◎ 이 글은 SK C&C 컨설팅본부에서 작성하고, 지난 3 6전자신문, CIO Biz., 한국 CIO포럼에서 주최한 “2014 CIO Summit”에서 발표된 자료를 바탕으로 재구성한 것입니다.

 

지난 4/10에 게재된 'SK C&C의 Big Data 기반 UX 분석 Framework 제 1편 (▶바로보기)' 에 이어서 제 2편을 시작합니다. 이번 회에서는 Big Data를 기반으로 한 UX분석과 과거 UX분석의 한계에 관한 이야기를 다루려고 합니다. SK C&C가 바라보는 분석 관점, 그리고 산업별로 적용할 수 있는 Big Data 기반 UX 분석 프레임워크를 소개해드리겠습니다.

지난 1회에서 SK C&C에서 정의하는 UX기존에 UI 설계나 디자인, 혹은 CEM 관점에서만 바라보았던 UX를 이제는 사용자가 제품이나 서비스를 이용하면서 느끼는 감성, 문화를 포괄한 총체적인 경험이며 사용자가 어떤 시스템, 제품, 서비스를 직/간접적으로 이용하고 느끼면서 생각하는 총체적인 경험이라고 언급했습니다.

 

[ 과거 UX 분석의 한계점 및 현재 진화 단계 ]

기존의 UX 분석에는 한계가 있었습니다. UX 분석은 주로 시장/고객리서치와 기존 고객 데이터베이스를 분석하는 것 위주로 진행되었고 분석 범위와 수준은 협소한데 비용과 시간은 많이 소요되는 등의 한계가 있었습니다.

예를 들어 대상 사용자를 샘플로 채취해 분석할 경우, 잘못된 샘플 선정 시, 모집단을 대표하지 못 하는 위험이 있으며, 분석 결과를 개별 고객 단위에 적용하기 어려울 때도 있습니다. 또 주로 일회성 분석이 많았기에 사용자 경험을 장기적으로 추적하여 분석하는 것이 어려웠습니다. 수집된 데이터의 범위를 보더라도, 고객 기본정보 혹은 구매와 결제 데이터 정도이므로, 사용자의 일상생활에서 극히 일부분만을 분석할 수 있었다고 볼 수 있습니다. 또한 정형 데이터(매출데이터,  재고데이터, 회계데이터 등과 같이 정제되어 정형화된 데이터)만을 분석할 수 있었으며, 비정형 데이터(동영상, 메신저, 음악, SNS, 위치정보 등)의 분석은 불가능했습니다. 따라서 이와 같은 여러 어려움들로 인해 사용자의 총체적 경험을 파악하기에는 제한이 있었습니다 

< 그림1: 기존 UX 분석의 한계점 >

IoT/M2M, 모바일 측면에서 일상 데이터를 확보하는 가능성이 열렸습니다. 이를 좀더 자세히 살펴보자면, 스마트 모바일이 보편화되고 IoT(Internet of Things:사물인터넷) Wearable Device가 확산되었습니다. 500만 화소 해상도의 사진과 비디오 촬영, 네비게이션, 통역, 백과사전 검색 등이 가능한 Google Glass, 또 무선랜을 이용해 실내 온도를 최적화시키는 Google의 온도 조절기 NEST, 운동량을 측정할 수 있도록 손목에 착용하는 웨어러블 기기 NIKE FuelBand, 최신 정보통신기술과 자동차가 연결되어 무선으로 다른 차량, 교통인프라와 통신하며 위치, 속도, 방향 등 데이터를 주고받아 충돌을 줄이고 잠재적 위험까지 경고할 수 있는 Connected Car 등이 있습니다.

또한 Big Data 분석 기술과 인프라도 함께 발전하였는데, Big Data 처리 성능의 고도화로 분석 비용과 시간이 감축되었고, 대량의 데이터를 실시간으로 분석 가능한 기술인 CEP(Complex Event Processing)가 나오기도 했습니다.

덧붙여 개인화된 맞춤형 사용자 경험을 제공하는 접점이 되는 스마트 모바일이 보편화되어 사용자와의 쌍방향으로 실시간 커뮤니케이션 채널이 활성화되고, 2013년 국내 스마트 폰 보급률이 74.3%를 기록했습니다. 이러한 ICT 기술의 발전 덕분에 사용자 행동/Context 데이터를 확보하고 분석까지 일련의 과정들이 좀더 깊이 있고 수월해졌습니다.

