로그인

앰플리튜드

데이터 기반 UX 분석 개념과 방법 🎨

Team MAXONOMY ・ 2024.09.26

데이터 기반 UX 분석 개념과 방법 🎨

데이터 기반 UX 분석이란?


User experience(UX) 분석은 데이터를 사용하여 사용자의 경험을 측정하고, 인사이트를 얻어 유저 경험을 개선하는 과정을 말합니다. 일반적으로 앱, 게임, 웹사이트, 소프트웨어 같은 종류의 제품에 적용되죠.


UX 분석에 사용할 수 있는 데이터는 다양합니다. 앱이나 웹사이트에서 보내는 시간, 클릭하는 요소, 가장 많이 사용하는 기능, 구매한 내역 등 거의 대부분의 요소가 가능하죠. 심지어 '행동의 부재'도 분석 대상이 될 수 있는데요. 예를 들어 사용자가 장바구니에 담은 물건을 구매하지 않았거나, 링크 위에 커서를 올려놓았지만 클릭하지 않은 것도 UX분석의 대상이 될 수 있습니다.


가계부 관리를 하고자 하는 사람 A가 있고, 우리는 가계부 앱을 서비스하는 기업이라고 가정해 봅시다. 우리는 A가 가계부 앱을 검색하고 우리 앱을 다운로드하고, 체험판에 가입하고, 은행 계좌나 신용카드와 같은 정보를 연동하기를 원할 것입니다. 그리고 체험판이 끝나면 유료 구독까지 전환되기를 희망하죠.


이걸 '사용자 여정'이라고 부르며, 각 여정마다 사용자가 다음 여정으로 계속 진행할 수 있도록 좋은 사용자 경험을 제공해야 할 것입니다. 만약 여정을 완수하지 못하는 사용자가 있다면, UX 분석을 통해 어디서, 왜 이탈했는지 이해하고 궁극적으로 미래에 사용자 경험을 어떻게 개선할 수 있을지 힌트를 얻을 수 있습니다.









UX 분석 대상


구체적으로 어떤 데이터를 분석하고 지표를 측정할지는 제품이나 상황에 따라 천차만별입니다. 그렇기 때문에 이번 포스팅에선 비즈니스 의사결정까지도 활용할 수 있는 굵직한 주요 UX 데이터 지표를 중심으로 설명드리겠습니다. 해당 지표를 기반으로 어떤 최적화된 지표를 측정해볼 수 있을지 고민해보면 좋을 것 같습니다.


응답 시간: 응답 시간은 페이지나 앱이 얼마나 빠르게 로딩되는지에 대한 지표입니다. 우리 생각보다 사용자들은 로드되는 시간을 오래 기다리지 않습니다. 몇 초만 버벅이면 바로 이탈하죠.


신규 및 재방문자 수: 신규 및 재방문자 수는 얼마나 효과적으로 사용자를 유치(Acquisition)하고 유지(Retention)하는지에 대한 지표입니다. 신규 방문자 수가 증가하지 않는다면, 마케팅 전략을 다시 검토해야 하며, 재방문자 비율이 낮다면, 제품 경험을 검토해야 합니다. 재방문자 비율에 문제가 있는 경우에는 리텐션 분석을 더 깊게 수행하여 재방문한 사용자와 이탈한 사용자 간의 행동 차이를 확인하는 것이 좋습니다.


세션 길이: 세션 길이는 사용자가 제품을 얼마나 오래 사용하는지를 측정하는 지표입니다. 세션 시간이 길수록 좋을 것 같지만, 제품에 따라 그렇지 않을 수도 있습니다. 만약 뉴스 앱이라면 긴 세션 시간은 사용자가 적극적으로 참여하고 있다는 긍정적인 신호일 가능성이 높죠. 반면, 현금 송금 앱이라면 긴 세션 시간은 사용자가 원하는 작업을 수행하는 데 어려움을 겪고 있다는 신호일 수 있습니다. 이처럼 세션 길이 지표는 제품의 특성에 따라 사용자 경험을 유연하게 판단해야 합니다.


세션당 페이지 수: 세션당 페이지 수는 한 세션 동안 방문하는 총 페이지 수를 의미합니다. 세션 길이와 마찬가지로 많은 페이지를 방문하는 것이 좋을 수도 있고 나쁠 수도 있습니다. 사용자가 제품에 깊게 몰입하여 사용하는 것일 수도 있지만, 원하는 답을 찾지 못해 이리 저리 방황하는 것일 수도 있습니다. 만약 후자라면, 더 적은 클릭으로 원하는 답을 쉽게 찾을 수 있도록 개선해야 합니다.


전환율: 고객 여정의 각 여정에서 상위 여정으로 넘어가는 비율을 전환율이라고 합니다. 만약 광고 단계에서 클릭률, 즉 전환율이 높지 않다면 메시지를 조정해야 하는 등의 방법을 사용해야 합니다. 사용자가 앱을 다운로드했지만 유료 고객으로 전환되지 않는다면, 온보딩 과정을 조정하여 전환율을 높일 수 있습니다. 전환율은 사용자의 행동을 분석하고 제품 개선 방안을 찾는 데 중요한 역할을 합니다.


과제 성공률과 과제 수행 시간: 제품이 사용하기 쉬운지 여부를 가장 명확하게 보여주는 지표가 바로 과제 성공률과 과제 수행 시간입니다. 여기서 말하는 '과제'는 서비스의 주요 사용 목적이나 기능을 말하는데요. 배달 앱 사용자가 음식 주문을 하려하는 데, 주문 방법을 몰라 한참을 헤매거나 주문 과정 자체가 너무 오래 걸린다면, 인내심을 잃고 앱을 이탈할 것입니다. 해당 지표를 통해서, 제품의 핵심 과제에 집중하고, 이러한 과제를 완수하는 과정을 자연스럽고 직관적이며 간단하게 만들어야 합니다.


사용자 정착률(Stickiness): 정착률은 일일 평균 사용자 수(DAU)를 월간 평균 사용자 수(MAU)로 나누어 측정합니다. 이 지표는 사용자가 평균적으로 한 달에 며칠 동안 제품을 사용하는지 보여줍니다. 매일 접속하긴 바라는 게임과 같은 비즈니스에 특히 유용합니다. 하지만 모든 비즈니스에 적합한 지표는 아닙니다. 가령 비행기 예매 앱같은 경우 사용자 정착률이 크게 의미 있진 않겠죠.


내비게이션 vs 검색 비율: 사용자가 제품을 탐색하는 데 검색 창에 지나치게 의존한다면, 이는 제품 디자인이 직관적이지 않다는 신호일 수 있습니다. 사용자가 최소한의 클릭으로 원하는 것을 빠르게 찾을 수 있도록 다양한 레이아웃, 구조, 구성 방식을 실험해 보아야 합니다.


기능 참여율: 기능 참여율은 기능이 얼마나 자주 사용되는지를, 제품을 열어본 사용자 수로 나누어 측정한 지표입니다. 기능 참여율과 리텐션 분석을 결합하면, 특정 기능을 사용하는 사용자가 유지될 가능성이 어떤지 확인할 수 있습니다. 중요한 기능이 거의 사용되지 않는다면, 해당 기능을 더 눈에 띄게 UI를 조정할 필요가 있을 수 있습니다. 사용자에게 해당 기능을 알려주는 알림이나 이메일을 보내는 방법도 고려할 수 있겠죠.


