디자이너가 데이터까지 볼 때 어떤 점이 좋을까요? 데이터 활용, 어떻게 시작해야하는지 알려드려요!
안녕하세요 핵클의 Product Designer Alley입니다.
꾸준하게 Product Designer의 주요 역량으로 이야기되는 것이 바로 ‘문제 파악 및 해결 능력'인데요. 문제점을 객관적으로 인지하고, 효율적으로 해결해내기 위해 점차 디자이너가 ‘데이터’를 이해하고 활용할 줄 아는 능력 또한 크게 주목받고 있습니다. 저희 핵클은 A/B 테스트, 데이터 분석 등 제품 개발 및 개선 과정에서 ‘데이터 기반의 의사결정’을 할 수 있도록 다양한 기능들을 제공하고 있습니다. 그리고 핵클 디자이너들은 핵클 서비스를 매일 직접 이용하며, ‘데이터’를 확인 후 문제점을 개선해나가고 있습니다. 오늘은 핵클 디자이너들이 어떻게 데이터를 활용하고 있는지를 이야기해보려 합니다.
주로 문제 파악 및 해결을 위해 UX로 접근하는 방식은 크게 2가지로, 정량적 리서치, 정성적 리서치가 있습니다.
핵클에서는 두 리서치 모두 진행하고 있는데요, 정성적 리서치로는 매주 1회 이상 다양한 직군 분들을 대상으로 사용성 인터뷰 (Usability Testing)를 디자이너가 직접 진행하고 있습니다. 정성적 리서치를 어떻게 진행하는지에 대해선 다음 포스팅에서 설명해 드리도록 하겠습니다.
그리고 ‘정량적 리서치’로는 핵클이 제공하고 있는 사용자 퍼널 분석, A/B 테스트, 데이터 분석 등의 기능을 활용하고 있습니다. 정량적 리서치를 통해 객관적인 데이터를 얻게 되면, 더 많은 고객에게 적용할 수 있는 문제 해결 방법을 고려할 수 있게 되며, 함께 일하는 동료는 물론 사용자에게까지 설득력 있는 사용성을 제공할 수 있다는 것이 가장 큰 장점이라고 생각합니다.
일단 서비스를 사용자가 어떻게 사용하고 있는지에 대해 이해하고, 각 사용 과정의 현황을 확인할 수 있는 데이터를 남겨두어야 합니다. 예를 들어 커머스의 경우 서비스에 들어오는 사용자는 구매를 목적으로 들어오게 되며, 이를 달성하기 위해 사용자가 일반적으로 어떤 단계를 거치는지 정리할 수 있습니다.
홈페이지 진입 > 상품 탐색 > 장바구니 담기 > 구매하기 > 구매 완료
그리고 각 단계의 사용 현황을 한눈에 데이터로 확인할 수 있도록 핵클에서는 ‘사용자 퍼널 분석’ 기능을 활용합니다. ‘사용자 퍼널 분석’에서는 단계별 사용자 수, 전환율, 이탈률을 확인할 수 있으며, 이를 통해 사용자가 어떤 단계에서 가장 큰 문제점을 겪는지 한눈에 파악하고 인과관계를 분석할 수 있습니다.
앞선 커머스 예시를 바탕으로 핵클에서 ‘사용자 퍼널 분석’ 기능을 활용할 경우 아래와 같은 데이터를 확인할 수 있습니다. 이를 통해 상품 페이지 진입 후 장바구니를 담는 과정에서 가장 큰 이탈이 발생하고 있고, 해당 과정을 개선해야할 필요가 있다는 것을 한 눈에 파악할 수 있습니다.
많은 기업이 서비스를 개선해 나가는 과정에서 개선 전후의 데이터를 비교하여, 개선 전보다 개선 후의 데이터가 긍정적인 경우 해당 개선 사항이 효과적이었다고 판단합니다. 그러나 이는 단순히 개선 전후 비교 외에도 여러 환경적 요인이 작용할 수 있기 때문에 정확한 비교가 어렵습니다.
예를 들어 기존 시안이 노출될 당시 구매 전환율은 10%, 변경된 시안이 노출되고 나서 구매 전환율이 33%로 상승했을 때 시안 개선으로 구매 전환율이 23% 상승했다고 판단할 것입니다. 그러나 실제로 데이터를 세부적으로 분석해보면 변경된 시안이 노출될 당시 코로나 특수 및 할인 행사로 인한 영향일 뿐, 변경된 시안은 사실 구매 전환율 하락에 영향을 주었을 수 있다는 것입니다.
