사용자 경험의 중요성은 날이 갈수록 높아지고 있다. 다양한 기술의 등장과 여러 기술의 융합으로 디지털 경험에 대한 사용자의 기대치와 숙련도가 높아졌고, 서비스를 사용하는 이유를 충족시킬 수 없다면 사용자는 쉽게 본인이 원하는 사용자 경험을 가진 서비스로 전환하기 때문이다. 따라서 사용자 경험은 서비스 출시 전 주요한 의사 결정 사항 중 하나로 자리 잡았다.
기존에는 해당 서비스의 오너, 의사결정권자의 선택을 따르는 것이 기업의 전통적인 방식이었으나 이제는 사용자의 후기(VOC), 사용 기록(로그) 등의 데이터를 활용해 정량적인 수치를 얻거나, 방법론을 통해 정성적인 결과를 도출하는 UX 리서치가 사용자 경험에서의 중요한 판단 기준이 되었다.
UX 리서치가 전통적인 리서치와 가장 다른 점은 결과를 도출하기 위한 과정이 아닌 ‘재료를 만드는 과정’이라는 것이다. 현재의 문제점을 해결할 수 있는, 그러나 아직 명확하게 발견하지 못한 ‘Something’을 찾아내는 과정이라는 것. 여기에서 Something은 Needs, PainPoint, Motive, Behavior, Attitude 등 사용자 경험과 관련된 '무엇이든' 될 수 있고, 이것들을 재료로 새로운 사용자 경험을 만들어 내는 것이 UX 리서치의 최종 목표이다.
UX리서치를 시작하기 전에 먼저 알고자 하는 것이 무엇인지 명확하게 설정하는 것이다. 문제를 명확하게 설정해야 해결하려는 문제를 더 깊이 이해할 수 있고 결론적으로 사용자의 요구를 충족하는 효과적인 솔루션을 얻을 수 있는 가장 적합한 방식을 찾을 수 있다.
<목차>
문제 정의를 위한 딥다이브
1. 표면적으로 드러난 문제/현상
1-1. 근본적인 문제 정의
1-2. 모든 경우의 수를 열어두고 문제의 원인을 고려하여 가설 설정
1-3. 목표를 정의하고 확인해야 하는 정확한 지표/데이터 설정
2. 문제/현상에 대한 딥다이브
2-1. 문제/현상을 작은 줄기로 세분화
3. 문제에 대한 Why와 데이터 리뷰
실습. 데이터 기반으로 문제 정의해 보기
문제 정의를 위한 딥다이브
1. 표면적으로 드러난 문제/현상
1) 근본적인 문제 정의
• 해결하려는 특정 문제에 대해 명확하고 간결하게 설명
문제에 원인과 해결방안이 혼합되어 있는 경우 근본 문제를 식별하고 전달하기 어려울 수 있다. 이로 인해 집중적이고 효과적인 설루션을 개발하기가 어려우므로 객관적으로 문제를 정량화하여 풀고자 하는 문제를 명확하게 하는 것이 중요하다.
예를 들어
문제 1️⃣
As-is : 이벤트 배너가 안 보여서 이벤트 신청이 충분히 일어나지 않는다. (원인에 초점)
→ 이벤트 배너가 안 보인다고 미리 원인을 정의하고 문제에 대한 분석을 시작하는 것 (aka 답정너)
To-be: 이벤트 신청이 작년/지난달 대비 저조하다. (문제를 정량화)
→ '신청 감소'의 원인에 집중하여 문제를 정의하게 되면 여러 근본적인 원인을 파악할 수 있다. 홍보 또는 마케팅 부족인 경우 이메일 마케팅, 소셜 미디어 광고 등을 통해 이벤트를 홍보하기 위한 노력을 늘리거나 매력적이지 않는 콘텐츠인 경우 잠재적 신청자를 대상으로 설문 조사를 통해 피드백을 수집하고 그들의 관심사에 더 잘 맞도록 라인업과 콘텐츠를 조정할 수 있다.
문제 ️2️⃣
As-is : 간편 결제가 없어서 사람들이 결제를 안 한다. (해결방안에 초점)
→ 결제이탈률은 간편 결제를 설치하면 전환율이 증가할 것이라고 미리 가설 범위를 축소시키는 것
To-be : 결제 이탈률이 업계 평균보다 높다.