고객 이탈률: 고객 이탈률은 [(월초 고객 수) - (월말에 남아 있는 고객 수)] / (월초 고객 수) 입니다. 예를 들어, 6월 초에 100명의 고객이 있었고 6월 말에 90명의 고객이 남았다면, 이탈률은 10%가 됩니다. 고객의 충성도와 이탈을 평가하고 필요한 개선을 도출하는 데 중요한 지표입니다.








UX 디자인과 데이터 분석 간의 관계


UX 디자인은 단순히 제품을 예쁘게 만드는 것이 아닙니다. 제품을 자연스럽게 사용할 수 있도록 설계하고, 사용자의 기대를 뛰어넘는 결과를 제공해 그 제품에 매력을 느끼게 만드는 것이 목적입니다. 이를 위해서는 예술적 감각뿐만 아니라, 과학적인 데이터 분석과 테스트 과정이 필수적입니다. 데이터를 사용해 인사이트를 얻고 이를 바탕으로 가설을 세운 후, UX 디자인 테스트를 통해 이 가설을 증명해야 합니다.


예를 들어, 운동화 회사의 제품 관리자가 재구매율이 낮다는 사실을 발견했다고 가정해 봅시다. 데이터에 따르면 대부분의 고객은 10개월마다 신발을 구매합니다. 관리자는 고객이 10개월 후에 자동 리마인더를 받으면 재구매율이 높아질 것이라고 가정합니다.

이후 제품 팀은 마케팅 팀과 협력하여 이메일과 같은 메시지를 다양한 고객 그룹에 대해 A/B 테스트하여 재구매율을 높일 수 있는지 실험할 수 있습니다.









UX 분석 대시보드 만들기


UX 분석과 개선 과정에는 조직 전체의 의사 결정이 필요한 경우가 많습니다. 때문에 조직 내에서 원활한 정보 공유와 통일된 접근 방식이 필요합니다. 이때 필요한 것이 분석 대시보드입니다.


좋은 UX 분석 대시보드는 중요한 지표들을 맨 위에 배치합니다. 일일 대시보드에는 세 가지 또는 네 가지 이상의 지표가 포함되지 않도록 하여, 대시보드 확인이 복잡하지 않도록 해야 합니다. 또한 지표는 비즈니스 목표와 직접 연결되어야 하며, 대시보드의 첫 번째 항목을 보면 비즈니스의 상태를 간략하게 확인할 수 있어야 합니다. 그 아래에는 대시보드에 다양한 시간대를 포함시켜, 즉각적으로 해결해야 할 문제와 중장기적인 데이터의 추세를 구분할 수 있는 것이 좋습니다.







마치며


사용자 경험은 제품 성공 또는 실패에 중요한 역할을 합니다. 사용자가 제품에 대해 느끼는 것을 파악하는 일은 데이터 분석가뿐만 아니라 조직 전체에서 이루어져야 합니다. 조직 내 모든 사람들이 해당 데이터를 활용해 사용자 행동에 대한 질문에 신속하게 답할 수 있어야 합니다. UX 분석과 대시보드의 적절한 활용은 비즈니스 성장과 제품 개선에 크게 기여할 수 있습니다. 대표적으로 Amplitude와 같은 솔루션을 이용한다면, 이런 데이터를 손 쉽게 측정하고 관리하고, 또 대시보드를 구성할 수 있습니다. UX 데이터 분석에 대해서 더 깊은 인사이트를 얻고 싶다면 맥소노미 홈페이지에 올라온 다양한 가이드북을 확인해보세요.






