2014년 10월 29일 수요일

R을 사용하여 동적 대시보드 만들기(Shiny 활용)


웹 분석 툴의 양대 강자로는 Adobe Analytics와 Google Analytics가 있습니다. 두 솔루션 모두 훌륭한 기능을 제공하고, 다양한 보고서 형태로 원하는 데이터를 손쉽게 확인 할 수 있습니다. 그럼에도 아쉬운 점은 대시보드에서 데이터를 보는 데에 한계가 있으며, 조금 더 동적으로 유연하게 데이터를 볼 수 있으면 좋겠다는 생각을 했습니다. excel형식으로 데이터를 다운로드 받아 분석을 하거나 다른 형태로 표현 할 수 있지만, 원하는 데이터를 매번 다운로드 받아서 변형하고 분석하기에는 번거롭습니다. (Adobe Analytics는 Excel 연동 프로그램을 제공하여, Excel에서 직접 데이터를 불러와서 활용 가능)



이와 같은 번거로움을 해결하고, 데이터를 불러와서 바로 반영할 수 있는 방안들이 있습니다. R을 활용하여, Adobe Analytics와 Google Analytics에 연동하는 방식을 사용 할 수 있습니다. 훌륭한 R 개발자 분들이 만들어 놓은 패키지를 활용하는 방법입니다. Adobe Analytics와 Google Analytics 모두 R 패키지를 이용해, API에 연동하고 데이터를 불러 올 수 있습니다.

Adobe Analytics 는 RSiteCatalyst 패키지를 활용하고, Google Analytics는ganalyticsRGoogleAnalyticsrga를 활용 할 수 있습니다. (패키지를 사용하여 데이터를 불러 오는 방식은 추후에 포스팅 예정)

위의 패키지를 사용하여 R에서 데이터를 불러와서, 솔루션에서 제공하는 기능 이상의 분석과 대시보드를 구현 할 수 있습니다. R의 Shiny 패키지는 웹 어플리케이션을 개발 할 수 있도록 만들어진 패키지 인데, Shiny를 활용해 웹 페이지에서 분석결과를 동적으로 활용 할 수 있습니다.

R에서 사용하는 시각화 패키지 및 데이터 분석 패키지를 사용하여, 웹 프로그래밍 언어기반의 UI를 구성하여 브라우저에서 표현이 가능합니다.

다음은 특정기업의 데이터 예를 사용하여 레퍼러 유형의 트랜드를 확인한 결과 입니다.


레퍼러 유형을 사전에 설정하고 동적으로 데이터를 확인 할 수 있습니다. 레퍼러 외에도 다양한 지표를 설정할 수 있고, 기간 등도 동적으로 확인 할 수 있도록 UI를 수정할 수 있습니다.

또한, 솔루션에서 일반적으로 제공하지 않은 다양한 통계 분석을 시도해 볼 수 있습니다. 다음은 K-means 군집분석을 웹 지표들을 활용하여 분석 한 결과 입니다.


PC, Mobile Web, Mobile App으로 차원을 구분하여 트래픽 지표들의 군집관계를 볼 수 있도록 설정해 놓았습니다. 군집의 개수를 선택하여 원하는 형태로 트래픽 지표들의 관계를 확인 할 수 있습니다.


이와 같이 솔루션에서 제공하는 기능 외에, API를 연동하여 데이터를 불러오고 통계분석을 진행한 뒤, R의 Shiny 패키지를 활용하면 동적인 대시보드로 데이터를 확인 할 수 있습니다.

웹 분석 솔루션은 손쉽게 디지털 데이터를 수집하는 기능을 제공합니다. 이렇게 수집한 자사의 데이터를 분석 솔루션 내에서만 활용하는 것이 아니라, 원하는 결과를 얻기 위한 목적 지향적인 방법으로 사용한다면 더 많은 가치를 얻을 수 있을 것입니다.

2014년 10월 2일 목요일

UX의 20%는 기술, 80%는 심리학


vdlab.co.kr

UX 디자인은 테크놀로지 보다는 심리학이다.

웹 사이트를 구축할 때, 테크놀로지가 중요한 것은 의심의 여지가 없습니다. 그러나 사용자 경험은 오히려 심리학에 더 기반해야 하며, 심리학은 방문자의 정서와 감정을 활용하여 원하는 결과를 얻을 수 있도록 도움을 줄 수 있습니다.

