데이터 시대, 디자이너에게 요구되는 두 가지 역량
1.
비즈니스 관점에서 사고하는 역량
a.
비즈니스 관점에서 사고한다는 것은 ‘문제가 무엇인지 파악한 뒤 적절한 문제 해결 방법을 시각화해서 주변 사람들에게 전달하는 능력'이라고 정의할 수 있다.
b.
UX 디자이너의 역할은 단순히 사용자의 입장에서 디자인을 고려하는 것이 아니라 최종적으로 기업 매출을 창출하는 것이다. 디자이너가 데이터를 다룰 수 있게 되면서 비즈니스 언어였던 KPI를 말하기 시작했고, 비즈니스에 대한 더욱 깊은 이해가 요구되었다. 이렇게 생각하면 비즈니스는 ‘데이터 분석 대상'이라고 볼 수 있다.
2.
데이터 분석 능력과 수학적 사고
a.
기본적인 수학 능력을 기반으로 확률, 통계, 행렬 정도의 지식을 익혀두면 어떤 데이터 분석 툴을 다루거나 책을 읽더라도 쉽게 이해할 수 있다.
b.
세상에는 데이터를 수집, 측정, 분석할 수 있도록 도와주는 소프트웨어가 많다. 데이터 드리븐 UX 디자이너의 역할은 말 그대로 분석가가 아닌 ‘분석하는 디자이너'다. 다시 말해 통계 분석 툴이나 오픈소스 언어가 아니라 적절한 데이터 수집 및 시각화 소프트웨어를 사용하는 것이 더 바람직하다.
비즈니스 관점에서 바라보는 자세를 기르기 위해서는 자사 서비스를 둘러싼 사업, 마케팅 등 주변 부서의 업무에도 관심을 가져야 한다. 디자이너라도 기본적인 수학 및 통계 지식을 다져두면 도움이 된다. 데이터 분석 능력은 이 기본기를 바탕으로 ‘데이터 분석 툴’을 어떻게 다룰 수 있는지를 익히는 것이 첫걸음이다.
AARRR 프레임워크
1.
Acquisition (획득): 사용자가 어떻게 당신을 알았는가?
2.
Activation (활성화): 사용자가 어떻게 첫 번째 좋은 경험을 하는가?
3.
Retention (유지): 사용자가 다시 이용하는가?
4.
Revenue (매출): 매출로 이어지는가?
5.
Referral (추천): 다른 사람들에게 서비스를 소개하는가?
디자인 산출물의 근거이자 업무상 공통 언어가 되는 데이터
데이터의 결과만 보여주지 않고 가설을 함께 이야기해야 한다. 이때 단순히 수치 데이터로 말하는 것은 무의미하다. 데이터의 의미를 비롯해 어느 사용자에게 어떤 가치를 제공할 수 있을지까지 고민하고 설명해야 한다. 디자이너는 가설 수립과 검증의 반복이라는 데이터 분석 프로세스에 따라 커뮤니케이션하는 습관을 들여야 한다. 한 가지 예를 들어보자.
“회원 가입 버튼의 레이블을 ‘14일간 무료로 시작하기’로 바꾸자”는 의견에 “왜 그래야 하나요?”라는 반응이 나온다면 어떻게 할까? 가설을 추가하면 이렇게 달라진다.
기존 회원 가입 버튼의 레이블을 14일간 무료로 시작하기로 변경하면 신규 회원 가입자 수가 늘어날 것이다.
흰색이었던 구매하기 버튼을 빨간색으로 변경하고 상단으로 올리면 눈에 더 잘 띄기 때문에 신규 회원 가입자 수가 늘어날 것이다.
몇 %라는 정확한 수치가 아니라 그저 데이터가 올라가거나 내려간다 정도만 말해도 협업 요청과 의사결정은 매우 쉬워진다. 이렇게 의사결정을 통해 개선한 UI는 A/B Testing을 통해 결과를 추적 및 검증할 수 있다.
데이터에 관한 오해
데이터는 숫자와 수치를 의미한다.
UX 디자이너의 역할은 데이터 측정 및 결과를 공유하는 일이다.
데이터는 숫자가 가장 중요하다.
UX 디자인과 관련된 의사결정은 모두 데이터를 바탕으로 실행해야 한다.
