Tip & Technic, UX & Design

UX 디자이너가 데이터 분석에 입문하기 위해 알아야 할 것들

다양한 데이터 분석 툴을 사용한다 하더라도 대다수의 UX 디자이너가 이 툴을 통해 본인의 디자인에 대한 문제점을 발견하고 개선점을 도출하기란 결코 쉽지 않다. 오늘은 UX 디자이너가 데이터 분석을 접하며 겪는 다양한 상황과 어려움에 대해 이야기 나누고자 한다.

  1. UX 디자이너가 데이터 분석에 입문하기 위해 알아야 할 것들
  2. UX 디자이너를 위한 실전 UX 데이터 분석 프로세스
  3. UX 데이터를 기반으로 서비스 개선 및 성과 추적하기

최근 스마트폰과 태블릿 PC가 대중화됨에 따라 작은 화면 안에 많은 정보를 어떻게 효과적으로 담아낼 수 있을지가 큰 과제다. 이를 고민하는 UX 디자이너들이 많아지며 사용자가 접하는 ‘서비스에 대한 기대 수준’ 또한 월등히 높아졌고, 디자이너에게는 이러한 사용자의 높아진 기준에 맞추기 위해 매우 세심한 부분까지 신경 쓰고 개선해나가야 한다는 새로운 임무가 주어지게 됐다. UX 디자이너가 그들의 업무에 ‘데이터 분석 툴’을 도입하고 있는 사례가 늘어나고 있는 것 또한 그 증거라 볼 수 있다.

보통 데이터 분석은 마케터 또는 데이터 분석가의 영역이라는 인식이 강하지만 최근 국내에서도 이커머스 기업과 스타트업을 중심으로 디자이너가 데이터를 다루는 사례가 늘어나고 있다. 현재 필자가 몸담고 있는 포그리트의 UX 데이터 분석 서비스 ‘뷰저블(Beusable)’에 등록된 기업을 살펴보면, 이커머스와 디자인 에이전시를 비롯해 교육, 미디어 콘텐츠, 금융, 숙박 및 여행, 언론, 게임 등 헤아릴 수 없이 다양한 업종의 디자이너가 직접 데이터를 다루고 있음을 알 수 있다.

하지만 현존하는 다양한 데이터 분석 툴을 사용한다 하더라도 대다수의 UX 디자이너가 이 툴을 통해 본인의 디자인에 대한 문제점을 발견하고 개선점을 도출하기란 결코 쉽지 않을 것이다. 지금 이 순간 글을 읽고 있는 독자 여러분 또한 다들 고개를 끄덕일 것이다. 그래서 이번 회차에서는 UX 디자이너가 데이터 분석을 접하며 겪는 다양한 상황과 어려움에 대해 이야기 나누고자 한다. UX 디자이너가 왜 데이터를 통해 사용자 경험을 분석할 수 있어야 하는지, 디자이너가 사용하면 좋은 데이터 분석 툴의 종류는 어떤 것들이 있는지, 그리고 분석을 처음 시작하는 디자이너가 겪을 수 있는 데이터에 대한 오해를 다뤄보고자 한다.

UX 디자이너가 데이터를 다뤄야 하는 이유

이유① 서비스 성장주기에 따라 디자인의 방향성과 목표가 달라지기 때문이다

UX 디자이너가 데이터를 다루고 분석할 수 있어야 하는 이유는 먼저 서비스 성장주기에 따라 디자이너가 가져가야 할 디자인 방향성이 크게 달라지기 때문이다. 하나의 예를 들어보자. 미국의 유명 액셀러레이터 ‘500 Startups’를 이끄는 데이브 맥클루어가 고안한 AARRR이라는 분석 프레임워크를 소개한다. 이 프레임워크는 스타트업을 비롯한 다양한 기업에서 차용하고 있으며 각 시장 진입 단계에 맞춰 특정 지표를 기준으로 서비스의 상태를 가늠하는 데 도움을 준다. 디자이너 또한 현재 자신의 서비스가 어떤 상태인지를 확인할 수 있어야 하며 목표를 이에 맞게 바꿔나가야 한다. 이 프레임워크 중 몇 가지를 좀 더 자세히 들여다보자.

린스타트업 AARRR 매트릭스

Acquisition으로 예를 들어보겠다. 사용자를 획득하는 단계인 Acquisition에서는 DAU(일간 개별 사용자), MAU(월간 개별 사용자), 신규 사용자 수를 늘려나가야 한다. 이를 위해 디자이너는 서비스 문구의 톤앤매너와 디자인 등에서 어떻게 하면 ‘사용자 수를 늘릴 수 있을지’를 고민해야 한다.

