UX & Design

UX 디자이너를 위한 실전 UX 데이터 분석 프로세스

지난 회차에서는 UX 디자이너가 왜 웹 사용자의 데이터를 분석해야 하는지에 대해 이야기 나눴다. 또한, 데이터 분석을 통해 UX 디자이너가 얻어갈 수 있는 이점들과 다양한 분석 툴들을 소개했다. 이번 글에서는 UX 디자이너가 웹 사용자의 데이터 분석을 시작하기 위한 전반적인 데이터 분석의 사고방식과 분석 프로세스들을 살펴보고자 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

UX 디자이너가 알아두어야 할 웹사이트 데이터 분석 5단계

서비스를 분석하는 것은 마치 숲에서 나무를 내려다보는 과정과도 같다. 숲을 본 뒤 나무를 보고, 그 나무가 어떤 나무인지 파악한다. 그리고 병들지 않았는지, 과실이 많이 열려 비료가 더 많은 곳으로 옮겨 심어야 할지 살펴봐야 한다. 크게 시작해 세부적으로 내려가도록 하자.

①단계 서비스 목적 파악하기

첫 번째 단계에서는 숲 내려다보기, 즉 거시적인 관점에서 서비스를 바라보는 것이다. 가장 먼저 독자 여러분 서비스의 목적이 무엇인지 파악하도록 하자. 서비스 목적이 불명확하다면 내가 무엇을 목표로 분석을 실행해야 하는지까지 알 수 없게 된다. 또한, 이 목적에 따라 여러분이 분석할 사용자의 특징 또한 달라지기 때문에 반드시 짚고 넘어가야 한다. 이렇게 서비스 목적을 정의하는 것만으로도 여러분 웹사이트의 방향성이 제대로 잡혀있는지 검토할 수 있다.

산업군에 따른 목적 예시
이커머스: 결제 완료를 통한 매출 향상 웹 서비스: 데모 서비스 이용 또는 유료 결제를 통한 매출 향상 콘텐츠 서비스: 사용자의 정기 구독을 통한 광고 수입 향상 B2B 기업: 문의하기를 통한 고객 획득
*위 목적은 기업과 내부 우선순위 따라 달라질 수 있다.

②단계 서비스 목적 달성에 방해되는 문제 페이지 발견하기

큰 숲을 조망했다면 이제 좀 더 세부적인 영역으로 쪼개 관찰해야 할 차례다. 바로 어떤 사용자 경로, 즉 어떤 페이지가 목적 달성에 방해되고 있는지 또는 장벽인지를 검토하는 것이다.

먼저 다양한 지표를 살펴보도록 하자. 보통 PV(Page View, 페이지 뷰) 규모가 큰 페이지는 사용자에게 매우 중요한 페이지일 수 있다. 해당 페이지의 이탈률(페이지 내에서 클릭을 통해 다른 페이지로 이동하지 않고 떠나버린 사용자를 이탈했다고 말한다)이 높게 나타나는지 검토해보자. 하지만 많은 페이지를 하나씩 검토는 것은 너무나 많은 시간을 필요로 한다. 어떻게 하면 우선순위를 쉽게 정할 수 있으면서도 문제 페이지를 빠르게 발견할 수 있을까? 첫 번째 단계에서 도출한 사이트 목표를 토대로 그 목표를 이루기까지의 사용자 여정을 적어보는 것이다.
*뷰저블 서비스를 활용한 해결 키: Analytics, Funnels

산업군에 따른 사용자 여정 예시
이커머스: 메인 > 제품 상세 페이지 > 장바구니 > 결제 > 결제 완료
웹 서비스: 메인 > 체험판 등록 > 실행 > 유료 버전으로 업그레이드
콘텐츠 서비스: 메인 > 상세 콘텐츠 보기 > 정기 구독
b2b 기업: 메인 또는 상품 페이지 > 문의하기 > 문의 완료

두 번째로는 여정에 해당하는 페이지를 Funnels에 등록해 가장 많은 방문자가 떨어져 나가는 위치를 파악해야 한다. 이러한 위치를 사용자는 가장 큰 장벽이라 느낄 것이다. 장벽을 개선해 더 많은 사용자가 목적을 달성할 수 있도록 도와주자.