웹 사이트에 유입한 방문자는 잠재의식에서 “괜찮다”, “불편함이 없다” 의 정서를 느끼고, 사이트에서 활동을 계속 진행 할 것인지 아닌지의 의사결정은 8초 이내에 이루어 진다고 합니다.


quotient.net

UX 디자인에 영향을 미치는 심리적 요소 10가지


       1. 사람은 해야 할 것 이상의 것을 생각하거나 행동하지 않으려 한다.

이 주제에 대해서 대부분은 동의 할거라 생각합니다. 사람들은 열심히 일하고, 열정적으로 살아가지만, 키보드 뒤에 개인은 궁극적으로 게으르고 싶어합니다.


       2. 사람의 능력에는 한계가 있다.

사람들은 특히 집에 있을 때, 미디어로 둘러싸인 환경 속에서 다양한 경험을 합니다. TV를 보면서 웹사이트를 접속하기도 하고, 동시에 휴대폰으로 친구에게 메시지를 보내기도 합니다. 이러한 행동들은 현대 우리 사회에서 일상적이고 흔한 일이며, 사람들은 동시에 다양한 일을 하는 멀티 태스킹 능력을 고수하려 할 것입니다. 하지만 멀티 태스킹의 한계는 존재하고, 사람들은 잘 하지 못합니다.


ksup.com

       3. 사람은 비이성적인 실수를 한다.

우리는 모두 때때로 실수를 합니다. 하지만 실수라는 것은 원해서 하는 일은 아닙니다. 알람을 여러 개 맞춰 놓고, 스누즈 버튼을 계속 누르거나, 해서는 안될 일에 충동적으로 돈을 쓰기도 합니다. 그러나 디지털 세계에서 실수는 어떨까요? 사용자가 컴퓨터 상에서 실수를 했을 때는 어떤 일이 발생할까요? 그리고 실수에 대한 경험은 어떻게 작용할까요?


       4. 사람의 기억 체계는 복잡하다.

사람은 정보를 획득할 때 감각 메모리에서 단기 메모리로 이어지는 두 가지 프로세스를 거쳐 정보를 저장합니다. 첫 번째는 자극의 패턴을 인식하여, 새로운 정보를 기존의 패턴과 일치 시켜 보기 위해 장기 기억을 탐색하는 과정입니다. 두 번째 프로세스는 단기 기억에 자극이 도달할 때까지 주의를 집중하는 과정이며, 이 단기 기억은 청각과 시각에 의해 정보가 입력됩니다. 사람의 단기 기억은 전두엽에서 처리되므로 일반적으로 30초 정도 지속이 되며 정보 저장능력에 한계가 있습니다.


       5. 사람은 사회적 동물이다.

사람은 기본적으로 어딘가에 소속되길 원하고 타인의 동의를 얻고 싶어합니다. 그리고 타인과의 연결은 사회(환경)에서 살아남을 기회를 높여주는 능력이기 때문에 매우 중요합니다. 공동체 안에서 서로 신뢰하고 규율을 지키는 행위는 각자의 목표를 달성하는데 도움을 주며, 안정된 삶을 유지하는데 가장 중요한 요소입니다. 과거 수렵-채집 시절, 큰 집단에서 서로가 함께 사냥하고 조직의 체계를 따르는 것은 자신의 가족을 지킬 수 있는 가장 빠른 방법이며, 굶주림과 죽음을 피할 수 있는 효율적인 방안이었습니다.


       6. 사람의 주위(attention)는 쉽게 흐트러진다.

사람은 “변화 맹시(Change Blindness-앞뒤 장면 사이에 명백히 보이는 변화를 포착하지 못하는 현상)”라고 부르는 현상에 빠져들기 쉽습니다. 자신이 집중하는 것에만 몰입되기 때문에, 주변에서 발생하는 변화를 의식하기 어렵습니다. 사람들이 무언가에 집중하고 있을 때, 실제로 변화의 차이를 알아채는 방식을 아는 것은 흥미로운 일입니다. “변화 맹시” 현상을 웹 페이지에 대입해보겠습니다. 디자이너는 페이지에 작은 변화를 주었다고 하지만 방문자는 알아채지 못할 수도 있습니다. 하지만 변화를 인지하는 특정 시점이나 변수는 존재합니다. 예를 들어, 분명하게 다른 컨텐츠를 노출하거나, 글자의 굵기를 바꾸는 등 사이트 변화의 차이를 인지시키는 요소를 찾는 것은 중요합니다.


ohnnyholland.org

       7. 사람들은 정보를 갈망한다.

