디자이너도 데이터를 알아야 할까요? 디자인에 필요한 데이터, 더 나은 경험을 만드는데 척도가 되는 데이터를 알아야 효과적인 디자인을 할 수 있습니다. 개발자나 데이터 사이언티스트를 차치하더라도 디자이너와 밀접하게 일하는 PO(Product Owner), Growth Hacker나 마케터 모두 데이터로 새로운 기능, 제품에 대해 성과측정을 하는 상황에 디자이너 역시 데이터로부터 완전히 자유로울 수 없기 때문입니다. 특히 대부분의 제품에서 오랜 기간 고객의 방문, 구매에 결정적인 요인으로 작용했던 ‘사용성’은 상당히 상향 표준화된 상황이므로 사소한 부분까지 디자이너가 개선하기 위해서 데이터에 대한 이해는 불가피하다고 생각합니다.
디자이너도 데이터를 알아야 할까요? 디자인에 필요한 데이터, 더 나은 경험을 만드는데 척도가 되는 데이터를 알아야 효과적인 디자인을 할 수 있습니다. 개발자나 데이터 사이언티스트를 차치하더라도 디자이너와 밀접하게 일하는 PO(Product Owner), Growth Hacker나 마케터 모두 데이터로 새로운 기능, 제품에 대해 성과측정을 하는 상황에 디자이너 역시 데이터로부터 완전히 자유로울 수 없기 때문입니다. 특히 대부분의 제품에서 오랜 기간 고객의 방문, 구매에 결정적인 요인으로 작용했던 ‘사용성’은 상당히 상향 표준화된 상황이므로 사소한 부분까지 디자이너가 개선하기 위해서 데이터에 대한 이해는 불가피하다고 생각합니다.
[Data-Drive UX 등장]
UX 디자인, UX 리서치에서는 퍼소나(Persona), IDI(In-depth Interview), 사용성 테스트(Usability Test), FGI(Focus Group Interview) 등을 활용해 고객 행동을 분석합니다. 여전히 유효한 방법론이지만 제품을 출시한 이후 운영하는 단계에서 고객의 행동을 관찰하고 이를 추세로 분석해서 개선하는데 활용하기에는 제한사항이 많습니다. 사용자를 관찰하는 환경의 제약, 사용자가 관찰받는다고 느낄 때 나타나는 기대 행동으로 인한 차이, 표본을 선정하는 과정에서의 어려움 등을 고려하면 보완할 방식이 필요합니다. 데이터 사이언티스트 역할이 부각되는 시점부터 실리콘밸리 기업을 시작으로 서비스를 개선하기 위해 사용 과정에서 발생하는 데이터를 수집하고 이를 분석해서 새로운 기능을 도입하는 의사결정의 준거로 활용하기 시작했습니다. 새로운 기능을 도입할 때에는 A/B 테스트를 통해 사용자 집단을 2개로 구분하고 한 집단에는 A라는 기능을, 다른 집단에는 B라는 기능을 사용하도록 한 후 어떤 집단에서 더 나은 사용성, 성과를 보이는지 정량적으로 측정한 후 기능을 개선하는 방식으로 흐름이 바뀌고 있습니다.
디자인 개편에 데이터가 준거로 쓰이면서 이제 디자이너가 데이터를 수집하거나 분석하고 이를 통해 개선방향을 도출하는 것, 가설 수립을 통해 개선방향이 실제 유효한지 검증하는 능력이 요구되는 상황입니다. 특히 완벽한 제품을 만들어 출시하기보다 빠르게 시장에 출시한 후 시장 반응에 따라 제품을 개선해가는 전략이 보편화되는 상황에서 데이터는 디자인에 더 큰 영향을 끼칠 겁니다. 기업 규모나 상황에 따라 이러한 역할을 PO나 UX 리서처가 수행하기도 하지만 앞으로의 경향성을 생각하면 더 많은 디자이너에게 데이터를 해석할 수 있는 능력이 필요해지는 건 분명합니다. 초기에는 대단한 능력이라고 여겨졌던 프로토타이핑을 생각해보세요. 이젠 UX, UI 디자이너 어느 쪽이든 프로토타이핑 도구를 활용해야만 하는 시대가 되었습니다.
