Data-Driven UX 사례 발표

작성자 : 류정우

HCI KOREA 2019 참관 후기 1편

HCI KOREA 2019 참관 후기 2편

HCI KOREA 2019 참관 후기 3편

들어가며

Data-Driven이라는 말을 많이 들어보셨나요? 요즘 데이터가 워낙 많이 활용되고 있다 보니 Data-Driven이라는 용어를 자주 접할 수 있게 되었습니다. 위키피디아 첫 문장을 인용하여 데이터 드리븐의 정의를 짚고 넘어가 봅시다.

Data-Driven

Progress in an activity is comeplled by data, rather than by intuition or by personal experience.

일련의 행동들이 개인의 경험이나 직관에 의존하기보다는 데이터에 준거하여 이루어질 때 우리는 Data-Driven이라고 일컫습니다.

Data-Driven UX?

그렇다면 Data-Driven UX는 어떨까요? 풀어쓰자면 '데이터에 기반한 사용자 경험'이겠죠. 모두들 아시겠지만 데이터를 활용할 수 있는 방법은 무궁무진합니다. 하나의 예로는 앱이나 웹에 몇 줄의 코드를 심어서 세션이나 이벤트 단위로 데이터를 수집하여 breakpoint를 찾아내고 이를 개선하는 것을 들 수 있겠습니다. 하지만 오늘 발표에서 강조하고자 하는 이야기는 조금 다른 의미에서의 데이터 활용법입니다.

데이터를 통해 사용자의 행동 패턴을 유형화하고, 근거를 기반으로 조금 더 신뢰 있는 디자인을 하며, 개선 후에는 그 효과를 정량적으로 측정하는 방법으로 활용하는 것을 의미합니다. 오늘 발표는 이 세 가지 관점으로 Data-Driven UX에 대한 이야기를 사례와 함께 풀어나가고자 합니다.

1. 데이터 기반 사용자 모델링

사실 사용자 모델링에 있어서 정성적인 사용자 조사와 데이터 기반 사용자 조사 중 어느 것이 더 낫다고 단정 지을 수 없습니다. 서로 각자의 강점과 약점이 다르기 때문에 서로 상호보완하는 역할을 해야 합니다.

기존의 정성적인 사용자 조사가 작은 표본으로 인한 객관성 부족이 주로 공격받는 것에 비해 사용자의 환경과 맥락, 그리고 의도 등의 디테일을 이해하는 데에는 강하다고 할 수 있습니다. 반대로 데이터 기반 사용자 조사는 이런 디테일에는 약하지만, 행동 패턴을 멀리서 조망하고 수치를 통해 객관성을 보강할 수 있는 개념입니다.

많은 사례를 소개했지만, 그 중 True Balance의 사례를 예로 들어 설명하겠습니다.

True Balance는 Balance Hero라는 스타트업이 2014년부터 인도에서 운영하는 핀테크 서비스입니다. 대부분 선불 유심을 사용하는 인도의 통신환경에서 잔액 확인 및 충전 기능으로 시작하여 점점 기능을 늘려가고 있습니다.

사용자 조사 담당자가 지속적인 정성 조사를 통해 재미있으면서도 비즈니스 모델에서 중요한 사용자군을 발견하였습니다. 해당 서비스를 활용해 주변 지인들의 잔액 충전 업무를 대행해주는 사용자인 '단골 에이전트'의 존재를 확인하게 되었는데요, 이런 단골 에이전트로 활동하는 사용자가 얼마나 존재하고, 또 이들을 늘리려면 어떻게 해야 하는지에 대해 데이터로 접근한 사례입니다.

데이터를 확인해보니 단골 에이전트의 역할을 하는 사용자들의 비율이 3.4%를 차지했고, 더불어 단골 에이전트가 될 가능성이 있는 사용자의 비율이 14.8%로 꽤 높은 비중을 차지하고 있었습니다. 결론적으로 현재 단골 에이전트의 수는 적었지만, 될 가능성이 있는 사용자가 15% 존재한다는 점을 확인하였고, 단골 에이전트의 특성을 기반으로 가능성 있는 사용자들을 타겟팅 할 수 있는 전략 방향의 근거를 마련한 사례입니다.

2. 근거 있는 디자인

디자인을 새롭게 하거나 개선하는 과정에서도 데이터는 의사결정의 근거가 될 수 있습니다. 이번에는 간단한 통계에 기반하여 의사결정에 도움이 되었던 사례를 소개합니다.

흔히 앱 내에는 콘텐츠를 공유하거나 추천할 때 제공하는 공유매체 리스트를 제공합니다.

그런데 공유할 수 있는 매체가 많아지다 보니 기본적으로는 안드로이드가 제공하는 리스트를 그대로 보여주는데, 과연 이 순서를 그대로 보여주는 것이 사용자들에게 편리할지 고민을 하게 되었습니다.

앱 사용자들이 이 서비스를 다른 사람에게 소개할 때 어떤 매체를 사용하는지 통계를 내보니, WhatsApp, MMS, Facebook 이 세 가지가 전체의 91%를 차지하는 것을 확인할 수 있었습니다. 반면 나머지 모든 매체를 합쳐도 10%가 되지 않았습니다. 이 결과를 바탕으로 리스트 내 공유 매체 순서를 WhatsApp, MMS, Facebook으로 제공하고, 나머지는 더 보기 버튼을 만들어 사용할 수 있도록 하였습니다.

디자인 개선에 앞서 데이터를 통해 확인된 근거가 있었기에 쉽게 의사결정을 할 수 있었던 사례라고 할 수 있습니다.

3. 성과측정

마지막으로 디자인 개선을 하고 난 후 어느 정도의 개선 효과가 있었는지를 측정했던 사례를 소개합니다. 서비스의 사용자를 늘리기 위해 '소개하기 기능'을 많이 도입하고는 하는데, 이 기능의 네비게이션 방식이나 리워드 표현방식 등의 구조를 변경하여 어느 정도의 효과가 있었는지를 측정했습니다.

사용자들이 가입 완료한 시점부터 해당 기능의 페이지를 진입하고, 소개를 시도하기까지의 과정에서 얼만큼의 잔존율을 보이는지를 성능 지표로 삼았습니다. 이런 분석 방법을 흔히 퍼널 분석(Funnel Analysis)이라고 합니다. 분석 결과 개선 전에는 가입한 사용자의 6.3%만이 소개를 완료하는 저조한 성적을 보였다면, 기능 및 구조를 개선한 후에는 최종 32.1%라는 높은 비율로 이끌어낼 수 있었습니다.

디자인 개선의 효과를 수치로 제시할 수 있었던 사례입니다.