콘텐츠 더 읽어보기

logo

팀맥소노미

YOUR DIGITAL MARKETING HERO

비즈니스 성장을 위한 최적의 솔루션과 무료 데모 시연, 활용 시나리오를 제안 받아보세요

관련 글 보기

[활용 사례] 언더아머, 웰 파머시, 널드월렛

[활용 사례] 언더아머, 웰 파머시, 널드월렛

프로덕트 매니저는 팀에서 고객의 니즈를 받아들이고 훌륭한 제품을 생산하는데 반복하여 분석하는 작업이 얼마나 중요한지 잘 알고 있습니다. 그러나 명확하게 정의되어 있지 않고 액세스가 불가능한 데이터로 반복 작업을 계속 하게되면, 타겟 고객을 잘못 선정하는 오류부터 이전의 변경 내용을 검증하는데 너무 많은 시간이 소요되어 적절한 타임라인을 놓치는 이슈까지, 제품 출시 주기 내내 문제가 발생할 수 있습니다. 관련 내용을 좀 더 자세히 알아보기 위해 Amplitude(앰플리튜드)에서는 ‘제품 인텔리전스 리포트’를 통해 350여 명의 디지털 제품 의사결정자를 대상으로 설문조사를 진행했습니다. 그 결과 69%의 팀이 간단한 데이터 분석을 위해 며칠 또는 최대 일주일의 시간을 소요한다는 사실을 확인했습니다. 그 69% 중에서39%는 필요한 분석 결과를 기다리며 프로젝트 진행을 중단하고 있고,약 60%는 확실한 분석 근거가 아닌 본능에 따라 프로젝트를 계속 진행하고 있습니다. 또한 이 설문조사를 통해 프로덕트 인텔리전스 툴을 사용하여 명확하고 액세스 가능한 고품질 데이터를 활용하는 기업이 그렇지 않은 기업에 비해 매년 25% 이상의 성장률을 기록할 가능성이 5.5배 더 높은 것을 확인할 수 있었습니다.본 포스팅에서는 세 개의 글로벌 기업 (웰 파머시(Well Pharmacy), 널드월렛(NerdWallet), 언더아머(Under Armor)) 사례를 통해 고객의 인사이트가 프로덕트 팀에 매우 중요한 역할을 하고 있음을 설명합니다. 이 세 기업은 프로덕트 인텔리전스 툴 Amplitude(앰플리튜드)를 사용하여 신속한 의사 결정과 높은 고객 이해도를 갖게 되었으며, 데이터 분석을 통해 얻은 충분한 정보를 기반으로 플랫폼 개선을 위한 가설 설정을 진행했습니다. 웰 파머시(Well Pharmacy): 회원 가입 전환율 향상을 위해 퍼넬 활용웰 파머시의 프로덕트 팀은 웰 파머시가 영국에서 가장 큰 규모의 독립 약국이자 세번째로 큰 약국 체인임에도 불구하고, 프로덕트 인텔리전스 리포트의 대다수 응답자들과 마찬가지로 신뢰할 수 있는 데이터에 액세스하기가 어려웠습니다. 이로 인해 제품 개발 속도가 매우 느려지는 문제가 있었습니다. 당시 사용하던 분석 플랫폼은 겉핥기 수준의 데이터만을 제공했고 심도있는 고객의 인사이트를 보여주지 못했습니다. 특히 특정 이벤트를 진행한 후 고객이 어떤 행동을 했는지와 같은 중요한 정보가 누락되었습니다. 결과적으로 웰 파머시의 프로덕트 팀은 새로운 변화에 따른 효과를 검증하기 위해 더 자주 테스트를 진행해야 했습니다.이를 보완하기 위해 웰 파머시는 실시간으로 정확한 분석이 가능하며 프로덕트 팀 전체가 이해하고 사용할 수 있는 Amplitude(앰플리튜드)로 플랫폼을 변경했습니다. Amplitude(앰플리튜드)를 통해 통해 프로덕트 팀은 피드백 주기를 주 단위에서 분 단위로 단축할 수 있었습니다.또한, 회원 가입 과정에서 많은 수의 고객이 왜 중도에 이탈했는지와 같은 이전에는 확인할 수 없었던 인사이트를 빠르게 확인할 수 있게 되었습니다. 웰 파머시의 프로덕트 팀은 퍼넬 상에서 고객이 어디로 이탈하는지 파악함으로써, ‘가입 과정 중 이메일 확인 단계에서 많은 고객이 이탈한다’는 중요한 추세를 알게 되었습니다. 이를 개선하고자 이메일 확인 단계를 가입 과정의 다른 부분으로 이동했고, 그 결과 회원 가입 완료율이 30% 증가했습니다. 이는 고객이 온라인 약국을 더 많이 이용하도록 유도하는데 도움이 되었고, 매장 직원들의 스트레스 감소 효과도 가져왔습니다. 또한, 고객의 기본적인 질문 수가 감소하여, 약사와 고객 서비스 팀이 매장을 방문한 고객들에게 최선의 조언을 하는데 집중할 수 있게 되었습니다.  널드월렛(NerdWallet): 세그먼트 생성으로 리텐션 비율 증가웹사이트와 애플리케이션을 통해 퍼스널 금융 서비스를 제공하는 널드월렛은, 비즈니스 규모를 확장하면서 지속적인 성장을 위해 더 개선된 고객 인사이트가 필요해졌습니다. 이를 위해 프로덕트 인텔리전트 툴인 Amplitude(앰플리튜드)를 도입했고, 데이터 팀은 사용자 환경을 개선하고 고객이 계속해서 재방문하도록 유도하는 방법을 신속하게 찾을 수 있게 되었습니다.애플리케이션 로딩에 걸리는 시간과 같은 백엔드 엔지니어링 의사결정이 리텐션에 어떻게 영향을 주는지 관찰한 것이 그 첫번째 사례 중 하나입니다. 세그먼트와 코호트를 생성함으로써 팀에서는 제품 출시에 필요한 프로세스의 변경이 고객 행동에 어떤 영향을 주는지 비교할 수 있게 되었습니다. 이 정보를 통해 회사는 로딩 시간을 12초에서 5초로 단축했습니다. 널드월렛 팀은 실시간 분석 기능을 통해 전환을 유도하기 위한 소규모 실험을 수행할 수 있게 되었습니다. Amplitude(앰플리튜드)의 퍼넬을 이용하여 모바일 애플리케이션에서의 사용자 클릭율(CTR)이 웹사이트 사용자와 비교하여 상당한 차이가 있음을 확인했습니다. 웹사이트 CTR이 모바일 애플리케이션 CTR보다 2배 더 높았습니다. 또한, A/B 테스트를 통해 고객들의 반응을 이끌어낼 수 있는 캠페인을 만들 수 있었습니다. 널드월렛은 약간의 조정만으로도 빠르게 측정할 수 있는 Amplitude(앰플리튜드)의 장점을 활용하여 모바일 애플리케이션 클릭율을 200%까지 높였습니다.  언더 아머 (Under Armour): 코호트를 기반으로 가설 설정언더아머 커넥티드 피트니스는 맵마이런(MapMyRun), 마이피트니스팔(MyFitnessPal) 등 운동하는 사람을 위한 피트니스 앱 네트워크입니다. Amplitude(앰플리튜드) 도입 전에는 언더아머의 프로덕트 매니저가 현황을 확인하기 위해 매번 프로덕트 분석가에게 데이터를 요청해야만 했습니다. 프로덕트 분석가는 프로덕트 매니저에게 요청받은 정보를 전달하기 위해 오랜 시간 여러 번의 반복 작업이 필요한 SQL 쿼리 작업을 진행해야 했습니다. 그러나 프로덕트 인텔리전스 플랫폼 Amplitude(앰플리튜드)를 도입한 이후, 언더아머의 테스트 시간은 3개월에서 1개월로 단축되었습니다. 짧아진 테스트 주기는 고객의 신속한 학습과 측정을 가능하게 했기 때문에 고객이 좋아하지 않는 제품 기능을 구축하기 위해 리소스를 낭비하는 것에 대한 염려를 없앨 수 있었습니다. 또한 리텐션 증가와 기능 활용에 중점을 둔 대규모 업데이트도 수행할 수 있게 되었습니다.검증 기간이 단축됨에 따라, 팀에서는 새로운 기능 출시와 관련하여 예측을 하게 되었습니다. 첫번째는 고객의 자세 형성에 도움을 주는 기능을 제공하면 맵마이런(MapMyRun)의 리텐션 비율이 높아질 것이라는 가정이었습니다. 고객들이 부상 없이 계속 운동할 수 있도록 하는 것이 결국 애플리케이션을 계속 사용하도록 도움을 줄 것이라고 예측했습니다.이 가설을 기반으로 맵마이런(MapMyRun) 애플리케이션에 자세 코칭 팁 메뉴를 추가했습니다. 회사는 Amplitude(앰플리튜드)의 코호트, 세그먼트 및 리텐션 트래킹 기능을 활용하여 고객이 새로 추가된 메뉴를 좋아하는지를 분석했습니다. 결과적으로 자세 코칭 팁 메뉴의 도입은 성공적이었으며, 7일차까지의 리텐션 비율이 30%까지 향상되었음을 확인할 수 있었습니다.프로덕트 인텔리전스 툴 활용의 장점은 기업이 새로운 기능을 출시할 때 빌드-측정-학습 주기를 단축하는 것 뿐만이 아니었습니다. 현재의 제품을 더욱 매력적인 것으로 개선하여 고객에게 제공하는 방법을 파악하는 데도 도움이 되었습니다.예를 들면, 세그먼트 차트를 통해 레이스 트레이닝 플랜 기능을 고객이 많이 사용하지 않는 다는 것을 확인했습니다. 언더아머 팀은 더 다양한 목표를 제안하는 것으로 플랜을 재설계했습니다. 행동 코호트를 생성하여 재설계한 플랜이 시간의 경과에 따라 어떠한 영향을 주는지를 측정했습니다. 결과적으로 이 플랜을 사용하는 유료 고객의 비율이 이전보다 3배 더 높아졌음을 확인할 수 있었습니다.Amplitude(앰플리튜드)의 프로덕트 인텔리전스 리포트에 따르면, 많은 제품 의사결정자들이 실시간으로 활용하고 실행할 수 있는 고품질의 데이터를 보유하는 것에 어려움을 겪고 있다고 합니다. 반면에, 프로덕트 인텔리전스 툴을 사용하는 기업은 그렇지 않은 기업에 비해 최소한 일주일에 한 번 이상 새로운 기능을 출시할 가능성이 6배 더 높다고 합니다. 고객의 데이터를에 액세스하고 내용을 이해하는 것이 쉬울수록, 프로덕트 팀은 반복 작업을 더 신속하게 수행할 수 있게 됩니다.