③단계 기능과 레이아웃 검증하고 최적화하기

다음 3단계에서는 위에서 찾은 영역의 나무들을 하나씩 살펴봐야 한다. 혹 주변 나무들로 인해 영양분 부족으로 과실을 못 맺는 나무는 없는지, 그늘진 곳에 있어 말라 가는 나무는 없는지 파악해야 할 때다. 과실을 못 맺는다면 주변 나무들을 제거하거나, 그늘진 곳에 위치한 나무는 햇볕이 잘 드는 곳으로 옮길 수 있다.
*뷰저블 서비스를 활용한 해결 키: Reporting Heatmaps, Comparing Referrers, Segmenting CTA

사례

  • 화장품 커머스 B사는 사용자가 상세 화장품 정보보다는 리뷰를 우선적으로 확인하며 더 열광한다는 점을 알 수 있었다. 리뷰를 강조하고 네 번째에서 두 번째 탭으로 변경했다.
  • 육아 정보를 제공하는 A사는 사용자가 육아 정보 기능보다 중고 장터 메뉴를 더 많이 이용한다는 사실을 발견했다. 메인 페이지에 중고 장터 메뉴를 노출하고 더욱 강조했다.

④단계 콘텐츠와 세부 UI 검증하고 최적화하기

4단계에서는 나무 속 열매들과 잎사귀들을 하나씩 살펴보자. 페이지 내 콘텐츠와 세부 UI를 살펴볼 차례다. 기능 단위에서 더 내려와 ‘기능 속 버튼들이 지니는 테스크별 달성도’를 확인하고 사용자의 행동과 심리를 도출해 콘텐츠를 최적화하도록 하자. 히트맵을 통해 신규·재방문 사용자와 유입경로에 따라 달라지는 사용자의 콘텐츠 소비 현황을 파악할 수도 있다.

*뷰저블 서비스를 활용한 해결 키: Reporting Heatmaps, Comparing Referrers, Segmenting CTA

사례

  • 클라우드 서비스를 판매하는 I사는 사용자가 100% 도달하지만, 관심도가 적은 상단 영역에 사용자의 관심을 끌기 위해 애니메이션 이미지를 삽입하고 문구를 변경했다.
  • 언론사 B사는 사용자가 기존 광고 배너를 제대로 확인하지 않는다는 사실을 확인한 후, 위치를 사용자 주목도가 높은 기사 바로 옆으로 옮길 수 있었다.

⑤단계 개선 효과 추적하기

검증이 끝났다면 이제 과감히 개선을 시작하도록 하자. 그 다음 변경한 레이아웃 콘텐츠, CTA에 따라 지표가 어떻게 달라지는지 A/B 테스트해보도록 하자. 히트맵을 통해 사용자 행태를 추적할 수도 있으니 말이다.
*뷰저블 서비스를 활용한 해결 키: A/B Testing, Reporting Heatmaps, Analytics, Segmenting CTA

지금까지 데이터 분석을 위한 기본적인 사고방식과 프로세스를 알아봤다. 그럼 ‘목표 설정’에 대해 계속해서 살펴보자.

UX 데이터 분석을 위한 목표 설정하기

목표는 ‘어떤 목적을 이루려고 지향하는 실제적 대상으로 삼음. 또는 그 대상’이라는 사전적 의미를 지니고 있다. 즉, 목표는 ‘어떤 목적하는 바를 이루기 위한 대상’을 의미한다. 서비스가 나아갈 구체적인 모습이라고 말할 수 있겠다.

서비스에 이 목표가 없다면 어떻게 될까? 마라톤 경기에서도 목표가 없다면 그저 앞만 보고 달려야 하듯, 마찬가지로 출시 이후 일련의 방향 조정을 하지 않게 됨을 의미한다. 바꿔 말하면 서비스가 도중에 길을 잃거나 깊은 수렁에 빠질 수도 있다. 그렇기 때문에 모든 서비스와 웹사이트별 목표는 반드시 지정해둬야 하는 필수 요소다. 명확한 목표가 있다면 서비스의 방향성에 따라 목표 달성을 위해 조직원 모두의 원활한 실행이 이뤄질 수 있을 것이다.

그렇다면, 어떻게 목표를 설정할 수 있는지, 이 목표를 설정할 때 빠뜨려서는 안 되는 요소들로는 무엇이 있으며 각 요소별 개념이 어떠한지 알아보도록 하자.

목표는 조직의 상황에 따라 우선순위와 내용 자체가 유연하게 달라질 수 있다

목표를 한 번 정했다고 계속 고집해야 할까? 그렇지 않다. 비즈니스와 조직 내 상황에 따라 시시각각 유연하게 변할 수 있어야 한다. 또한 목표의 규모가 클 수도, 작을 수도 있으며 우선순위에 따라 실천 대상이 달라짐을 염두에 둬야 한다. 예컨대, 매주 작성하는 뷰저블 브런치의 가장 큰 목표는 ‘뷰저블 서비스 유입’이다. 하지만 서비스로 유입시키기 위해서는 먼저 이 브런치가 유명해지고 아티클도 충분히 쌓여야 한다. 큰 목표를 이루기 위해 작은 목표인 ‘브런치 구독자 수 200명 달성, 아티클 100개 작성’ 등을 먼저 실행해야 한다.

