데이터 사이언스는 어떻게 UX 디자인을 향상시키는가?
UX 데이터 분석 번역글
여덟 번째 번역글은 'UX Planet'에서 발행하는 블로그 글 중 <How Can Data Science Improve UX Design?>라는 글입니다. 원문은 링크를 통해 확인하실 수 있으며, 매끄러운 전개를 위해 의역된 부분이 있습니다.
웹 디자인은 정밀 과학보다는 하나의 예술로 취급받아 왔습니다. 그리고 몇몇의 가장 재능 있는 디자이너들은 UX/UI 코스로 보완되는, 비주얼 아트에 관한 강력한 배경을 가지고 있었습니다. 데이터 분석 또는 스프레드 시트 사용에 관한 교육을 받을 필요가 없었지만, 이는 차차 바뀌게 될 것입니다. 데이터 사이언스가 이 방향으로 발전하기 시작한다면, 우리는 멋진 웹사이트의 창조작업을 교육된 추측이 아닌 알고리즘으로 변화하게 되는 것을 목격하게 될 겁니다. 이것이 모든 웹사이트들이 똑같아질 것이라거나, 디자이너들이 쓸모 없어질 것이라는 뜻은 아닙니다. 완성작을 내놓기 전 여러 디자인들을 시도하는 대신, 데이터를 사용하여 한 번에 끝내게 될 것이라는 의미에 가깝죠.
어떻게 데이터는
웹사이트를 발전시킬 수 있는가?
데이터는 디자인 팀이 아름다울 뿐만 아니라 기능적이고 사용자의 명확한 응답을 유발하는 사이트를 제작하는데 도움이 됩니다. 예를 들어, 구매로 이어지는 버튼 또는 이메일 주소를 채우도록 유도하는 칸을 만드는 등에 있어 말이죠. 잘 디자인된 웹사이트는 사용자들이 오래 체류하고, 더 많은 공유를 생성하며, 궁극적으로 더 많은 비즈니스로 전환되도록 만들어줍니다. 기존의 다양한 데이터 소스와 함께 고객의 선호도에 관한 인사이트를 얻는 것은 어렵지 않습니다. 하지만 정보의 바다를 항해하는 것은 점점 더 어려워지고 있죠. 다행인 소식은 이들이 무료로 제공되는 경우가 많다는 점입니다. 구글 애널리틱스 같은 툴처럼 말이죠.
레이아웃
페이지의 각 항목 배치가 어떻게 이루어지냐에 따라 변환 속도와 ROI(Return on investment, 투자자본수익률)에 상당한 영향을 미친다는 것은 잘 알려진 사실입니다. 전통적으로 최상의 레이아웃을 짜는 방식은 여러 가지 디자인을 만들고, 사용자 그룹에게 이를 보여줌으로써 테스트를 진행해 가장 효율적인 것을 찾아내는 것이었습니다. 이것은 흔히 A/B 테스트라고 알려져 있는데요. 전환율을 높이는데 크게 기여하는 것으로 알려져 있지만, 실제로는 느리고 많은 시행착오를 낳는 접근 방식이었습니다.
한 가지 개선방안은 사용자의 상호 작용에 따라 변경되거나 브라우저 쿠키에서 제공하는 선호 사항을 고려하는 동적 웹 사이트 설계입니다. 레이아웃을 위해 데이터에서 지식을 수집하는 또 한 가지 방법은 히트맵 분석을 사용하는 것입니다. 눈 또는 마우스 추적은 사용자들이 무엇에 집중하고 주목하고 있는지 보여줍니다. 이는 선호하는 색과 폰트, 버튼과 배너 같은 요소들이 무엇인지 알 수 있는 훌륭한 지표가 될 수 있습니다. 이런 실시간 흐름에 주목하면 어떤 콘텐츠가 작동하는지, 무엇이 바뀌어야 하는지, 방문자의 의도치 않은 솔직한 피드백이 될 수 있습니다.
콘텐츠
어떤 웹사이트라도 검색창을 포함하고 있습니다. 이 단순한 디자인 요소는 두 가지 역할을 지닙니다. 방문자들이 사이트의 구조를 헤매지 않고 빠르게 원하는 것을 찾을 수 있도록 돕는 것과 디자이너 및 개발자들에게 잠재 고객에 관한 흥미로운 점들을 제공하는 것이죠.
