UX 디자인 유형별 가이드 ② 정량적 데이터를 중심으로
성공적인 UX 디자인의 개선을 위한 데이터 분석
데이터 기반의 UX 디자인
UX design with Data analysis
이번 Di Curation은 월간 Di 208~211호에 연재된 ‘데이터 기반의 UX 디자인’을 담았다. 데이터를 통해 미래를예측할 수 있다. 그리고 이는 디자인 영역에서도 예외가아니다. 사용자의 요구사항과 경험에 반하지 않는, 최적의 UX를 위한 방법을 알아본다.
01. 데이터 분석을 기반으로 하는 UX 알아보기
02. UX 디자인 유형별 가이드 ① 정성적 데이터를 중심으로
03. UX 디자인 유형별 가이드 ② 정량적 데이터를 중심으로
04. UX 디자인과 웹 접근성 이슈
03. UX 디자인 유형별 가이드
② 정량적 데이터를 중심으로
플랫폼이 발전함과 동시에 고객들의 요구사항도 시시각각 변하고 있다. 고객들이 겪는 다양한 경험을 객관적이고 가시적으로 보기 위해서는 정량적 데이터의 분석이 필요하다. 고객의 방문 정보와 유입 정보, 활동 정보를 객관적으로 해석해 지표로 활용하는 것이다. 이렇게 얻어진 인사이트 결과를 서비스 개선에 반영해 경쟁력 있는 서비스를 제공한다면 기업의 성과로 이어질 수 있다.
성공적인 UX디자인 개선
플랫폼의 발전으로 많은 콘텐츠가 생겨나면서, 기업의 경쟁력은 제품과 콘텐츠의 서비스보다 경험의 서비스 질에 따라 직결된다. 실제로 이와 관련한 기업의 성공 사례를 알아볼 수 있다. Quickbooks는 미국 Intuit 사에서 만든 중소기업을 위한 회계 프로그램으로 미국 내에서 80% 이상의 점유율을 보유하고 있다.본래 데스크톱 용 소프트웨어로 출시됐지만, Google Docs와 같은 ‘웹 기반의 서비스로의 이전’이라는 흐름에 발맞춰 QuickBooks Online(QBO) 서비스를 웹으로 확장했다. 2013년, Intuit는 Xero와의 경쟁에서 우위를 차지하기 위해 QBO에 더 이상 새로운 사용자가 유입되지 않는 현상의 원인을 분석하기 시작했다. QBO가 가지고 있는 가장 큰 문제는 웹사이트가 복잡하다는 것이었다. 사용자는 원하는 정보를 찾고 과업을 수행하기 위해 70개 이상의 탭을 탐색해야만 했다. 이러한 문제를 해결하기 위해 Intuit는 UX를 고려한 새로운 디자인을 시도하게 된다. 프로젝트의 가장 큰 목표는 탭의 개수를 줄이고 핵심적인 내용을 부각해 사용자들이 의도한 과업에 쉽게 성공할 수 있도록 만드는 것이었다. 이때, 다양한 기기 환경에서의 사용자 플로우에 대한 분석 등의 노력도 빼놓지 않았다.
웹사이트 리뉴얼 후, 사용자들이 첫 방문에 성공적으로 과업을 수행하는 비율이 종전에 비해 33% 증가했고 고객센터의 문의 전화도 눈에 띄게 줄었다. 이러한 UX 개선의 결과는 결국 수익증가로 이어졌다. 일 년 사이에 이용자가 세 배 가까이 증가했는데 특히 미국이 아닌 다른 국가에서 눈에 띄게 많은 사용자가 유입됐다. 한 번의 성공으로 만족하지 않고 Intuit는 지금도 업데이트 때마다 내비게이션을 단순화시키는 등 사용성 개선을 위해 노력하고 있다.
