| 구분 | 상세 |
| 저자 | 포그리트 |
| 출판사 | 포그리트 |
| 출간일 | 2019/03/08(금) |
| 평점 | ❤️❤️❤️🖤🖤 (3/5) |
| 요약 | ☀️ 데이터 분석 기본기 다지기에 충실한 구성 ☀️ 실제 사례를 참고한 지표 해석 가이드 제공 🌧️ 자사 데이터 분석 서비스 광고 🌧️ 웹 UX 분야에 한정적 |
들어가며
지난 북 리뷰에서 다룬 것처럼, UI·UX 레벨 테스트에서 소개해준 책을 읽어보았다.
총평
신뢰받는 웹 기획자가 되기 위한 기본서
주관적인 사용자 경험을 데이터로 가공 및 분석하여 더 나은 서비스를 만들고 운영하는 데에 초점을 맞춘 책.
마음 가짐, 기초 개념, 분석 프로세스, 케이스 스터디 등 다양한 부분을 단계적으로 다루고 있어 누구나 어렵지 않게 읽을 수 있다. 웹 기획자에게 가장 큰 도움이 되겠으나 개발, 운영, 마케팅 측면에서도 배울 만한 부분이 많다.
다만, UX 분석 툴 '뷰저블'을 서비스하는 포그리트에서 출판한 책이기 때문에 케이스 스터디가 해당 툴을 기반으로 하고 있어 자사 서비스 광고를 보는 듯한 느낌이 없지 않다. 또 '데이터가 두려운 실무자를 위한 입문서'라는 포괄적인 부재와 달리, 내용이 웹에 한정되어 있어 앱이나 게임 같은 타 분야에 관한 이야기는 거의 찾아볼 수 없어 아쉽다.
핵심 요약
1. 데이터 분석을 위한 기초 지식
'데이터 드리븐 UX'란 경험과 추측이 아닌 데이터에 근거하여 의사결정을 하고 성과를 창출해 나가는 UX를 가리킨다.
데이터 드리븐 UX는 고전적인 UX 리서치 방법론1에는 명확한 한계가 있다. 사용자와 서비스 사이에서 발생하는 구체적인 상호작용 과정 및 문제점을 확인하기 어려운 데다, 사용자의 대표성을 장담할 수 없는 것이 대표적이다. 반면 데이터 드리븐 UX는 제품 설계 및 의사 결정에 있어 강력한 근거 자료가 된다.
1.1. 기획자에게 요구되는 두 가지 역량
1.1.1. 비즈니스 관점의 사고: 문제가 무엇인지 파악한 뒤, 적절한 해결 방법을 시각화해 주변 사람에게 전달하는 '도큐테이션'
- 우리의 타깃 시장과 사용자는 누구인가?
- 누구에게 무엇을 어떤 방식으로 커뮤니케이션할 것인가?
- 어떤 조건을 충족해야 고객이 원하는 것을 줄 수 있는가?
- 어떻게 해야 고객의 어려움을 해결할 수 있는가?
- 우리의 방향성은 무엇인가?
- 어떻게 디자인으로 풀어낼 것인가?
1.1.2. 데이터 분석 능력, 수학적 사고: 데이터가 수집되는 로직과 데이터 분석 기법을 이해하고 기본적인 수학 능력 함양
1.2. 데이터를 다루는 기획자의 이점: 서비스 성장 주기2에 따른 방향성 정립 가능, 산출물에 대한 강력한 근거 제시 가능, 타 조직과의 원활한 의사소통 가능, 모호한 사용자 형태를 정량화하여 빠르고 반복적인 검증 가능, 사내 분석 담당자 부재 시에도 관련 업무를 수행하여 성과 도출 가능
2. 데이터 분석 프로세스
데이터 분석은 대개 서비스 목표3 설정 → 서비스 목적 달성에 방해가 되는 문제 파악 → 기능, 레이아웃 검증 및 최적화 → 콘텐츠, 세부 UI 검증 및 최적화 → 지속적인 개선, 효과 추적 순으로 이루어진다.
