2023. 6. 16. 01:15ㆍ기록/UXUI 스터디
🎁 8일차 주제: 개인화
- 개인화 서비스의 UI/UX
- 초개인화(Hyper-personalization) UX는 어떻게 설계하면 좋을까요?
- 개인화 서비스에서 페르소나 사용이 효과가 있을까? / 마이크로페르소나에 대해 어떻게 생각하시나요?
- 기타 등등, 개인화 UX에 대한 아티클이라면 무엇이든 좋아요.
https://www.beusable.net/blog/?p=1359
데이터 기반 개인화 추천 (3/3): UX편 | 뷰저블
e-커머스의 데이터 기반 개인화 추천
www.beusable.net
해당 아티클은 e-커머스에서의 개인화 추천에 대해 이야기 하고 있습니다.
[개인화 추천 UX]
- 고객이 귀찮다고 생각되는 행동을 없애준다
- 고객의 구매 여정 별로 어떤 니즈와 불편함이 있는지 분석하고, 어떤 상품 추천 알고리즘을 적용해야 테스크를 줄여줄 수 있을지를 도출하는 것이 e-커머스 UX 디자이너의 역할이라고 말할 수 있다
[UX디자이너가 반드시 알아야 할 추천 로직의 기본과 예시]
- e-커머스의 상품 추천 기본 로직
: 상품과 상품 : 특정 상품에 대해 연관 상품을 보오나 또는 대체제로 추천
: 고객과 상품 : 개인별 또는 집단 별 고객 선호도에 따라 연관 상품 추천
: 검색어와 상품 : 검색 결과와 유사한 상품 또는 키워드를 추천
(메인)
- 탐색을 서포트 해 주는 역할
- 상세 페이지 또는 카테고리 페이지로 이동하도록 도와주는 역할
- ‘최근 행동 이력’에 기반하여 개인화 추천을 할 수 있음
(Ex 1: 최근 클릭한 상품이 지닌 속성/카테고리와 유사한 상품 추천)
(Ex 2 : 아마존 닷컴은 고객의 상세 페이지 클릭 데이터를 기반으로 유사 상품을 추천한다.
전환율을 높이기 위해 고객이 최근 봤던 상품들 중 할인율 높은 상품 등을 추천하는 전략도 있다)
(검색 결과/카테고리)
- 검색어와 카테고리에 기반한 연관 추천 상품 제공
- 구매를 유도하는 키워드 및 기획전 추천이 목표이다.
- 상품 수가 적으면 다른 키워드를 제시해 보완 역할을 함
(Ex 1: 서울우유 취급 상품이 부족한 경우, 취급 상품 수가 많은 매일 우유를 추천해서 보완)
-> 상품 검색 결과 품질에 따른 이탈 방지
-> 연관 기획전이나 브랜드 추천으로 다채로운 구매 경험 제안 가능
(Ex 2 : 아마존은 검색 결과 중간 중간에 베스트 셀러 상품을 노출한다. 너무 많은 상품 선택지들이 있을 때 어떤 상품을 살지 빠르게 의사결정 하도록 도와주는 역할을 한다)
(상품 상세)
- 고객의 상품 탐색 여정을 줄이면서도 끊임없이 연관 상품 제시하는 것이 중요
- 구매 전환율을 높이기 위해 누적 클릭 수를 늘려야 함.
