💡 25-05-28 (수)
처음에는 너무 어렵고 힘들었는데 계속 하다보니까 익숙해져서 좀 재미있는거 같음 ㅎ
UX 리서치 분석 결과란?
: 리서치를 통해 얻은 결과물에서 활용 목적에 맞는 인사이트를 잘 도출해 내는 것
▶︎ 리서치 프로세스의 마지막 단계
1️⃣ 결과정리 (수집한 자료들 정리)
2️⃣ 결과분석 (정리된 자료들을 기반으로 공통 패턴이나 문제점, 감정, 행동흐름 분석)
3️⃣ 인사이트 도출 (단순 관찰이 아닌 어떤 식으로 디자인을 해나갈지, 뭘 개선해야 하는지 알 수 있다 )
수집한 데이터 (정성적,정량적)를 정리, 해석하고 인사이트를 전환하는 핵심 과정 ‼️
조사 결과 정리
✅ 끝난 직후에 바로 정리해두기
'1차 정리'에서 엑셀 시트에 질문, 응답자별로 분류한다
▶︎ 혼선 방지를 위해 각 응답자별로 고유 식별자 부여 (2번 그룹의 3번 참가자 : 2-3)
'2차 정리'에서는 상세 응답 별로 코드를 부여해 재정리한다
🟥 목표 (goal) - 응답자가 성취하고자 하는 것
🟧 니즈 (Needs) - 목표를 달성하기 위해 응답자가 필요로 하는 것
🟨 동기 (Motivation) - 응답자가 목표를 달성하고 싶어하는 이유
🟩 과업 (Task) - 응답자가 목표를 달성하기 위해 하는 일
🟦 페인포인트 (Pain point) - 목표 달성을 방해하는 장벽, 어려움
🟪 도구 (Tools) - 목표를 달성하기 위해 활용하는 도구
✅ 정량 조사 결과
결과를 정리할때 정성과 정량조사 기록은 구분해서 보관해야 한다
✅ 정성 조사 결과
▪️ 텍스트 기록 꼼꼼히 하기 + 녹화/녹음 잘 해두기
▪️ 기록 시 정리해서 기록 금지 / 인터뷰 응답 내용을 그대로 적기
정량 조사와 정성 조사의 차이
☑️ 정량 조사
-> 무슨 일이 일어낫는지 정량적으로 분석
▫️ 통계를 사용하여 데이터를 측정, 식별, 파악함
▫️ 넓은 관점에서의 통찰력을 제공함
☑️ 정성 조사
-> 왜 그런 일이 일어났는지 정성적으로 접근
▫️ 비수치적 데이터에 숨겨진 의미와 의도를 파악함
▫️ Why?와 How를 밝혀내어 인사이트 파악함
▶️ 정량과 정성은 서로 보완관계이며, 두가지를 잘 병행해야 적절한 의사결정을 내릴 수 있다
조사 결과 분석
📌 어피니티 다이어그램
리서치로부터 얻어낸 정성적이고 파편화 된 정보들 속에서 의미 있는 규칙을 발견하기 위한 그룹핑 기법이다
▶︎ 정성적인 데이터를 분석할때 많이 사용
유사한 피드백끼리 묶어주고 주제별로 그룹화 한다
보라색은 상위그룹이다 문제점들의
노란색은 하위그룹이다
1️⃣ 찾아낸 정보를 포스트잇에 정리한다
✔️ 해석하거나 요약하지 않고 실제 사용자 말투 그대로 적는다
✔️ 포스트잇에는 하나의 아이디어만 적는다
✔️ 비슷한게 계속 나오면 계속 적어야만 중요도를 알 수 있다
2️⃣ 찾아낸 정보 중 관련성이 높은 정보들을 그룹핑 한다
