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.
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.
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.
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.
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.
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.
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