3. 데이터 분석 용어
데이터를 통해 웹 사이트의 규모, 사용자의 특성, 사용자의 행동, 사용자의 유입 경로 등을 파악할 수 있다.
3.1. 데이터를 통해 알 수 있는 정보
| 구분 | 용어 | 설명 |
| 사이트 규모 | PV (Page View) | 특정 웹 사이트의 특정 페이지가 사용자에게 노출된 횟수 |
| UV (Unique Visitor) | 중복된 PV를 제거하여 산출한 특정 기간 실제 방문자 수 | |
| 사용자 특성 | 국가 | 어느 나라에서 웹 사이트를 방문했는지 알 수 있는 정보로 언어, 콘텐츠 스타일 고려에 활용 |
| 디바이스 | 데스크톱, 태블릿, 휴대폰으로 나뉘며 해상도, 기기에 최적화된 링크 구분 고려에 활용 | |
| OS 및 브라우저 | 웹 콘텐츠가 보이는 스타일, 기능 구현에 차이 발생 | |
| 사용자 행동 | 전환율 | 웹 사이트를 방문한 사용자 중 특정 행동을 한 방문자의 비율 |
| 이탈률 (=반송율) | 오직 한 페이지만 본 뒤 해당 사이트를 벗어난 방문(세션)의 비율 | |
| 종료율 | 방문한 모든 페이지를 대상으로 1ro 이상의 페이지를 보고 화면을 종료한(세션)의 비율 | |
| 사용자 유입 경로 |
직접 유입 | 특정 링크, 광고의 영향을 받지 않고 직접 URL을 입력하거나 즐겨 찾기처럼 저장된 링크를 통해 유입4 |
| 추천 유입 | 다른 사이트 또는 특정 링크를 타고 들어오는 경우로 서비스가 누구에게 어떻게 홍보됐는지 역추적 가능 | |
| 검색 유입 | 검색 엔진을 통해 유입된 경우이며, 검색 유입을 늘리려면 검색 엔진 최적화 필요 | |
| 소셜 유입 | 소셜 네트워크 서비스를 통해 유입된 경우로 고객 니즈에 맞는 콘텐츠를 자사 SNS에 발굴 및 게재 필요 |
3.2. 지표 확인 시 고려 사항
- 사용자 행동의 정도와 양상: 단순한 행동뿐만 아니라 체류 시간, 마우스 움직임 횟수 및 거리 등을 두루 확인
- 상세 행동을 참고한 해석: 똑같이 페이지 하단까지 스크롤을 이동한 경우라도 중간 콘텐츠를 건너뛰고 하단 콘텐츠만 확인한 경우, 하단 콘텐츠까지 도달했지만 실제 체류하거나 살펴보지 않고 다시 상단으로 역 이동하는 경우, 상단의 콘텐츠가 만족스럽지 않아 추가 탐색한 경우 등이 있을 수 있음을 고려
- 통계와 평균의 함정: 극단적인 수치에 의한 왜곡이 발생 가능하므로 중앙값 등 다른 대푯값 선정 고려
- 시간의 흐름에 따른 분석: 정기적으로 발생하는 추세에 의한 변화 고려
- 데이터 세분화: 전체 수치를 작게 쪼개는 식으로 세세하게 확인 (예. 기기 사용 비중을 파악하여 서비스 개선 우선순위로 지정, 신규 방문자와 재방문자 중 어느 쪽이 많았는지 파악해 사용자별 전환 목표를 다르게 설정, 유입 경로에 따른 사용자 특성을 파악하고 해당 경로에서의 유입을 높이기 위해 고민)
4. 히트맵 데이터를 통한 사용자 행동 분석
히트맵은 히트(Heat)와 맵(Map)의 합성어로 특정 정보를 이미지 위에 열 분포 형태의 그래픽으로 표현한 것이다.