정량적인 지표의 수집
발전하는 기술과 동향에 따라 고객도 빠르게 변화하고 있다. 서비스를 사용하는 고객들은 지금의 경험보다 더 나은 내일의 경험을 원할 것이다. 또 경험에서 발생하는 다양한 행동과 요구사항들은 여러 가지 요인에 의해 영향을 받고 시시각각으로 변화하기 때문에 그 복잡성이 증가할 것이다.
이렇게 분산돼 있는 다양한 고객들의 경험을 하나로 모아서 보기 위한 가장 좋은 방법은, 고객의 행동을 객관적인 기준과 지표에 따른 정량적인 지표로 수집하거나 변환하는 것이다. 수치와 지표로 나타내는 정량적인 지표는, 그 수집 방식에 있어 주관적인 해석과 판단이 개입되지 않는다. 때문에 정보를 쉽고 빠르고 정확하게 전달해준다. 또한 데이터를 사용하면 서비스 제공자가 고객 관점에서 서비스에 대한 문제를 발견하고 해결하는 과정을 짧게 반복할 수 있어 서비스를 능동적으로 가볍게 검증하고 개선점을 학습할 수 있다.
다만, 수치로 나타내는 정량적 지표들을 다시 사용자의 행동과 현상으로 해석하고 이해하는 과정에서 얼마나 실질적인 의미와 인사이트를 추출할 수 있는가에 따라, 정량적인 데이터 효용성의 가치가 판별될 수 있다.
변환된 정량적 데이터를 해석하는 사람의 주관이나 잘못된 인과관계 설정이 적용된다면, 왜곡된 해석 결과를 초래하고, 데이터 검증 없이 흔하고 원론적인 이론만 적하는 것 만도 못할 수 있다.
이 점만 주의한다면, 빠르게 변하는 고객의 경험과 요구사항들을 흘려보내 놓치는 일 없이, 즉각적으로 경험들을 수집해 통합된 솔루션으로 쉽게 이해할 수 있다. 또한, 데이터에서 얻은 요구사항과 인사이트를 서비스에 반영한다면 비즈니스 성과에 기여할 수 있을 것이다.
정략적 데이터 목록
웹사이트의 UX를 분석하기에 앞서, 수집할 수 있는 기본적인 정량적인 지표목록은 다음과 같다.
① 방문 정보: PV, UV, 신규방문 및 재방문 비율 등
방문 정보를 나타내는 PV, UV, 신규방문과 재방문 비율과 같은 데이터는 행동을 의미하기보다 마케팅의 성과나 사이트에 대한 사람들의 관심에 가까운 지표들이다.
①-① PV(Page Views)
페이지가 사람들에게 노출된 횟수(조회수)를 의미한다.
①-② UV(Unique Visitors)
반복적인 노출을 배제하고 페이지를 조회한 방문자의 실제 규모를 파악하는데 참고할 수 있는 지표로 활용할 수 있으며 그 추이를 관찰할 수 있다.
①-③ 신규방문 및 재방문
사용자의 비율 데이터는, 사이트의 만족도와 연관되는 방문 지속성 현황을 보여주는 하나의 지표다. 따라서 사이트가 지속적인 고객을 유지하기에 충분한 콘텐츠를 갖췄는지 이해하기 위해 해당 정보를 참고할 수 있다.
② 유입 정보
유입 경로와 같은 정보는 방문 정보와 연관될 수 있는 데이터이다. 다만 유입경로를 방문 정보와 별도로 분리한 이유는, 성과나 관심의 규모뿐만 아니라, 행동에 영향을 끼칠 수 있는 정보나 한 도메인 내에서 탐색 흐름을 유입 경로를 통해 예측할 수 있기 때문이다. 유입경로의 특징에 따라 사용자가 서비스에 대해 갖고 있는 목적이나 인지 정보의 정도를 일부 추측할 수 있다.
②-① 검색 포탈 사이트와 같은 유입 경로
다른 유입 경로에 비해 사용자 스스로의 목적이나 의지로 인한 방문의 성격이 강하다. 사용자가 해당 서비스를 사전에 인지하고 있으며, 스스로 설정한 목적이 존재할 것이다.
