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

리텐션(Retention) 의미와 측정 방법🔍

리텐션(Retention) 의미와 측정 방법🔍

리텐션이란?리텐션(User Retention)이란, 특정 기간 동안 활성화된 유저 혹은 고객의 수를 나타냅니다. 보통은 '리턴션율'이라는 백분율을 통해서 표현합니다. 리텐션율을 구하는 공식은 다음과 같습니다.(설정된 기간 끝의 활성 사용자 수 - 설정된 기간 동안의 신규 사용자 수) / 기간 시작 시의 총 활성 사용자 수이런 유저 리텐션을 개선하기 위해선 코호트 분석, 고객 피드백 수집 및 활용, 온보딩 경험 개선, 푸시 알림 등의 방법을 주로 활용합니다.유저 리텐션 vs 고객 리텐션중요한 점은 유저 리텐션과 고객 리텐션을 구분해야한다는 것입니다. 여기서 유저와 고객을 명확하게 구분을 할 필요가 있는데요. 유저는 제품이나 서비스를 이용하는 사람을 말하고 고객은 제품이나 서비스에 가격을 지불하는 사람을 말합니다. 즉, 유저 리텐션은 제품을 사용하는 사람 수를 의미하는 반면, 고객 리텐션은 제품을 계속 결제하는 고객 수를 측정합니다. 유저 리텐션이 유저의 활동에 대한 측정 지표라면, 고객 리텐션은 재무적인 목적이 강한 지표라고 할 수 있죠.예를 들어, 쿠팡이나 아마존과 같이 많은 상품이 거래되는 이커머스 플랫폼의 경우, 유저 리텐션은 특정 기간 동안 앱이나 웹 페이지에 방문하는 유저 수로 측정할 수 있고, 고객 리텐션은 특정 기간 동안 실제 결제를 하는 숫자로 측정합니다. 가장 대표적인 유형인데요.성격이 조금 다른 케이스도 있습니다. 또 다른 예를 들면, 대기업에 인사 솔루션을 제공하는 회사A는 고객 리텐션을 특정 기간 동안 구독을 계속하는 기업(고객)의 수로 측정할 것입니다. 유저 리텐션은 고객 회사에서 몇 명의 유저가 특정 동안 제품에 로그인하는지를 측정합니다. 즉 이미 구독 중인 고객이 우리 제품을 얼마나 잘 사용하고 있는지 확인하는 것이죠. 유저 리텐션 vs 이탈률유저 리텐션과 이탈률은 큰 상관관계가 있습니다. 이탈률은 비즈니스가 잃는 유저 수 혹은 다시 구독하지 않는 고객 수를 의미합니다. 따라서 이탈률은 유저 리텐션율의 역수이며, 둘이 합쳐서 100%가 되어야합니다.유저 리텐션 측정 방법유저 리텐션은 회사의 전반적인 상태를 이해하는 데 큰 도움이 됩니다. 높은 유저 리텐션은 수익성과 안정성이 높음을 나타내죠. 유저 리텐션을 측정하기 위해선 우선 명확한 활성 유저 기준과 기간 기준을 정의하고 리텐션 유형을 결정해야 합니다.유저 리텐션율 공식유저 리텐션율을 계산하는 공식은 앞에서 설명했듯 다음과 같습니다공식을 사용하여 유저 리텐션율을 구하는 방식은 쉽고 직관적이긴 하지만, 더 정확한 측정을 위해선 제품 분석 솔루션을 사용하는 것이 좋습니다. 대표적으로 Amplitude가 있죠.가장 이상적인 유저 리텐션율은 100%이고 이탈율은 0%일 것입니다. 하지만 당연히도 이는 불가능하고, 실제론 산업별 적합한 리텐션율을 목표해야 합니다. CustomerGauge의 'B2B NPS & CX Benchmarks Report 2022'에 따르면, 에너지 및 유틸리티 산업의 유저 리텐션율이 89%로 가장 높았으며 도매 산업의 리텐션율이 44%로 가장 낮았습니다.현재 속해있는 산업의 표준 리텐션율을 찾아보고 우리 회사의 유저 리텐션율을 비교한 다음, 적절한 목표를 잡는 것이 중요합니다.활성 유저 기준과 활성 기간 기준 정하기위의 공식을 사용하려면 먼저 두 가지 요소를 명확히 정의해야 하는데요. 바로 누구를 활성 유저로 볼지와 기간을 어떻게 설정할지입니다.