일반적인 경우 담당자가 숫자와 그래프만으로 상대방에게 '사용자 관점의 서비스'를 설명해야 해 이해시키는 데 어려움이 있는 반면, 히트맵은 웹 사이트와 정보를 중첩하여 보여주기 때문에 자연스러운 전달이 가능하며 어떤 개선 작업이 이루어졌는지 보다 직관적으로 파악할 수 있다.
4.1. 마우스 클릭
- 무효 클릭: 클릭 또는 이벤트 대상이 아니기 때문에 기능적으로 의미 없다고 볼 수 있는 영역을 클릭한 경우
- 요소와 의도가 무관한 경우: 행동 흐름이 끊기고 사용자가 실패감을 느낄 수 있어 디자인 개선 필요
- 요소와 의도가 유관한 경우: 클릭 영역에 대한 상세 페이지를 만들고 페이지와 연결된 버튼을 추가하여 경험 및 전환율 개선
- 유효 클릭: 페이지 이동 등 기능이 제공되는 클리커블한 요소를 클릭한 것
- 유효 클릭 비율5이 낮고 마우스 이동 높음: 콘텐츠 접근성, 주목도는 높지만 사용자 목적에 부적합
- 유효 클릭 비율이 높고 마우스 이동 낮음: 콘텐츠 접근성, 주목도는 낮지만 사용자에게 주요해 레이아웃 변경 필요
- 유효 클릭 비율과 마우스 이동 낮음: 콘텐츠 접근성, 주목성이 낮은 데다 전환으로 이어지는 사용자 목적과 무관
- 전환 클릭: 다른 탭이나 창으로 이동하는 링크, 버튼 클릭
- 비전환 클릭: 페이지 URL이 변경되지 않지만, 디자이너가 설계한 인터렉션이 제공되는 경우 (예. 레이어 펼침)
- 관심 분산도: 면적당 클릭 수(=크기 정보를 배제하여 면적, 위치와 무관한 사용자 우선순위 파악), 도달 사용자 대비 클릭률(=콘텐츠까지 도달한 사용자 규모를 배제하여 위치와 무관한 사용자 선호 파악)
4.2. 마우스 스크롤: 사용자의 기본 화면 높이를 파악하여 강조해야 하는 콘텐츠를 기본 화면 높이6 내에 배치해 전환율 향상 도모
4.3. 어텐션 그래프: 스크롤 도달률만으로는 사용자가 콘텐츠를 그저 훑어보는 것인지 자세히 읽고 지나갔는지 파악하기 어렵기 때문에 체류 시간을 확인하여 콘텐츠가 실제로 소비되었는지 파악하기 위한 도구
4.4. 패스 플롯: 원과 선을 통해 사용자의 평균적인 콘텐츠 소비 흐름을 파악할 수 있는 분석 수단
| 구분 | 어텐션 높음 | 어텐션 낮음 | ||
| 무브먼트 많음 | 무브먼트 적음 | 무브먼트 많음 | 무브먼트 적음 | |
| 스크롤 도달률 높음 | 많은 사용자, 많은 활동 규모에 따라 어텐션이 높게 나타났음을 고려해야 하는 위치 | 많은 사용자가 분석 대상 구간에 활발한 탐색 활동을 하지는 않았으나, 체류 시간은 충분하거나 길었다고 해석되는 위치 | 많은 사용자가 짧은 시간 내에 빠르게 탐색한 위치 | 도달 사용자가 많으면서 저조한 활동, 낮은 체류가 확인되는 위치로 많은 사용자가 도달했지만 실제로는 스킵한 구간으로 이해 가능 |
| 스크롤 도달률 낮음 | 사용자 도달은 낮지만 실제 도달한 사용자는 해당 위치에서 오래 체류했다고 해석되는 위치 | 도달 사용자 규모가 작고 일부 사용자의 움직임 없는 긴 체류로 어텐션이 높았다고 해석되는 위치 | 도달 사용자 규모는 적이나 특정 사용자에 의해 무브먼트가 집중되었다고 해석되는 위치 | 스크롤 도달률, 마우스 무브, 어텐션 모두 낮거나 저조한 경우로 성과가 낮은 구간으로 해석되는 위치 |
5. 데이터 분석 응용
확인한 데이터와 CTA 분석, 퍼널 분석, 세션 리포트 활용, 퍼소나 설정, 사용자 여정 지도 제작 등 다양한 방법론을 접목해야 한다.
