[Data-Driven UX] 1장 데이터 분석을 시작하기 위한 기초 지식

'Data-Driven UX' 데이터가 두려운 실무자를 위한 입문서

새빨간 표지와Data라는 단어만으로 이 책에 호기심을 갖기 충분했다. 또한, 스타트업에 합류한 시점에 쿠심님께서 이 책을 빌려주신 건 정말 최적의 타이밍이었다고 생각하며 감사를 표한다.

스타트업에서의 시작은 데이터에 문외한 나에게..  Retention, CVR, KPI 등등 동료들이 사용하는 용어들로 정신이 하나도 없다.(~ing) 그런 의미에서 얼핏 얼핏 동료들이 사용한 용어들을 발견하는 것만으로 이 책이 반갑고 그만큼 재밌게 읽고 있다. 이번에는 데이터 분석에 대한 기초지식을 다룬 1장을 가볍게 정리하고자 한다.

---

1장 데이터 분석을 시작하기 위핸 기초 지식

1장의 세부목차는 다음과 같다. 

1) 데이터 드리븐 UX의 배경 이해하기
2) 데이터를 다루는 디자이너의 이점
3) 데이터 분석을 시작하기 전 마음가짐
4)데이터에 관한 오해

 

[데이터 드리븐 UX의 배경 이해하기]

데이터 시대, 디자이너에서 요구되는 역량을 이 책에서는 글로벌 기업 제너럴 일레트릭(GE)이 정의한 T 자형 인재로 표현하고 있다. 디자인 역량이 출중한 스페셜리스트가 '비즈니스 매니즈먼트 역량'과 '데이터 매니지먼트 역량'을 더해 시너지를 발휘하는 것. 디자인이라는 핵심축에 부가적인 가치를 더하는 것이다.

 

UX 디자이너에게 요구되는 T자형 인재의 자세

1) 첫 번째, 비즈니스 관점에서 사고하는 역량

이 책에서는 UX 디자이너의 역할이 단순히 사용자의 입장에서 디자인을 고려하는 것이 아니라 최종적으로 기업 매출을 창출하는 것이라고 한다. (다만, 이 부분에 대해서는 개인적으로 최근 많은 고민이 드는 지점이다.)

 

식품 산업에 종사하는 UX 디자이너에게는 식품 산업에 대한 전반적인 이해, 나아가 조직에 대한 이해가 필요하다. 디자인을 통해 비즈니스의 문제점을 해결하고 성과를 달성할 수 있을 것인지를 고민하는 것.

• 우리의 타깃 시장과 사용자는 누구인가?
• 누구에게 무엇을 어떤 방식으로 커뮤니케이션할 것인가?
• 어떤 조건을 충족해야 고객이 원하는 것을 줄 수 있는가?
• 어떻게 해야 고객의 어려움을 해결할 수 있는가?
• 우리의 방향성은 무엇인가?
• 어떻게 디자인으로 풀어낸 것인가?

 

2) 둘째, 데이터 분석 능력과 수학적 사고

데이터 매니지먼트 능력을 위해 데이터 분석 기법을 이해하고 로직(Logic)을 이해하고 있으면 도움이 된다고 한다. 다만, UX 디자이너의 역할은 분석가가 아닌 '분석하는 디자이너이다'. 다시 말해 통계 분석 툴이나 오픈소스 언어가 아니라 적절한 데이터 수집 및 시각화 소프트웨어를 사용하는 것이 바람직하다.

이 책에서 소개하는 디자이너가 사용하기 적합한 툴은 다음과 같다.

• 사용자의 행동을 추적하고 시각화를 제공하는 뷰저블(Beusable)
• 서비스의 흐름을 조망해 세분된 지표를 살펴볼 수 있는 구글 애널리틱스(Google Analytics)
• 어도비 애널리틱스(Adobe Analytics)
• A/B Testing을 실시할 수 있는 옵티마이즐리(Optimizely), 옵티마이즈(Optimize)

---

[데이터를 다루는 디자이너의 이점]

서비스 성장 주기별 방향성을 되짚어보는 데이터

데이터 맬클루어의 AARRR 프레임워크

 

Acquisition(획득)

사용자를 얼마나 유입하는 지. 이 단계에서는 DAU(Daily Active User, 일간 개별 사용자), MAU(Monthly Active User, 월간 개별 사용자), 신규 사용자 수를 늘리는 것을 목표로 해야한다. 마케터와 긴밀한 협업 필요

 

Activation(활성화)

서비스 체류시간과 서비스를 이용하기 전에 떠나는 이탈률(Bounce Rate) 지표를 살펴본다. 이외에 특정 영역별 체류시간이나 행동 순차를 살표보는 것도 중요. 만약 이탈률이 높다면 문제를 파악하고 개선.

 

Retention(유지/재방문) 중요❗️

서비스 만족도를 대변하는 기준이 된다. 재방문 비율을 보는 것도 중요하지만, 무엇보다 전환율(CVR, Conversion Rate)을 파악하는 것이 중요하다. Retention은 '매출'에 직결되는 데이터로 서비스의 성패를 좌우하는 중요한 단계라고 할 수있다. (실제로 회사에서도 지금 가장 신경쓰고 있는 부분으로 업무의 우선순위가 Retention을 기준으로 정해지고 있다.)