- 유사 대체 상품과 보완 상품 추천해서 병매 유도
(Ex : 삼겹살 구매 고객에게 쌈장과 상추 추천) - 아마존은 크게 추가 상품 탐색과 업셀링을 위한 상세 페이지에서 5가지 추천 전략을 취한다
1) 함께 자주 구매하는 상품을 ‘할인 금액’과 더해 제시하여 업셀링 유도
2) 대체재가 되는 유사 연관 상품 추천
3) 상품 평점이 높은 유사 대체 연관 상품 추천
4) 함께 구매 시 프로모션 할인가가 적용되는 상품을 제시하여 업셀링 유도
5) 최하단에 최근 탐색한 키워드의 연관 상품 또는 최근 클릭한 상품들 전시
(장바구니)
- 첫째도 둘째도 객단가 향상이 목표이다 (고객이 1개만 살 것을 2,3개 사도록 만들어야 한다)
- 상품을 담았어도 추가 탐색을 유도할 수 있어야 한다
- 최종적으로 장바구니 객단가 향상이 목표이다
(Ex 1 : 자주 구매 상품, 할인율이 높은 상품, 장바구니에 담은 상품 중 연관 상품 등을 추천)
(Ex 2 : 아마존은 장바구니에서 상품을 구매한 사용자가 동일 브랜드 제품 중 함께 많이 구매한 상품을 제안한다. 연관 상품들도 노출해서 추가 구매를 유도한다. ‘Add to Cart’ 버튼을 두어 별도 상세 페이지 탐색 과정을 거치지 않도록 한다)
[뷰저블로 페이지 분석해서 UI 배치 전략 도출하는 법]
- 뷰저블의 스크롤 히트맵, 무드 히트맵, 패스 플롯을 활용해서 최적의 위치를 찾는다
1. 스크롤 히트맵
- 고객이 많이 도달하는 영역 또는 오래 체류하는 구간 주변에 배치해서 시선 유도
- 많이 도달할 수록 히트맵 색이 붉고 오래 체류할 수록 그래프 선이 높다.
- e-커머스는 상세페이지의 경우 구매하기 CTA 주변에 체류 시간이 높게 나타나서 해당 영역 주변으로 추천 영역을 둘 수 있다.
2. 무브 히트맵
- 마우스 탐색이 많이 일어나는 영역 근처에 두어 추가 탐색을 유도하자
- 탐색이 몰릴 경우 붉은 색으로 탐색 궤적이 표기된다.
- 스크롤 히트맵 상으로 체류 시간이 적더라도 호버가 많이 일어나면 ‘빠르게 활발히 탐색하는 구간’으로 볼 수 있다
-> 이러한 구간이 보통 상품평 영역이 그렇다.
-> 이 주변으로 추천 상품들을 배치할 수 있다.
3. 패스 플롯
- 고객의 탐색 여정과 정확한 콘텐츠 탐색 위치를 파악해서 정보의 우선 순위로 결정, 배치한다
- 탐색 순차와 콘텐츠를 살펴보자
- 탐색 상품에 대해 다 둘러보게 한 뒤 추천 상품을 제시할 것인지, 상품 요약 정보를 파악한 후 바로 추천 상품을 둘 것인지 등 정확한 고객의 탐색 여정을 기반으로 정보 우선순위를 구성할 수 있다.
[느낀점]
UX/UI디자이너로써 e-커머스는 실무로 경험이 없기 때문에 해당 내용이 꽤나 흥미로웠습니다. 단순 추천 및 개인화가 아닌 정량적 데이터를 기반으로 어떻게 배치되어야 한다는 것이 함께 설명되어 정량적 데이터의 활용법을 간접적으로나마 알 수 있었서 좋았습니다. 서비스만 제공하는 제품은 bx와 연관이 많다고 생각되었는데, e-커머스는 마케팅도 또한 무시할 수 없다는 걸 다시 한번 느낄 수 있었던 아티클이었습니다.
참여자 분들의 공유 아티클
[A/B 테스팅 도구를 만드는 회사 Optimizely에서 쓴 하이퍼개인화 소개]
https://www.optimizely.com/optimization-glossary/hyper-personalization/
이 글에서는 하이퍼개인화가 기계학습, 인공지능 등을 이용해서 기존의 세그멘테이션 기반 개인화 방식보다 더 세밀하고 더 실시간에 가깝게 개인화를 하는 방법이라고 설명하네요.
하이퍼개인화의 장점으로는 1) 구매 과정에서의 사용자 경험을 더 부드럽게 만들어주고 2) 사용자에게 지나치게 많은 선택지를 줘서 부담을 주는 일을 방지하고 3) 개인화된 메시지로 리텐션을 높이고 4) 고객의 높아진 기대에 꾸준히 부응할 수 있다는 점들을 꼽았어요.
에어비엔비, 리복, 아마존의 사례를 소개하고 있습니다.리복 사례만 옮기자면, 리복은 사이트 방문 고객이 구매를 마치지 않더라도 방문 과정에서의 모든 행동 데이터를 추적한다고 합니다. 이 데이터를 활용해서 방문 이후에 개인화된 상품 추천 이메일을 보내준다고 해요.