정보를 갈망하는 심리적 요인은 단순하게 신경 전달 물질인 도파민에 의한 작용입니다. 도파민은 뇌에서 분비되는 화학 물질로, 사랑, 음식, 섹스 심지어 정보를 추구하는 행위를 만드는 작용을 합니다. 이와 같은 행동들을 하거나, 할 것이라고 기대하는 사고 조차도 도파민 분비를 촉발시켜 기분 좋은 정신상태를 만들어 줍니다. 사람들은 웹사이트에서 정보를 얻길 원합니다. 그리고 이는 도파민의 영향이며, 사랑, 음식, 섹스와 연관짓어 보면 흥미로운 아이디어를 도출 할 수 있을 것입니다.


       8. 대부분의 정신과정은 무의식적으로 처리된다.

정서에 관련된 일들은 뇌의 특정 영역에서 모두 처리되며, 이 영역은 정서적 충동이 발생하는 핵심입니다. 즉, 사람의 의사결정에 가장 큰 영향을 미치는 곳입니다. 구뇌(old-brain: 생존과 관련이 있는 정보를 처리하는 곳)와 정서뇌는 외부 자극에 대한 감각작용에 있어서 매우 밀접하게 연결되어 있으며, 만약 구뇌가 두려움이나 욕구와 같은 정서에 반응한다면, 정서뇌는 이 정보를 의미 있게 처리하여 기억에 각인 시킵니다.

사람은 자연스럽게 시각적으로 정보를 처리하기 때문에, 그림이나 사진에 가장 먼저 반응합니다. 따라서 시각적인 변화는 쉽게 알아챌 수 있습니다. 이야기를 듣거나 책을 읽을 때, 사람의 뇌는 이를 이미지로 형상화합니다. 형상화된 이미지는 내재적으로 정서를 불러 일으킵니다. 비행기의 날개가 부서져 불타는 뉴스를 들었다고 상상해보겠습니다. 이 뉴스의 이야기는 빠르게 정서뇌에 영향을 미칠 것입니다. 포르노 사진, 음식 사진, 잠재적 위험성이 가미된 이야기는 우리의 주의를 집중 시키고 구뇌는 중뇌와 함께 정서에 영향을 미칩니다.


       9. 사람은 정신모델을 만들어낸다.

사람은 자신의 정신모델과 개념모델이 조화가 이루어 지지 않을 때(예상과 실제가 부조화를 이룰 때), 부정적인 사용자 경험을 겪게 됩니다. 방문자의 기대(정신모델)와 다르게 어긋난 감각 활동(사용자 경험)은 익숙해지기 어렵고, 개념모델은 지속 될 수 없을 것입니다.


       10. 사람의 시각 시스템을 이해하라.

사람은 자극을 받아 들일 때, 먼저 전체 형태를 지각하고 구체적이고 작은 변화를 알아챕니다. 만약 여러분의 웹 사이트가 “방문자의 기분을 좋게 하지 못하는” 형태라면, 그 디자인은 절대 수용되지 않을 것입니다. 일반적인 디자인 과정처럼 네비게이션을 설계하고, side bar를 설계한 후, 버튼을 설계하는 방식은 효율적이지 못합니다. 사람의 시각시스템 프로세스처럼, 전체적인 프레임을 구성한 후, 내용을 채워 넣어야 합니다. 사이트의 웹 페이지 설계 시, 방문자가 지속적으로 활동하고 사이트와 좋은 관계를 갖도록 하기 위해서는 각 페이지 디자인의 전체적인 형태는 동일하게 유지시켜야 합니다. 그렇지 않다면 전체적으로 웹사이트의 일관성이 없다는 느낌을 심어 줄 것입니다. 보통은 동일한 테마의 웹페이지를 설계하지만, 시각 시스템의 처리 방식으로 디자인을 한다면 미쳐 놓치고 있던 부분을 발견 할 수 있을 것입니다.


jessicavallance.co.uk

사용자의 행동과 사용자 자체를 이해하기 위해서는 기술을 이해하는 것 뿐만 아니라, 사람의 마음을 완벽하게 이해하는 것이 무엇보다 중요합니다.