사람들이 찾고자 하는 것과 그들이 얻은 결과 사이의 관계를 분석함으로써, 웹 개발자는 팀과 함께 더 가치 있는 콘텐츠를 제공하기 위한 중대한 변화를 만들어낼 수 있습니다.
또한, 되돌아오지 않는 최상위 검색어 리스트를 만듦으로써 확장 계획 또는 새로운 틈새시장을 마련할 아이디어를 얻을 수도 있습니다. 이 결과들은 또한 미래 SEO(Search Engine Optimization, 검색엔진 최적화) 노력의 초점이 될 수 있는 특정 롱테일 키워드를 나타낼 수도 있죠.
고객 분류
웹 개인화는 방문객이 중요하고, 만족하며, 유니크하게 느끼도록 만드는 중요한 지점입니다. 올바른 정보를 수집함으로써, 웹사이트는 반응형 메시지와 이미지, 또는 요청을 보여줄 수 있습니다. 일부 기업들은 이미 2014년 초부터 불필요한 정보들을 걸러내고, 잘 선택된 시각 정보를 제공함으로써 감정적 연결을 유도하여 고객과의 성공적인 연결을 이룩했습니다.
InData Labs와 같은 컨설팅 회사는 고객 세분화 기법을 채택하고 가장 편리한 시간에 최적의 메시지로 적합한 그룹을 타깃하는 데 도움이 될 구체적인 전략을 펼칠 것을 권장합니다.
이 기술은 또한 이메일 또는 소셜 미디어를 통한 리타게팅 캠페인에도 유용합니다. 기업이 한 번 타깃 분류를 정의하면, 동일한 로직을 후속 커뮤니케이션에도 사용할 수 있으며, 다양한 채널을 통해 일관성 있는 전략을 취할 수도 있죠. 예를 들어, 특정 사용자를 끌어들인 이미지를 소셜미디어 광고나 뉴스레터에 재사용할 수 있는 것이죠.
유입 및 트래픽 분석
잠재 고객이 사이트에 어떻게 들어왔는지, 방문 고객이 사이트에서 무엇을 하는지에 대한 데이터를 통해 어떤 마케팅 노력이 성과를 거두었는지, 어떤 것을 중단해야 하는지 등을 자세히 알 수 있습니다. 접속 지점과 이탈 페이지를 자세히 확인하세요. 각각의 획득 채널에 대한 기여도를 확인하고, 높은 전환 흐름을 보여주는 방식을 활성화해야 합니다.
SEMRush와 Similarweb 같은 툴을 통해 경쟁사와 당신의 회사가 획득한 트래픽을 비교할 수 있습니다. 이를 통해 여러분은 현 상황을 진단할 수 있을 뿐만 아니라, 그들이 여러분보다 더 잘하고 있는 것을 살펴봄으로써 어떻게 유기적인 흐름을 도출할 수 있는지 아이디어를 얻을 수 있습니다.
웹 디자이너와 웹 개발자에 대한 전망
우리는 웹 디자이너와 웹 개발자 직군의 일자리 감소는 이루어지지 않겠으나, 그 속성과 작업방식은 재편될 것이라고 언급했습니다. 전문가들은 그들의 일상 업무에서 데이터 사이언스 활용을 위한 교육이 꾸준히 필요하다는 것을 알아야 합니다.
이들은 데이터 사이언티스트나 데이터 분석가가 될 것으로 기대받진 않을 겁니다. 하지만 위의 변화를 인식하고 기존의 프로세스에 해당 결과들을 통합하는 도구를 사용할 수 있어야 할 것입니다. Google Analytics, Tableau, Avocode 등 사용자 친화적인 툴들이 존재합니다. 차세대 웹 개발자는 코더이자 데이터 사이언티스트이며, 두 세계를 혼합하여 인식할 것입니다.
데이터는 올바르게 사용되는 한 웹 디자인을 향상시킬 수 있습니다. 주요 관심사는 고객의 문제를 해결하는 것에 맞춰져 있어야 합니다. 물론 데이터는 실시간으로 답을 제공함으로써 그 답을 향상시킬 수 있지만, 전략을 대체할 수는 없습니다. 하지만 반복적으로 디자인을 개선하고, 웹사이트의 일부 응답을 자동화 하며, 높은 수준의 개인화에 도달할 수 있는 힘을 가지고 있습니다.
데이터를 이용해 디자인을 향상시켜보세요.
모바일 앱 애널리틱스, 유저해빗
