데이터페르소나 사용자 경험(UX: User experience) 디자인

 

 

데이터기반 페르소나 사용자 경험(UX: User experience)  디자인

데이터 분석을 통해 파악된 특성들을 바탕으로 서비스 발굴에 적합한 시장 세분화 (Segmentation)와 목표 고객(Targeting)선정 ->데이터 페르소나 -> 서비스디자인

1. Research 단계에서는 앱 가입시 고객데이터를 수집하여 전반적인 니즈를 파악
2. Segmentation 단계 에 서는 요인, 군집, 교차, 세그먼트 수립으로 진행
3. 제품기반, 브랜드 기반, 행위기반 등 3개 유형으로 군집분석 진행
   -제품 기반 분석: 고객들이 어떤 제품과 어떤 제품을 엮어서 구매하는가
   -브랜드 근친성 분석:  고객이 어떤 브랜드를 선호하는가를 그룹핑
   -고객의 행위 기반 분석: 고객의 정보 검색과 구매패턴을 분석
4. 유사한 정도에 따라 다수의 객체를 군집으로 나누고, 분류된 군집을 바탕으로 세그먼트를 도출하고 교차분석을 통해 군집별 특성 도출
5. 서비스에 대한 적합 사용자를 묘사하기 위하여 각 세그먼트의 특성을 분류하고 정의.
   그중 가 장 큰 이슈를 가지고 있고 서비스에 대해 가장 주 사용자로 적합한 세그먼트를 선정하여 타겟 고객으로 선정
6. 분류된 특성과 함께 최적의 데이터 페르소나를 빠르게 도출 ->’퀵 페르소나’를 제작
7. 정의된 사용자를 바탕으로 서비스 디자인(공간구성, 서비스및 이벤트 기획, 고객여정디자인)을 진행
8. 향후 고객 나즈와 결합하여 좀 더 구체적으로 타겟팅하는 콘텐츠의 기획

 

 

 

 

 

 

 

조직 구성원에게 프로젝트 타깃에 대한 공통 이해를 갖게 하는 가장 강력한 커뮤니케이션 언어입니다. 퍼소나가 있는 것만으로도 서비스를 만드는 과정과 만든 이후의 제품 수명 주기(PLC) 단계에서 각 조직 구성원들에게 쉽게 공감과 협력을 이끌어낼 수 있습니다.

 

예를 들어 제안한 기능이나 디자인이 ‘사용자(User)’에게 필요한가?를 질문하는 것이 아닌, 가상 고객이자 퍼소나인 직장인 ‘박지은’씨에게 필요한가?로 물어볼 수 있는데, 사용자라 하면 머릿속에 수십수백 가지의 사람이 떠오르지만 박지은 씨라 말하면 특정 한 인물만을 떠올릴 수 있습니다. 이는 더욱 쉬운 공감을 이끌어냅니다.

 

퍼소나는 추측이 아닌 데이터를 기반으로 작성해야 합니다.

 

완성된 퍼소나는 작은 의사결정 하나에도 영향을 미치기 때문에 추측을 통해 만들기보다 실제 데이터에 근거해  작성되어야 합니다. 추측을 통해 만들어진 퍼소나는 신뢰도가 낮아 조직의 공감을 불러일으키기 어렵습니다.

 

 

미국의 Andrea Wiggings는 데이터 기반 퍼소나를 만들기 위한 프로세스로써 ‘데이터 수집 – 퍼소나 개수 결정 – 데이터 분석 – 데이터 분류 – 퍼소나에 살 더하기’로 정의 내리고 있습니다. 

 

군집분석을 통해서 고객군에서 뚜렷한 공통점을 갖는 개인이나 커뮤니티를 발견한다.

 

군집분석은 제품기반, 브랜드 기반,행위기반 등 3개 유형으로 진행한다.

제품 기반 분석의 경우 고객들이 어떤 제품과 어떤 제품을 엮어서 구매하는가를 찾아내는 일이다.
예를 들어 스포츠용품회사는 요가 용품을 구매하는 여성이 자녀의 스포츠 용품도 함께 구매할 것이라고 추론했지만, 실제 데이터 분석에서는 상관관계가 없는 것으로 나타났다.

 

브랜드 근친성 분석은 고객이 어떤 브랜드를 선호하는 가를 그룹핑하는 것이다. 이런 분석을 통해 특정 브랜드의 신 제품을 출시할 때 어떤 브랜드를 선호하는 고객이 이 제품에 관심을 보일지를 추측할 수 있다.