참고: pixelrevival.com

2014년 8월 18일 월요일

데이터 분석의 시작



기업들은 각자의 방식으로 자사의 데이터들을 분석하고 활용하고 있습니다. 외부 솔루션을 활용하거나, 자체적인 분석역량을 동원하여 데이터를 수집하고 분석하고 보고하고 있습니다. 이와 더불어, 산재해 있는 데이터를 어떻게 활용을 해야 하는지, 무슨 데이터를 볼 것인지에 대한 고민도 함께 있을 것입니다. 또한 방대한 양의 데이터를 혼자서 엑셀로 처리하기에도 한계가 있습니다.

그래서 비교적 쉽게 데이터 분석에 접근 할 수 있는 방법이 무엇일지 고민해 보았습니다. 그 핵심은 ‘보유하고 있는 데이터를 이해하기 쉽게 표현해 내기’라고 생각합니다. 즉, 시각화(Visualization)라고 할 수 있습니다. 시각화의 시작은 거창한 인포그래픽, 화려한 그림과 숫자가 아니라, 보는 이가 이해하기 쉽도록 내용을 구성하는 것입니다.

최근에는 유료 데이터 분석 도구뿐만 아니라, 오픈소스 패키지를 통해 다양한 방식으로 데이터를 처리하고 시각화를 하고 있습니다. 저는 온라인 쇼핑몰 데이터를 분석하고 현황을 탐색하기 위해 고려대 통계학과 허명회 교수님의 블로그를 통해 시각화 아이디어를 얻고 있습니다(Using R).

상자그림(box plot) 활용



위 그림은 box plot(상자 그림)을 활용하여, ‘우리나라 18대 국회의원 선거구의 선거인수 분포’를 나타낸 그림입니다. 상자그림에서 상자의 중앙선은 자료 분포의 중간값을 나타내고, 상자의 아래/위 모서리는 하위 사분위수와 상위 사분위수를 나타냅니다. 상자에 연결된 줄의 양 끝은 특이점이 아닌 자료 값들의 최소값과 최대값에 위치합니다. 특이점이 있는 경우, 줄의 양 끝 바깥에 동그란 점으로 찍힙니다.

상자그림(box plot) 분포도의 논리는 ‘쇼핑몰의 카테고리 별 상품분류의 구매 수 현황’ 탐색에 활용 할 수 있습니다. 쇼핑몰에서 판매하는 제품들은 카테고리별로 나누어져 있으며, 각 카테고리 별 제품들은 서로 다른 구매력을 갖고 있습니다. 특정 카테고리의 제품들은 골고루 잘 팔리는 반면, 불균형하게 일부 제품만 팔리는 경우도 있습니다. 아래 그림은 임의의 데이터를 활용하여 쇼핑몰에서 분석 할 수 있는 카테고리 별 제품 판매 현황입니다.



카테고리 내 상품들의 구매 수를 분석 한 결과, 최대값은 최소값의 약 2.5배이고, 하위 사분위수는 상위 사분위수의 1.4배입니다. 그만큼 카테고리 내 제품 구매의 불균형도가 크다는 것을 의미합니다.



여러 개의 자료 묶음으로 카테고리를 나누어 보면 비교에 있어 시각적 효과가 좋습니다. 화장품 카테고리의 중간값이 가장 크고, 채소&과일&계란이 가장 작게 나타나 있습니다. 채소&과일&계란과 어린이제품의 경우는 카테고리 내 상품간 구매 수의 불균형이 높은 것을 알 수 있습니다. 건강식품, 음료, 간식의 경우에는 하얀색 점을 볼 수 있는데, 이는 특정 제품에서 특이점을 보일 만큼 구매수가 높았다는 것을 발견할 수 있습니다.


이와 같은 방법을 사용하면 제품 판매에 대한 분포를 한눈에 볼 수 있습니다. 제품 카테고리의 하위 카테고리를 개별 상품과 연계하여 더 세분화한 분포를 보는 것도 의미가 있을 것입니다.