✔️ 일단 비슷한 내용끼리 묶고 그룹명은 나중에 정한다
3️⃣ 그룹핑 된 정보별로 라벨링을 한다
✔️ 사용자가 직접 얘기했었던 내용으로 직관적인 주제명을 적는다
✔️ 너무 기능적으로 적기 보다는 감정, 동기 중심의 명칭이 좋다
✔️ 추상적 보다는 구체적으로 적는다
4️⃣ 각 정보별 우선순위 정리 및 해결방안을 찾고 브레인 스토밍한다
✔️ 해결책 아이디어가 디자인 전략의 초안이 되어 와이어프레임이 나온다
인사이트 도출 (Synthesis)
디자인 근거를 확보하려면 3단계가 중요하다 ‼️
1️⃣ Fact : 조사 대상자로부터 보고, 듣고, 관찰하여 알게된 사실 정보
▶︎ 해석 없이 있는 그대로의 사실과 행동을 받아들인다
2️⃣ Insight : 여러가지 팩트들 사이에서 나오는 패턴, 인사이트, 요인
▶︎ 심층적 의미를 찾는 단계
3️⃣ So-What : 팩트와 인사이트에 기반해 나온 결론 (어떤 액션을 취해야 하는지)
▶︎ 그래서 우리가 어떤 액션을 취해야 하는지? (기능, UX Writing)
➡️ 실제 실무에서 UX 리서치를 할때 이런 식으로 사고 방식이 돌아간다
서비스를 성공으로 이끄는 UX Research
✔️ 우버
"모든 사람이 사용하는 물처럼 믿을 수 있는 교통수단을 만들겠다"
UX 리서치에서 데이터 숫자만 파악하는것이 다가 아니다
▶︎ 하나의 가격으로만 가면은 수익은 안정적으로 창출되지만, 여러가지 프라이스를 제공하면 수익이 더 넓게 창출된다
우버는 고객들의 지도, 날씨 데이터를 엄청나게 많이 보고, 분석한 데이터들을 통해 가격을 비싸게 또는 싸게 받는다
또한 고객들의 배터리가 얼마나 남았는지를 파악해서 배터리가 없으면 고객이 급하다고 판단해서 가격을 더 높게 받았다
🔽
금액을 점차 올려가며 사용자가 지불할 의사가 있는 최대 금액도 함께 분석했다
🔽
우버 드라이버들이 돈 벌려고 활동적이니 택시 잡는 성공률도 더 올라가게 되었다
☑️ 드라이버의 생각을 먼저 듣고 a/b 테스트하기
우버의 배경은 언제 어디서든 믿을 수 있는 이동수단을 제공하는 것이다
중요 요인은 운전 기사에 대한 사용자들의 신뢰도 !
우버 드라이버들의 데이터를 모으려고 했지만 범위가 너무 커서 인사이트를 하나로 잡기가 힘들었다 (UX 리서치 하기 어려움)
▫️ 이번 주 얼마나 자주 운전할 예정이신가요?
▫️ 실제로 얼마나 운전하셨나요 저번에 계획했던 것과 일치했나요
▫️ 베타 서비스의 ㅇㅇㅇ 기능을 사용해보셨나요?
▫️ 만약 사용했다면, 계획했던 운전 횟수를 달성하는데 얼마나 도움받았나요?
▶️ 일반 사용자뿐만 아니라 드라이버도 고객층에 포함되어 있었기 때문에 그들에게 맞는 혜택을 제공하기 위한 설계도 UX 리서치를 통해 진행되었다
✔️ 스포티파이
"당신에게는 광고를 안 볼 자유가 있다"
"스포티파이에서 당신이 스킵 할 수 있는 광고 개수는 제한이 없습니다 정말로요."