UX 디자이너가 코딩을 하면서, 파이썬을 다루면서 데이터를 분석할 필요까지는 없습니다. 그런 역할은 데이터 분석을 담당하는 개발자, 혹은 데이터 사이언티스트가 담당하고 디자이너는 필요에 따라 요청하는 것이 업무 프로세스를 고려하면 더 효과적입니다. 디자이너는 데이터를 보고 판단하는 역량이 필요합니다. 문제를 해결하기 위해서 어떤 데이터를 요청해야 하는지, 데이터를 받아볼 때에는 숫자보다는 숫자의 변화가 보여주는 추세를 보며 제품 개선의 단서를 얻는 능력이 필요합니다. 제품에 특정한 문제가 없을 때에도 제품이 더 나아지게 만드는 역할을 해야 하는 디자이너는 현황을 진단할 수 있어야 합니다. 현재 고객들이 사용하고 있는 제품에서 개선할 포인트를 찾기 위해서는 데이터가 보여주는 단서가 가장 효과적인 사용자 니즈이기 때문입니다.
[디자인에서 데이터의 역할]
UX 디자이너가 새로운 기능에 대해 검증하려면 적정한 사용자를 스크리닝하고 프로토타입을 만든 후 이를 토대로 UX 리서처 혹은 모더레이터가 매끄럽게 인터뷰를 진행해야 합니다. 30분 인터뷰를 진행한다고 하면 UT 준비부터 리크루팅, 인터뷰, 결과 브리핑까지 고려하면 하루에 수행할 수 있는 검증 대상은 최대 5명입니다. 정성 조사이기 때문에 충분히 유의미한 숫자이고 사용성을 검증하는데 무리가 없지만 보완이 필요합니다.
데이터 분석을 활용하면 A/B 테스트를 통해 훨씬 더 많은 사용자를 대상으로 검증하는 것이 가능할 뿐 아니라 디자인 산출물에 대해 논리적인 근거로서 유효합니다. 데이터 자체가 강력한 근거가 되기 때문에 여러 이해관계자의 동의를 구하는 디자인을 든든하게 뒷받침할 수 있습니다. 소수를 대상으로 진행할 수밖에 없는 UT, IDI를 보완할 수 있기 때문에 내부를 설득하는데 데이터를 활용하는 것은 디자이너에게 유용합니다. 다음은 디자이너가 데이터에 대해 갖는 대표적인 오해 4가지입니다. 오해를 풀면 데이터에 한 걸음 더 가까워질 수 있습니다.
디자이너가 봐야 하는 데이터는 수치로만 되어 있습니다.
디자이너의 역할은 데이터를 측정하고 분석해서 결과를 공유하는 일입니다.
디자이너가 봐야 하는 데이터에서 숫자가 가장 중요합니다.
디자인과 관련된 의사 결정은 모두 데이터를 통해서 해야만 합니다.
예상할 수 있듯이 4가지에 대한 답은 모두 ‘아니오’입니다. 데이터의 형태는 다양해서 사용자가 방문하는 행위 자체가 PV(Page View) 형태로 데이터가 될 수도 있고 사용자가 갖고 있는 긍정, 부정적인 인식이나 표현되는 목소리도 데이터가 될 수 있습니다. 모바일 애플리케이션이나 웹사이트 분석에 사용하기 위해 수집되는 방문자수, 체류시간, 전환율 등의 수치와 사용자가 재방문을 하지 않는 이유, 이탈한 계기 모두 데이터가 될 수 있습니다.
디자이너의 역할은 데이터를 보고 행동과 연결된 단서를 찾아 제품을 개선하고 사용자 행동을 유도하는 것입니다. 예를 들어 회원가입 단계에서 이탈하는 사용자가 늘어났다면 어느 단계까지 입력하고 창을 닫았는지, 입력 항목 별로 나누어보고 문제가 된 입력 영역을 찾아내야 합니다. 문제가 된 입력값을 다른 방식으로 수집할 수 있는지, 아니면 수집하지 않아도 되는지 가설 기반으로 검증하고 사용자가 회원가입을 더 수월하게 할 수 있도록 유도하는 것이 데이터와 가까운 디자인입니다.
데이터에서 중요한 것은 숫자가 아니라 숫자의 변화입니다. 즉, 수치가 어떻게 변하는지 패턴을 알아차리는 것이 데이터의 핵심입니다. 만약 오늘 신규 가입자 숫자가 12% 감소했다고 하더라고 3주 동안 연속해서 신규 가입자 숫자가 늘어났다면 오늘 하루 12% 감소한 것은 의미가 크지 않을 수 있습니다. 내일 신규 가입자 숫자까지 확인한 후에 원인을 파악해볼 수 있을 만큼 데이터에서 강한 의미를 가지는 것은 경향성, 즉 추세입니다.
다음 편에서는 디자이너가 데이터에 더 가까워질 수 있도록 UX 리서치 방법론 중 데이터를 해석하는 패턴에 대해 소개하겠습니다.