5.1. CTA7 분석: CTA 사용자의 유입 경로, PV, UV, 신규 및 재방문 비율, 평균 체류 시간, 디바이스를 고려한 디자인 필요
5.2. 퍼널 분석: 서비스의 핵심 경로를 몇 가지 단계로 구분하고 단계별 사용자의 유입수, 이탈률, 전환율, 잔존율을 시각화
5.3. 세션 리포트의 이해: 개별 사용자의 마우스 커서 움직임을 확인
5.4. 퍼소나 설정: 조직 구성원에게 프로젝트 타깃에 대한 공통 이해를 갖게 하기 위해 특정 사용자 그룹을 대표하는 가상 인물 설정(예. 이름, 나이, 성별, 거주지, 직업, 직위, 직책, 일과, 디바이스, 이용 중인 소셜 네트워크 서비스, 페인 포인트)
5.5. 사용자 여정 지도 설정: 사용자가 서비스와 어떤 접점을 지니고, 어떤 매력을 느끼는지, 그 결과 목표로 이어지는지와 같은 일련의 행동 과정을 시간축으로 가시화한 그래프
5.6. A/B Testing: 서비스 실제 사용자가 될 수 있는 두 집단에 A와 B를 각각 제공하고 이에 대한 결과 차이로 더 나은 안을 찾는 것 검증: 이론과 사용자 의견을 올바르게 적용하고 해석했는지 검증하기 위해 직관이 아닌 실제 결과를 확인해야 하며, 이 과정이 서비스 전체 이익에 큰 영향을 끼쳐서는 안 됨을 명심 (예. 기존 사용자 중에서 표본 집단을 추출해 집단만으로 A/B Testing 진행)
마치며
바야흐로 기획력이 받쳐주면 혼자서도 웹, 앱을 제작할 수 있는 시대가 열리고 있다.
그런 의미에서 이번에는 기획에 대해 알아봤으니 다음에는 콘셉트 설정, 리소스 제작을 위한 AI 아트 테크닉 도서를 찾아보는 걸로 😊
참고 자료
Crafting Winning Personas :: UXmatters
A persona is similar to an avatar and provides a tangible, physical identity for a segment of the target user community that shares common characteristics…, Design personas answer this most important question: “For whom should we design a product?” A
www.uxmatters.com
Mapping Experiences: Five Key Questions to Get Started
Kicking off a mapping project and don’t know where to begin? You’re not alone. I’m often asked how to get started. Here’s the problem: “experience” defies precise definition. It’s a broad and fuzzy…
experiencinginformation.com
- 퍼소나 분석, 사용성 테스트, 포커스 그룹 인터뷰 등 [본문으로]
- Acquisition(획득) → Activavion(활성화) → Retention(유지) → Revenue(매출) → Referral (추천) [본문으로]
- 달성 기간, 행동 지표, 정량적 수치 필요. B2B는 전자상거래 사이트로 이동하는 배너 또는 링크 클릭 수, 미디어는 페이지 뷰 수, 커머스는 가입자 수, 소셜 네트워크는 사용자 관여도가 대표적. [본문으로]
- 단, 시스템적으로 특별한 추가적 유입 경로 정보가 존재하지 않는 경우도 직접 유입으로 분류하기 때문에 자사에서 운영하는 앱을 통한 트래픽, 문자 메시지 링크, QR 코드 등도 포함 [본문으로]
- 100×(유효 클릭을 수행한 사용자 수÷해당 위치에 마우스를 이동한 사용자 수) [본문으로]
- Above the Fold [본문으로]
- Call to Action의 약자로 웹 사이트의 목표를 달성하기 위해 사용자 행동을 유도하는 버튼 (예. 회원 가입, 구매하기, 다운로드하기, 문의하기) [본문으로]