여러분의 기업과 경쟁현황, 서비스 현황을 통해 목표 달성을 위한 우선순위를 단계적으로 정해 보도록 하자. 또한 이 목표를 주기적으로 검토해 바꿀 필요가 있는지 살펴보고 유연하게 대처하자. 이미 목표가 있는 서비스라면 다시 바로 변경할 수는 없을 것이다. 그렇다면 목표가 정해진 히스토리를 파악해 어떻게 하면 더 나은 개선 방안 또는 실행 방안을 찾을 수 있을지 고민해보자.

목표를 이루는 세 가지 요소

UX 데이터 분석의 세계에서 목표는 세 가지 필수 요소로 구성돼 있다. 무엇일까? 바로 ‘목표 달성 기간’과 ‘목표 달성 정도에 대한 정량적 수치’, ‘어떤 것을 취해야 목표를 달성할 수 있는가에 대한 행동 지표’다. 어느 하나라도 빠지면 올바른 목표를 설정했다고 말할 수 없다.

  1. 목표 달성 기간: 목표로 정한 행동 지표와 정량적 수치를 언제까지 달성해야 할지를 의미한다.
  2. 행동 지표: 목표를 달성하기 위해 사용자가 행동해야 할 매우 구체적인 내용을 의미한다.
  3. 정량적 수치: 행동 지표를 정량적 수치로 표기해 ‘달성 정도’를 파악할 수 있어야 한다.

위 세 가지 목표는 뷰저블 서비스를 통해 아래와 같이 그 데이터를 확인할 수 있다.

  1. 목표 달성 기간: 뷰저블 서비스 내 데이터 피커를 통해 변화하는 여러분의 성과를 확인할 수 있다.
  2. 행동 지표: 구체적인 사용자의 UI 요소 클릭 수, 스크롤 도달률, 레이아웃 영역별 사용자 체류시간은 물론이며 행동 순차까지도 파악할 수 있다.
  3. 정량적 수치: 히트맵 내에서 UI 요소별 수치 데이터는 물론 Analytics를 통해 실무자에게 꼭 필요한 PV 수, UV 수, 체류시간 등의 데이터를 확인할 수 있다.

① 사용자가 어떤 행동을 해야 목표를 달성할 수 있을까?

‘행동 지표’는 사용자가 어떤 행동을 취해야 여러분의 서비스 목표를 달성할 수 있을지를 고민하면 쉽게 도출할 수 있다. 예를 들자면, B2C 커머스는 사용자가 상품을 열람하고 장바구니에 상품을 담아야만 매출이 일어날 것이다. 비즈니스를 달성하기 위한 사용자의 행동들을 도출해보자. 여기서 행동은 사용자와 비즈니스 관점으로 또한 나뉠 수 있다. 이 둘은 서로 일치하지 않을 때가 많으며, 계절과 특정 시즌에 따라 내용이 달라질 수 있다.

E 커머스

  • 사용자 관점: 상품 열람, 장바구니에 상품 담기, 결제하기
  • 비즈니스 관점: 매출 증가
  • B2B 영업용 사이트
  • 사용자 관점: 상품 확인, 문의하기
  • 비즈니스 관점: 서비스 계약, 비용 증가, 매출 증가

② 사용자가 ‘행동 지표’를 얼마나 달성해야 할까?

두 번째는 정량 수치다. 앞서 말한 행동 지표를 정량적인 수치로 나타낼 수 있으면 매우 좋다. CTA 버튼의 클릭 수가 얼마나 되는지, 비즈니스 관점에서라면 문의율이 얼마나 됐고 매출은 얼마인가를 수치화할 수 있다. 이 수치들은 현재 우리 서비스의 목표가 어느 지점까지 왔으며, 얼마나 더 나아가야 하는지를 나타내는 거리가 된다. 이 수치도 예로 들어보자.

B2B 영업용 사이트

  • 사용자 관점: 상품 페이지 PV 및 UV 수, 문의하기 페이지 PV 및 UV 수, 문의하기 CTA 버튼 클릭 수
  • 비즈니스 관점: 문의 수, 서비스 계약 건수, 매출액

뷰저블에서는 각 UI 요소별 사용자의 클릭 데이터를 확인할 수 있다. 뷰저블에서는 웹사이트 내 주요 CTA 버튼의 기간별 클릭 수를 정기적으로 추적해 목표 정도를 평가 내린다. 아래에서 다시 한번 언급하겠지만 기간 내 목표 달성이 어려울 것 같다면 UI 개선을 통해 달성을 촉진할 수 있어야 한다.정량적 수치가 있다면 지금까지 실시한 여러 개선방안들이 효과적인지 평가할 수 있는 기준이 된다. 이 정량적 수치를 판단하는 기준은 과거 데이터여야 한다. 과거 데이터가 없다면 동종업계를 벤치마킹하는 것이 바람직하다.