결론

데 이터 분석은 작은 아이디어에서부터 시작할 수 있습니다. 무슨 데이터를 어떻게 보아야 할지는 Small Data부터 보기 좋게 나열해 놓으면서 시작해 보시기 바랍니다. 그러면 그 시작이 Big Data로 가는 첫걸음이 될 것입니다.

메인 이미지 출처: zdnet

Geo 정보를 활용한 데이터 분석 - 데이터 시각화

스마트폰의 발전으로 현재는 스마트 모바일시대라고 불리웁니다. 모바일의 트래픽이 PC의 트래픽을 넘어서고 있으며, 모바일의 위상은 점점 커지고 있습니다. 모바일 시대가 자리잡으면서 모바일의 주요 특징 중 하나인, ‘위치기반서비스’가 핵심 서비스로 부상하고 있습니다. GPS를 활용한 Geo-Fencing서비스, 블루투스를 활용한 애플의 아이비콘 등이 대표적인 예라고 할 수 있습니다.


<Geo-Fencing 서비스 예>


이와 같이 지리정보를 활용한 다양한 서비스들이 존재하고 있다는 것은 지리정보의 가치가 상당히 의미 있게 쓰일 수 있기 때문입니다. 또한, 지리정보를 활용한 데이터 분석 결과는 시각화가 필수적이며 가치 있는 내용을 한눈에 볼 수 있습니다.

지리 데이터 분석

일반적으로 기업들은 온라인과 오프라인 정보를 수집하고 있으며, 지리(지역)정보도 함께 수집하고 있을 것입니다. 분석가는 수집되고 있는 지리정보를 활용하여 다양한 분석을 시도 할 수 있고, 이미 많은 가치 있는 인사이트를 얻고 있습니다.

그렇다면 지리정보를 활용하여 실제 어떤 분석을 할 수 있으며, 어떤 재미있는 결과들을 알 수 있을까요? 서울시에 설치된 공공 wifi 현황 데이터를 활용하여 지리정보를 활용하는 방법을 알아보겠습니다.

서울에 설치된 공공 wifi는 KT, LGU+, SKT, 서울시가 설치하였으며 데이터는 설치기관과 설치장소, 설치좌표로 이루어져있습니다. 먼저, 기관별 공공 wifi가 서울시에 어떻게 분포되어 있는지 확인해 볼 수 있습니다. 데이터에 있는 경도와 위도를 구글맵에 얹어 시각적으로 표현해 보겠습니다.

통계 분석 툴인R을 활용해 구글맵의 서울시 지도를 불러 온 후, 데이터 파일에 있는 좌표에 맞추어 점을 찍어 줍니다.



색으로 각 기관을 구분해 놓았으나, 정보가 한눈에 들어오지 않고 이해하기 어려운 형태로 보여지므로, 기관별로 묶어주는 선을 그린 다음, 4가지 기관을 구분하여 표현해 줍니다.



서울시 전역에 흩어져 있는 공공wifi의 현황을 기관별로 이해하기가 쉬워졌습니다. KT는 종로구 쪽에 집중적으로 공공wifi를 설치하였고, LGU+는 서울 전역에 골고루 설치한 것을 볼 수 있습니다.

추가적으로 설치 장소 별로는 어떤 특징이 있을까요?



KT는 관광명소, LGU+는 주요거리, SKT는 공원, 서울시는 공공청사를 중심으로 공공wifi를 설치한 것을 알 수 있습니다.

이와 같이 지리정보를 활용하여 지도에 원하는 항목이나 수치를 표현해 주는 시각화는 데이터를 쉽게 이해 할 수 있게 해줍니다.

마케팅 적용 방안

기업이 보유하고 있는 지역 데이터를 활용하여 위와 같이 시각화로 표현해 보는 것은 매우 의미가 있습니다. 온라인에서 구매하는 상품과 오프라인에서 구매하는 상품의 차이는 분명히 있을 것이고, 여기에 지역정보를 추가하여 분석해 보면 가치 있는 정보를 얻을 수 있습니다.

특정 기업의 온라인 몰을 많이 이용하는 고객들이 밀집한 구역과 그 구역에서 많이 팔리는 상품들을 지도위에 펼쳐놓고 확인해 본다면 재미있는 마케팅 인사이트를 얻을 수 있을 것으로 생각됩니다.