Activation 단계에선 사용자가 서비스를 이용하기도 전에 얼마나 이탈하는지, 체류 시간은 얼마나 되는지를 봐야 한다. 이탈률이 높다면 디자인상으로 어떤 사용자 경험이 이탈을 유도했는지를 파악하고 개선해 나가야 한다.

Retention 단계에선 전환율을 파악해야 한다. Retention은 서비스 만족도를 대변하는 지표로 수치가 낮을 경우에는 리뉴얼 등의 노력이 필요하다.

Referral에서는 우리 서비스가 어디에 얼마나 공유되고 있는지, 그 채널로 어느 정도의 사용자를 다시 확보할 수 있는지 알아야 한다. 랜딩 페이지 내에 공유 버튼을 배치하는 등 적극적인 고민이 필요하다.

이유② 데이터는 추측이 아닌 사실에 근거한 문제 해결책을 제시해주기 때문이다

두 번째로 데이터는 ‘디자인에 대한 근거를 확보’해준다. 사실, 근거 확보는 디자이너만의 영역은 아니다. 마케터와 기획자, 개발자까지 본인의 의견을 구성원과 공유하고 행동으로 이끌어내기 위해서는 ‘근거’가 필요하다. 본인이 팀장이나 PM처럼 특정 실행 권한이 있는 사람이라면 괜찮겠지만 누군가를 설득시켜야 하는 입장에 있다면 데이터는 매우 효과적이다. 혹은 본인에게 실행 권한이 있다 하더라도 분석 툴은 주변 동료와 팀 구성원에게 확신과 자신감을 불어넣어 줄 마법 같은 도구가 된다.

사용자 경험은 디자이너가 주축이 돼 이끌어나가야 함과 동시에 조직 전체 역시 책임감을 가져야 한다. UX 디자인이란 단순히 심미적 가치의 디자인을 넘어 ‘고객의 불편함을 알고 그들을 위해 더 나은 서비스와 제품을 만드는 일’이기 때문이다. 하지만 백그라운드가 다양한 조직 구성원에게 UX 디자인을 전달하는 건 결코 쉽지 않다. 이때 데이터는 다양한 조직 구성원들과 가장 쉽게 대화를 나눌 수 있는 핵심 키(Key)가 된다.

나아가 데이터를 활용하면 UX 조직이 주축이 돼 기업 전체에 데이터 드리븐 문화를 내재화시킬 수 있다. 실제 뷰저블을 개발 및 운영하는 포그리트의 디자이너와 기획자는 항상 시각화된 데이터를 보며 다른 직군 구성원들과 커뮤니케이션하고 있다. 이를 통해 협업하는 분위기가 조성돼 조직 전체의 만족도가 올라갔다고 한다.

디자이너가 데이터로 이야기할 때 놓쳐서는 안 되는 점 중 하나는 데이터의 결과만을 보여주는 것이 아닌, 가설을 함께 이야기하는 것이다. 단순히 수치 데이터로 말하는 것은 무의미하다. 데이터가 어떤 의미가 있으며 어느 사용자에게 어떤 가치를 제공할 수 있을지까지 고민하고 설명해야 한다.

예를 들어보자. ‘기존 회원가입 버튼의 레이블을 14일간 무료로 시작하기로 변경하면 신규회원 가입자 수가 늘어날 것이다’ 혹은 ‘흰색이었던 구매하기 버튼을 빨갛게 변경하고 상단으로 올리면 눈에 더 잘 띄기 때문에 신규회원 가입자 수가 늘어날 것이다’처럼 설명할 수 있다. ‘몇 %가 늘어난다’까지가 아닌 데이터가 오른다 내려간다 정도로만 말해도 협업 요청과 의사결정이 매우 쉬워진다.

이렇게 의사결정을 통해 개선한 UI는 A/B 테스트를 통해 결과를 추적 및 검증할 수 있다.

이유③ 데이터는 가설 검증을 도와주기 때문이다

통상적으로 오늘날엔 대기업과 스타트업 모두 서비스가 성공하기까지 매우 저조한 확률을 보인다. 성공한 서비스라 할지라도 여러 시행착오를 거치게 되며 언제 다시 추락할지 모르는 일이다. 이런 상황 속에서 에릭 리스는 린 스타트업 프로세스를 제시하며 “빠르게 시장에서의 핵심 가치를 정의 내린 뒤 가설을 수립하고 검증 및 개선을 반복하라”고 말한다. 이와 비슷한 UX 디자인에서의 개념이 바로 ‘Lean UX’라 볼 수 있다. 에릭 리스는 Lean UX를 도입하면 워터폴(Waterfall) 방식으로 진행되던 기존 프로젝트에서 과도한 리소스 부여라는 디자이너의 문제점을 극복하고 특히 프로젝트 마지막 단계에서 고립되는 것을 막을 수 있다고 말한다.