 

Revenue(매출)

서비스의 매출 확보를 위한 단계. 전환율을 높이는 것을 목표로 삼아야한다. 디자이너는 전환율과 직결되는 회원가입, 구매하기, 다운로드 버튼 등의 UI를 적극적으로 개선한다.

 

Referral(추천/입소문)

서비스가 어디에 얼마나 공유되고 있는지, 해당 채널로부터 얼만큼의 사용자를 다시 확보할 수 있는지를 알아야 한다. 핵심 콘텐츠에 공유하기 또는 구독하기 버튼을 배치하는 등 적극적인 고민이 필요.

---

[데이터 분석을 시작하기 전 마음가짐]

1) 비즈니스 기여와 성과 창출 목적

디자이너의 역할은 데이터를 단순히 예쁘게 정리하고 분석하는 것이 아니라 '데이터를 분석하여 비즈니스에 기여하고 성과를 창출하는 것'이 되어야한다. 단순 보고는 이미 뛰어난 분석 소프트웨어들이 많다...! 데이터 분석과 실행을 통해 얻을 수 있는 조직의 성공 목표를 고민하고, 이를 기반으로 데이터 분석이 이루어져야한다.
데이터 분석의 목표는 비즈니스 성과를 실현하기 위한 수단이지, 분석 자체가 목적이 아님을 분명하게 할 것.

 

2) 조직의 이슈를 기반으로 사고하기

데이터를 분석할 때 조직의 이슈를 기반으로 생각 할 것. 이슈는 '조직의 물음(ex. 무엇을 위해서, 어떻게)'이며, 데이터 분석 결과는 '자신의 답변'이다.

이슈가 없는 상태에서 데이터 분석을 시행하는 것은 목적지 없이 무작정 길을 떠나는 일과 같다. 목적지와 이동 수단, 시간 등 '분석 기준'이 정해져야 한다.

 

3) 가장 빠른 학습길은 자사 데이터로 직접 분석해보는 것

 

[데이터에 관한 오해]

<오해 1> 데이터는 숫자와 수치를 의미한다.

사용자의 목소리 자체가 데이터가 될 수 있고, 사용자의 사이트 내 행동이 데이터가 될 수 있다. 수치는  복잡한 사용자 행태를 대표한다. 하지만 수백 수천만 명의 행동 패턴을 하나의 숫자로 나타내는 것이 '데이터의 신뢰성'과 직결된다고 할 수 없다. 사용자가 왜 그런 행동을 보였으며, 어떻게 느꼈는지, 무엇을 기대하는지는 숫자를 통해서는 알 수 없다. 따럿 데이터는 다양한 관점에서 수집되어야 한다.

 

<오해 2> UX 디자이너의 역할은 데이터 측정 및 결과를 공유하는 일이다.

데이터는 행동을 일으키지 못하면 전혀 의미가 없다. 디자이너의 역할은 데이터를 통해 인사이틀 얻고 사이트 개선, 즉 액션을 실행하는 실행자가 되어야 한다. 따라서 데이트 측정 목적을 정확하게 세우고, 이 목적에 따라 측정과 수집 방법이 달라지는 다양한 기능을 취사 선택하여 사용할 수 있어야 한다.

 

<오해3>  데이터는 숫자가 가장 중요하다.

숫자나 수치보다 패턴이 중요하다. 패턴은 추세를 가리킨다. 오늘 방문자가 20% 증가했다 하더라도 지난 3개월간 계속 줄어드는 추세였다면, 20%센트는 큰 의미가 없을 수 있다.

수치보다 추세를 살펴보는 데이터

 

<오해4>  UX 디자인과 관련된 의사 결정은 모두 데이터를 바탕으로 실행해야 한다.

데이터는 다양한 시장 및 경쟁사 정보, 내부 기업 동향과 같은 환경에 많은 영향을 받는다. 또한 측정환경과 분석자가 누군가에 따라 결과가 달라질 수 있다. 따라서 데이터뿐만 아니라 '자신이 속한 팀의 목표가 무엇인가' '기업의 목표는 무엇인가' '시장 트렌드가 어떻게 흘러가고 있는가' 등 다양한 환경을 아울러 보는 자세가 중요하다.

 

---

용어정리

KPI: Key performance Indicator의 약자로 핵심 성과지표라고 부른다. 이것은 비즈니스 목표를 성공적으로 달성하기 위해 핵심적으로 관리해야하는 요소들에 대한 측정 지표다.

CVR: Conversion Rate의 약자. 웹사이트를 방문한 사람 중 소정의 유도된 행위를 한 방문자의 비율을 의미한다. 회원 가입, 상품 구매, 다운로드 등의 행위를 예로 들 수 있다. 페이지 내에세 제공된 링크를 통해 다른 URL페이지로 이동한 경우를 가리킨다.

퍼널(Funnerl): 고객의 유입부터 전환까지의 주요 단계를 수치로 확인하는 분석 방법이다. 고객 경험 프로세스를 단계별로 나누어 언제, 어디서, 어떻게 이탈하는지를 파악해 이탈 원인을 개선하는 데 목표를 둔다.

 

출처: Data-Driven UX