마다 다시 일일이 관찰해야 한다는 시간적 수고 비용이 따르게 된다. 사용자의 행동 관찰 단계에서 이러한 어려움을 보완하기 위해, Gaze Plot, 히트맵과 같은 데이터 기록 방식을 차용하여 관찰을 보다 효율적으로 진행할 수 있다. 이러한 기록 방식은, 사용자 행동의 각 정보들을 적절한 UI(도형, 색, 선 등)로 표현하여 오랫동안 관찰해야 하는 전체 행동을 한 페이지로 쉽게 파악할 수 있도록 지원해준다.
> Gaze Plot
Gaze Plot으로는, 한 사용자의 행동 정보를 처음부터 끝까지 흐름 위주로 상세히 관찰할 수 있다. 사용자의 시선의 시작과 움직임 흐름, 그리고 각 이동한 위치에 대한 체류시간과 시선의 마지막 종료 지점 정보가 도형의 크기, 선 등과 같은 UI 정보로 담겨있다.
일반적으로 아이트래킹이라는 시선의 움직임을 추적하고 기록하는 도구를 활용하여 Gaze Plot을 생성하여 분석을 한다. 아이트래킹 도구의 활용이 아니더라도 웹 사이트에서 마우스 움직임을 추적하고 기록하여, 마우스가 어떤 위치에서 얼마나 체류하였는지, 그리고 콘텐츠들을 훑어본 순서 등을 파악할 수 있다.
[Gaze Plot 예시]> Activity StreamGaze Plot은 한 사용자의 행동 흐름만 관찰할 수 있기 때문에 전체 사용자들을 종합해서 파악하고 분석하기에 시간과 규모적 어려움이 따른다. 이러한 단점을 보완할 수 있는 수단으로, Beusable 에서 제공하는 Activity Stream을 활용할 수 있다. Activity Stream은 전체 사용자들의 Gaze Plot과 같은 탐색 과정을 분석하여, 대표할 수 있는 하나의 흐름으로 제공한 것이다. Gaze Plot과 같은 형태로 각 순차 별 사용자가 체류한 위치와 시간을 파악할 수 있고, 그 외에도 각 순차 별 잔존율 정보를 통해 전반적인 흐름과 이탈 정도를 이해할 수 있다.
[뷰저블에서 확인할 수 있는 Activity Stream(사용자를 대표할 수 있는 행동 흐름)]> Funnel고객이 서비스 도메인 전반적으로, 유입 되었을때부터 각 페이지 간 전환되고 최종적으로 서비스를 이탈하기까지의 흐름을 관찰하면 사용자가 어떤 페이지를 목적지로 하는지, 어떤 페이지에서 어려움을 겪는지 등을 이해할 수 있으며, 정보 획득 및 콘텐츠 활용 경험의 흐름 시나리오를 파악할 수 있다. 이 흐름 또한 직접 관찰하지 않고도 데이터로 수집하고 시각화하여 분석하고 이해할 수 있다. 뷰저블의 Funnels 과 같은 기능을 살펴보면, 각 페이지의 방문 전/후 유입경로와 전환경로 정보를 통해 의도한 흐름에 속하는 사용자 비율을 얻어낼 수 있다. 또한 단계별 잔존 및 이탈 정도를 한 눈에 파악함으로써 최종 랜딩페이지에 도달하기까지 과정 중, 문제가 발생하는 단계를 쉽게 파악하여 효율적으로 UX를 개선할 수 있을 것이다.
[뷰저블에서 확인할 수 있는 Funnels 기능(각 페이지 단계별)]데이터 분석에 활용할 수 있는 도구데이터를 통해서 앞서 설명한 사용자와 서비스 현황에 대한 이해는, 단발성으로 끝나는 것이 아니라 지속적으로 진행되고 모니터링 될 수 있다. 계속 변화하는 사용자와 서비스의 흐름에 따라 퍼소나, 사용자의 요구사항, 서비스에서 발생한 사용자의 행동과 경험에 따른 현황들도 변화할 것이고, 데이터로 이를 지속적인 실시간으로 파악할 수 있다.
실제 서비스에서 이와 같이 사용자의 데이터를 수집하고 관리하기 위해 참고하고 도움을 받을 수 있는 도구로 다음 두 가지 도구를 간단히 소개할 수 있다.
▶ GA
▶ 뷰저블
뷰저블(Beusable)은 웹 사이트에서 사용자의 행동 데이터를 분석해주는 도구이다. Gaze Plot이나 히트맵과 같이 UX를 해석할 수 있는 시각적인 정보로 사용자의 행동 흐름을 쉽게 파악하고 이해할 수 있다. 특히 사용자의 마우스 이동, 클릭, 움직임 순차, 스크롤 이동 등 모든 행동 데이터를 비 전문가들도 쉽게 이해할 수 있도록, 히트맵과 함께 차별화 된 차트나 부가 정보들을 함께 제공하여 서비스를 담당하는 관리자가 사용자의 행동의 데이터를 통해 UX를 실시간으로 살펴보고 지속적으로 관리할 수 있도록 지원해준다.
[뷰저블 화면 예시]정량적/정성적 데이터 활용의 이점이와 같이 정성적인 평가 방식에 정량적인 데이터를 보완함으로써, 사용자를 이해하고 분석하는 과정 속에서 인사이트 뿐 아니라 이를 뒷받침할 수 있는 객관성을 동시에 갖출 수 있다. 정량적인 데이터를 사용자의 퍼소나부터 행동, 의견들을 이해하는 것에서 그치는 것이 아니라, 문제점과 해결해야 되는 방향성을 제시하고 검증할 수 있는 근거자료로 활용한다면 효율적인 UX 디자인을 수행할 수 있을 것이다.행동을 정성적인 관찰 및 수집으로 분석하는 방법 이외에도, 정량적인 데이터 위주로 사용자의 행동을 수집하고 그 값을 정성적인 인사이트로 해석하는 방법을 다음 글에서 알아보고자 한다.서비스 UX 개선에 대한 데이터 분석의 방향성데이터는 실제 일어난 행동을 근거로 객관적인 정보를 전달한다. 기존의 데이터, 과거의 데이터는 이미 지난 결과와 현상을 뜻하지만, 그 현상과 변화의 흐름 속에서 패턴과 경향을 찾아내 미래의 데이터를 예측하는데 참고할 수 있을 것이다. 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 적용할 때 미처 놓칠 수 있는 특수한 예외 상황, 고려해야 할 점들을 미리 발견할 수 있도록 할 것이다. 세분화 된 사용자와 구체적인 서비스에 따라 반영되고 있던 데이터의 패턴과 경향의 이해를 보편적인 개념에 더한다면 기존 사용자의 요구사항과 경험에 반하지 않을 수 있도록 리스크를 최소화하고 서비스 UX의 올바른 방향성을 찾아 나갈 수 있을 것이다.
글 ㅣ 4grit 박태준 대표
회사소개서 다운로드