신제품 출시 전략 수립 시 고려해야 하는 5가지 핵심 요소

신제품 출시 전략 수립 시 고려해야 하는 5가지 핵심 요소

제품 출시의 궁극적인 목적은 타겟 고객에게 제품의 고유한 가치를 전달하고 시장에서 입지를 구축하는 데 있습니다. 이러한 점에서 제품 출시 전략은 단순히 제품을 출시하는 것 이상의 의미가 있습니다. 제품 출시 전략에는 타겟 시장, 밸류 프로포지션, 판매 활동, 가격 및 패키지, 고객 성공 플랜 및 레디니스에 대한 명확한 내용이 포함되어야 합니다.1. 제품 출시 프로세스는 명확한 목표와 정확한 포지셔닝에서 시작됩니다.제품 출시 전략은 제품을 전체적으로 분석하여 다른 비즈니스와 어떻게 어울리는지 확인하는 것에서 시작합니다. 먼저, 출시 목적이 신규 시장을 창출하는 것인지, 기존 시장에서 추가 수익을 창출하는 것인지, 고객의 사용률을 높이기 위한 것인지, 아니면 기존 고객의 효용을 높이기 위한 것인지 명확히 목표를 정의하고 이해 관계자들과 공유하는 것이 중요합니다.다음으로는 제품 포지셔닝입니다. 포지셔닝은 타겟 고객을 정의하고 이해하는 것에서부터 시작합니다. 잘 정의된 유저 그룹은 밸류 프로포지션을 명확히 하는데 도움이 되며, 타겟 고객에게 제안하는 마케팅 메시지와 채널을 선택하는 가이드가 됩니다. 많은 기업이 유저를 그룹으로 분류하고 정의할 때 인구 통계학 데이터 혹은 기업 통계 데이터만을 활용하는 실수를 합니다. 하지만 행동 데이터와 제품 사용 데이터 역시 코호트를 만들고 어떤 고객군이 구매할 가능성이 높은지 이해하는데 매우 중요한 역할을 합니다. 이를 위해 AB 테스트를 진행하고 행동 데이터를 가져올 수도 있습니다. 타겟군을 정의한 후에는 신제품이 시장에서 어떤 포지션을 차지하면 좋을지 고려합니다. 먼저 시장의 특성을 파악합니다. 시장이 호황이라면, 제품 출시에 많은 비용을 투자할 수록 시장 진입의 효과가 더 커지는지 고려해볼 수 있습니다. 다음으로 경쟁사가 유사한 제품으로 어떻게 판매를 해왔는지를 보아야 합니다. 제품 포지셔닝은 경쟁 제품 혹은 서비스와 무엇이 다른지에 초점을 맞춰야 합니다. 경쟁사 대비 차별성이 있는 부분을 런칭 전략의 핵심 소재로 사용해야 합니다.타겟 시장, 시장 정보, 특장점, 차별점을 확보했다면, 포지셔닝 작업을 시작하세요. 이는 제품 출시 스토리, 밸류 프로포지션, 영업 및 홍보를 위한 메시지 작성의 기초 자료로 활용될 수 있습니다.출시 이후 판매 기간도 고려해야 합니다. 영업 담당자와 함께 신제품 판매를 위한 접근 방식을 논의합니다. 또한, 영업 담당자가 제품, 차별점, 고유한 밸류 프로포지션 그리고 잠재 고객이 가장 좋아할만한 기능을 이해하도록 해야 합니다. 이를 통해 어떤 성향의 구매자가 가장 관심을 가질지, 어떤 의사결정자를 타겟으로 해야하는지 영업 담당자가 결정하는데 도움을 줄 수 있습니다. 초기에 진행할수록 더 정확한 예측을 할 수 있으며, 잠재적인 시장을 발견하거나 기회를 확장하는데 도움이 됩니다. 영업 부서와 협력하여 후반기에 기회로 활용할 수 있도록 출시될 제품의 몇가지 이점을 간략히 소개하는 스토리를 작성합니다.2. 내부 조직의 개편은 제품 출시 전략 실행의 핵심입니다.일반적으로 제품 매니저와 마케팅 관리자가 제품 출시에 관한 책임을 공유합니다. 그러나 제품 출시 전략에는 기업 내부의 다른 조직도 포함되어야 합니다. 무엇보다도, 효과적인 제품 출시를 위해서는 맞춤형 영업 접근 방식과 마케팅 전략이 필요합니다. 제품 팀은 실제 기능 출시 뿐만 아니라, 이와 관련된 교육 및 문서를 처리합니다. 시장 진출 지원은 여러 팀에서 나누어 담당합니다. 오퍼레이션 팀은 CPQ( configure(구성), price(가격), quote(견적))과 기능 표기를 담당합니다. 법무팀은 모든 상표와 특허 작업이 완료되었는지 확인합니다. 마케팅 팀은 캠페인을 실행하여 출시일 준비에 가속도를 붙입니다. 솔루션 컨설턴트는 유저가 첫번째 세션에서 제품을 쉽게 사용할 수 있도록 제품 설명과 데모를 준비합니다.고객을 직접 대면하는 팀과 협력하여 신제품을 설명할 메시지를 논의합니다. 이 논의는 마케팅 팀의 제품 출시 캠페인 준비와 영업 활동에 도움이 됩니다.시장 진출 전략을 보다 효과적으로 정의하는 또 다른 요소는 제품의 베타 테스트 데이터입니다. 제품 사용 데이터를 통해 확인한 인사이트로 유저가 가장 많이 참여하는 위치, 만족도가 높은 기능, 그리고 무엇보다 가장 중요한, 고객이 제품을 사용하는 방식을 이해할 수 있습니다. 이는 기업의 규모에 따라 제품에서 발견하는 가치가 다른지 이해하는 데도 도움이 됩니다. 또한 이는 각기 다른 시장을 위한 영업 전략, 가격 및 패키지를 미세하게 조정하는 핵심 참고자료가 될 수 있습니다.3. 홍보 메시지에는 테스터의 피드백이 반영되어야 합니다.직감에 의존하여 커뮤니케이션 전략을 수립하지 마십시오. 제품의 실제 테스트 데이터를 활용하여 잠재 고객이 공감할 수 있는 메시지를 작성하세요. 제품 테스터 데이터는 우리 서비스가 제공하는 고유한 가치를 누리는 사용자 유형을 식별할 수 있는 아주 중요한 정보입니다. 하지만 테스터 데이터는 종종 활용되지 못하고 누락되기도 하며, 때로는 마케팅 담당자가 데이터를 찾는 방법을 모르는 경우도 있습니다. 따라서 이들이 데이터를 잘 활용할 수 있도록 지원하는 것은 시장 진출 전략을 견고하게 구축하는데 있어 매우 중요한 역할을 하게 됩니다.메시지 작성은 테스터 유저가 가장 좋아하는 기능을 관찰하는 것에서부터 시작하세요. 가장 많이 사용되는 기능은 무엇인가요? 테스터가 가장 좋아했던 기능은 무엇인가요? 이 기능은 제품 출시 자료의 앞 부분에 기재되어 잠재 고객을 유치하고 제품을 사용하도록 장려하는 가장 중요한 역할을 합니다.행동 데이터 분석을 완료했다면, 이를 보완하기 위해 몇 가지 정성적 데이터를 추가합니다. 베타 테스터를 대상으로 설문 조사를 실시하여 제품의 어떤 점이 좋았는지 알아봅니다. 어떤 기능을 좋아하는지, 어떤 기능을 제거하길 원하는지, 어떤 기능을 수정하고 싶어하는지 확인합니다. 어떤 기능이 가장 인기있는지 알게 되면, 마케팅 팀에서 캠페인의 메시지를 작성하는데 도움이 될 수 있습니다.4. 출시 이후에는 제품 사용량을 기반으로 KPI를 결정하세요.제품을 출시 한 이후에는 캠페인 트래픽과 같은 허영 지표(vanity metrics)를 추적하는 것이 좋습니다. 일반적으로 제품이 많은 관심을 받았다면 제품 출시에 성공했다고 생각할 수 있습니다. 그러나 이러한 지표는 얼마나 많은 사람들이 이 제품을 사용하고 있는지, 혹은 얼마나 유용하다고 생각하는지를 알려주지는 않습니다.  출시 이후의 단계를 준비하려면 제품 사용량 측정에 도움이 되는 KPI를 선택하세요. 아래와 같이 제품 선택, 제품에 주는 영향과 관련된 지표에 집중해야 합니다.일일 사용자 수 기능 사용 정도 매출과 신규 고객 확보 (다른 비즈니스와 관련없는 독립형 제품인 경우)리텐션 비율고객 이탈율5. 제품 출시 전략은 출시일 이후에도 계속되어야 합니다. 만약 귀하가 B2B 제품 전문가라면 출시일에 모든 것이 완벽한지 확인하는 것만으로는 충분하지 않습니다. 그날 하루 입소문에는 도움이 되지만 장기적인 관점에서 제품 판매와 고객 만족으로는 이어지지 않습니다. 제품 출시 후 제품의 도달 범위를 상상해 보십시오. 시장 확장을 고려한다면, 어떤 기능이 잠재 고객에게 가장 매력적으로 다가갈 수 있을지 먼저 결정 하십시오. 영업 방식이 어떻게 바뀌어야 제품의 매출 잠재력을 극대화할 수 있을지 생각해 보십시오. 하버드 경영 대학원의 Clayton Christensen 교수에 따르면, 매년 3만개 이상의 신제품이 출시되고 그 중 95%는 실패한다고 합니다. 회사의 조직을 제품 출시 전략에 맞추어 구성하고 제품 수명 주기의 미래를 잘 고려하는 것이 5% 비율에 해당하는 성공을 달성하는 데 도움이 될 것입니다.콘텐츠 더 읽어보기Amplitude(앰플리튜드)의 프로덕트 마케팅 지표 측정 팁! 좋은 질문을 만드는 방법Amplitude로 그로스 마케팅 시작하기그로스 마케팅이란? 뜻, 성공 사례, 필수 전략 총정리

