2. Overview
인지과학자이자 UX디자인의 대부로 일컬어지는 도널드 노먼(Donald A. Norman)
과 웹 사이트에서 사용자 중심의 디자인 설계를 통한 사용성 연구를 계속해온 제이
콥 닐슨(Jakob Nielsen)은 닐슨노먼그룹(https://www.nngroup.com/)을 설립하여 사
용자 리서치를 시작하여 웹 사용성에 대한 다양한 연구를 진행해왔다
Apple 뿐 아니라 넷플릭스, 미국 대선 홍보 시스템, 익스피디아, Intuit 등 많은 기업
에서 데이터를 통한 UX 개선으로 많은 성공 사례를 이뤄냈다.
3. 디자이너에게 데이터가 필요한 이유
● 디자이너는 사용자가 아니기 때문.
https://www.youtube.com/watch?v=gZeXyVJC-Jg
● 디자이너와 사용자 간에 지식 격차가 있기 때문에, 디자이너가 제대로 된 사용
자 리서치나 실질적인 테스트 또는 데이터 없이 사용자가 원하고 필요한 것을
정확히 파악하고 있다고 생각한다면 이는 잘못된 판단
4. UX를 데이터로 분석해야 하는 이유
● 기본적으로 데이터 중심 디자인에서는 디자인 측면에서 수많은 결정을 내릴 때
데이터가 가장 중요한 기준이 됨.
● UX를 직관에만 의존해서는 여러 이해관계자들의 동의를 구하고 사업 지표를
안전하게 유지하도록 보장하기란 쉽지 않을 것이다. 따라서 좀 더 객관적이고
신뢰할 수 있는 방향성을 제시하고 그 효과를 기대하기 위해서는 과거의 경험,
사용자의 실제 데이터를 토대로 UX를 이해하고 분석해야 한다.
5. 기대효과
● 첫 째, 고객 자체에 대한 통계와 분석 얻기
● 둘 째, 고객이 직접 말하지 않는 요구사항을 파악하기
○ 사용자 테스트 / 사용자 인터뷰
● 셋 째, 서비스에 숨어있는 중요한 현상을 다각적인 면에서 찾아내기
○ 예: 회원가입 페이지의 회원 가입 전환율을 측정
6. 데이터의 두 가지 유형: 정량적 데이터와 정성적 데
이터
정량적 데이터(Qualitative data)
● 어떤 상황이 발생하고 있는지(또
는 발생하고 있지 않은지)를 알려
줌. 보통 수치 데이터가 이에 해당
됨
● 정량적 데이터는 측정에 의해 수
집될 수 있다.
● 클릭 횟수, 체류 시간, 오류 횟수와
같이 숫자로 표현될 수 있고 계산
을 통해 새로운 지표를 만드는 것
도 가능하다.
정성적 데이터(Quantitative data)
● 해당 상황이 발생하는 이유를 알
려줍니다. 이는 수치 데이터가 아
님.
● 정성적 데이터는 관찰이나 인터
뷰와 같은 방법론을 통해 수집된
다.
● 인터페이스를 이용하는 사용자들
의 동기, 정서와 같은 영역을 파악
하는데 용이하다.
● 수집된 데이터는 구조화 및 조직
화하여 분석되는데 연구자의 경
7. 데이터 중심 디자인의 3가지 핵심 요소
● 디자이너에 의해 탄생되는 최고의 제품은 데
이터,
공감 및 UX 비전이 완벽하게 조화를 이루는
명확하고 매력적인 경험
8. Data
● 데이터 중심 디자인에 대한 6가지
오해와 진실
● 데이터를 바탕으로 디자인 결정에
필요한 정보를 제공할 때에는 다음
의 세 가지를 고려해야 함.
● 입증 - 개선 - 발견
● 가이드라인
● 원하는 데이터에 대한 이해.
● 데이터 인사이트 확장
● 데이터 부담 경감
● 확증 편향 방지
● 수치 및 컨텍스트 포함
9. Empathize
● 자신의 관점에 머물지 않고 타인의
관점에서 세상을 바라볼 수 있는 능
력을 가리키는 공감 능력은 유의미
한 제품을 디자인하는 데 있어 핵심
역할을 합니다.
● 데이터는 기계가 아닌 사람에 의해
생성되며, 생성된 모든 데이터는 사
람과 관련된 것이라는 점을 이해해
야. 데이터는 사람의 행동에서 도출
되는 흔적을 나타냄. 따라서 데이터
에 의미를 부여할 수 있는 휴먼 스토
리를 발견해야.
● 공감을 활용한 디자인 사례
○ 테슬라 “이상할 정도로 친숙한"
제품을 만들어.
10. Vision
● 데이터는 다음 단계에서 무엇을 수
행할지 결정하는 데 도움을 주는 수
단.
● 데이터에만 맹목적으로 의존해서는
안됨
● 측정 지표는 이미 만들어진 데이터
를 기반으로 하기 때문에 제한적
● 어떤 데이터나 공감도 데이터 해석
방식에 대한 디자이너의 의사 결정
이라는 역할을 대신할 수 없음.
● 디자이너는 수행하고자 하는 작업
에 비전을 가져야 함.
● 디자이너는 데이터에 맹목적으로
의존하지 말아야 하며, 그 대신 디자
인 의사 결정에 필요한 정보를 선별
해야 함.
12. 많은 사람들이 데이터 주도형 디자인
에 열광하지만, 데이터 주도형 디자인
에 대한 의견은 분분하다.