→ '결제 이탈률'의 원인에는 결제 시스템의 보안에 대한 신뢰 부족, 직관적이지 않은 사용자의 인터페이스로 오랜 시간이 걸리는 결제 프로세스 등이 있다. 근본 원인이 직관적이지 않은 사용자의 인터페이스라면 사용자 테스트를 수행하고 피드백을 수집하여 개선할 영역을 식별할 수 있다. 결제 프로세스를 단순화하거나 사용자에게 가이드라인을 제공하여 이탈률을 높여 궁극적으로 사용자의 경험을 향상할 수 있다.
• 퍼널 분석을 통한 문제점 분석
퍼널 분석은 사용자 분석을 위한 하나의 마케팅 전략이다. 고객이 유입되고 전환에 이르기까지 주요 단계를 수치로 확인하는 분석 방법이다. 전환에 이르는 사용자 경험 프로세스를 단계별로 나누어 언제, 어디서, 어떻게 이탈하는 지를 파악해 이탈하는 원인을 개선하고 이를 바탕으로 전환율을 높이는 데 목표가 있다. 이러한 과정에서 서비스 취약 단계를 파악할 수 있기 때문에 사용자의 경험을 개선하는데 유용하게 활용되는 방법이다.
예를 들어
특정 모바일 페이지에서 고객 이탈이 계속 일어나고 있다면 모바일 최적화가 이루어지지 않았다는 것을 확인할 수 있다. 이를 통해 고객의 불편을 감소시키고 더 나은 사용자 경험을 제공할 수 있다.
2) 모든 경우의 수를 열어두고 문제의 원인을 고려하여 가설 설정
다양한 각도와 관점을 고려하여 문제를 설명할 수 있는 다양한 가설을 설정한다. 그리고 문제의 원인일 가능성이 가장 높은 가설의 우선순위를 지정하여 어떤 것이 가장 실행 가능하고, 가장 큰 영향을 미치고, 가장 정확할 확률이 가장 높은지 고려한다.
이후 사용자 테스트,설문 조사,A/B테스트를 통해 가설을 검증한다. 반복적으로 문제의 근본 원인을 식별할 때까지 계속 가설을 구체화한다.
3)목표를 정의하고 확인해야 하는 정확한 지표/데이터 설정
UX 개선 목표를 이루는데 3가지 요소가 있다. 바로 '목표 달성 기간'과 '목표 달성 정보에 대한 정량적 수치', '어떤 것을 취해야 목표를 달성할 수 있는가에 대한 행동 지표'이다.
1️⃣ 목표 달성 기간 - 목표로 정한 행동 지표와 정량적 수치를 언제까지 달성해야 할지를 의미한다
→ 달성 기간은 목표 달성을 어느 정도의 속도로 실행할 것인지를 의미한다. 보통 연, 분기, 월, 주간 단위로 목표 달성 기간을 두고 있지만 최근 들어서는 일단위로 목표 기간을 두는 곳도 많이 생겨나는 추세다.
2️⃣ 행동 지표 - 목표를 달성하기 위해서 사용자가 행동해야 할 매우 구체적인 내용을 의미한다.
→'행동 지표'는 사용자가 어떤 행동을 취해야 서비스 목표를 달성할 수 있을지를 고민하면 쉽게 도출할 수 있다. 예를 들자면 이 커머스몰의 사용자 관점에서는 상품열람, 장바구니에 상품 담기, 결제하기가 있고 비즈니스 관점에서는 매출 향상이 있다.
3️⃣ 정량적 수치 - 행동 지표를 정량적 수치로 표기하여 '달성 정도'를 파악할 수 있어야 합니다.
→앞서 행동 지표를 정량적인 수치로 나타내는 것이다. 사용자 관점에서는 상품 페이지 PV 및 UV 수, 구매하기 CTA 버튼 클릭수이고 비즈니스 관점에서는 문의수, 서비스 계약 건수, 매출액 등이 있다. 이 수치들은 현재 서비스의 목표가 어느 지점까지 왔으며 지금까지 실시한 여러 개선방안들이 효과적인지를 평가할 수 있는 기준이 된다.