예를 들어, 들고 이동하기에 무거운 생수는 온라인 몰에서 많이 팔리는 상품 중 하나입니다. 그리고 일반적으로 물과 같은 상품은 특정 브랜드에 대한 고객의 충성도가 높고 전환율도 높습니다. 온라인 몰에서 생수를 많이 사는 고객들은 사이트 재방문율이 높으므로 마켓 타겟팅에 활용하기에 좋은 고객군입니다. 이들이 많이 살고 있는 지역이나 구역의 오프라인 매장(특히, 대형마트)에 적극적인 마케팅을 진행해보는 것도 의미가 있을 것입니다. 온라인 고객의 충성도를 오프라인까지, 역으로 오프라인 고객의 충성도를 온라인으로 활용할 수 있습니다.

이와 같은 방식으로 매출이 높은 상품을 온라인/오프라인으로 구분하여 지역적 괴리를 살펴보는 등 다양하게 데이터를 만져본다면, 흥미로운 결과를 도출 할 수 있으리라 생각됩니다.

Attention - Oriented Design: 성공적인 랜딩 페이지 만들기

마이크로소프트사의 Chao Liu의 연구에 따르면, 웹사이트에 방문한 사용자의 평균 체류시간은 10~20초 정도라고 합니다.



대부분의 방문자는 10~20초 정도 사이트를 머물고 이탈하지만, 그 시간내에 방문자가 이탈하지 않도록 관리한다면 사이트 체류시간을 늘릴 가능성은 있습니다. 방문자들은 보통 온라인 컨텐츠 중 의미있는 변수들을 빠르게 인지하고, 불필요한 내용을 접하면 주의 집중이 흐려지곤 합니다. 사이트를 방문자 새로운 고객에게 접속 후 초기 10초 내에 가치를 주지 못한다면 방문자는 떠나게 되고 사이트가 주고자 했던 가치는 그 즉시 잊혀질 것입니다. 랜딩 페이지는 방문자가 원하는 올바른 위치에 존재하여야 그 가치를 발현 할 수 있습니다. 방문자(고객)의 주의를 집중 시킬 수 있는 랜딩 페이지를 디자인 할때 필수적으로 고려해야할 가이드 라인이 있습니다.

설득하려는 포인트에 우선순위를 두어라!

웹 페이지의 상담은 하단 부분과는 다르게 스크롤 하지 않고도 볼 수 있는 부분이며, 모든 웹사이트에서 고객의 주의를 사로 잡을 수 있는 가장 중요한 영역입니다. 사이트에 접속한 방문자가 가장 먼저 인지하는 곳이므로, 이 페이지는 방문자에게 다음과 같은 3가지 물음에 즉각적으로 대답을 줄 수 있어야 합니다.

1. 방문자에게 무엇을 줄 수 있는가?

2. 흥미를 끄는 오퍼는 무엇인가?

3. 방문자는 그 다음에 무엇을 해야 하는가?

특정 페이지에 대한 방문자의 주의 집중도를 측정 하는 방법이 있습니다. Attensee라는 툴을 활용하여 특정 페이지를 바라보는 고객의 주의가 어떻게 변하는지, 어떤 요소에 주의가 집중되는지 알 수 있습니다. 이 정보를 활용하여 방문자의 시각적 커뮤니케이션 패턴을 알 수 있으며, 방문자의 주의를 끄는 요소가 무엇인지, 어떠한 형태로 이어지는지 확인 하는 것은 중요합니다.




불필요하게 주의를 분산시키는 요소는 제거하라!

폴란드의 거장 영화감독인 키에스롭스키는 영화의 모든 장면은 목적이 있다고 이야기했습니다. 즉, 모든 장면은 무엇이든 전달하고 있으며, 관객에게 메시지를 줍니다. 인간은 대화를 하는 종이며, 서로가 서로에게 스트로리를 전달 할 수 있다는 것을 알고 있습니다. 웹사이트 마찬가지 입니다. 페이지 레이아웃에 규칙 없이 흩어져 있는 요소들은 마케팅 메시지(AIDA cycle - Attention, Interest, Desire, Act)를 전달하는데 방해를 줍니다. 제품의 상세 정보 페이지인 미니멀리스틱 디자인 예를 관찰해 보고 적용해 보세요. 상품에 대한 Great 정보를 우리에게 전달해주는 것처럼, 페이지의 모든 요소들은 그 목적이 있다는 것을 알 수 있습니다.




