데이터 기반 디자인(Datadriven Design)
최선의 디자인 결정을 위해 데이터를 어떻게 사용하고 분석할 것인가?
데이터 기반 디자인(Data-Driven Design)은 사용자 경험(User Experience, UX) 디자인에서 데이터를 활용하여 의사결정을 하는 방법을 말한다. 이는 사용자들의 행동, 선호도, 반응 등을 데이터로 수집하고 분석하여 제품 또는 서비스의 디자인을 개선하는 과정을 의미한다.
데이터 주도 디자인은 효과적으로 사용자 중심의 디자인 결정을 하고 개선하는 데에 강력한 방법이다. 데이터 주도 디자인은 사용자들의 요구를 파악하고 디자인 결정에 객관적인 근거를 제공하여 사용자들이 더 나은 경험을 할 수 있는 프로덕트와 서비스를 만드는데에 도움이 된다.
정량적 데이터 VS 정성적 데이터
정량적 데이터 (Quantative Data)
정량적 데이터는 숫자로 표현되는 측정 가능한 사실과 통계적 분석을 위한 데이터이다. 정량적 데이터는 사용자의 행동 패턴, 클릭 수, 시간 소요, 만족도 점수, 사용 빈도,*컨버젼 레이트(Conversion rate) 등과 같은 측정 가능한 요소를 포함한다. 이러한 데이터는 구글 애널리스틱, 어도비 애널리스틱, **NPS 데이터, A/B 테스트 등을 통해 수집할 수 있다. 정량적 데이터는 통계적 분석과 추론을 통해 규모와 빈도, 관계 등을 이해하고 사용자 행동의 경향을 파악하는 데 도움이 된다.
정성적 데이터 (Qualitative Data)
정성적 데이터는 사용자의 주관적인 경험, 의견, 태도, 행동, 의도 등에 대한 설명과 감정적인 요소를 포함하는 데이터이다. 이러한 데이터는 주로 사용자의 인터뷰, 관찰, 피드백, 토론 등을 통해 수집된다. 정량적 데이터는 사용자의 결정에 다시 말해 WHAT, 무엇을 하였는지에 대해 말해주지만, 그 무엇을 왜, WHY 하였는지에 대해서는 정성적 데이터가 설명해 준다. 정성적 데이터는 깊이 있는 통찰력을 제공하고 사용자들의 경험에 대한 콘텍스트와 해석을 이해하는 데 도움이 된다.
정성적 데이터와 정량적 데이터는 서로 보완적인 성격을 가지며, 통합하여 사용자 경험의 다양한 측면을 이해하는 데 사용이 된다. 정성적 데이터는 주로 깊이 있는 인사이트와 사용자의 주관적인 경험을 이해하는 데 중요한 역할을 하며, 정량적 데이터는 대규모 데이터 분석과 통계적인 패턴과 경향성을 파악하는 데 유용하다. UX 디자인과 연구에서는 이러한 두 가지 유형의 데이터를 조합하여 종합적인 인사이트를 도출하여 사용자 중심의 디자인 결정을 할 수 있다.
데이터 분석 도구들은 어떤 것이 있을까?
각 회사마다 데이터를 분석하는 도구는 다르다. 우리 회사 같은 경우에는 정량적 데이터 분석을 위해 어도비 애널리스틱 Adobe Analytics, 히트 맵 Heat Map, 메달리아 Medalia, AB 테스팅 툴을 이용한다. 어도비 애널리스틱을 통해 사용자들의 구매 경향과 세일즈 오더, 클릭수, 이탈률, *컨버젼 레이트 등을 파악할 수 있고 히팅 맵을 통해서는 사용자들의 아이트래킹(eye tracking), 스크롤 경향, 사용자의 참여도 등을 알 수 있다.
Heat Map 예시정성적 데이터를 얻기 위해서는 유저테스팅이나 사용자 인터뷰를 크게 이용한다.
이제 어떻게 이 데이터들을 디자인 결정에 반영시키는지 알아보자.
팀에서 렌딩페이지를 데이터 분석을 통해 리디자인 했던 예시를 소개해보고자 한다. 원래의 랜딩페이지는 페이지 헤더에 ****GigaKombi에 대한 간단한 프러덕트 소개를 하고 사용자에게 프로덕트, 다시말해 옵션을 선택하라고 제안한다. (참고로 아래 우측 그림에서 노란색으로 강조된 부분이 옵션 픽커, option picker이다.) 사용자들이 옵션픽커를 설정하면 그 아래 해당 옵션에 맞는 프러덕트(아래 우측, 핑크색으로 강조된 부분)를 추천해 주는 방식으로 랜딩페이지가 구성되어 있다. 그리고 그 아래 여러 가지의 광고와 프로모션, ***FAQ가 위치해 있다.
