디자인 + 데이터 = 좋은 사용자 경험
대박을 터뜨리려면 왜 디자인만으로는 부족하고 데이터가 필요한가?
지난 번역글에 이어 데이터와 분석, 디자인을 키워드로 하는 좋은 글을 찾아 번역해서 소개하고 있습니다.
두 번째 소개글은 Wharton University of Pennsylvania의
원문은 링크를 클릭하시면 확인하실 수 있습니다. (매끄러운 전개를 위해 의역된 부분이 있습니다. 잘못된 부분을 알려주시면 바로 수정하겠습니다.)
-----
많은 전문가들의 말에 따르면 성공적인 사용자 경험이란 "소비자의 니즈를 개별적인 수준에서 맞춰 제공하는 것"이라고 한다. 중요한 포인트는 한 가지 사이즈를 모두에게 제공하는 것이 아니라, 개개인을 구분해 각각에게 맞는 옵션을 제공한다는 것이다. 하지만 실제로는 어떤가? Mobiquity의 대표 겸 CSO인 동시에 와튼의 시니어 펠로우인 Scott A. Snyder와 행동 디자인 회사인 Dopamine의 설립자 Jason Hreha는 다음과 같이 썼다.
회사를 진정 차별화시키는 것은 데이터를 통한 개인화이다.
그리고 이것은 회사들로 하여금 고객들의 참여를 강화시키고 더 나은 결과로 유도할 수 있는 고유한 경험을 구축할 수 있도록 돕는다.
오늘날, 디자인은 중요한 위치에 올라있다. iPod이나 iPhone 같은 제품의 성공을 통해 사람들은 좋은 사용자 경험이 수익에 중요한 열쇠라는 것을 깨닫게 되었다.
하지만 이렇게 디자인에 집중하고 있음에도 불구하고 대부분의 디지털 경험은 사용자의 기대를 충분히 만족시키지 못한다. 70억 개의 웹사이트 중에서 72%가 사용자의 참여를 유도하거나 다음 행동으로 전환시키는데 실패하고, 1600만 개의 애플리케이션 중에서 단지 200개만이 사용량의 70% 가까이 차지하며, 4개 중 3개의 앱은 처음 다운로드된 이후 다시 열리지 않는다.
그럼, 대체 뭐가 잘못되고 있는 걸까? 더 중요한 질문은, 어떻게 바로잡을 수 있을까?
놀랍게도 해결책은 디자인이 아닌 데이터에 놓여있다.
넷플릭스는 사용자 경험에 집중하는 대표적인 회사 중 하나다. 넷플릭스는 초기에 DVD 구독 비즈니스 모델을 만들기 위해 Blockbuster(미국의 비디오 대여업체)처럼 연체료를 부과하지 않았다. 그리고 곧 Blockbuster를 경쟁업체에서 밀어냈지만, 동시에 Sling이나 Roku와 같은 다른 온라인 비디오 스트리밍 업체의 경계망에 오르기도 했다. 하지만 운 좋게도, 넷플릭스는 개인화된 콘텐츠 추천 시스템을 만들기 위해 사용자들의 시청행태에 대한 분석 데이터를 사용할 수 있었고, 시청자의 흥미를 끌기 위해 설계된 House of Card나 Orange와 같은 자체 프로그램까지 제작할 수 있었다.
넷플릭스에게 사용자 경험이란 시작점일 뿐이었다. 그들이 수집하고 분석한 데이터를 보는 것은 곧 비즈니스 우위를 선점하는 전략이 되었다. 넷플릭스의 이런 전략 때문에 우리는 더 이상 TV나 영화의 특별판 패키지를 주문하지 않는다. 대신에 우리는 맞춤형으로 설계된 시청 경험을 보유하게 되었다. 이것은 데이터 기반으로 사용자 경험을 만들어가는 Amazon, Pandora, Sephora, Nike, Progressive, Disney와 같은 많은 회사의 예시 중 하나일 뿐이다.
이제는 좋은 사용자 경험이 중요하다. 아마 잘 하지 못한다면, 극도로 경쟁이 심한 디지털 세계에서 쫓겨나버릴 수도 있다. 회사를 정말 차별화시키는 것은 데이터를 바탕으로 한 개인화이며, 이것은 고객뿐 아니라 회사의 입장에서도 서비스에 대한 참여도를 높이고 더 좋은 결과를 이끌어내는 고유한 경험을 구축하도록 한다. 하지만, ‘유용하다’와 ‘성가시다’를 결정짓는 데는 미세한 차이가 있다. 이 차이 때문에 데이터 기반의 개인화를 바르게 적용해 고객들을 기쁘게 할 수도 있지만, 잘못된 방향으로 이끌어 다시는 당신의 브랜드를 사용하지 않게 할 수도 있다.
어떻게 제대로 개인화된 경험을 성취할 수 있을까?
