숫자의 강점 – 데이터 기반 설계 개요

디자인은 종종 과학이 아니라 예술로 간주됩니다. 실제로는 둘 다입니다. 디자인 기술은 데이터 및 정보 과학의 영향을 받아야 합니다. 데이터를 수집하고 분석하는 것은 더 나은 디자인과 사용자 경험을 만드는 열쇠입니다.

데이터 기반 설계는 익숙하지 않은 설계자에게 겁을 줄 수 있습니다. 일부 디자이너는 그것이 필요한 이유조차 알지 못하거나 제한된 기준으로만 데이터를 활용합니다. 프로세스를 이해하면 프로세스를 이해하고 모든 수준의 경험을 가진 디자이너가 액세스할 수 있습니다.

디자인 프로세스에서 데이터를 사용하는 이유는 무엇입니까?

많은 디자이너는 사용자 조사를 하지 않고도 사용자가 원하는 것이 무엇인지 알고 있다고 생각합니다. 그들은 또한 자신의 디자인에 열광하는 경향이 있습니다. 그러나 대부분의 경우 디자이너는 사용자가 아닙니다 . 최고의 사용자 경험을 만드는 방법에 대한 결정을 뒷받침할 데이터가 없으면 디자이너는 정말로 어둠 속에서 찌르는 것뿐입니다.

데이터는 디자이너에게 통찰력을 제공하여 제품을 사용하는 사람들을 위한 최상의 디자인을 만들 수 있습니다. 이 데이터는 1차 및 2차 출처에서 다양한 형태로 제공될 수 있습니다. 디자이너에게 중요한 것은 디자인 기반으로 사용할 가치가 있는 데이터 세트와 무시해야 할 데이터 세트를 파악하는 것입니다.

사용할 데이터

데이터 기반 UI 디자인에서는 최적의 사용자 경험을 만드는 가장 좋은 방법을 결정하기 위해 다양한 종류의 데이터가 필요할 수 있습니다. 이 데이터에는 제품의 기존 반복에 대한 웹사이트 또는 앱 분석, 사용자 인터뷰, A/B 및 다변수 테스트 결과, 행동 흐름, 기타 유형의 UX 연구 등이 포함될 수 있습니다.

더 많은 데이터 디자이너가 미리 수집할수록 디자인의 초기 반복 작업이 더 좋아질 것입니다. 일부 유형의 데이터 수집의 경우 일반적으로 프로토타입이 필요합니다(예: A/B 또는 다변수 테스트). 그러나 이러한 초기 프로토타입조차도 산업 데이터 또는 유사한 프로젝트의 데이터에 의존할 수 있습니다(사례 연구는 이와 관련하여 귀중한 리소스가 될 수 있음).

디자인 분석 사용

분석은 디자이너에게 가장 풍부한 데이터 소스가 될 수 있습니다. 사이트나 앱이 처음부터 디자인되지 않고 다시 디자인되는 경우 디자이너는 기존 분석 정보를 활용하여 작동하는 것과 작동하지 않는 것을 결정할 수 있습니다.

사이트에서 인기 있는 페이지, 페이지에 머문 평균 시간 통계가 더 높거나 이탈률이 더 낮은 페이지를 보면 무엇이 제대로 작동하는지 알 수 있습니다. 그러나 이탈률과 이탈률이 높거나 페이지에 머문 평균 시간이 더 낮은 페이지를 보면 도움이 필요한 페이지에 대한 통찰력을 얻을 수 있습니다.

이탈률과 이탈률이 높으면 해당 페이지를 방문하는 사람이 찾고 있는 정보가 페이지에 포함되어 있지 않음을 나타낼 수 있습니다. 또는 정보가 있는 경우 찾거나 이해하기가 쉽지 않음을 나타낼 수 있습니다.

디자인이 변경될 때 UX 분석에 주의를 기울이는 것도 중요합니다. 페이지가 재설계되기 전에 성능이 좋았다면 이후에 어떻게 작동하는지 주목하십시오. 긍정적인 지표의 개선은 재설계가 올바른 방향으로 진행되고 있음을 의미하며 그 반대의 경우도 마찬가지입니다.