[FAQ] GA에서 Amplitude로 전환하기

[FAQ] GA에서 Amplitude로 전환하기

구글의 유니버설 애널리틱스(Universal Analytics) 지원이 중단되면서, 많은 기업에서 Amplitude에 대한 문의를 주셨는데요, 이번 포스팅에서는 유니버설 애널리틱스(이하 UA) 지원 종료와 관련하여 Amplitdue에 대해 가장 많이 궁금해하셨던 질문과 그에 대한 답변을 알아보겠습니다!Q1. UA에서 Amplitude로 이전하기, 많이 어려운가요? 😔UA을 사용하던 많은 고객들이 패닉에 빠졌습니다. UA 서비스 종료가 너무 예상치 못한 일이었고, UA에서 GA4로 넘어가는 프로세스도 그렇게 간단하지 않았거든요.웹 사이트 분석을 주로 진행하신 경우에는 GTM(Google Tag Manager : 구글 태그 매니저)을 기반으로 Amplitude로 넘어오는 방법을 추천합니다. UA를 사용했다면, GTM을 통해 데이터 레이어를 공급했을텐데요. Amplitude의 무료 GTM 템플릿을 활용한다면, 기존에 UA에서 작업한 모든 데이터를 손쉽게 이관하여 Amplitude 안에서 확인할 수 있습니다. 이후엔 Amplitude에서 이벤트와 속성(property)을 설정하고, 새로운 규칙을 GTM에 추가하기만 하면 됩니다! 뭔가 복잡해보이지만, 실제론 몇 시간만에 끝낼 수 있는 간단한 작업입니다.툴을 활용한 방법도 있는데요. API를 기반으로 UA의 분류체계(Taxonomy)를 Amplitude로 손쉽게 옮기는 툴이 존재합니다.(Amplitude의 제휴사인 BlastX와 함께 만들었습니다) Amplitude의 국내 공식 리셀러인 Team MAXONOMY에서도 이와 관련된 상담과 기술지원을 아끼지 않고 있습니다.😉모바일 앱 분석을 주로 진행하셨던 고객은 GA SDK나 Firebase SDK를 Amplitude SDK로 교체해야합니다. 아무래도 웹 사이트보다는 복잡한데요. 이런 경우에는 Amplitude 사용법을 먼저 익힐 수 있도록, 앱과 연결된 웹 사이트 분석부터 시작하는 것을 추천드립니다. Amplitude는 하나의 프로젝트 안에서 웹/앱 데이터를 결합하여 분석할 수 있기 때문에 크게 걱정하실 필요 없습니다.Amplitude는 UA보다 훨씬 높은 호환성을 자랑합니다. Segment, mParticle, RudderStack 등의 CDP에서 얻은 데이터부터, 자체 개발한 데이터 수집기의 데이터까지 Amplitude에서 활용 가능합니다. 뿐만 아니라 BigQuery나 Snowflake와 같은 데이터 웨어하우스와도 통합 가능합니다.Q2. 이커머스 분석도 가능한가요? 📋UA는 'Enhanced Ecommerce(향상된 전자상거래)'라는 기능을 제공하는데요. 이 기능을 유용하게 사용한 고객이 많을 것 같습니다. Enhanced Ecommerce를 사용하면 이커머스 방문자가 얼마나 자주 제품을 검색하고, 장바구니에 담고, 구매하는지를 알 수 있죠.👓 또한 이커머스에서 판매되고 있는 각 제품을 트래킹할 수 있도록, 제품마다 자체적인 데이터셋을 제공합니다.당연히 Amplitude로도 이 모든 기능을 사용할 수 있습니다! 다만, 구현 방법을 정확히 규정하지 않는다는 점, 특정 레포트(혹은 매트릭스)를 자동으로 형성하지 않는다는 점이 다릅니다. UA처럼 따로 세팅하지 않아도 레포트가 미리 형성되는 기능은 매력적이긴 하지만 이는 UA가 규정한 데이터 분석 인사이트만 발견하게 될 위험이 있습니다. 그럼에도 UA에서 받아보던 레포트가 편하다면, 베스트 프랙티스(Best Practice) 기능을 통해 UA에서 사용하던 이벤트를 그대로 복사하고, 맞춤 수정까지 하여 레포트를 받으실 수 있습니다.또한, UA에는 하나의 측정기준 배열만 가능한 반면에, Amplitude에서는 무제한의 측정기준 배열이 가능합니다. 언제든지 하위 측정기준(속성)을 트래킹할 수 있다는 거죠!Q3. 마케팅 채널과 캠페인을 트래킹할 수 있나요?🙋‍♂️UA를 사용의 주 목적은 아무래도 퍼포먼스 마케팅일 것입니다. '마케팅 유입 분석'은 UA의 핵심이라고 할 수 있죠. 마케터들이 보통 사용하는 UA의 주요 기능은 다음과 같습니다. 유입 채널(Acquisition Channels): 고객 유입 채널을 추적하고, 적합한 세션과 이벤트와 연동할 수 있습니다.멀티 터치 어트리뷰션(Multi-Touch Attribution): 마케팅 채널 및 캠페인에 다양한 어트리뷰션 모델을 할당하여, 채널 및 캠페인의 성과를 측정할 수 있도록 해줍니다.광고 네트워크 통합(Advertising Network Integraton): 광고 노출, 광고 클릭, 캠페인의 광고 비용 등 통합적인 마케팅 지표를 확인할 수 있습니다.광고 네트워크 오디언스 공유(Ad Network Audience Sharing): 캠페인 또는 리타게팅을 위해 고객 세그먼트를 광고 네트워크와 연동할 수 있습니다.Amplitude는 유저 유입 후의 웹/앱 사용을 분석하는 데 강점있었습니다. 하지만 유입 채널, 멀티 터치 어트리뷰션, 광고 네트워크 통합 기능을 최근 추가하였고, UA에서 이용 가능했던 기능을 최대한 이용할 수 있게 노력했습니다. 예들 들어, 구글 검색광고, Bing 검색 광고 등의 채널별로 유입되는 유저 수를 확인 할 수도 있고 랜딩 페이지, 페이지 이탈률 등을 볼 수도 있습니다.또한, UA에서 멀티 터치 어트리뷰션을 트래킹할 수 있는 기간이 90일로 제한되어있는 반면, Amplitude에서는 제한없이 원하는 기간만큼 트래킹 가능합니다. 게다가 UA가 제한된 영역에서만 어트리뷰션 모델을 할당할 수 있는 반면, Amplitude에서는 모든 영역에 어트리뷰션을 적용할 수 있습니다. (GA4에서도 지원되지 않는 기능입니다!😉)구글 애즈(Google Ads)와의 호환성도 걱정할 필요 없습니다. 구글 애즈의 광고 노출, 클릭, 비용, 캠페인 등의 정보를 불러올 수 있도록 시스템이 구축되어있습니다.Q4. Amplitude에서 Google Ads로 유저 정보를 넘길 수 있나요?🧑‍🚀UA의 장점 중 하나는 Google Ads와의 연동성이 좋다는 점입니다. UA의 고객 세그먼트를 Google Ads에 연동하여 광고에 활용할 수 있죠. 그러나 이 기능은 Google Signals를 사용해야만 이용 가능합니다. Google Signals는 고객 사생활 침해의 우려가 있어 많은 국가(특히 유럽)에서 금지된 기능입니다. 즉 몇몇 국가에서는 UA와 Google Ads의 연동 기능을 사용할 수 없습니다.*Google Signals : 익명 사용자를 식별할 수 있는 기능 (옵트 아웃 방식으로 수집한 개인 정보는 제외)Amplitude는 많은 파트너사와의 협력을 통해 Google Ads와 같은 광고 플랫폼에서 고객 세그먼트를 이용할 수 있는 합법적인 방법을 마련해두었습니다. 