어떤 해결책이 장기적인 관점에서 사용자들을 몰두하게 하고, 긍정적인 결과를 끌어내기에 실패하는지 다음 세 가지 관점에서 살펴보자.
: 세분화(segmentation), 관련성(relevance), 보상(rewards)
1. 세분화(segmentation): 행동에 관해서
당신은 경쟁과 보상을 좋아하는 편인가? 혹은 친구와 가족의 유용한 조언에 동기부여를 많이 받는 편인가? 일하는 중에 받은 문자에 답장을 보내는가, 아니면 잠자리에 들 무렵에야 확인하는가? 여행을 많이 하는 편인가? 웨어러블 기기를 가지고 있거나 구입할 생각을 해본 적이 있나?
이런 유형의 질문들은 우리가 사용자들에게 물어봐야만 하는 것이다. 직접 물어볼 수도 있고, 사용자의 인터랙션과 행동으로부터 대답을 유추해볼 수도 있다. 사용자는 저마다 다르다. 하지만 제품을 보고서 그것을 사용하는 사람들이 모두 다르다고 상상하기 힘들 것이다. 대다수의 애플리케이션이 모든 경험에 대항하는 하나의 제품만 만들고, 절반 이상의 사용자가 회원가입을 하는 것조차 실패하게 한다.
다행히도 우리는 사용자 개개인의 행동 데이터를 수집할 수 있는 능력이 있고, 그것을 더 자세히 쪼개어 사용자들에게 고유한 혹은 만족을 주는 경험을 선물할 수 있다는 것이다.
2. 관련성(releance): 사용자의 맥락을 바르게 고려하기
적절한 순간에 관련이 있고, 임팩트 있는 인터랙션을 제공하려면 우리는 각 사용자들의 맥락(context)을 이해할 필요가 있다. 하지만 이것은 단지 장소와 시간에 대한 맥락에 멈추지 않는다. 사용자뿐 아니라 써드파티에서 수집되는 풍부한 데이터를 통해 사용자가 ‘무엇을 하고 있는지’, ‘어떻게 느끼는지’와 같은 상황과 감정까지 포함하는 것으로 범위가 넓어지고 있다. 맥락에 대한 확장된 논의는 아래 도표를 참고하자.
이렇게 많은 측면의 맥락이라는 모델과 함께, 우리는 “한 사람을 위한 세분화” (특정한 시간의 각 사용자의 고유한 프로필 정보) 개념에 더 가까이 접근해간다. 아마 당신은 건강한 사람에게 몸무게 감소를 권하는 메시지를 보내거나, 공항 보안대 앞에서 긴장하고 있는 여행자에게 쇼핑쿠폰을 날리고 싶진 않을 것이다. Google Now와 (Salesforce에서 인수한) Tempo AI와 같은 상황 인식 애플리케이션은 사용자의 캘린더를 맥락 파악을 위한 도구로 사용해 사람들이 언제 바쁜지, 미팅 중인지 쉬는 시간인지에 대한 정보를 얻는다. 이런 정보는 많은 애플리케이션들에 의해 상황을 고려한 개인화된 콘텐츠와 경험을 구성하는데 쓰이고 있다.
대부분의 사용자들은 앱을 다시 켰을 때 실제 얻을만한 효용이 있다고 생각될 때만 자신들의 데이터를 공유하고 싶어 한다. 60% 이상의 사용자들이 자신에게 맞춤화된 실시간 프로모션을 원하면서도, 67%의 사용자들은 데이터를 이용한 판매를 신뢰하지 않는다고 답했다. (Option Lab Survey, 2015) 우리에게는 더 잘할 수 있는 기회가 있다.
3. 보상(rewards): 노력 대비 효용이라는 도전 극복하기
뭔가를 얻기 위해서는 당신도 줄 것이 있어야 한다. 안타깝지만, 많은 애플리케이션들이 너무 적게 주면서 사용자에게 많은 것을 요구한다. 일반적으로 앱은 모든 것을 꼬치꼬치 캐묻는 지루한 회원가입 프로세스를 가지고 있는데, 이것은 성공을 위한 비결과 거리가 아주 멀다.
Waze와 Pandora 같은 유명한 애플리케이션들은 '적절한 수준의 정보를 어떻게 얻는가’에 대한 좋은 사례 연구가 될 수 있다. 이 두 경우 앱을 다운로드하는 것과 동시에 사용자들은 즉각적인 효용을 제공받는다. Waze는 사용자의 지역정보를 제공하는 대가로 운전 경로의 질을 향상하여준다. Pandora는 듣고 있는 노래에 대해 평가를 하는 대가로 내 입맛에 따른 맞춤형 DJ를 제공해준다. 두 경우 모두, 우리가 얻는 효용에 비해 들여야 할 노력이 크다고 느껴지진 않는다. 효용을 제공하기도 전에 프로필, 회원가입 등 데이터부터 요구하는 대다수의 디지털 솔루션들을 떠올려보자. 우리는 고객군을 적절히 나누기 위해 필요한 데이터를 “정당하게 취득할 권리”가 필요하다. 고객들에게 좀 더 개인화된 경험을 제공하기 위해 데이터를 수집하기 위해서는 즉각적인 효용을 제공해 ‘노력 대비 효용’이라는 거래를 따내야 한다.