이처럼 전후 비교로 인한 잘못된 데이터 해석을 방지하기 위해 핵클에서는 디자인 개선사항은 물론, 기능적 개선사항에도 A/B 테스트를 진행하여 데이터로 검증된 개선 사항만 고객에게 전달하고 있습니다.
A/B 테스트에 대해 간단히 설명해 드리자면, 새로운 기능이나 시안을 동일한 기간 동안 실제 사용자를 대상으로 데이터를 비교하는 방법입니다.
앞서 사용자 퍼널 분석을 통해 상품 상세페이지와 장바구니 단계 사이의 전환율을 높이기 위해 ‘장바구니 담기의 버튼의 크기, 컬러를 변경하면 사용자의 구매 전환율이 높아질 것이다. 가정을 하고 문제를 개선하였다면, 그룹 A에는 현재 화면을, 그룹 B에는 디자인 개선을 통해 변경된 화면을 고객에게 보여주어 '장바구니 담기 전환율'을 비교하면 됩니다. 물론 1개의 데이터가 아닌 여러 데이터로 A/B 테스트 결과를 비교할 수 있으며, 이를 통해 다른 데이터에 부정적 영향을 주지 않는 시안을 결정할 수 있습니다.
핵클 디자이너는 A/B 테스트를 통해 실제 사용자에게 효과 있는 개선 사항이 무엇인지 객관적으로 파악할 수 있으며, 디자인 작업을 통해 개선된 사항의 성과를 정량적으로 파악할 수 있습니다. 핵클의 실제 A/B 테스트 진행 과정에 대해 더 구체적으로 알고 싶다면 다음 포스팅을 참고해주세요. [👉🏻주니어 프로덕트 디자이너의 A/B 테스트 고군분투기]
분명 A/B 테스트를 준비하고 분석하는 과정에 투입되는 리소스가 부담스러울 수 있습니다. 그 경우에는 A/B 테스트를 진행하지 않는 만큼 다양한 시각으로 구체적인 데이터 분석을 진행하여야 합니다.
핵클 디자이너의 경우 A/B 테스트를 종료 후에도 지속적인 사용성 관찰을 위해 ‘데이터 분석’ 기능을 활용하고 있습니다. 핵클의 ‘데이터 분석’ 기능은 SQL과 같은 쿼리 지식이 없어도 클릭 몇 번으로 다양한 데이터를 실시간으로 확인할 수 있어서 핵클 디자이너분들이 가장 손쉽게 활용하는 기능 중 하나입니다. 예를 들어 커머스라면 연령별 구매 금액, 지역별 홈페이지 방문자 수, 사용자당 평균 구매 금액, 리텐션 등을 확인할 수 있습니다.
저 또한 핵클에 입사하기 전에는 이렇게 디자인의 모든 과정에 디자이너가 직접 데이터를 활용할 수 있다는 점을 몰랐었기 때문에, 디자이너에게 ‘데이터’가 어렵게 느껴진다는 점 공감합니다. 전문가만이 데이터 확인 및 분석이 가능하다고 생각했지만, 핵클 입사 후 가볍게 홈페이지 방문자 수와 같은 데이터부터 시작하여 사용자가 자주 활용하는 기능, 방문 빈도, 서비스 사용 기기, 서비스 재방문률 까지 다양한 데이터를 확인하고 있습니다. 데이터가 의미하는 바에 대해 고민하는 경험들이 쌓여 디자인 과정에서 데이터를 적극적으로 활용할 수 있게 되었습니다.
그뿐만 아니라, 디자이너가 데이터를 이해하고 활용할수록 주관적인 디자인이 아닌 객관적으로 검증된 사용 경험을 디자인하게 된다는 것을 깨달았습니다. 특히, A/B 테스트의 경우 현재 우리 서비스를 사용하고 있는 수많은 사용자의 데이터를 기반으로 의사결정 하기 때문에 서비스를 사용하고 있는 실제 고객을 위한 의사 결정할 수 있으니 꼭 시도해보시길 바랍니다.
더 나아가 저희 핵클에서 함께 데이터 기반의 문제 해결할 디자이너를 상시 채용하고 있으니 많은 관심 부탁드립니다. [👉🏻핵클 채용공고 확인하기]
.png)