Lean UX 프로세스

위 이미지는 Lean UX 프로세스를 나타낸다. 이 프로세스 중 Check 단계에서 데이터는 매우 중요한 역할을 한다. Measure(측정)를 통해 가설 검증을 돕는 기준이 되기 때문이다. 기존 UX 디자인 현장에서 가설을 검증한다는 것은 리소스가 매우 많이 소요되는 일이었다. 데이터는 모호한 사용자 행태를 정량화하고 시각화 해 가설 검증을 돕는 데 효과적이다.

지금까지 UX 디자이너가 데이터를 다루고 서비스를 분석해야 하는 이유에 대해 살펴봤다. 위와 같은 데이터에 대한 장점은 일부 디자이너들이 이미 깨닫고 실행으로 옮기는 중이다. 하지만 직접 물어보면 업무에서 매우 많은 어려움을 겪고 있다고 한다. 왜 디자이너들은 데이터를 제대로 다루지 못했을까?

먼저 데이터 분석 그 자체가 어려워 제대로 활용하지 못하는 경우다. 사실 분석 자체가 어려운 것도 있지만 데이터 분석 툴의 UI를 학습하고 서비스에서 사용되는 용어 및 개념을 이해하기까지 매우 오랜 시간이 걸리는 케이스가 더 많이 존재한다.

다음으로는 데이터 분석 툴을 통해 문제를 발견했지만 디자인 개선을 위해 어떻게 해야 할지 모르는 데에서 오는 문제점이 있다. 대표적인 사례로 구글 애널리틱스(Google Analytics, 이하 GA)가 있다.

많은 디자이너가 분석 툴을 처음 다룰 때 널리 알려진 GA를 활용한다. GA를 통해 사용자가 얼마나 유입되고 어디서 오는지, 서비스 내에서 어떻게 이동하는지, 어느 페이지에서 가장 많이 이탈하는지 안다 하더라도 머릿속에는 아마 물음표가 가득할 것이다.

보통 현존하는 데이터 분석 툴은 마케터와 기획자들이 어떤 채널에 얼마나 많은 비용을 투자할지 검증하는 데에 활용한다. 여기서 디자이너의 고민이 생겨나는 것이다. 디자이너가 분석 툴을 봐야 하는 이유는 ‘자신의 디자인이 얼마나 효과적이며 어느 UI 요소에 문제가 있는지’를 알기 위해서다. 사용자가 서비스상에서 어떤 행동을 보이는지, 어떤 흐름으로 서비스 내 콘텐츠를 소비하는지 알 수 있어야 한다. 이 서비스의 전체적인 큰 그림을 아는 것도 중요하지만 매우 작은 포인트까지 집중할 수 있어야 하지만 기존 많은 데이터 분석 툴들은 그렇지 못하는 것이 사실이다. 디자인 효과를 구체적으로 입증하기가 어려운 것이다. 그럼 디자이너가 GA와 함께 겸용하거나 활용할 수 있는 데이터 분석 툴에는 어떤 것들이 있을까? 자세히 살펴보자.

먼저 A/B 테스트 툴이 있다. 대표적으로는 Optimizely(옵티마이즐리)와 구글의 옵티마이즈가 있다. 이외에 VWO, Unbounce, A/Bingo 등 다양한 툴이 존재한다. A/B 테스트 툴은 기존 A안에 대해 개선한 B안의 효과를 입증할 수 있어 서비스를 지속해서 고도화 시켜나가는 데 유용하다. 하지만 한 가지 한계가 존재한다. 테스트 할 B안을 만들 때 한 가지 영역만을 테스트하는 것이 좋다는 점이다. 여러 부분을 한꺼번에 개선한 뒤, 테스트한다면 전환율이 높아진 이유가 버튼의 색상을 바꿔서인지, 상단에 사진을 새로 삽입해서인지 추측하기 어렵기 때문이다.

두 번째로는 비주얼 애널리틱스가 있다. GA와 같은 데이터 분석 툴이 ‘지표’에 집중한다면 비주얼 애널리틱스 툴들은 ‘사용자의 행태’에 집중한다. 서비스상의 다양한 사용자 행동 데이터(마우스 클릭, 마우스 스크롤, 마우스 이동 등)를 알기 쉽게 시각화 해 제공한다. 국내에서는 뷰저블(Beusable, www.beusable.net)이 있으며 국외에서 유명한 서비스로는 클릭 테일(Clicktale, www.clicktale.com), 핫자(Hotjar, www.hotjar.com), 크레이지 에그(Crazyegg, www.crazyegg.com) 등이 있다.