 

고객의 행위를 중심으로 군집분석을 하는 것은 고객의 정보 검색과 구매패턴을 분석하는 것이다.
예를 들어 웹사이트에서 충분히 조사하는 한 사람이 마지막에 매장에서 구매하는 경우가 있다. 또 할인 판매시에 매장을 한번만 방문해 대량으로 구매하는 고객도 있다. 이밖에 정기적으로 방문해 단품만 구매하는 고객군도 있다. 이런 고객을 분류하면, 전혀 다른 마케팅 기법으로 고객을 만족시킬 수 있다.

 

데이터는 유저 인사이트 및 서비스에 대해 빠르고 객관적이게 문제점을 파악하고 이해하는 데 도움이 된다. 서비스에 쌓인 데이터를 관찰 하면서 유저가 어떻게 서비스에 인터랙션 하는 지, 어떤 부분에서 인터랙션을 하지 못하는지 문제점을 찾아낼 수 있다.

 

기존의 UX 프로세 스에서 사용했던, A/B테스트, 사용자 리서치, 컨 셉 테스트도 가치 있는 데이터를 모을 수 있다. 하지만 유저의 행동을 추적하는 데이터와 함께라면 서비스에 대한 더 나은 인사이트와 경험을 제공 할 수 있다. 양적, 질적으로 우수한 데이터 와 함께라면 사용자를 위한 올바른 결정을 하는 데 도움을 준다.

 

Data Driven UX 로는 질적인, 양 적인 데이터를 사용하여 유저를 이해하고 서비 스에 대해 결정을 내릴 수 있다. 그러나 만일 데 이터에 있는 숫자만 보는 데에 집중한다면, 잘못 된 방향으로 서비스와 사용자를 이해 할 수 있 다. 데이터를 살펴볼 때 질문을 던지고 그 해답 을 읽는 과정을 거치므로 질문에 한정된 인사이 트 만을 발견할 수 있다. 그리고 그 결론에 대하 여 왜 이러한 결과가 나왔는지 이해할 수 없다. 결과에 대한 이해를 위해서는 질적인 분석을 통 하여 얻을 수 있다. Interview, Voice of customer, Survey, User test 를 통하여 이유를 추적한다. 이 러한 양적인 질적인 단계를 통하여 결정해나간 다면 첫 번째 양적 조사를 통해서는 유저가 어떠 한 지점에서 얼마나 많이 고통을 받고 있는지 찾 아내고, 그다음 두 번째 질적 조사를 통해서는 왜 이러한 일이 일어나는지 알아낼 수 있을 것이 다. (Ruwaiz Razak, 2019)

 

기존 UX 프로세스상에서 활용 할 수 있는 분 석 방법을 살펴보면 고객 데이터 분석, 로그 데이터 분석, 행동 결정 데이터 분석의 종류로 나 뉠 수 있다. 고객 데이터 분석에는 가능성 있는 고객군을 파악하고 타겟 사용자를 설정하기 위한 목적으로 설문조사, VOC 텍스트 마이닝 등이 있다. 로그 데이터 분석에는 현재 서비스를 이용 중인 사용자들의 이용 행동을 파악하기 위한 목적으로 화면상의 행동을 추적하는 히트맵, 퍼널 데이터 분석 등이 있다. 행동 결정 데이터 분석으로는 서비스내의 중대한 결정 여부를 파악하는 구매 결제 정보, 가입 결정 등을 일으키는 요 인들을 파악하는 목적으로 진행 된다. 고객 군 별 다양한 지표의 연관성을 파악하거나 추후 특 정 고객군이 일으킬 행동을 예측하는 종류의 데이터 분석이 있을 수 있다. 그 밖에 서비스에서 발생하는 다량의 데이터를 추적하는 tool들로 인 하여, 더욱 서비스의 결정사항을 뒷받침해주는 근거들이 계량화되고 있다.

 

 

 

첫 번째, Research 단계 에서는 주제에 대하여 고객 설문조사를 진행 하여 전반적인 니즈를 파 악한다. 도출된 설문 조사 결과를 바탕으로 세분 화 과정을 거친다. 두 번째, Segmentation 단계 에 서는 요인, 군집, 교차, 세그먼트 수립으로 진행 된다. 요인 분석을 통해 주제와 각 질문 요인 간 의 연관성을 파악한다. 군집 분석을 통해 유사 한 정도에 따라 다수의 객체를 군집으로 나누는 작업을 진행한다. 분류된 군집을 바탕으로 세그 먼트를 도출하고 교차분석을 통해 군집별 특성

 

 

 