데이터 기반 UX 접근법으로의 진화
모바일 마케터의 86%가 접근성 향상, 전환율 상승, 높은 수익, 더 나은 인사이트 그리고 높은 리텐션과 같은 개인화를 통한 성공사례를 보고했다. 하지만, 전체 앱의 1.5%만이 개인화된 경험을 제공하고 있다. (모바일 마케팅 자동화 보고서, VB Insight, July 2015) 진정한 개인화를 통해 효용 대비 더 나은 노력을 할 수 있도록 제품을 개선하기 위해 우리는 사용자 경험(UX) 디자인을 데이터에 기반한 것으로 만들어가야 한다.
전통적인 UX 디자인 프로세스는 사용자 흐름, 페르소나, 스토리보드/와이어프레임 그리고 그래픽 목업 혹은 디자인 프로토타입을 만들기 위한 사용자 조사에서부터 시작한다. 이러한 프로세스를 통해 얻은 훌륭한 결과는 각기 다른 사용자 유형의 니즈를 모두 만족시켜 최고의 사용자 경험을 전달하기 위해 시도하는 아름다운 디자인이다.
하지만 실제로 사용자들은 하나도 같지 않고, 당신의 앱을 같은 방식으로 작동시키고 싶어 하지도 않을 것이다. 우리는 강력한 애널리틱스와 변화에 유연하게 대응하는 인터페이스를 통해 개별 사용자의 행동, 동기 그리고 상황에 관한 것을 알게 되면서, 각 사용자에게 최고로 적합한 핵심적인 경험을 다양하게 전달할 수 있는 기회를 얻게 되었다. 이 같은 데이터 기반의 UX 접근법에 있어, 우리는 성취하고자 하는 타깃 유저의 행동과 결과에서부터 시작할 수 있다. 그렇게 초기에 세분화된 행동 모델을 발전시킨 다음, 각각의 분류에 맞는 최상의 전략과 사용자 경험을 분별해나갈 수 있다. 그리고 최종적으로, 애널리틱스와 머신 러닝을 사용해 시간을 들여 시스템을 적응시켜 나가고, 인터랙션 모델에 기반한 디자인을 점차 최적화해나갈 수 있다.
아래 도표는 전통적인 접근법과 데이터 기반의 UX 접근법의 차이를 묘사하고 있다.
실제로 성공시키기
데이터 기반의 UX 디자인은 회사가 어떻게 제품 디자인과 개발에 접근하는지에 대한 근본적인 접근법의 변화이다. 이러한 여정이 쉽지는 않겠지만, 성공할 잠재력이 아주 크기 때문에 장기적인 관점에서는 사용자를 위해 긍정적인 경험을 창출할 수 있을 것이다. 새로운 모델로 도약하고 싶다면 다음 리스트를 고려해보라.
1. ‘사용 맥락(context)'에 대한 정의를 장소와 시간 이상으로 확정하라. 상황과 감정은 특히 중요하다.
2. 사용자에게 더 많은 데이터를 요구하기 전에 즉각적인 효용을 제공하라. ‘유용한’ 정보를 주기 위한 데이터 수집과 ‘불쾌한’ 느낌을 주게 되는 데이터 수집은 엄연히 다르다.
3. 서비스 내에서 사용자들이 더 선호하는 행동, 선호도, 동기, 사용 맥락에 따라 사용자들을 구분하라.
4. 실시간 행동 분석 데이터에 기반해 적절한 액션을 취할 수 있도록 빅 데이터 분석 환경을 구축하라.
5. 사용자의 반응에 따라 각 사용자에게 맞는 인터랙션을 제공할 수 있도록 애널리틱스와 머신러닝을 사용하라.
6. 애널리틱스를 이용할 수 있고, 변화하는 대응에 열려있는 새로운 유형의 UX 디자이너들을 고용하라.
7. 바람직한 성과에서부터 시작하라. 빠르게 테스트하고 적용하라.
이것들은 사용자를 위해 할 수 있는 좋은 시도들이다. 또, 이것이야 말로 당신이 하는 일에 있어 정말 필요하고 중요한 지식이다. 당신의 고객들은 자신들이 정말 효용을 얻을 수 있다고 생각한다면, 기꺼이 자신의 데이터를 제공하고 서비스에 참여할 것이다. 시작할 준비가 되었는가?
---
데이터 수집을 쉽게 시작하고 싶으신가요?
Behavioral Insight를 위한 UX기반 모바일 애널리틱스, 유저해빗