먼저 활성 유저를 정의하는 기준은 여러가지가 있습니다. 그중 우리 제품과 사업 목적에 가장 적합한 방법을 선택해야하는데요. 단순히 애플리케이션을 설치한 유저를 활성 유저로 볼 수도 있고, 매일 사용하는 유저를 활성 유저로 간주할 수도 있습니다. 가장 적합한 방식을 선택하되, 결정한 기준에 대해서 회사 내부적인 통일이 되어야 정확한 지표 측정이 가능합니다.기간을 설정하는 방식도 기업마다 상이한데요. 보통은 지표를 측정하는 목적에 따라 기간을 설정합니다. 예를 들어, 분기 보고서를 작성하는 경우, 한 분기를 기준으로 리텐션율을 측정하는 것이 좋겠죠. 이 외에도 산업이나 제품 특성에 따라서 기간을 정할 수도 있습니다. 예를 들어, 항공 예약 앱의 경우 매일 앱을 사용하는 경우는 거의 없겠죠. 반면 캘린더 앱의 경우에는 성공적인 매일 사용하는지가 성공을 판가름하는 기준이 될 것입니다.N-Day 리텐션 (유저 리텐션 반환률)유저 리텐션 반환률(Return On retention) 혹은 N-Day 리텐션이라 불리는 지표는 특정 날짜에 제품을 사용하는 사용자 수를 말합니다. 이 때 "Day 0"은 사용자가 앱을 다운로드하고 설치하거나 프로필을 만드는 등의 특정 작업을 수행한 첫 번째 날을 가리킵니다. 그리고 Day 0 이후에 사용자가 어떻게 행동하는지 분석합니다. Day 1, Day 3, Day 5 등 유저 언제 다시 돌아오는지 추적할 수 있습니다.리텐션 개선 방법유저 리텐션을 향상시키기 위해선 유저 경험을 먼저 향상시켜야합니다. 유저 리텐션과 유저 경험은 서로 뗄 수 없는 관계이죠. 유저가 제품을 즐기고 가치를 느끼면 당연히 더 오래 서비스에 머물 것입니다! 고객 경험을 개선하기 위해선 코호트 분석, 피드백 루프, 고객 온보딩, 꾸준한 업데이트 등과 같은 방법이 있습니다.1. 코호트 분석하기코호트 분석이란, 유저의 행동과 시간 흐름에 따라 그룹화하는 데이터 기반의 분석 방법입니다. 구체적으로는 유저 획득일, 플랫폼, 채널, 사용자 행동과 같은 요소를 기반으로 그룹을 나눕니다. 코호트 분석을 사용하여 다양한 고객 세그먼트 간 관찰된 사용자 동향과 행동에 가설을 세울 수 있습니다. 특정 코호트의 중요한 지점을 식별하게 되면 해당 코호트의 이탈을 줄이기 위한 전략을 개발할 수 있는 것이죠. Amplitude와 같은 분석 플랫폼을 사용하면 코호트 분석을 수행하고 사용자를 보다 깊게 이해할 수 있습니다. 코호트 분석에 대한 더 자세한 정보를 확인하고 싶다면 행동 코호트 분석 가이드북을 확인해보세요!2. 유저 피드백 수집하기제품을 개선하려면 유저가 제품에 대해 어떤 생각을 하는지 알아야겠죠. 정기적으로 설문 조사를 보내 사용자의 의견을 수집할 수 있습니다. 예를 들어, 앱 사용 5회마다 앱을 평가하도록 요청하거나, 리뷰를 남기면 인센티브를 제공할 수 있습니다. 구독을 취소할 때 그 이유를 묻는 것도 좋은 방법이죠! 수집된 피드백을 정리하고, 해당 피드백을 처리할 수 있는 최적의 부서에 알리세요. 이 과정을 반복하면 유저 경험이 꾸준히 상승할 것입니다.3. 온보딩 경험 개선무엇이든 첫 인상이 가장 중요하고 그 첫 인상을 남길 기회는 단 한 번뿐입니다. 그래서 온보딩 경험이 매우 중요한 것인데요. Wyzowl의 보고서에 따르면, 10명 중 8명은 어떻게 사용해야 할 지 모르는 앱을 삭제한 경험이 있다고 합니다. 이런 케이스를 방지하기 위해선 앱 내 데모, 튜토리얼, 대화형 안내 등의 기능을 고려할 수 있습니다.콘텐츠 더 읽어보기고객 리텐션 마스터 가이드북모바일 게임 리텐션(Retention) 바로알기이탈률(Bounce Rate), 낮을수록 좋을까?🤔