③ 어느 정도의 실행 속도로 조직이 움직여야 할까?

마지막으로 ‘목표 달성 기간’이다. 브런치의 목표가 구독자 수 3,000명이라고 하자. 이 목표 달성 기간이 ‘10년 이내’라면 어떨까? 아주 여유롭게 글을 작성해도 될 것이다. 그런데 당장 다음 달 말이라면 어떨까? 매일 글을 쓰고 홍보를 위해 마케팅 비용도 투자해야 한다. 달성 기간은 목표 달성을 어느 정도의 스피드로 실행할 것인지를 의미한다. 목적지까지 시속 몇 Km로 달려야 할지를 상정해보자.

보통 많은 기업들에서는 연, 분기, 월, 주간 단위로 목표 달성 기간을 둔다. 이 목표 달성 기간에 따른 수치와 행동 지표들은 물론 다 다르다. 최근 들어서는 일단위로 목표 기간을 두는 곳도 많이 생겨나는 추세다. 또한 달성 기간별로 서비스를 평가 내릴 때는 보통 ‘서비스 개선일’, ‘서비스 업데이트일’ 등에 맞춰 확인하는 것이 바람직하다. 예를 들어, 매주 수요일마다 브런치 글을 쓴다면 마찬가지로 매주 수요일 또는 목요일에 정기적으로 브런치 구독자 수를 파악해야 할 것이다.

여러분의 목표에 위 세 가지 요소인 ‘기간, 행동 지표, 정량적 수치’가 포함돼 있는지 지금 바로 점검해보자. 혹 목표가 설정돼 있지 않은 기업이라면 지금부터 여러분의 서비스 목표를 설정해보는 것이 어떨까.

인사이트를 얻을 수 있는 지름길! 시간의 흐름과 세그먼트로 서비스 살펴보기

목표까지 설정했으니 데이터 분석을 본격적으로 시작해보자. 시간과 세그먼트를 통해 데이터를 살펴보면 가장 빠르게 인사이트를 발견할 수 있게 된다.

① 시간의 흐름에 따라 데이터 살펴보기

먼저 2017년 9월 12일(화) 일자의 PV와 UV 데이터를 확인해보겠다.

PV 수가 132, UV 수가 80이다. 하지만 132와 80 이 두 수치만 봐서는 현재 서비스가 좋은 상태인지 또는 나쁜 상태인지 전혀 알 길이 없다. 그럼 숫자를 하나 더 보겠다.

12일과 함께 11일 데이터를 추가해봤다. 그럼 새로운 인사이트가 발견된다. ‘12일은 11일보다 PV 수와 UV 수가 늘었다’처럼 데이터를 드디어 해석할 수 있게 된다.

데이터를 분석할 때 가장 중요한 점은 ‘시간의 흐름’에 따라 수치의 트렌드를 살펴보는 것이다. 시간의 흐름에 따라 데이터의 추세를 살펴보면 현재 상태의 기준을 파악할 수 있고 이에 따라 ‘서비스가 현재 나쁜 상태다, 좋은 상태다’처럼 새로운 인사이트를 발견하게 된다. 이렇게 인사이트가 얻어진다면 마찬가지로 서비스 개선을 위한 시발점이 될 것이다. 그럼 더 깊게 들여다보자.

1개월 치 데이터를 일단위로 표기했다. 그래프에 빈 공간이 눈에 띌 것이다. 왜 이렇게 며칠을 주기로 한 번씩 데이터가 비어있을까? 바로 B2B 사이트이기 때문이다. B2B 사이트를 방문하는 고객은 기업에 근무하는 직원이고, 주말에는 출근하지 않기 때문에 주말에 이 사이트를 방문할 일이 없다. 그래서 데이터 또한 자연스럽게 주말에는 적거나 비게 되는 것이다. 이러한 패턴은 정기적으로 일어나는 일이기 때문에 하나의 ‘추세’, 즉 트렌드라 정의 내릴 수 있다. 이러한 추세는 연말연시, 설날, 추석 등 장기간 연휴에도 동일하게 나타날 것이다.