인 인구 통계 정보 및 주요 특성을 정리한다. 네 번째, Service Define 단계에서는 아직 서비스가 정해지지 않은 상태라면, 새로운 서비스 아이디 어를 도출하기 위하여 시장 트렌드를 바탕으로 아이데이션을 통하여 서비스를 정의한다. 여기 에서는 데이터 분석 방법중 텍스트 마이닝을 활 용하여 연관 키워드에 대한 정보 수집 및 분석이 진행된다. 다섯 번째, User Define 단계에서는 서 비스에 대한 적합 사용자를 묘사하기 위하여 각 세그먼트의 특성을 분류하고 정의한다. 그중 가 장 큰 이슈를 가지고 있고 서비스에 대해 가장 주 사용자로 적합한 세그먼트를 선정하여 타겟 고객으로 선정한다. 분류된 특성과 함께 최적의 데이터 페르소나를 빠르게 도출한다. 그 후 인뎁 스 인터뷰를 통해 행동에 관한 심층적인 이유를 파악하고 최종 페르소나를 도출한다. 그 이후 정 의된 사용자를 바탕으로 서비스 디자인을 진행 한다. 이러한 과정을 거친다면 데이터 페르소나 단계에서 상황에 적합한 무수한 페르소나를 빠 르고 쉽게 정의 내릴 수 있다. 인터뷰 등 기간이 오래 걸리는 사용자 리서치 단계에 앞서 미리 상 황별로 퀵 페르소나를 제작한다면, 제한된 리소 스를 가지고 있는 소규모 회사나, 신속한 제품 개발이 필요한 상황에서 더욱더 효과적이게 활 용 될 것이다.

 

 

 

수집된 데이터를 활용하여 요인들 간의 연관관계를 파악하여 군 집화를 통해 고객 세그먼트를 분류하였다. 이를 바탕으로  고객의 상세 특징을 파악하여 페르소나를 제작 하는 과정을 거쳤다. 데이터 분석을 통한 페르소 나 제작은 다양한 상황에 맞추어 빠르게 사용자 의 특성을 파악하고 다수의 페르소나를 제작하 는 것에 장점이 있다. 서비스 제작에 관하여 MVP를 달성하고 프로토타입을 통해 테스트하 고 반복 개선 할 때 용이하다. 그러나 서비스를 개선하는 구체적인 상황에서 심층적 이유를 찾 아 낼 때에는 부족한 점을 발견할 수 있다. 심층 적 이유에 대한 해답을 얻기 위하여 인뎁스 인터 뷰로 보완한다면 더욱 견고한 페르소나 제작을 할 수 있을 것이다. 연구 과정에 대해 전체 프로 세스를 요약하자면 첫 번째, 요인분석을 통해 행 복도에 영향을 미치는 요인들을 도출하였다. 두 번째, 군집분석을 통해 측정 항목들에 대한 조사 대상지들의 응답 유사성 여부에 따라 조사대상

 

 

퍼소나는 프로젝트 초기단계에만 이용되는 리서치 자료가 아닌, 서비스 운영과 개선에 지속적으로 필요한 근거입니다.

 

퍼소나를 UX 리서치 초기 단계에서만 사용되는 매우 특별한 방법론이라 생각하는 사람들이 많이 있습니다. 하지만 퍼소나는 프로젝트를 만들어나가는 각 단계는 물론이고 서비스가 만들어진 이후 운영에도 지속적으로 필요한 근거자료가 됩니다. 리서치 기간에만 잠깐 사용자를 만나는 것은 의미가 없습니다! 특히 퍼소나는 디자이너뿐만 아니라 마케터가 광고를 집행하거나 SNS 마케팅을 위한 콘텐츠를 작성할 때 도움될 수 있으며 영업 담당자에게는 영업 채널을 확보하고 전략을 세우는데 중요한 역할을 할 수 있습니다.

 

 

 

페르소나 장점

 

 

첫 번째 디자인 의사 결정에서 어떤 제품을 디자인해야 하는지, 어떤 기능을 갖춰야 하는지 쉽게 결정할 수 있다. 페 르소나의 목표와 과업은 디자인에 중요한 밑거 름을 제공한다.

 

두 번째 원할한 의사소통이 가능 하다. 임원진은 물론 개발자, 디자이너와의 의사 소통이 수월해진다. 중요한 디자인을 토론할 떄 페르소나를 활용하면 누구나 사용자가 누구인지 쉽게 이해할 수 있다.

 

세 번째 쉽고 빠른 이해가 가능하다. 팀의 의견을 하나로 모으기가 쉬워진 다. 페르소나를 활용하면 팀원 모두가 사용자와 디자인 컨셉을 쉽게 이해할 수 있기 때문이다.

 

네 번째 효과적인 디자인 테스트가 가능하며 디 자인이 적절한지 판단할 수 있는 기준을 제공한 다. (Hong, 2014).