[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.

Amplitude는 Google Analytics와 어떤 점이 다른가?

Amplitude는 Google Analytics와 어떤 점이 다른가?

Amplitude VS GA 차이점 알아보기

[더맥소노미2024 세션 스케치IX] 센트비의 데이터 활용법: Amplitude를 활용하여 핵심 지표 발굴하기

[더맥소노미2024 세션 스케치IX] 센트비의 데이터 활용법: Amplitude를 활용하여 핵심 지표 발굴하기

더맥소노미2024 세션 스케치 9번째 포스트입니다. 이번 세션 스케치는 패널세션으로 진행되었던, 센트비가 Amplitude를 활용하여 어떻게 핵심 지표를 발굴했는지에 대한 인사이트를 정리해보고자 합니다. 팀맥소노미의 이종은 고객성공매니저님의 진행 하에 센트비의 김성민 매니저님이 패널로 참여하여 상세한 사례와 노하우를 공유해주셨습니다.  The MAXONOMY 2024 는 지난 11월 28일, 롯데호텔월드 크리스탈볼룸에서 개최된, 데이터 마케팅 솔루션 전문가 팀 맥소노미가 주최하는 연례 마테크 컨퍼런스로, 국내외 마테크, 애드테크 솔루션사 및 국내 최정상 기업의 마케팅, 데이터 담당자 분들과 함께 데이터를 활용한 마케팅 성공 사례와 인사이트, 트렌드 등을 공유하는 자리입니다.금번 컨퍼런스에는 1천여 명의 마케터, 비즈니스 리더, 프로덕트 매니저 분들께서 참석해 주셨으며, 총 21명의 연사분들께서 'Further Steps of Data Marketing'을 주제로 생생한 데이터 활용 전략과 사례, 노하우를 공유해 주셨습니다. 센트비의 데이터 활용법: Amplitude를 활용하여 핵심 지표 발굴하기센트비 | 김성민 매니저팀 맥소노미 | 이종은 CSM 김성민 매니저님은 센트비에서 그로스 프로덕트 매니저로서 Amplitude를 활용하여 다양한 데이터에서 인사이트를 발견하는 업무를 하고 있으십니다. 센트비는 국경없는 외환 거래를 만들기 위한 글로벌 외환 거래 솔루션 전문 기업입니다. 기존 외화 송금 및 결제 서비스는 수수료가 높고 느리다는 치명적인 단점이 있는데요. 센트비는 이런 단점을 보완하는 서비스를 제공하고 있습니다. 현재 총 50여개 국가에 송금 서비스를 지원하고 있으며 개인은 센트비, 기업은 센트비즈라는 이름으로 서비스를 사용할 수 있습니다. 이렇게 글로벌한 서비스를 제공하는 기업인 만큼 다양한 데이터 인사이트가 기대가 되는데요! 지금부터 센트비가 데이터를 어떤식으로 활용하고 있는지 질의응답을 내용을 기반으로 알아보도록 하겠습니다.Q1. 2년 전 쯤 Amplitude를 처음 도입하셨는데, Amplitude를 어떻게 활용하는 중인가요?센트비가 처음 Amplitude를 도입했을 때는 기능과 서비스를 이해하는데만 많은 시간이 들었다고 합니다. 그리고 현재는 Amplitude에 대한 이해도가 많이 증가하였고, 주로 센트비의 문제점 발견을 위해 Amplitude를 활용하고 있다고 합니다. 