세그먼트 예시
•
데스크톱과 모바일, 태블릿
◦
어느 쪽의 사용자가 많았는지를 파악해 전환율을 높이거나 서비스 개선 시 우선순위를 정할 수 있다.
•
신규 방문자와 재방문자
◦
어느 쪽의 사용자가 더 많았는지를 파악해 행동 경향을 분석한다.
◦
각기 다른 사용자의 행동을 통해 전환 목표를 다르게 설정하고 UI 디자인에 활용한다.
•
유입 경로
◦
경로에 따라 사용자의 특성을 파악하고 경로에서의 유입을 더 늘릴 수 있을지 고민한다.
단순히 해당 데이터만 가지고 결과를 해석하면 수많은 오류를 범할 수 있다.
다양한 행동 데이터를 함께 교차 분석하고, 데이터의 통계와 평균의 함정을 고려해 분석에 임해야 한다. 이처럼 통계와 평균의 함정을 내포할 수 있으므로 조직의 모든 의사결정을 데이터에 근거해 결정해서는 안 된다. 항상 의심하는 분석가가 되어야 한다.
효과적인 CTA 디자인을 위한 체크리스트
1.
서비스 또는 웹사이트의 목적은 무엇인가?
2.
사용자의 시선을 끄는 디자인이가?
3.
사용자가 얻을 수 있는 가치가 명확한가?
4.
CTA 버튼의 위치가 적절한가?
5.
선택할 수 있는 버튼이 너무 많지 않은가?
6.
Average Fold 상단에 있는가, 하단에 있는가?
7.
행동을 촉구하는 구어체 문구인가?
8.
1인칭 시점에서 소구하는가?
9.
프로세스가 이어지는 느낌을 줄 수 있는가?
10.
SEO를 실행하기 위해 마케터와의 협업이 가능한가?
A/B Testing 이해하기: 비교와 동시성
테스트 대상이 유사해야 올바른 비교가 이루어질 수 있다. A와 B의 콘텐츠 외에는 두 집단 사이의 차이가 존재해서는 안 된다. 동일 기간 같은 규모의 유사 집단 간의 사용자에게 A/B Testing을 실시하여 더욱 객관적인 판단 결과를 얻어내도록 하자.
<차이를 최소화해야 하는 것>
•
날짜, 요일, 시간 같은 시점에 따른 외부 이벤트
•
PV, UV 규모, 접근 계기가 될 수 있는 유입 경로, 기기, 운영체제, 브라우저와 같은 사용자 환경
A/B Testing 결과에 대해 단순히 더 높은 지표값을 나타내는 안으로 의사결정할 수도 있으나 일관되고 정교한 테스트를 위해서는 ‘t-검정'을 적용하여 ‘유의성'을 검증해야 한다. t-검정은 두 집단 간의 평균을 비교하는 통계분석 기법 중 하나다. (Putting A/B Testing in Its Place)
지표를 통해 개선 결과 검증하기
보통 사이트 성과를 측정하기 위해 많은 실무 담당자가 PV나 방문 수를 살펴본다. 하지만 이러한 지표만 보는 것은 비즈니스 관점에서 아무런 의미를 지니지 못한다. PV는 사이트에서 이리저리 헤맨다면 당연히 늘어날 것이기 때문이다.
웹사이트가 나아가야 할 방향성과 목적을 명확히 해야 한다. 전자상거래 서비스라면 대표적으로 웹사이트의 목표를 2가지로 잡을 수 있다.
1.
매출 증가
a.
웹사이트의 매출, 객단가, 고가 상품 구매 비율 등을 지표로 살펴볼 수 있다.
2.
고객 만족도 향상
a.
재방문율, 구매 횟수 증가 추이 등을 살펴봐야 한다.
위 두 개선 결과를 검증할 때는 반드시 분석 기간이 적정한지를 확인해야 한다. 보통 서비스를 개편하고 나면 달라진 UI에 익숙하지 않은 사용자로부터 부정적인 피드백을 받거나 특정 지표가 떨어질 수 있다. 그러므로 개선 직후 지표만을 살펴보는 것이 아니라 수개월 정도의 충분한 기간을 두고 데이터를 추적해야 한다. 또 마케팅 이슈가 없는지를 살펴 외부 변수를 고려한 상태에서 성과를 분석해야 한다.