같은 조직 내에서도 서로 다른 데이터 접근법과 이해, 특히 공통적언어(shared
language)가 부족한 팀에게는 어떻게 데이터를 정의하느냐도 어려운게 실정.
13. Myth. 1
데이터는 숫자이다.
● 숫자는 '진짜' 사람들의 복잡한 생활
속에서의 행동을 나타낸다. 하지만
백만명의 사람들의 패턴을 하나의
숫자로 집결시키는 것은 항상 유용
하거나 신뢰할 수 있지만은 않다.
● 수치 자료에서 오는 갭들은 인터뷰,
인구통계학(Ethnographic) 연구, 사
용성(Usability) 테스트가 채워준다.
● 하지만 정성적인 인사이트는 숫자
가 아니기 때문에, '데이터'로 여겨지
지 않곤 한다.
● 사회과학이나 의학분야에서는 당연
'정성적'인 요소들이 당연히 데이터
로 여겨진다.
14. Myth 2.
데이터는 객관적인 진
실이다 .
● 정량적 데이터는 완료된 액션을 숫
자로 기록하고, 이런 기록은 사람이
아닌 소프트웨어가 작성한다.
● 이는 정량적 데이터를 확실한 정보
(hard fact)처럼 보이게 만든다.
● 데이터가 아무리 크더라도 객관적
이라는 뜻은 아니다.
● 어느 데이터세트나 바이어스(Bias)
가 내제되어있기 때문.
● 바이어스 종류: 신호 편향, 불 정확성
원리
● 좋은 데이터는 어떤 Bias가 있는지
를 설명하고, 항상 컨텍스트를 제공
15. Myth 3.
많을 수록 좋다
● 데이터는 많을 수록, 클 수록 더 좋은
것이다?
● 더 크게 보는 만큼 우리는 계수에 대
해 생각하게 된다.
● 빅데이터는 다양성에 관한 것이기
도 하고, 그래서 다양한 출처를 뜻한
다.
● 우리는 Analytics한테서 Usability
Test가 보여주는 모든 가능한 유저
행동만큼 사용자 행동에 대해 알려
주기를 기대할 수 없다.
● 데이터를 그대로 받아 들이는 것이
아닌, 의미있는 카테고리(metrics라
고 알려진)를 통해 평가하고, 이해하
고, 꾸준히 파악해나가야 한다.
16. Myth 4.
데이터는 디자이너가
아닌 매니저를 위한 것
이다
● ex: 데이터에 의하면 지난번 디자인
을 바꾸고 나서 전활율(Conversion
rate)이 떨어졌어.
● 데이터를 통한 '입증'은 한 부분일 뿐
이다.
● 데이터를 통해 디자인을 바꾸려고
한다면 입증-개선-발견의 사이클을
계속 해서 Iteration 하는 방법.
● 경영진들을 한 종류의 데이터를 다
루고, UX Team은 또 다른 종류의 데
이터를 다룬다. 각기 다른 팀은 다른
레퍼런스 기준을 가졌다.
● 데이터는 맞느냐 틀리냐를 입증하
기 위한 것이 아닌, 개선하고 새로운
가능성을 발견하는 것이다.
17. Myth 5.
데이터는 혁신을 빼앗
는다
● 데이터는 여러가지 면에서 혁신과
대조되는 것으로 보여지곤 한다.
● 대부분의 데이터는 (analytics든, 설
문데이터든, 고객서비스데이터든지
간에) 과거 회고적이다. 미래 예측은
어렵다.
● 데이터는 전략적이기 보다는 전술
적이다.
● 데이터는(특히 analytics) 겉핥기 처
럼 보인다.
● 어떤 데이터든 디자인을 주도하려
면, 복잡성을 포용하기 위해서 보정
되어야 한다. 사용자 경험은 정해진
대로 움직이는 것이 아니다.
18. Myth 6.
디자인을 유익하게 하
기 위한 ‘맞는’ 데이터
사용법이 있다.
● 지금껏 모든 조직의 모든 팀에게 적
합한 하나의 규범은 없으나 가이드
라인은 있다!
19. Proposed guideline
● 여러가지 방식/출처(sources)의 데이터를 사용하라.analytics, a/b테스트, 소셜 미
디어 정서, 고객 서비스 로그 설문조사, 인터뷰 등
● 숫자와 context를 포함하라. 데이터가 인간 경험의 복합성 을 세심하게 고려 하
도록 하라. 정량적이든 정성적이든, 연구이든 빅데이터 이든 진짜 스토리를 위
해 숫자와 context를 다 포함 하라.
● 누가 맞고 누가 틀린지를 입증하기 위함이 아닌 데이터를 통해 변화를 감시하
고, 새로운 패턴을 탐험하고, 문제를 더 깊게 파기 위한 도구로 사용하라.
● 데이터를 더 잘 이해할 수 있게 만들고 경험에 대한 이야기를 할 수 있게 만드는
의미있는 카테고리를 결정하라.
● 조직에서 데이터에 대해 공유하고 의논할 수 있는 방법을 세우고 같이 기초를
정의하는 것에서 부터 시작하라.
20. 데이터를 가지고 디자인하는 것은
algorithms, automation, A/B testing, analytics
를 넘어서야 한다.
그보다 그런 데이터를 전부 사용해서
어떻게 일상적인 경험을 더 잘 이해하
느냐가 궁극적인 목표일 것이다.