사용자의 실생활 행동과 각 상황과 문맥에 따른 Context 데이터를 확보할 수 있게 되었고, 대용량, 비정형 데이터의 실시간 분석이 가능해졌으며 기존의 엄청난 비용을 생각하면 효율적 규모로 비용 절감되었습니다. 그렇다면 실제 예시를 통해 현재 어떤 분야에서 데이터들이 수집되고 활용될 수 있는지 보도록 하겠습니다. 

< 그림2: 10년 전 미혼 직장 여성의 하루 >

"분석 가능한 데이터들이 많지 않으며 미처 수집하지 못하는 데이터들이 많아 그녀가 하루 동안 어떤 일을 하는지 파악하기 쉽지 않습니다."

예를 들어 20대 미혼 직장 여성의 일상 생활로부터 확보할 수 있는 데이터에 관해 10년 전과 현재를 비교해볼 수 있습니다. 과거에는 카드 사용 내역을 바탕으로 외식, 쇼핑 데이터, 그리고 운전을 한다면 차량 관련 데이터를 확보할 수 있었습니다. 상품 구매 내역, 수선 내역, 외식을 한다면 외식 빈도, 음식점 정보로부터 메뉴 유형, 가격 데이터를 파악할 수 있었고, 차량 구매 내역과 AS 서비스 내역을 알 수 있었습니다. 그러나 이는 부분적인 데이터에만 기반하고 있기에 전체를 조망하기엔 부족했죠. 비유를 들어서 과거의 데이터들을 조각난 퍼즐이라고 한다면, 현재는 모두 맞추어서 완성된 퍼즐이라고 할 수 있어요. 예전보다 더 풍부하고 구체적인 데이터를 수집할 수 있기 때문에 거의 24시간 내내 한 사람에게 어떤 일이 있었는지 파악이 가능합니다 

< 그림3: 2014년 미혼 직장 여성의 하루 >

"10년전과 비교했을 때, 파란색으로 표시된 부분이 새로이 분석 가능한 데이터들입니다. 수집과 분석이 가능한 데이터의 양이 급격히 증가하였고 이를 바탕으로 하루를 거의 온전하게 복원하는 것도 가능합니다."

위에서 예를 든 20대 미혼 직장 여성의 하루를 데이터만으로 복원할 수 있는지 살펴보겠습니다. 오전에 조깅을 한다면, Nike Fuelband와 같은 운동량 측정기로 얼마나 자주 운동을 하는지, 1회 운동시 칼로리 소모량은 어떤지, 조깅 출발지와 도착지로 경로까지 파악할 수 있습니다. 같은 운동량 측정기를 사용하는 고객층 간의 운동량 정보를 비교해서 개인별 위치를 분석할 수도 있습니다.

외출을 하더라도, 집 안에서는 IoT기반 스마트 홈 기술을 통해 전력 사용량 데이터를 분석할 수가 있는데 전력 사용 시간과 빈도 등을 통해서 그녀가 집에 몇 시간 동안 머물렀는지 외출시간이 언제였는지 등까지도 파악할 수 있습니다.

사무실에서도 휴대폰 Wifi 기반으로 위치 추적이 가능하여 그녀가 빌딩 몇 층에서 근무하는지도 알 수 있으며, 인터넷 검색 키워드 기록을 통해 어떤 업무를 하는지 추정도 가능합니다.

퇴근 후의 일상도 알 수 있습니다. 모바일이나 웹으로 인터넷 서핑을 하는 기록을 통해서도 선호하는 온라인 컨텐츠를 알 수 있고, 상품 검색 기록을 통해서도 선호 브랜드, 상품 유형 등을 바탕으로 취향을 알기도 쉽습니다. 또 요즘은 SNS에 발도장 찍기 기능이 있어서 그녀가 방문한 레스토랑이나 커피전문점의 이름과 위치까지도 기록이 남죠. 그녀가 올린 사진, 발도장 등의 흔적에 SNS상의 친구들이 댓글을 남기기도 하는데 이런 피드백 데이터를 통해서 사람들의 반응까지도 알 수 있습니다.

바쁜 하루를 마치고 집으로 돌아가는 길에 그녀가 운전을 한다면, 텔레메틱스 기반의 주행 정보 및 이동 경로 또한 파악할 수 있습니다. 차 안에서 음악을 듣거나 네비게이션 등의 정보성 기기를 사용하는 내역도 알 수가 있지요.