즉, Google Ads가 문제 없이 호환된다는 거죠! Google Ads뿐만 아니라 다양한 광고 플랫폼과도 호환됩니다.🤗Q5. Amplitude에도 통합 테스트 기능이 있나요?👩‍🔬Google의 무료 테스트 플랫폼인 Google Optimize의 서비스가 종료되었습니다. 테스트는 데이터 분석의 핵심입니다. 데이터를 통해 인사이트를 얻는 데에 그치지 않고, 테스트를 거쳐 이 인사이트가 정말 유의미한 것인지 확인하는 작업이 필요합니다.Amplitude는 이미 2년 전에 Amplitude Experiment라는 통합 테스트 기능을 출시했습니다. Amplitude Experiment에서는 기능 플래그(feature flagging), A/B 테스트 등 다양한 실험 기능을 사용할 수 있습니다. Amplitude Experiment가 무료는 아니지만, Amplitude Analytics와 사용하면 분명 엄청난 시너지 효과를 볼 수 있습니다.Q6. Amplitude에는 데이터 제한 요소가 없나요? 👨‍💻UA 및 GA4는 확장성, 데이터 샘플링, 측정 기준, 계량 분석에서의 제약 사항이 굉장히 큰 편입니다. 제약 사항을 정리하면 다음과 같습니다.마케팅 어트리뷰션의 전환 추적을 90일로 제한속성(property) 당 이벤트 범위 커스텀 측정 기준 125가지로 제한속성 (property) 당 사용자 범위 측정 기준 100가지로 제한Enhanced Ecommerce 한 가지 측정 기준으로만 배열 가능이벤트 및 이벤트 파라미터의 이름 40자로 제한이벤트 속성 값 이름 100자로 제한사용자 속성 값 이름 36자로 제한사용자 ID 값 256자로 제한페이지 위치 값 1,000자로 제한사용자 기반 세그먼트 활용 시, 리포트 범위 93일로 제한탐색 리포트는 최대 5가지 측정 기준, 10가지 계량 분석, 500줄의 데이터로 제한새로운 계량 분석/측정 기준을 위한 대기 시간 24시간데이터 백필(backfill) 72시간 제한Looker Studio에 대한 API 할당량 제한이외에도 UA와 GA4엔 크고 작은 제한 사항이 많습니다. 유료 버전이 이정도니, 무료 버전은 훨씬 심각하겠죠. 때문에, 대형 웹/앱에서는 Amplitude를 더 선호합니다. Square, PayPal, Doordash와 같은 고객사들은 GA4가 처리할 수 없는 데이터 볼륨을 가지고 있어, Amplitude를 선택하였습니다.물론 GA4를 사용하더라도 BigQuery나 Looker Studio를 사용해서 더 복잡한 쿼리를 실행할 수도 있습니다. 하지만 이런 툴을 활용하려면 SQL이나 BI 사용법을 또 배워야합니다. 일반적인 마케팅이나 프로덕팀에게는 부담스러울 수 밖에 없죠🤦‍♀️Amplitude를 사용하면 가장 기초적인 활용부터 아주 복잡한 수준의 활용까지 동일한 인터페이스로 처리합니다. 배우고 활용하기 매우 쉽다는거죠! 물론 BigQuery, Snowflake, Redshift 등으로 데이터를 전송할 수도 있습니다. 위에서 언급한 수 많은 제약 사항들도 신경쓸 필요없고, 거의 모든 크기의 데이터셋도 적용 가능합니다!Q7. 프라이버시 문제는 없나요?👮‍♀️유럽에는 GDPR(General Data Protection Regulation: EU의 일반 개인정보 보호법)이라는 강력한 법률이 존재합니다. 이 법안으로 인해 GA4는 몇몇 유럽 국가들에서 프라이버시에 관한 비난을 받고 있으며, 심지어 '불법'을 자행하고 있다는 이야기도 들려옵니다. 이번 포스팅에서 해당 법안에 대한 상세한 설명을 할 순 없지만, 확실한 점은 Amplitude가 GA4에 비해 프라이버시 문제에서 훨씬 자유롭다는 점입니다.Q8. Amplitude만의 기능도 소개해주세요! 👩‍🏫Amplitude만의 차별화된 기능은 너무나도 많습니다!! 주요한 기능 몇 개만 살펴보겠습니다.협업 및 데이터 스토리텔링 : Amplitude는 디지털 분석을 팀 스포츠처럼 만들어야한다고 생각합니다. 그렇기 때문에 비디오, 이미지, 차트, 그래프, 리치 텍스트(rich text) 그리고 주석까지 모두 '노트북(Notebooks)'이라는 하나의 공간에서 공유할 수 있도록 하고 있습니다. '노트북'안에는 토론 스레드가 있어, 팀원들의 분석결과와 생각까지 공유할 수 있습니다. slack, jira, notion, miro를 사용한다면, 연동하여 활용할 수도 있습니다.컨버전 퍼널 : UA에도 컨버전 퍼널이 있긴 하지만, Amplitude의 컨버전 퍼널과 비교가 되지 않습니다. Amplitude의 컨버전 퍼널은, 머신 러닝 기술을 적용하여, 고객이 이탈할 것같은 조건이 감지되면 미리 알림을 주어 예방할 수 있도록 합니다.리텐션 레포트 : UA의 리텐션 레포트는 기초적인 기능만 제공하지만, Amplitude의 리텐션 레포트는 훨씬 더 많은 정보를 제공합니다. 새로운 고객, 현재 고객, 활성화된 고객, 휴면 고객을 표시하는 고객생애주기 보고서부터, N-Day 리텐션, 언바운디드 리텐션 (특정 날짜를 포함하여, 그 이후에 돌아온 고객) , 리텐션 추이 등을 제공합니다. 또한 UA에서 리텐션 레포트를 작성하려면, SQL을 통해 20개 이상의 배열을 수동으로 작성해야하지만, Amplitude에서는 외부 툴을 사용할 필요없이 간단한 인터페이스를 통해 레포트를 만들어낼 수 있습니다.데이터 거버넌스 : Amplitude는 데이터 거버넌스 회사를 통째로 인수할 정도로 데이터 거버넌스에 진심입니다. 데이터 트래킹 플랜을 작성하고, 데이터 품질 이슈를 찾아내고, 데이터의 스파이크(spike)나 갭(gap)을 관찰할 수 있는 기능을 제공합니다. 또한, 사용자가 중복 세그먼트나 메트릭스를 생성하지 못하도록 방지하여, 세그먼트나 메트릭스가 급증한다거나, 분석에 방해가 되지 않도록 합니다.고객 지원 : UA의 경우, 교육 및 지원을 외부 기업에 위임합니다. 반면, Amplitude는 직접 고객 지원을 하죠. CSM(Customer Success Manager : 고객 성공 관리자)가 배정되어서 전문적이고 정기적인 지원을 받을 수 있습니다. 필요한 경우에는 Amplitude 활용에 대한 대면 교육도 신청할 수 있죠.Q9. 전문가는 어떤 제품을 더 추천하나요?👩‍⚖️케임브릿지의 리서치 기업 Forrester에서 발행한 '2022 Digital intelligence platform wave report'를 살펴보면, 제공 가치와 비전 부문 둘다 Amplitde가 UA 및 GA4보다 뛰어나다고 평가받고 있음을 확인하실 수 있습니다!콘텐츠 더 읽어보기GA4 vs Amplitude 비교하기UA서비스 중단 대처 가이드북[FAQ] 구글 UA 종료 & GA4 전환에 대해 궁금한 모든 것