마지막으로 업계 분석 벤치마크는 동일한 업계의 다른 사이트나 앱과 비교하여 사이트 또는 앱의 성능에 대한 중요한 정보를 제공할 수 있습니다. 한 페이지에 있는 평균 2분 시간이 혼자 보면 좋은지 나쁜지 알기 어려운 경우가 많습니다. 그러나 그것을 비교할 수 있고 업계 평균이 페이지에 평균 3분이라는 것을 알 수 있다는 것은 현재 사이트 디자인이나 콘텐츠가 개선될 수 있음을 의미합니다. Google Analytics에는 업계 평균과 비교할 때 사이트의 실적을 간단히 확인할 수 있는 내장형 벤치마킹 도구가 있습니다.

A/B 및 다변수 테스트 결과 사용

A/B 및 다변수 테스트는 웹사이트 또는 앱의 다른 버전이 서로에 대해 어떻게 수행되는지 확인하는 밀접하게 관련된 방법입니다. 사용자 경험과 사용자 행동을 크게 개선하는 데 사용할 수 있습니다.

A/B 테스트는 두 버전 간에 디자인의 한 요소(예: 버튼의 색상 또는 헤드라인 텍스트)를 변경하여 어느 것이 더 나은 성능을 보이는지 확인합니다. 다변수 테스트는 하나 이상의 요소를 변경합니다(예: 전체 헤더 또는 페이지의 모든 사본). 두 가지 테스트 모두에서 사이트 또는 앱 방문자에게 페이지의 다른 버전이 무작위로 표시되고 분석 데이터가 기록됩니다.

설계를 개선하기 위해 A/B 또는 다변수 테스트를 지속적으로 실행하면 전환율이 크게 증가할 수 있습니다. 예를 들어 37Signals는 최적의 디자인을 결정하기 위해 홈페이지에서 다양한 A/B 테스트를 실행했습니다(때로는 두 버전 간에 100% 이상의 차이가 있음).

행동 흐름 사용

행동 흐름은 사용자가 처음 방문하는 페이지에서 사이트를 종료하기 전에 본 마지막 페이지까지 사이트를 이동하는 방식입니다. 대부분의 경우 UX 전문가는 사용자가 사이트를 통해 수행하기를 원하는 특정 흐름이 있습니다. 실제 동작 흐름이 이와 크게 다르면 사용자 경험에 문제가 있음을 나타냅니다.

Google 애널리틱스에는 사용자 행동 흐름을 탐색하기 위한 도구가 내장되어 있습니다. UX 디자이너가 프로젝트를 위해 만든 이상적인 행동 흐름과 비교하여 이 데이터를 탐색하면 디자인이 실제로 사용자 경험과 행동 목표를 달성하는지 여부에 대한 귀중한 통찰력을 얻을 수 있습니다.

사용자 조사

더 나은 사용자 경험을 만들고 사용자 행동에 더 효과적으로 영향을 미치는 디자인 프로세스를 지원할 수 있는 데이터를 수집하기 위해 디자이너가 사용할 수 있는 다양한 사용자 연구 방법이 있습니다.

이러한 방법에는 카드 정렬, 실제 사용자와의 상황별 인터뷰, 포커스 그룹, 설문 조사 및 휴리스틱 분석 등이 포함됩니다. 사용자 연구에는 페르소나 및 사용 사례 만들기와 같은 항목도 포함됩니다.

사용자 조사는 리소스를 많이 사용하는 데이터 수집 방법 중 하나이지만 특히 기존 기본 데이터 소스가 없는 새 프로젝트 및 제품의 경우 가장 가치가 있습니다. 효과적인 사용자 조사를 수행하는 다양한 방법이 있으며 각 방법은 프로세스에 고유한 가치를 추가할 수 있습니다.

사용자 테스트는 사용자 연구 프로세스의 한 측면이며, 여기에는 종종 사용성 테스트와 앞서 언급한 A/B 및 다변수 테스트가 포함됩니다. 비용 효율적인 사용자 테스트는 설계 프로세스의 중요한 부분이며 그 과정의 각 단계에서 수행되어야 합니다.

데이터 분석 방법

데이터 수집은 데이터 기반 설계 프로세스의 한 측면일 뿐입니다. 디자인 및 UX 분석과 같은 양적 데이터도 중요하지만 사용자 인터뷰에서 수집한 것과 같은 질적 데이터도 중요합니다.