데이터 분석 외에 ‘와이어 프레이밍’, ‘프로토타이핑’, ‘사용자 레코드’, ‘사용자 리쿠르팅’ 등 다양한 툴을 알고 싶다면 ‘당신의 서비스 성장을 가속화할 UX Tool의 모든 것(brunch.co.kr/@beusable/46)’에 접속해 확인할 수 있다.

뷰저블은 UX 데이터를 쉽게 해석해 인사이트를 얻어갈 수 있는 비주얼 애널리틱스로 UX 데이터 분석을 위한 다양한 기능을 제공하고 있다. 대표적인 것들을 몇 가지 살펴보자.

Activity Stream

뷰저블에서는 전체 사용자의 탐색 과정을 자동으로 기록하고 정규화한 다. 사용자의 탐색 순서와 관심 영역, 그리고 이탈 발생 현황을 Gaze Plot 형태로 제공하고 있다. 탐색 흐름이 몰려있다면 가독성 또는 콘텐츠 파악 에 어려움을 겪고 있을 수 있으며, 주요 항목의 체류 시간이 짧다면 색상 변경 또는 재배치를 통해 강조할 필요가 있다.

Digging Hidden Menu

사용자가 GNB 메뉴나 레이어 팝업을 동작시킨 이후의 결과도 한눈에 파 악할수있다.

Comparing HTTP Referers

HTTP 유입경로에 따른 사용자 행태를 구분해 비교할 수 있다. 유입경로에 따라 클릭 히트맵을 비교하면 사용자의 관심 및 최종 목적지를 파악하는 데 도움 된다. 혹은 무브먼트 히트맵을 비교하면 사용자 관심과 행동의 전반적인 분포를 이해할 수 있다. 스크롤 히트맵을 통해서는 활동 정도를 비교할 수 있다.

UX 디자이너가 지닐 수 있는 데이터에 관한 5가지 오해

마지막으로는 디자이너가 데이터 분석을 시작할 때 꼭 짚고 넘어가야 할 몇 가지 오해들을 다루고자 한다. UX 디자이너뿐만 아니라 다양한 직무의 사람들이 꼭 알아야 할 내용이기도 하다.

오해① 데이터는 숫자와 수치를 의미한다?

진실: 데이터의 사전적 정의를 살펴보면 어떠한 이론을 세우는 데 기초가 되는 사실이나 자료를 의미한다. 그렇기 때문에 고객의 목소리 그 자체가 데이터가 될 수도 있고 사이트 내 고객의 행동도 데이터가 될 수 있다. 정말 다양한 형태로 존재할 수 있는 것이 바로 데이터라 말할 수 있다. 그중 보통 웹사이트와 앱을 분석하기 쉽도록 정형화한 것이 수치가 된다.
사이트와 앱 분석을 위한 데이터는 보통 애널리틱스를 통해 수집된다. 방문자 수와 체류 시간, 유입 경로 등을 알려준다.
또 애널리틱스에 쌓인 수치이자 지표는 복잡한 사용자 행태를 대표한다. 하지만 수백 수천만 명의 행동 패턴을 하나의 숫자로 나타내는 것이 ‘데이터의 신뢰성’과 직결된다고는 반드시 말할 수 없다. 이 수치들이 제대로 된 수집 결과라 할지라도 사용자가 어떤 의문을 품고 있는지까지는 추측하지 못하기 때문이다. 어째서 사용자가 이런 행동을 보였으며 어떻게 느꼈는지, 무엇을 기대하는지는 단순히 숫자를 통해서 알 수 없다. 데이터는 수치와 숫자만 존재하는 것이 아니기 때문에 다양한 관점에서 수집할 수 있어야 한다.

오해② UX 디자이너의 역할은 데이터를 측정해 그 결과를 공유하는 일이다?

진실: UX 디자이너는 단순히 측정 결과의 전달자이자 보고자가 되어서는 안 된다. 하지만 실제로 많은 디자이너가 이 같은 안타까운 일을 반복하고 있는 모습을 볼 때가 있다.

디자이너의 역할은 데이터를 통해 인사이트를 얻고 사이트 개선 즉, 액션을 실행하는 실행자가 되어야 한다. 단순히 데이터만 봐서는 내가 어떻게 실행으로 옮겨야 할지 알 수 없다. 가장 먼저 데이터 수집 목표가 무엇인지를 정확히 세워야지만 분석을 시작할 수 있다. 사이트가 달성하고자 하는 목표가 무엇인가? 조직의 목표는 무엇인가? 사용자가 어떤 행동을 하길 원하는가? 데이터는 행동을 일으키지 못한다면 전혀 의미가 없다.