퍼널(Funnel) 분석과 사용 사례

퍼널(Funnel) 분석과 사용 사례

고객의 동향 이해하기

데이터 기반 UX 분석이란?


User experience(UX) 분석은 데이터를 사용하여 사용자의 경험을 측정하고, 인사이트를 얻어 유저 경험을 개선하는 과정을 말합니다. 일반적으로 앱, 게임, 웹사이트, 소프트웨어 같은 종류의 제품에 적용되죠.


UX 분석에 사용할 수 있는 데이터는 다양합니다. 앱이나 웹사이트에서 보내는 시간, 클릭하는 요소, 가장 많이 사용하는 기능, 구매한 내역 등 거의 대부분의 요소가 가능하죠. 심지어 '행동의 부재'도 분석 대상이 될 수 있는데요. 예를 들어 사용자가 장바구니에 담은 물건을 구매하지 않았거나, 링크 위에 커서를 올려놓았지만 클릭하지 않은 것도 UX분석의 대상이 될 수 있습니다.


가계부 관리를 하고자 하는 사람 A가 있고, 우리는 가계부 앱을 서비스하는 기업이라고 가정해 봅시다. 우리는 A가 가계부 앱을 검색하고 우리 앱을 다운로드하고, 체험판에 가입하고, 은행 계좌나 신용카드와 같은 정보를 연동하기를 원할 것입니다. 그리고 체험판이 끝나면 유료 구독까지 전환되기를 희망하죠.


이걸 '사용자 여정'이라고 부르며, 각 여정마다 사용자가 다음 여정으로 계속 진행할 수 있도록 좋은 사용자 경험을 제공해야 할 것입니다. 만약 여정을 완수하지 못하는 사용자가 있다면, UX 분석을 통해 어디서, 왜 이탈했는지 이해하고 궁극적으로 미래에 사용자 경험을 어떻게 개선할 수 있을지 힌트를 얻을 수 있습니다.









UX 분석 대상


구체적으로 어떤 데이터를 분석하고 지표를 측정할지는 제품이나 상황에 따라 천차만별입니다. 그렇기 때문에 이번 포스팅에선 비즈니스 의사결정까지도 활용할 수 있는 굵직한 주요 UX 데이터 지표를 중심으로 설명드리겠습니다. 해당 지표를 기반으로 어떤 최적화된 지표를 측정해볼 수 있을지 고민해보면 좋을 것 같습니다.


응답 시간: 응답 시간은 페이지나 앱이 얼마나 빠르게 로딩되는지에 대한 지표입니다. 우리 생각보다 사용자들은 로드되는 시간을 오래 기다리지 않습니다. 몇 초만 버벅이면 바로 이탈하죠.


신규 및 재방문자 수: 신규 및 재방문자 수는 얼마나 효과적으로 사용자를 유치(Acquisition)하고 유지(Retention)하는지에 대한 지표입니다. 신규 방문자 수가 증가하지 않는다면, 마케팅 전략을 다시 검토해야 하며, 재방문자 비율이 낮다면, 제품 경험을 검토해야 합니다. 재방문자 비율에 문제가 있는 경우에는 리텐션 분석을 더 깊게 수행하여 재방문한 사용자와 이탈한 사용자 간의 행동 차이를 확인하는 것이 좋습니다.


세션 길이: 세션 길이는 사용자가 제품을 얼마나 오래 사용하는지를 측정하는 지표입니다. 세션 시간이 길수록 좋을 것 같지만, 제품에 따라 그렇지 않을 수도 있습니다. 만약 뉴스 앱이라면 긴 세션 시간은 사용자가 적극적으로 참여하고 있다는 긍정적인 신호일 가능성이 높죠. 반면, 현금 송금 앱이라면 긴 세션 시간은 사용자가 원하는 작업을 수행하는 데 어려움을 겪고 있다는 신호일 수 있습니다. 이처럼 세션 길이 지표는 제품의 특성에 따라 사용자 경험을 유연하게 판단해야 합니다.