이렇게 Big Data를 활용한다면 한 사람의 하루를 거의 온전하게 복원하는 것도 가능합니다. 사용자의 모든 경험이 데이터로 남아 있고, 이를 한데 모아 정보로 활용하는 셈이지요. 과거에는 가용할 만한 데이터를 수집하는 데에도 한계가 있었고, 또 데이터를 분석하는 기술에도 한계가 있었습니다. 하지만 ICT 기술의 발전으로 현재는 이러한 한계점을 하나씩 극복해가는 시점입니다.

또한 한 가지 염두해야 할 점은 고객 정보를 수집하고 활용하는데 대해 고객의 명시적인 동의를 확보한 후에 데이터 활용이 가능하다는 점입니다. 데이터 관리와 보안을 철저히 하는 등 고객 정보 보안과 보호에 대해 기업에서 확실한 준비와 고민이 필요합니다.

 

[ SK C&C가 바라보는 Big Data 기반 UX 분석 ]

기존에 시장과 고객을 리서치하는데 한정되었던 UX 분석은 활용하는 데이터의 커버리지와 UX 분석 방법을 두 축으로 그 영역을 넓히며 진화합니다. IoT, 웨어러블 디바이스 등에서 수집된 센서 데이터와 모바일과 웹 상의 접근 및 사용 기록, 텍스트와 영상 등 비정형 데이터 등으로 활용 데이터의 범위가 넓어졌으며, 이동통신사의 품질 만족도나 멤버십 서비스 카테고리 별 선호도를 지표화 하는 등 사용자 경험의 지표화까지 가능해졌습니다.

SK C&C에서는 이렇게 진화하는 UX 분석에 대해 <Big Data 기반 UX 분석 프레임워크>를 소개합니다. 크게 세 가지 분석 관점을 바탕으로 하고 있는데, 첫 번째 분석 관점인 사용자 경험 Life Cycle”은 사용자의 전체 Life Cycle 관점에서 경험 단계를 반영합니다. 두 번째 분석 관점으로 산업별 특성은 각 산업별 사용자 경험의 특수성을 반영합니다. 세 번째, “ Value Chain상의 Biz. Value”는 기업 수익 창출 측면의 다양한 요소를 고려합니다 

< 그림4: Big Data 기반 UX 분석 프레임워크 >

이렇게 세 가지 축을 분석 관점으로 하여, <SK C&C Big Data 기반 UX 분석 프레임워크>는 효용성이 있습니다. 사용자 경험 Life Cycle MOT(Moment of Truth)를 중복과 누락 없이 파악할 수 있기에 좀더 체계적인 접근을 할 수 있으며, 또한 비정형 데이터까지 분석하는 Big Data 분석을 기반으로 하여 심층적으로 사용자 경험을 분석할 수 있습니다.

SK C&C는 사용자 경험 단계 별로 핵심 MOT와 이슈를 도출하였고 데이터에 기반한 분석을 통해 의사결정에 도움이 되도록 하였습니다. 이렇게 다양한 Biz. 영역에 활용하여 사용자 경험 수준을 향상시키는 결과를 이끌어내었습니다. UX 분석 절차는 먼저 사용자 경험 지도를 작성하고 핵심 MOT와 이슈를 도출한 후 이슈 해결을 위한 분석을 진행하며 Insight를 도출하고 마지막으로 Biz.에 적용하고 시스템화하는 것으로 이루어져 있습니다.

사용자 경험 지도란, 사용자 경험의 Life Cycle을 기반으로 이용 단계 별로 사용자가 경험할 수 있는 상황들을 시각화하여 정리한 것으로 아래 예시는 유통업계 고객 중 4~50대 주부의 사용자 경험을 예로 들은 것입니다. 

< 그림5: 사용자 경험 지도>

이후 핵심 MOT와 이슈를 도출하게 되는데, 여기서 MOT(Moment of Truth)란 고객 접점 마케팅에서 사용되는 용어로 고객들이 한 회사에 대해 실질적인 인상을 품게 되는 순간이라고 할 수 있습니다. 이러한 고객 접점을 지속적으로 관리하면서 고객들이 꾸준히 한 회사를 찾도록 고객을 단골로 만드는 마케팅 방법입니다. 이렇게 사용자 경험 중에서 핵심 MOT와 고객의 Pain Point, 이슈를 도출하게 위해 사용자와 현업을 인터뷰하고 고객사의 데이터베이스나 VOC(Voice of Customer: 고객의 소리)를 분석하는 방법에 Big Data가 활용될 수 있습니다.