그럼 7월 데이터를 살펴볼까? 7월 13일 PV와 UV 모두 평소의 배 이상으로 높아졌다. 모든 데이터는 우연으로 일어나지 않는다. 반드시 원인이 있기 마련이다. 7월 13일에는 왜 갑자기 데이터가 2배로 뛰었는지 살펴봤더니 페이스북 마케팅 프로모션이 실시된 날이었다. 이러한 트렌드를 살펴보는 것은 데이터에 대한 규칙성과 특이점을 발견하는 지름길이 된다. 특이점을 발견한 날의 히트맵 데이터와 사용자 행동 데이터를 분석한다면 구체적인 개선점을 도출할 수 있을 것이다. 이제는 월별 장기적인 데이터를 살펴보자.

2017년 4월 ~ 2017년 8월 PV와 UV 데이터

  • 4월 총 6,714 PV와 3,667 UV
  • 5월 총 5,238 PV와 3,365 UV
  • 6월 총 4,478 PV와 2,252 UV
  • 7월 총 4,066 PV와 1,590 UV
  • 8월 총 3,872 PV와 1,407 UV

전체적으로 데이터가 줄어들고 있다. 특히 7월에서 8월로 넘어가는 시기는 거의 2배 이상 수치가 줄어들었다. 먼저 데이터가 점점 줄어들고 있는 것이 큰일이며 8월에 급격히 떨어진 것은 더 큰일이다. 8월은 휴가철이기 때문에 기업에서 휴가를 떠나는 고객이 많은 만큼 2배 이상 떨어진 것은 더 지켜봐도 될 일이다. 하지만 계속 감소하는 추세에 대해서는 마케팅 담당자와 UX 디자이너는 함께 웹사이트 유입을 늘리기 위해 머리를 맞대야 한다.

② 세그먼트에 따라 데이터 분류하기

앞서 시간의 흐름에 따라 데이터를 해석하는 법을 소개했다. 이번에는 두 번째 지름길인 ‘세분화’에 대해 알아보자. B2B 웹사이트의 4월~6월 데이터를 살펴보도록 하자.

  • 4월 총 9,714 PV
  • 5월 총 9,238 PV
  • 6월 총 7,478 PV

위의 수치를 보면 단순히 ‘데이터가 감소하는 추세다’ 외에는 인사이트를 알 길이 없다. 이 데이터를 ‘유입 채널’ 별로 쪼개서 살펴보면 어떻게 될까? 바로 아래처럼 새로운 점을 발견할 수 있다.

차이가 명확히 보이지 않는가? 위쪽에서는 매우 미미했던 Social 유저가 아래로 갈수록 점점 늘어나고 있다. ‘사용자는 점점 줄어드는 추세이나 소셜 유저가 늘고 있다’라는 인사이트를 얻었다. 이 외에도 필자는 뷰저블을 사용해 다음과 같은 세그먼트로 데이터를 분석한다.

  • 데스크톱과 모바일, 태블릿: 어느 쪽의 방문자가 많았는지 파악해 전환을 높이거나 서비스 개선 시 우선순위를 정할 수 있다.
  • 신규 방문자와 재방문자: 어느 쪽의 사용자가 더 많았는지 파악해 다음으로 행동 경향을 분석한다. 각기 다른 사용자의 행동을 통해 전환 목표를 다르게 설정하고, UI 디자인에 활용한다.
  • HTTP Referer: 유입 경로에 따라 사용자의 특성을 파악하고 어느 경로로부터의 유입을 더 늘릴지 고민할 수 있다.

‘모바일 디바이스에서 구글 검색으로 유입한 유저의 스크롤 도달률과 전환율이 높다’ 혹은 ‘데스크톱 사용자가 전체 90%를 차지할 정도로 매우 높다’처럼 또 다른 인사이트를 얻어갈 수 있다. 이처럼, 시간과 세그먼트를 통해 데이터를 분석하면 가장 빠르게 인사이트를 얻게 된다. 애널리틱스를 통해 얻어낸 데이터를 그저 바라보는 것만이 여러분의 역할은 아니다. 데이터를 멋지게 뜨개질해 어떤 옷을 만들어내야 할지 고민해야 한다.

마무리하며

이번 회차에서는 UX 디자이너를 위한 UX 데이터 분석 프로세스와 사고방식을 소개하고 시간과 세그먼트 관점에서 분석해봤다. 다음 회차에서는 뷰저블의 히트맵으로 웹사이트를 분석한 후, 퍼소나, 사용자 여정 맵을 데이터에 기반해 만드는 법을 소개하고자 한다. 더 나아가 성과 추적과 공유를 위한 데이터 분석 리포트 작성법에 대해 알아보고자 한다.

Comments
© 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