센트비는 금융서비스인만큼 고객에게 복잡하게 보일 수 있고, 보안을 위한 여러가지 정보를 요구하거나 관련된 규정을 준수하기 위한 과정이 불가피합니다. 이러한 특성 탓에 서비스를 사용하다가 중간에 이탈하는 경우라던지, 설치 후 제대로 사용하지 않는 경우가 많습니다. 이런 부분을 Amplitude의 분석 기능을 통해 모니터링하고 개선점을 발견하고 있습니다. 특히 Amplitude같은 경우 서버 데이터뿐만 아니라, 설치된 SDK를 통해 클라이언트 데이터까지 수집하고 시각화할 수 있어 다른 솔루션에 비해 유용하다고 말합니다.Q2. 센트비에서 특히나 유용하게 데이터를 활용한 사례를 공유해주실 수 있나요?센트비 전사적인 핵심 지표를 Amplitude를 통해서 설정하였다고 합니다. 그 과정을 처음부터 설명해주셨는데요. Amplitude 도입 이후 가장 첫 번째로 시작한 프로젝트는 제품의 고객 리텐션 주기를 찾고 그 베이스 라인을 측정하는 일이었다고 합니다. 현재 우리 고객이 우리 서비스를 어떤 주기로 사용하고, 리텐션 주기는 어떤지 확인할 필요가 있었고 Amplitude의 리텐션 차트를 통해서 이를 확인했습니다. 사실 Amplitude를 도입하기 이전에는 SQL쿼리를 통해 리텐션 분석을 진행하곤 했다는데요. 쿼리를 통해 리텐션을 분석하는 일은 굉장히 비효율적이고 공수가 많이 듭니다. 하지만 Amplitude를 활용한 이후에는 클릭 한 번으로 간단하게 리텐션 분석을 할 수 있었고 코호트 또한 클릭 한번으로 설정하고 변경하여 조회 할 수 있었습니다. 특히 무엇보다 사내에서 설정한 리텐션 프레임워크, 유저 액션 기준 등을 적용하고 활용할 수 있다는 점이 매력적이었다고 합니다. 이를 통해 센트비만의 리텐션 주기와 베이스 라인을 설정할 수 있었다고 합니다.Q3. 리텐션 주기와 베이스 라인을 측정한 이후에는 어떤 활동을 했나요? 올바른 고객 리텐션이 정의되었다면, 리텐션이 높은 유저와 낮은 유저 간의 비교 분석이 가능해졌다는 이야기입니다. 즉, 리텐션이 높은 유저와 낮은 유저 각자의 코호트를 생성하고 높은 코호트가 낮은 코호트에 비해 어떤 데이터적인 특정을 가지고 있는지 분석할 수 있었죠. 예를 들어 높은 리테션을 가진 집단은 장바구니를 클릭하는 액션이 반드시 일어난다는 특징을 발견한다면, 장바구니를 클릭을 유도하여 장바구니 클릭율이 높아질 수록 리텐션 수치도 개선되지 않을까라는 기대를 해볼 수도 있을 것입니다. 이런 과정을 가설 수립이라고 하는데요. 가설 수립 과정을 다시 요약하자면 리텐션이 높은 유저를 파악하고, 리텐션 높은 유저의 행동 특성을 파악한 뒤, 그 특정 행동을 유도했을 때 리텐션에 크게 기여했는지 실험하고 데이터로 검증하는 것입니다. 이후엔 동일하게 가설 수립과 검증을 무한하게 반복한다고 하는데요. 전사적 핵심 지표 발굴 과정도 이와 같은 방식을 통해서 이루어졌다고 합니다.Q4. 기존 유저의 리텐션도 중요하지만 비즈니스 성장을 위해선 신규 유저도 중요한데 이를 어떻게 관리했나요?