Takeaways

랜딩 페이지를 디자인 할 때 기억해야 할 3가지 요소.

  • 방문자가 웹사이트에 접속한 초기 10~20초 동안, 랜딩 페이지의 목표는 방문자가 원하는 가치를 즉각적으로 보여주는 것입니다. 사람들은 웹사이트를 읽지 않습니다. 가치 있는 정보 위주로 훌어 볼 뿐입니다. 방문자에게 가치를 빨리 전달하면 할 수록, 방문자들은 더 오래 머물고, 더 많이 읽을 것이고, 사이트가 의도하는 바(구매, 신청, 가입 등)를 시도할 가능성이 높아 집니다.

  • 웹사이트 상담 부분에서 발생하는 주의 분산은 측정과 최적화가 가능합니다. Attensee와 같은 툴은 사이트에서 제공하는 요소들이 고객의 주의를 어떤 방식으로 집중 시키는지 확인 할 수 있습니다.

  • 사용자의 주의 집중 기간은 한계가 있으므로, 잘 활용해야 합니다. 웹사이트 디자인에 더 집중하도록 만들고, 주의를 분산 시키는 요소를 제거한다면, 고객에게 제공하려는 마케팅 메시지를 직접적으로 연결 시킬 수 있을 것입니다.

직관에 어긋나는 A/B 테스트 결과



많은 고객사들은 웹사이트 최적화를 위해 다양한 테스트를 진행합니다. 그리고 가장 기본적인 테스트는 A/B 테스트 입니다. 기획자들이나 분석가들은 어떤 아이디어로 A/B 테스트를 진행하고 전환율 상승에 기여 할 수 있을까요.

‘자사 제품의 장점을 부각하는 것이 좋다’, ’디자인은 심플하고 명료해야 한다’, ‘정보를 확실하게 전달해야 한다’ 와 같이 직관적이고 상식적인 사고를 통해 만들어진 웹 UI는 기본적으로 통용되고 널리 쓰이고 있습니다. 그리고 일반적으로 이러한 방식들은 누구에게나 납득이 가며 고객의 전환율에도 영향을 미칠 것으로 생각됩니다. 하지만 반직관적인 아이디어와 사고가 오히려 전환율을 상승시킬 수 있다는 테스트 결과들이 있습니다. 그리고 이 결과는 데이터로 증명 하지 않는 한 믿을 수 없는 상식의 차이를 만들어 냈습니다. 각 사례를 해석하고 이유를 붙여 설명을 하지만 쉽게 납득이 가지 않는 결과들은 놀라울 정도입니다 . 그러나 이는 데이터로 증명되었습니다.


인간의 반직관적인 사고는 심리학의 다양한 분야에서 연구되어 왔습니다. '인지부조화', '플라시보 효과', 밀그램의 연구인 '권위에 대한 복종', '브레인 스토밍의 비효율성' 등의 결과는 일반적으로 "설마 사람들이 그러한 행동을 하겠어?" 혹은 "당연히 이게 맞지!" 등의 반응을 뒤엎어 버립니다. 상식적으로는 이해 할 수 없는 상황이지만 그 속에 당사자가 되는 경우 사람들은 실제로 반직관적으로 행동하고 사고한다고 합니다.

이와 같이 인간의 본성이나 마음의 작동원칙이 반직관적일 수 있다는 기본전제는 Test에 충분히 활용할 수 있을 것입니다. 물론 반복적인 테스트를 통해 실제로 적용 가능한 수준인지에 대한 검증이 필요하고 데이터에 기반해야 합니다. 상식적으로 보기에 좋지 않아 거부해 버린 아이디어가 실제로는 큰 가치를 가질 수 있다는 생각을 갖고, 이 가능성을 포기하는 일이 없도록 주시하는 노력이 필요할 것으로 생각됩니다.