세션당 페이지 수: 세션당 페이지 수는 한 세션 동안 방문하는 총 페이지 수를 의미합니다. 세션 길이와 마찬가지로 많은 페이지를 방문하는 것이 좋을 수도 있고 나쁠 수도 있습니다. 사용자가 제품에 깊게 몰입하여 사용하는 것일 수도 있지만, 원하는 답을 찾지 못해 이리 저리 방황하는 것일 수도 있습니다. 만약 후자라면, 더 적은 클릭으로 원하는 답을 쉽게 찾을 수 있도록 개선해야 합니다.


전환율: 고객 여정의 각 여정에서 상위 여정으로 넘어가는 비율을 전환율이라고 합니다. 만약 광고 단계에서 클릭률, 즉 전환율이 높지 않다면 메시지를 조정해야 하는 등의 방법을 사용해야 합니다. 사용자가 앱을 다운로드했지만 유료 고객으로 전환되지 않는다면, 온보딩 과정을 조정하여 전환율을 높일 수 있습니다. 전환율은 사용자의 행동을 분석하고 제품 개선 방안을 찾는 데 중요한 역할을 합니다.


과제 성공률과 과제 수행 시간: 제품이 사용하기 쉬운지 여부를 가장 명확하게 보여주는 지표가 바로 과제 성공률과 과제 수행 시간입니다. 여기서 말하는 '과제'는 서비스의 주요 사용 목적이나 기능을 말하는데요. 배달 앱 사용자가 음식 주문을 하려하는 데, 주문 방법을 몰라 한참을 헤매거나 주문 과정 자체가 너무 오래 걸린다면, 인내심을 잃고 앱을 이탈할 것입니다. 해당 지표를 통해서, 제품의 핵심 과제에 집중하고, 이러한 과제를 완수하는 과정을 자연스럽고 직관적이며 간단하게 만들어야 합니다.


사용자 정착률(Stickiness): 정착률은 일일 평균 사용자 수(DAU)를 월간 평균 사용자 수(MAU)로 나누어 측정합니다. 이 지표는 사용자가 평균적으로 한 달에 며칠 동안 제품을 사용하는지 보여줍니다. 매일 접속하긴 바라는 게임과 같은 비즈니스에 특히 유용합니다. 하지만 모든 비즈니스에 적합한 지표는 아닙니다. 가령 비행기 예매 앱같은 경우 사용자 정착률이 크게 의미 있진 않겠죠.


내비게이션 vs 검색 비율: 사용자가 제품을 탐색하는 데 검색 창에 지나치게 의존한다면, 이는 제품 디자인이 직관적이지 않다는 신호일 수 있습니다. 사용자가 최소한의 클릭으로 원하는 것을 빠르게 찾을 수 있도록 다양한 레이아웃, 구조, 구성 방식을 실험해 보아야 합니다.


기능 참여율: 기능 참여율은 기능이 얼마나 자주 사용되는지를, 제품을 열어본 사용자 수로 나누어 측정한 지표입니다. 기능 참여율과 리텐션 분석을 결합하면, 특정 기능을 사용하는 사용자가 유지될 가능성이 어떤지 확인할 수 있습니다. 중요한 기능이 거의 사용되지 않는다면, 해당 기능을 더 눈에 띄게 UI를 조정할 필요가 있을 수 있습니다. 사용자에게 해당 기능을 알려주는 알림이나 이메일을 보내는 방법도 고려할 수 있겠죠.


고객 이탈률: 고객 이탈률은 [(월초 고객 수) - (월말에 남아 있는 고객 수)] / (월초 고객 수) 입니다. 예를 들어, 6월 초에 100명의 고객이 있었고 6월 말에 90명의 고객이 남았다면, 이탈률은 10%가 됩니다. 고객의 충성도와 이탈을 평가하고 필요한 개선을 도출하는 데 중요한 지표입니다.








UX 디자인과 데이터 분석 간의 관계


UX 디자인은 단순히 제품을 예쁘게 만드는 것이 아닙니다. 제품을 자연스럽게 사용할 수 있도록 설계하고, 사용자의 기대를 뛰어넘는 결과를 제공해 그 제품에 매력을 느끼게 만드는 것이 목적입니다. 이를 위해서는 예술적 감각뿐만 아니라, 과학적인 데이터 분석과 테스트 과정이 필수적입니다. 데이터를 사용해 인사이트를 얻고 이를 바탕으로 가설을 세운 후, UX 디자인 테스트를 통해 이 가설을 증명해야 합니다.


예를 들어, 운동화 회사의 제품 관리자가 재구매율이 낮다는 사실을 발견했다고 가정해 봅시다. 데이터에 따르면 대부분의 고객은 10개월마다 신발을 구매합니다. 관리자는 고객이 10개월 후에 자동 리마인더를 받으면 재구매율이 높아질 것이라고 가정합니다.

이후 제품 팀은 마케팅 팀과 협력하여 이메일과 같은 메시지를 다양한 고객 그룹에 대해 A/B 테스트하여 재구매율을 높일 수 있는지 실험할 수 있습니다.









UX 분석 대시보드 만들기


UX 분석과 개선 과정에는 조직 전체의 의사 결정이 필요한 경우가 많습니다. 때문에 조직 내에서 원활한 정보 공유와 통일된 접근 방식이 필요합니다. 이때 필요한 것이 분석 대시보드입니다.


좋은 UX 분석 대시보드는 중요한 지표들을 맨 위에 배치합니다. 일일 대시보드에는 세 가지 또는 네 가지 이상의 지표가 포함되지 않도록 하여, 대시보드 확인이 복잡하지 않도록 해야 합니다. 또한 지표는 비즈니스 목표와 직접 연결되어야 하며, 대시보드의 첫 번째 항목을 보면 비즈니스의 상태를 간략하게 확인할 수 있어야 합니다. 그 아래에는 대시보드에 다양한 시간대를 포함시켜, 즉각적으로 해결해야 할 문제와 중장기적인 데이터의 추세를 구분할 수 있는 것이 좋습니다.







마치며


사용자 경험은 제품 성공 또는 실패에 중요한 역할을 합니다. 사용자가 제품에 대해 느끼는 것을 파악하는 일은 데이터 분석가뿐만 아니라 조직 전체에서 이루어져야 합니다. 조직 내 모든 사람들이 해당 데이터를 활용해 사용자 행동에 대한 질문에 신속하게 답할 수 있어야 합니다. UX 분석과 대시보드의 적절한 활용은 비즈니스 성장과 제품 개선에 크게 기여할 수 있습니다. 대표적으로 Amplitude와 같은 솔루션을 이용한다면, 이런 데이터를 손 쉽게 측정하고 관리하고, 또 대시보드를 구성할 수 있습니다. UX 데이터 분석에 대해서 더 깊은 인사이트를 얻고 싶다면 맥소노미 홈페이지에 올라온 다양한 가이드북을 확인해보세요.






콘텐츠 더 읽어보기

앰플리튜드, 행동분석, UX(유저경험), 데이터 분석