예를 들어 고객에게 상품을 추천하는데 적절한 상품을 추천하는 적중률과 고객에게 여러 가지 캠페인을 보내 구매를 유도하는 데 대한 반응 비율을 높이기 위해서 새롭게 Facebook상의 좋아요를 누른 정보나 온라인 쇼핑몰의 클릭스트림 정보(Clickstream: 사용자가 인터넷에서 보내는 시간 동안 방문한 웹사이트를 기록한 것으로, 웹사이트에서 자신의 고객들이 어떤 경로를 통해서 홈페이지를 방문하는지 주시하므로 활용가치가 있음)를 가져와 비정형 데이터 분석(Big Data 분석)을 진행할 수 있다. 또한 상품 자체의 성분이나 특징 정보를 종합하여 개별 고객별 Life Style Life Stage를 추정하여 상품 추천 모델을 개발한 후 고객의 Life Style별로 다이어트 중인 고객에게는 저칼로리 식품을, 알레르기가 있는 고객에게는 저 자극 화장품을 추천하는 등의 Insight를 도출할 수 있습니다.

이후 Biz.에 적용하고 시스템화하는 단계에서는 실시간으로 고객 맞춤형 Offering을 진행하여 고객 경험을 개선하는 적극적인 Action을 취할 수 있습니다. 위에서 예로 든 유통업계 4~50대 주부 고객이 대형 마트에 들어온 순간 핸드폰을 통해 고객 정보를 인지하여 그녀가 평소에 자주 찾았던 식료품의 특별 할인 정보와 함께 쿠폰을 핸드폰으로 모바일 앱을 통해 발송할 수 있습니다. 주부 고객의 마트 내 이동 동선을 실시간으로 파악하여 그녀가 관심 가질 만한 새로운 상품의 위치를 안내하는 것도 가능합니다. 위의 예시가 현실화되기 위해서는 고객 및 상품 데이터베이스, 공간 및 위치 데이터베이스, 거래 내역 데이터베이스 등이 동시에 작동해야 하며 상품 추천 기능이 얹어져야 합니다.

이렇게 SK C&C 컨설팅본부에서 바라보는 Big Data 기반의 UX 분석 프레임워크에 대해 알아보았습니다. 다음 회에서는 다양한 산업 별 Big Data를 활용한 사례들을 자사 Big Data 기반 UX 분석 프레임워크를 사용하여 진단한 내용을 소개해드리겠습니다. 이어질 마지막 3회도 기대해주세요.

감사합니다.

 

 

 

 

  1. BlogIcon 빅데이터 2014.05.13 14:34 신고

    평소 관심있는 분야였는데 잘 봤습니다.
    한가지 질문이 있습니다.
    프레임웍을 통한 분석결과에 대해 정합성, 신뢰도는 어떻게 측정할 수 있나요?

    • Favicon of http://skccblog.tistory.com BlogIcon SK주식회사 C&C 블로그 운영자 2014.05.14 17:13 신고

      우선, SK C&C 빅데이터 기반 UX 분석 프레임워크에 관심 가져주셔서 대단히 감사드립니다. 문의하신 사항에 대해 답변 드리겠습니다.
      산업별 UX 분석 Framework에 의거하여 사용자 경험 Life-Cycle 단계/MOT 별로 사전에 정의한 UX 수준 측정 지수(예: NPS, 브랜드 선호도/인지도, 상품추천 캠페인 반응율, 계산 대기시간, 주문 Pipeline별 진척율 등)를 사전에 정의하여 지속적으로 측정하게 되며,고객/사용자의 Pain Point 및 Biz. 이슈를 도출합니다. 그후 UX상의 이슈해결을 위한 프로세스 개선/빅데이터 기반 개인화 등의 해결방안을 모색, 시스템화 하여 실행 후에 UX 수준 측정 지수의 증감(적용 전/후, 실험군/대조군 비교)을 트래킹하여 측정함으로써 UX분석/적용의 정합성, 효과성을 평가합니다.
      궁금한 점이 충분히 해소가 되셨는지요? 더 자세한 내용을 원하시면 비밀댓글로 이메일 주소를 남겨주세요. 감사합니다.

티스토리 툴바