이미지 출처: flickr

트래픽 데이터를 활용한 통계 분석


웹에서 발생하는 데이터를 활용하여 다양한 지표들의 기술통계/추론통계의 수치를 확인하고 아이디어를 제시해 보는 방법에는 어떤 것들이 있을까요. 통계 분석에서 기본적이고 쉽게 다가갈 수 있는 방법으로 각 지표들 간의 상관계수를 구해 보는 것입니다. 즉, 지표(변수)들 간의 관계를 이해하고 이를 활용하는 방법입니다.

통계 활용 예

물건을 파는 사이트의 경우 가장 중요한 지표는 무엇일까요? 매출에 직접적으로 연결되는 “주문 수” 입니다. 즉 “물건이 얼마나 팔렸나” 입니다.

그렇다면 주문 수와 가장 관련성이 높은 변수(지표)는 무엇인지 궁금증이 생길 수 있습니다. 방문하는 횟수가 높으면 주문수가 높아 질까? 로그인 수가 많아 지면 방문 수가 높아질까? 제품을 많이 보면 주문 수가 높아 질까? 다양하게 변수 들을 조합하여 ‘주문 수’와 관련이 있는 지표들을 생각해 볼 수 있습니다.

Sample Data를 분석하여 각 변수(지표)들 간의 상관관계를 알아보았습니다. (3개월 간의 일별 데이터 분석 Using R)


[색이 진할 수록 상관이 높고, 옅을 수록 상관이 적으며, 이 그림에는 안보이지만 부적 상관일 경우, 붉은색으로 나타납니다.]


위의 표를 통해 주문이라는 지표는 제품보기 지표와 가장 높은 정적 상관을 보였음을 알 수 있습니다(r=0.53). 상관계수의 유의 수준(p-value)는 4.352e-14로 상관계수는 통계적으로 유의미했습니다.

위와 같은 결과를 통해 알 수 있는 직관적인 인사이트는 무엇이 있을까요?

주문을 중심으로 다른 지표들과 제품보기 지표의 상관계수에서 알 수 있듯이, 제품보기가 많을수록 주문이 늘어 나는 경향성이 높습니다. 또한, 주문 수는 다른 지표와의 관계는 낮은 수준으로 나타났습니다. 특히, 반송율은 주문 수와 낮은 정적 상관관계(r=0.23)를 보였습니다. 반송율의 의미와 부합되는 결과라고 볼 수 있겠습니다.

통계 결과 활용하기

위의 상관계수를 통해 다양한 아이디어를 제시할 수 있습니다. 실제 위 표를 보고 제가 받은 질문을 하나 소개해 드리겠습니다.

“회원가입과 주문 수의 상관관계가 낮다. 회원가입 시 최초주문에 대하여 쿠폰 등의 유인가를 제공하고, 주문 수와의 상관도를 높인다?”

상관계수가 낮은 지표들을 선정하여 상관계수를 높여보는 것은 어떤가 라는 아이디어 및 질문이었습니다. 만약 회원가입 수와 주문 수의 상관이 높다면 회원가입을 많이 하도록 최초주문에 대한 유인가를 제공하는 것이 의미 있는지 ‘테스트’를 해 볼 수는 있을 것입니다.
하지만 상관관계는 인과관계가 아닙니다. 회원가입과 주문 수의 상관이 낮다 하여, 회원가입 시 쿠폰을 주고 주문 수와의 상관계수를 높이는 것은 의미가 없을 수 있습니다. 마케팅의 목적은 상관계수를 높이는 것이 아니기 때문입니다(회원가입 시 쿠폰을 주는 것은 회원가입 수를 증가 시킬 수는 있겠지요).

오히려 상관이 낮은 지표가 아니라 상관이 높은 지표(제품보기)에 중점을 두고 추가 아이디어를 진행해 보는 것을 우선시 하는 것이 좋습니다. 예를 들어, 제품보기 페이지를 최적화 하여 주문 전환율을 높이거나, 사이트 내 혹은 사이트 외의 캠페인을 통해 제품보기 횟수를 늘릴 수 있는 방안을 제시하는 것이 선행되어야 할 것입니다.

지금까지의 분석은 시작에 불과 합니다. 데이터를 활용한 통계 분석은 매우 다양하며, 그 속에서 얻어 낼 수 있는 인사이트는 더 많을 것입니다. 그리고 얻어진 인사이트를 통해 마케팅에 적용하는 것은 그 무엇보다 중요하리라 생각합니다.

메인 이미지 출처: pssyyt.tistory.com