기존 유저를 리텐션 차트 위주로 관리하였다면, 신규 유저는 퍼널차트를 중심으로 관리하였다고 합니다. 관리하는 방식은 리텐션 차트와 동일한데요. 전환 주기를 정의하는 것이 첫 번째 단계였습니다. 전체의 80% 유저를 '대부분'의 유저로 정의하고 이들이 퍼널을 완료하는 지점을 올바른 전환주기로 설정하였습니다.  주기 내에 고객이 처음 유입되는 수간부터 첫 송금까지 유의미한 퍼널을 정의하고 어떤 퍼널에서 많이 이탈하고 불편함을 겪는지를 발견했습니다. 이를 통해 문제가 되는 2-3개의 퍼널을 발견하였고, 해당 퍼널을 전환하는 유저와 그렇지 못하는 유저의 차이를 분석하였습니다. 여기서 얻은 인사이트를 기반으로 서비스를 개선하고 신규 유저가 중간에 이탈하는 문제를 해결할 수 있었습니다.Q5. 말씀 주신 것 외에 Amplitude로 인사이트를 얻었던 경험이 있으면 공유해주세요! Amplitude를 통해 다양한 인사이트를 얻을 수 있었고 여러 기능을 유용하게 활용하였다고 하는데요. 김성민 매니저님 개인적으로는 User Lookup 기능을 자주 활용한다고 합니다. User Lookup은 고객이 처음 서비스에 방문한 순간부터 첫 송금을 하고 그 이후로 제품에 Lock-in 하기 서비스 내에서 어떠한 여정을 거치는지 유저나 이벤트 로그 단위로 확인할 수 있는 기능입니다. 틈틈히 랜덤 유저 한 명 한 명의 여정을 살펴보고 이탈한 유저는 어떤 화면에서 이탈하였는지, 어떤 행동을 하는지 등을 알 수 있습니다. 김성민 매니저님은 마치 고객을 바로 옆에서 지켜보고 도와주는 기분으로 해당 기능을 활용했다고 하네요!! 그 외에도 MAU 모니터링, Stickness 비교 같은 차트도 자주 활용한다고 합니다. 송금이 센트비의 핵심 기능이긴 하지만, 유저가 더 자주 접속하게 하기 위해선 송금 외의 부가적인 기능도 많이 사용할 필요가 있는데 그 현황을 파악하기 위해선 퍼널이나 리텐션 차트 외의 이런 차트를 확인하는 것이 필요하죠. 김성민 매니저님은 마지막으로 데이터 분석에서 중요한 것은 고객과 도메인에 대한 이해라고 합니다. 이런 이해가 바탕이 되어야 검증 가능성이 높은 가설을 세우고 지속적인 개선(그로스)가 가능하다는 말씀을 하시며 세션을 마무리하였습니다. 데이터 분석에는 정답이 없고 각자의 제품, 각자의 고객을 깊이 이해하는 것이 필요하다는 말씀이 크게 와 닿았습니다.📺 센트비의 데이터 마케팅 이야기 전체 영상 보러가기 팀 맥소노미와 글로벌 마테크 & 애드테크 솔루션사, 그리고 국내 최정상 기업이 함께했던 The MAXONOMY 2024의 모든 세션은 더맥소노미2024 다시보기에서 확인하실 수 있습니다. 더맥소노미2024를 통해 그동안의 고민이 조금은 가벼워지셨기를 바라며, 더맥소노미는 더욱 유익한 인사이트와 정보로 2024년 10월에 다시 찾아뵙겠습니다.

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