정량적 데이터 분석
우선 어도비 애널리스틱을 통해 67프로의 사용자들이 위의 옵션픽커를 사용하지 않는 것으로 나왔다.
그리고 페이지 하단에 위치한 많은 FAQ 가 위치해 있는데 해당 FAQ를 클릭하는 사용자의 퍼센티지는 아래와 같다.
이를 통해 사용자들이 가장 많이 클릭한 FAQ가 매달 15프로 할인, 무제한 데이터 볼륨 등이라는 것을 알 수 있었다.
위의 두 데이터 외에 어떤 프로모션과 광고를 사용자들에 제일 많이 클릭하였는지, 사용자들이 렌딩페이지에서 어떤 프로덕트를 가장 많이 구매했는지 역시 정량적 데이터를 통해 분석하였다.
정성적 데이터 분석
정성적 데이터 분석을 위해 우리는 콜센터 직원과 면담을 했다. 어떠한 부분에 대해 사용자들이 가장 많이 콜센터에 전화하는지 확인하고자 하였다. 콜센터 직원에 따르면 사용자들은 아래와 같은 피드백을 주었다.
"해당 렌딩페이지는 복잡하고 디테일이 너무 많다."
"해당 옵션픽커가 너무 복잡하고 직관적이지 않다."
"가격을 보여주는 부분이 정확하지 않고 혼란스럽다."
"정보가 너무 많아 나중에는 포기하고 직접 콜센터에 전화한다."
"60대 이상의 사용자들에게는 옵션픽커을 사용하는 것이 어렵다."
정량적 데이터에서는 많은 사용자들이 옵션 피커를 사용하지 것에 대해 파악하였다면, 정량적 데이터를 통해 왜 사용자들이 사용하지 않았는가에 대해 알 수 있었다.
데이터를 반영한 디자인
이러한 정량적 정성적 데이터 분석을 통해 해당 렌딩페이지를 다시 디자인하였다. 그리고 난 후 리디자인한 랜딩페이지와 기존의 렌딩페이지를 가지고 AB테스팅에 들어갔다.
리디지인 한 렌딩페이지에서는 옵션픽커를 제거하고 그 대신 사용자들이 클릭수를 바탕으로 관심 있는 광고와 프로모션을 위쪽에 배치하였다. 또한 FAQ부분을 정리하였다.
좌 - 기존 렌딩페이지, 우- 리다지인한 렌딩페이지
좌 - 기존 렌딩페이지, 우- 리다지인한 렌딩페이지AB 테스팅의 결과
약 두 달간 진행되었던 AB 테스팅을 통해 리디자인한 랜딩페이지가 사용자와 비즈니스의 목표를 달성하는 데에 효과적인 것으로 나왔다. 리디자인한 렌딩페이지를 통해 모바일 제품을 구매한 사용자수가 6프로 이상 증가하였고, 24프로 이탈률 감소를 보여주었으며, 사용자들은 27초 적게 해당 랜딩페이지를 사용한 것으로 나왔다.
데이터는 다양하게 우리에게 다가온다. 그리고 그 데이터를 비즈니스와 사용자의 목표에 맞게 분석하고 이를 디자인에 반영하는 능력이 UX 디자이너로서 가장 중요한 기술 중 하나라고 생각한다.
*전환율, 컨버젼 레이트 Conversion rate는 마케팅이나 온라인 비즈니스에서 사용되는 용어로, 특정 목표를 달성하는 데 성공한 사용자의 비율을 나타낸다.
**NPS(Net Promoter Score) 데이터는 한국어로 "고객 추천도"이다. NPS는 고객 만족도와 충성도를 측정하기 위해 사용되는 표준화된 지표이다. 고객들에게 "친구나 동료에게 이 회사를 얼마나 추천할 의향이 있으신가요?"라는 질문에 대한 답변을 기반으로 -100부터 +100까지의 점수를 매긴다.
***FAQ(Frequently Asked Questions)는 한국어로 "자주 묻는 질문"이다. FAQ는 일반적으로 웹사이트, 앱, 제품, 서비스 등에서 자주 받는 질문과 그에 대한 답변을 모아놓은 섹션을 말한다.
****GigaKombi프로덕트는 사용자가 이미 보다폰의 프로덕트를 가지고 있을 경우 다른 프로덕트 구매시 추가할인을 받을 수 있는 컴비네이션 프로덕트 이다. 업셀링과 같다고 보면 된다.