사용자들은 항상 광고를 스킵하는데 최대 6번만 하고 그 더 이상의 스킵을 하지 않았다
➡️ 예전에 스포티파이에서 "1시간에 6곡까지만 광고를 스킵할 수 있다"라고 한것을 사용자들이 "전체 광고 스킵이 6개까지만 가능하다"라고 오해를 했기 때문이다
스포티파이에서는 CTR(클릭율)이 높으면 사용자들의 만족도도 같이 높을거라고 생각했다 (❌)
또한 CTR 하나만으로 충분한 인사이트를 얻기엔 부족했다
더 깊은 조사를 위해 클릭률(양적 데이터) + 사용자 인터뷰(질적 데이터)를 같이 했다 (Triangulation Mixed Methods)
무료/프리미엄과 신규 사용자/경험 사용자로 나누었다
➕ 코호트(Cohort) : 비슷한 특징을 가진 사람들을 묶은것
▪️ 다양한 목적의 사용자들
👤 새로운 장르나 아티스트를 찾아서 플레이리스트에 추가해야 성공이라고 생각한다 (정리)
👤 음악을 추천하거나 받으려 오는데 음악을 듣고 나서 만족해야 성공으로 느껴진다 (공유)
▪️ 검색 방식
음악을 바로 듣고 싶은 사용자라고 해서 검색 결과의 상단 노출만이 중요한 것은 아니었다
원하는 결과가 바로 보이지 않더라도 사용자들은 스크롤을 내리며 다양한 음악을 구경하고 미리 들어보는 과정 자체를 즐거워했다 😮
🔴 클릭률 - 아무리 검색결과 기능을 더 개선시켰어도 빨간선이 눈에 띄게 변하지 않았다
🔵 Success Rate - 수정했더니 그래프가 민감하게 바뀌었다
상단 클릭율을 많이 할수록 만족도가 높다는 것이 이들의 기존 지표였다
질적 연구들을 통해 사용자의 행동을 반영한 지표를 만들었고 이것들을 기반으로 ui를 개선했다
▶️ 사용자들마다 검색결과를 다르게 추천해주는 방향으로 개선
💡 닐슨 노먼 그룹에서 사용한 Triangulation Mixed Methods
https://youtu.be/sBchy35JqaQ?si=jG1-Ori6ddCeRcvV
✔️ 에어비엔비
"진짜 전자레인지가 있을까?"
사람들이 숙소를 고르는 이유와 원하는 편의시설이 있는지 등을 중요하게 생각한다는것을 알아냈다 그 중에서도 전자레인지의 여부를 중요하게 생각했다
➡️ 사용자 경험을 개선하기 위해 Ai 이미지 분석 기능을 만들었다
그리고 사용자가 진짜 원하는 또다른 것은 와이파이이다
기존에는 숙소에 와이파이의 제공 여부만 있었지만 속도문제 때문에 불편함이 많았다
➡️ 해당 호스트들의 집에서 와이파이 속도가 얼마나 나오는지 측정하는 기능을 추가했다
이때까지 3개의 대기업을 알아봤는데 전부 데이터를 기반으로 디자인하는걸 알 수 있다 ⭐️
✏️ 페인 포인트로 부터 도출 된 내 화면 서비스의 기획 / 와이어프레임 작성하기
페인포인트는 보통 사용자가 서비스나 기능을 사용할 때 겪는 불편함이나 어려움을 말한다
근데 요즘 UX 리서치에서는 단순히 기능적 불편만이 아니라 ‘심리적 저항’이나 ‘감정적인 어려움’도 중요한 페인포인트로 간주된다
나는 “루틴 실패 시 부정적 감정을 느낀다”를 단순한 감정이 아니라 지속 사용을 방해하는 실질적인 페인포인트라고 생각했다
➡️ 루틴 실패 시 위로/다짐 메시지를 성공시 칭찬 메시지를 전하며 감정 케어를 해주고 루틴 실패 이유를 분석해주는 기능
➡️ 루틴 실패 원인을 기반으로 자동으로 맞춤 루틴/투두리스트를 설계해주는 기능
➡️ 현실적인 계획보단 이상적인 계획을 짜며 스스로 계획을 짜기 힘든 사람들을 위한 AI 루틴 코칭 기능