②-② 블로그•미디어 수단
사용자가 사이트와 관련된 정보와 링크를 미디어를 통해 접하고, 그로 인해 생긴 관심이나 다른 목적에 의해 사이트로 전환된 유형으로 이해할 수 있다. 사용자가 해당 서비스를 기존에는 인지하지 않았을 수 있지만, 미디어를 통해 정보를 제공받은 상태이다. 전환된 유형으로 보아 이전 유입경로에서 제공받은 정보가 사용자에게 관심과 목적을 일으킨 계기라 볼 수 있다.
②-③ 마케팅을 진행한 유입 경로
홍보를 위해 진행한 마케팅 수단에서 인터랙션이나 사용자의 관심으로 인해 전환된 유형이다. 해당 서비스에 대한 충분한 정보를 갖추고 있지는 않았지만, 마케팅 활동으로 전환됐음으로 보아 긍정적인 흥미가 존재함으로 본다. 전환을 강하게 유도하는 마케팅 활동으로 발생한 흥미의 지속력은 그 정도가 약할 것으로 예상된다. 이때 마케팅 활동으로 실제 고객을 생성하고 유지하기 위해, 발생한 흥미를 유지하고 부각시켜 강화하거나 다른 목적으로 전환시키는 것이 중요하다.
②-④ 동일한 도메인에 대한 유입 경로
해당 도메인 내에서 사용자의 정보 탐색 흐름 과정을 의미한다. 유입경로를 통해 사용자가 해당 도메인 내에서 어떤 과정으로 페이지 콘텐츠를 소비하는지 확인할 수 있다. 최종 목적지에 달성하기까지 정보를 탐색하고 습득하는 과정을 확인하면 각 콘텐츠들이 목적 달성에 끼치는 영향을 예측할 수 있을 것이다.
③ 활동 정보
③-① 마우스 클릭
사용자의 최종 목적지 및 전환이 어떤 콘텐츠에서 이뤄졌는지 마우스 클릭으로 확인할 수 있다.
③-② 마우스 오버
CHI 2001 학회에 보고 된 연구결과에 따르면, 웹 페이지에서 사용자의 마우스 커서가 위치한 곳의 84%가 실제 아이트래킹에서 측정된 응시 지점에 해당한다는 연구결과를 알 수 있다. 이로써 마우스 커서가 오버한 영역, 움직임을 나타내는 Move 히트맵은 사용자가 응시한 콘텐츠에 대한 히트맵과 유사한 형태라고 이해할 수 있다.
“What can a mouse cursor tell us more? Correlation of eye/mouse movements on web browsing”
ACM CHI (www.sigchi.org) Mon-Chu Chen, John R.Anderson, Myeong-Ho Sohn(2001).
③-③ 스크롤
도달 페이지의 각 높이(px)에 위치한 콘텐츠들은 상단 Above the Fold 영역을 제외하고는 스크롤 이동을 통해서만 사용자에게 노출될 수 있다. 따라서 동일한 페이지에서 제공되는 콘텐츠일지라도 위치한 높이에 따라서 실제로 노출된 규모가 상이할 수 있다. 페이지의 노출 규모(PV) 중에서, 각 높이 별로 스크롤 도달 비율을 계산해 각 콘텐츠에 실제로 도달된 PV 규모를 알 수 있다. 이 PV 규모는 위치가 다른 클릭 결과나 마우스 이동 결과를 정확히 이해하는데 참고해, 특별히 높거나 낮은 데이터의 인과 관계를 찾아내는 데 활용할 수 있다. 또한, 절댓값은 적어도 노출에 비해 성과가 높아 효율이 좋은 콘텐츠를 놓치지 않고 찾아낼 수 있다.