2. 문제/현상에 대한 딥다이브
문제/현상을 작은 줄기로 세분화
문제를 기반으로 가설 상황을 설정할 때 작은 줄기로 나누면 문제를 더 작고 관리하기 쉬운 문제의 원인이 될 수 있는 특정 원인이나 요소를 더 쉽게 식별할 수 있다. 각 줄기는 관찰, 테스트 또는 데이터 분석을 통해 테스트할 수 있는 특정 가설을 설정하는 데 사용할 수 있다. 이는 테스트하거나 검증하기 어렵고 지나치게 광범위한 가설 설정을 방지하는데 도움이 될 수 있다.
3. 문제에 대한 Why와 데이터 리뷰
• 정의된 문제를 검증하기 위한 질문을 던진다. 앞단의 문제 현황에서 출발해 “왜 그럴까?” 생각되는 이유에 계속 물음표를 붙이다 보면, 더 이상 Why가 나오지 않는 지점에 다다른다. 이렇듯 꼬리에 꼬리를 무는 질문에 근거 데이터를 찾아 답하고, 근본적인 원인을 밝혀나가다 보면, 자연스럽게 딥다이브가 이뤄진다.
• 각 Why 중에서도 판단에 도움이 될 수 있는 데이터를 뽑아내는 것이 중요하다. 조사 시간이 제한되어 있어 모든 Why의 데이터를 다 분석할 수 없으므로 퍼널분석을 통해 해당 구간에서 가장 진입이 안 되는 구간을 좁혀가면서 가설을 설정한다. 그러나 데이터가 쌓여있지 않다면? 가진 설정을 설문 조사를 통해 반응을 체크한 후 가장 유력한 가설을 선택하여 우선순위에 따라 리서치를 시작한다.
즉 리서치를 할 때 감이 아닌 체계적으로 접근해서 어떠한 문제/현상이 있을 때 상황의 문제를 여러 가지로 나눠 그 문제/현상에 깊이 들어가 꼬리에 꼬리를 무는 질문에 근거가 되는 데이터를 찾아 근본적인 원인을 밝혀내는 것이 문제 정의를 위한 딥다이브다.
데이터 기반으로 문제 정의해 보기
• 문제 정의
: 카카오티 앱 유저들이 카카오 블루를 잘 활용 안 한다. (첫 사용률, MAU 비율이 10% 이하다)
▶︎ 내가 설정한 문제 정의
▶︎ 강사님이 설정한 문제 정의
• 느낀 점
강사님은 가설상황을 정의할 때 서비스를 인지했는지/인지했는데 탐색 중 이탈했는지/인지하지 않았는지 이렇게 총 3가지 상황으로 분류했다. 사용자의 공간적 요소와 시간적 요소를 고려하여 인지한 상황/탐색하는 상황/인지하지 않은 상황을 바탕으로 메인 페이지/배차 페이지/결제 페이지 등 여러 구간에서 발생할 수 있는 이탈 과정을 세분화했다. 다양한 구간에서 문제점을 찾으니 근본적인 원인 범위를 더욱 좁혀갈 수 있었고 마지막 Why에 도달했을 때 근본적인 원인을 확인할 수 있는 데이터를 설정할 수 있었다.
가설 상황을 정의할 때 카테고리를 '누가(유형), 얼마나(비율), 어떻게(패턴)'로 세분화한 후 각 카테고리를 확인할 수 있는 데이터 지표를 설정해야 데이터 기반으로 문제정의를 할 수 있다는 것이 중요하다는 것을 배웠다.
출처
그로스 마케팅의 첫 간추! AARR 퍼널과 개선 법,빅인사이트, https://ppss.kr/archives/229371
제대로 된 사용자경험? 'UX리서치'를 들이셔야 합니다! https://blog.lgcns.com/2673
UX 데이터 분석을 위한 목표설정의 3가지 기본요소, 뷰저블, Tistoryhttps://brunch.co.kr/@beusable/57
[새싹 X러닝스푼즈] 유니콘 기업 현직자에게 배우는 IT 서비스 기획자 취업 캠프 우승준 강의
댓글