양적 데이터는 디자이너에게 웹사이트나 앱에서 무슨 일이 일어나고 있는지에 대한 아이디어를 제공합니다. 그러나 사용자가 그 일을 하는 이유 를 밝히기 위해서는 질적 데이터가 필요합니다. 사용자가 특정 방식으로 행동하는 이유를 파악하는 것은 UX 이론과 디자인 심리학의 큰 부분입니다.

정성적 데이터와 정량적 데이터가 모두 수집되면 설계자는 데이터의 추세와 이상값을 찾아야 합니다. 이상치는 사용자가 직면할 수 있는 잠재적인 문제에 대한 통찰력을 제공할 수 있으며, 이는 트래픽 수가 증가함에 따라 심각해질 수 있습니다.

데이터 시각화를 만드는 것은 대규모 데이터 세트로 작업할 때 유용할 수 있습니다. 간단한 차트와 그래프로도 사용 가능한 정보를 더 쉽게 분석할 수 있습니다. 이것이 Google Analytics를 포함한 대부분의 분석 프로그램이 원시 데이터가 아닌 시각적으로 데이터를 표시하는 이유입니다.

새로운 데이터가 수집되면 데이터를 지속적으로 분석해야 합니다. 디자인 변경, 콘텐츠 변경, 검색 엔진 알고리즘 변경 및 기타 개발은 모두 사용자 경험과 사용자 행동에 영향을 줄 수 있습니다. 디자이너는 이 데이터를 분석하여 제품을 지속적으로 개선하고 새로운 버전을 만들 수 있습니다.

이해 관계자에게 데이터 발표

데이터를 분석하는 것 외에도 프로젝트의 이해 관계자에게 데이터를 제시하는 것은 그들이 최고의 설계 솔루션을 구매하도록 하는 데 종종 중요합니다. 데이터를 시각적으로 표시하는 것은 정보를 표시하는 가장 좋은 방법 중 하나입니다.

차트와 그래프가 있는 슬라이드 데크를 만들면 클라이언트나 관리자가 프로젝트를 승인하게 하는 것과 모든 단계에서 저항에 직면하는 것 사이에 차이가 생길 수 있습니다. 데이터는 올바른 디자인 선택에 대한 디자이너의 "직관"을 뒷받침할 수 있습니다.

데이터로 의사 결정하기

데이터의 가장 좋은 점 중 하나는 거의 항상 더 많이 수집할 수 있다는 것입니다. 데이터 기반 설계 결정 프로세스는 순환적입니다. 설계자는 데이터를 수집 및 분석하고 이를 기반으로 결정을 내린 다음 더 많은 데이터를 수집 및 분석하여 이러한 결정을 테스트해야 합니다.

직관이나 직감이 아닌 데이터를 기반으로 개선된 제품의 새로운 반복을 지속적으로 디자인함으로써 디자이너는 제품을 사용하는 사람들을 위해 더 나은 경험을 만들 수 있습니다. 사용 가능한 데이터를 항상 파악함으로써 디자이너는 사용자 경험 및 행동 변화와 관련된 문제가 수익에 영향을 미치기 전에 미리 예방할 수 있습니다.

결론

데이터 기반 디자인 프로세스를 이해하는 것은 디자이너에게 중요한 경력 기술입니다. 사용자 연구 및 테스트 프로세스를 자세히 살펴보고 데이터 분석이 작동하는 방식을 이해하면 디자이너가 아이디어를 뒷받침할 수 있는 추가 도구를 얻을 수 있습니다. 또한 해당 주장을 뒷받침하는 데이터를 사용하여 가능한 최고의 제품을 만들 수 있습니다.

데이터 기반 UI 디자인은 예술이자 과학입니다. 데이터를 수집 및 분석하고 이를 기반으로 설계를 구현하는 방법을 이해하는 것은 초보자와 전문가 모두에게 중요한 기술입니다.

Toptal Design 블로그에 대한 추가 정보:

• 대중을 위한 UX 테스트: 간단하고 비용 효율적으로 유지
• 미친 짓 없이 사용성 테스트 데이터를 행동으로 옮기기
• UX 연구 방법과 사용자 공감의 길
• 데이터 시각화 - 모범 사례 및 기초
• 이러한 데이터 시각화로 영감을 얻으십시오