데이터를 분석하기 위해 목표가 없다면 마찬가지로 측정 결과를 살펴봐도 데이터를 전혀 이해할 수 없게 되고 마치 분석 툴에 문제가 있는 것이 아닌가 생각될 수 있기도 하다. 데이터는 측정 목적을 정확히 세워야 하며 이 목적에 따라 측정과 수집 방법이 달라진다. 이를 통해, 다양한 기능을 취사선택 해 사용할 수 있어야 한다.

오해③ 데이터를 자동으로 분석해주는 툴이 존재한다?

진실: 웹사이트 데이터를 자동으로 분석해주는 툴은 거의 등장하지 못했다. 웹사이트를 ‘측정’하고 측정한 데이터를 ‘수집’하는 툴만이 존재할 뿐이다. 분석은 사람만이 할 수 있는 일이다.

웹사이트 측정이란 사이트 속성에 따라 수집 기간, 수집 방법을 각기 다르게 설정해 데이터를 재는 일을 말한다. 웹사이트 분석은 ‘사람’이 해당 측정 결과가 어떤 의미를 지니는지를 정의 내리는 일이라 말할 수 있다.

데이터는 측정 목적을 정확히 세워야 한다

오해④ 데이터는 숫자가 가장 중요하다?

진실: 데이터는 숫자나 수치보다 패턴이 더 중요하다. 패턴은 추세를 말하는데 오늘 방문자가 20% 증가했다 하더라도 지난 3개월간 계속 줄어드는 추세였다면 20% 증가는 크게 의미가 없을 수 있다. 또한, 어떤 사용자 한 명이 메인 페이지에서 노란색 아이콘을 가장 먼저 클릭했다 하더라도 다른 사용자들 대부분이 빨간색 아이콘을 먼저 클릭한다면 빨간색 아이콘에 더 주목해야만 한다.

아래 표를 살펴보자. 4월에 갑자기 크게 어느 수치가 상승했다. 하지만 전체적인 추세는 점점 수치가 하락하기 때문에 단순히 4월에 수치가 올랐다고 해서 기뻐해서는 안 된다. 이처럼 수치보다 추세를 바라보는 자세가 더욱 중요하다.

데이터는 숫자나 수치보다 패턴이 더 중요하다

오해⑤ UX 디자인 의사 결정은 모두 데이터를 바탕으로 실행되어야만 한다?

진실: 데이터는 다양한 시장 및 경쟁사 정보, 내부 기업 동향과 같은 환경에 많은 영향을 받는다. 또한, 데이터의 측정 환경과 분석자가 누구인가에 따라서도 그 결과가 크게 달라질 수 있게 된다. 그렇기 때문에 자신이 속한 조직의 목표가 어떠한지, 기업의 목표는 무엇인지, 시장 트렌드가 어떻게 흘러가고 있는지 등 다양한 환경을 아울러 볼 줄 알아야 한다.

이번 회차에서는 UX 디자이너가 데이터 분석을 시작하면서 고려해야 할 다양한 점들을 살펴봤다. 디자이너에게 데이터는 서비스를 개선할 수 있도록 지원하는 구체적인 길라잡이 역할을 해주며 다양한 스테이크홀더와의 커뮤니케이션을 도와준다. 데이터 분석을 고민하는 UX 디자이너라면 이제 구체적으로 실행해보자. UX 디자이너의 역할에 맞는 데이터 분석 툴을 도입해 서비스를 고민하고 개선으로 옮겨보는 것이다. 다음 회차에서는 UX 디자이너의 데이터 분석 프로세스와 구체적인 방법을 다루고자 한다.

Comments
  • digitla-insight-202102-offline-ads-pentabreed
© DIGITAL iNSIGHT 디지털 인사이트. 무단전재 및 재배포 금지

뉴스콘텐츠는 저작권법 제7조 규정된 단서조항을 제외한 저작물로서 저작권법의 보호대상입니다. 본 기사를 개인블로그 및 홈페이지, 카페 등에 게재(링크)를 원하시는 분은 반드시 기사의 출처(로고)를 붙여주시기 바랍니다. 영리를 목적으로 하지 않더라도 출처 없이 본 기사를 재편집해 올린 해당 미디어에 대해서는 합법적인 절차(지적재산권법)에 따라 그 책임을 묻게 되며, 이에 따른 불이익은 책임지지 않습니다.

Related Posts