③-④ 체류 시간
사용자가 콘텐츠의 정보를 탐색하고 이해하는 데 소요된 시간을 의미한다. 페이지의 성격이 크게 바뀌지 않는 한, 체류 시간 형태의 분포 현황을 통해, 해당 유형의 페이지 내에서 사용자가 할애할 수 있는 최소•최대의 시간의 정도로 이해할 수 있다. 해당 체류 시간 내에 사용자가 페이지에서 의도한 여러 콘텐츠들을 탐색할 수 있었을지, 그리고 이에 따라 사용자들이 콘텐츠를 탐색하는 행태가 훑어보는 방식인지, 자세히 읽는 방식인지 그 차이를 예측하고 페이지 콘텐츠 구성을 검토해볼 수 있다.
지표들을 해석해 사용자의 행동을 이해하기 예시
각 정량적인 데이터 지표들은 사용자의 행동을 의미하는데, 이때 각 정보들을 조합하고 함께 해석한다면 더 구체적인 사용자의 행태를 예측할 수 있고 개선점 발견을 위한 인사이트를 얻어낼 수 있을 것이다. 다음 예시와 같이 객관적이고 실질적인 데이터를 근거로 사용자의 UX가 담긴 의미를 얻어내기 위해 정량적인 지표들을 파악하고 분석할 수 있다.
목적 달성에 대한 의지
전환을 목적으로 하는 페이지에서는, 방문한 사용자들이 실제로 목적을 달성하고자 방문을 했는지, 아니면 방문 이후 발생한 흥미에 의해 전환이 발생됐는지 검토하면 고객의 유형과 요구사항과 구체적으로 이해할 수 있을 것이다. 회원가입, 로그인, 주문 및 결제와 같은 페이지가 전환을 목적으로 하는 페이지의 예시가 된다.
① 목적 달성 의지가 높았던 콘텐츠 찾기
클릭률이 높고, 반면 해당 콘텐츠 근처 영역에서 체류한 시간이나 접근 횟수가 적은 콘텐츠가 이에 해당한다. 만약 사용자가 해당 콘텐츠로 빠르게 전환되기 보다 다른 콘텐츠를 좀 더 둘러보길 원한다면, 사용자들이 상단에서부터 해당 콘텐츠로 시선이 이동하기까지의 동선 영역을 활용해볼 수 있다. 다만, 사용자가 직접 의도한 목적 달성에 방해감을 주지 않도록 주의해야 한다.
② 목적 달성 의지가 낮고, 흥미를 발생시키지 못한 콘텐츠 찾기
먼저, 콘텐츠가 위치한 높이의 스크롤 도달률을 통해 실제 노출된 사용자를 파악해야 한다. 노출된 사용자 대비, 체류 시간이나 접근 횟수에 비해 클릭률은 낮은 콘텐츠일 경우에 목적 달성 의지가 낮은 콘텐츠라 해석될 수 있다. 이는 사용자에게 전달된 콘텐츠이고 충분한 접근 횟수와 시간 동안 사용자에게 전달됐지만, 목적성이나 흥미성에 부합하지 않아 낮은 클릭률을 보였음을 의미한다.
만약 해당 콘텐츠로 빠르게 전환되길 원한다면 먼저 UI를 개선할 수 있다. 노출률을 높이기 위해서는 Above the Fold 영역에 가깝도록 상단에 콘텐츠를 배치하고, 실제 확인율을 높이기 위해서는 흥미를 끄는 명확한 문구와 함께 강조된 디자인을 제공해야 한다. 그리고 페이지 내에서 많이 전환된 콘텐츠를 파악해, 사용자가 흥미를 갖고 목적성을 둔 유형을 파악해 연관성을 찾아본다. 만약 연관성이 떨어진다면, 한 페이지 내에서 너무 많은 목적과 강조가 혼재돼 있어 사용자에게 더 복잡한 정보 구성이 될 수 있기 때문에 별도 페이지로 분리하는 것과 같이 배치 형태를 검토해야 한다.