아마존에서도 동일한 방식을 쓰고 있는데요, 저도 잘 모르는 분야의 책을 찾을 때 이 기능(?) 정말 유익하게 활용하고 있어요. 대충 아는 키워드 넣고 책 검색 좀 하다가 안 사고 나가면 다음날 아침에 "네가 찾던 책이 혹시 이거야?"하고 메일을 보내주는데요, 이 추천 목록에 있는 책을 사면 대체로 실패하지 않았어요😆
[개인화 서비스는 어떻게 만드나요?]
https://brunch.co.kr/@plusx/30
Part 1. 개인화란?
: 개인화 서비스란 Data를 기반으로 개개인에게 맞춤형 콘텐츠를 추천해주는 서비스로 최근에는 ‘알고리즘 경험’이라고 불리기도 한다.
Part 2. 개인화에 필요한 데이터 이해하기
: 개인화에 필요한 데이터는 크게 콘텐츠에 대한 데이터와 사용자에 대한 데이터로 분류할 수 있다.
**콘텐츠 데이터**
- 키워드 데이터(콘텐츠 정보) : 국내, 코미디, 치킨, 경찰, 잠복근무 등
- 인구통계학적 선호도 데이터: 30대 남성이 좋아하는 콘텐츠 묶음, 10대 여성이 좋아하는 콘텐츠 묶음 등
**사용자 데이터**
- 키워드 데이터(개인정보): 서울거주, 30대 남성, 인터넷 쿠키, 교육 수준, 소득 수준 등
- 콘텐츠 선호도 데이터: 콘텐츠1 별점 4점, 콘텐츠 1 재생횟수 4, 콘텐츠 1 댓글 작성 등
Part 3. 추천 방식에 따른 차이 이해하기.
**콘텐츠 기반 추천**
- 내가 봤던 콘텐츠를 기반으로 비슷한 콘텐츠를 추천하는 방식을 의미한다. 콘텐츠 자체에 키워드 데이터가 방대한 경우에 적합한 추천 방식
**유사 사용자 기반 추천**
- 나와 유사한 사용자 그룹이 많이 봤던 콘텐츠를 추천하는 방식을 의미한다. 서비스의 실제 유저수가 많은 경우에 적합한 추천 방식
Part 4. 개인화의 위험요소 이해하기
: 개인화 데이터의 위험요소는 바로 자신의 울타리 속에 갇히는 것이다. 이를 ‘에코챔버효과’라고 부르기도 한다. 내가 봤던 콘텐츠를 기반으로 비슷한 유형의 콘텐츠 위주로 노출되는 것인데, 이러한 현상이 무서운 이유는 사회, 문화, 정치, 경제에 걸쳐 잘못된 지식이 전파되고 그것만을 믿는 현상들이 발생할 수 있기 때문이다.
—
—> 개인화 서비스의 설계과정을 이해할 수 있는 아티클을 읽어보았습니다. 유튜브나 넷플릭스를 사용하면서 그저 훌륭한 알고리즘이 콘텐츠를 추천해준다고만 생각했습니다. 개인화 서비스를 위해서 어떤 데이터가 필요하고, 콘텐츠가 선별되고 제공되기 까지의 선별과정을 이해할 수 있었습니다. 또한 ‘에코챔버효과’라는 단어는 생소한 단어를 알게되었는데요, 앞으로 개인화 서비스를 이용하면서 편향된 콘텐츠한테만 노출 되지 않도록 여러가지 콘텐츠를 골고루 사용해야겠다는 생각도 들었어요 ㅎㅎ
[개인화 서비스의 사례 소개]
https://uxdesign.cc/4-killer-examples-of-personalized-ux-615e86f77545
Salesforce 조사에 따르면 비즈니스 구매자의 75%는 구매 기업이 개인화된 경험을 제공하고, 관련된 제안을 제공하기를 기대한다고 해요. 아래 사례는 개인화 경험을 제공해 성공한 4가지 서비스입니다.
# 틱톡
틱톡은 좋아요, 팔로우, 스크롤 시각 등 각 사용자의 고유한 선호도를 파악하고, 시간이 지남에 따라 사용자의 선호가 어떻게 바뀌는지까지 이해함으로서 동영상의 순위를 매긴다고 합니다.
# 넷플릭스
넷플릭스의 데이터 기반 전략은 주로 A/B테스트를 기반으로 한다고 해요. 넷플릭스는 플랫폼에 배포되는 모든 콘텐츠가 사용자의 사고 과정과 정확히 일치하는지 확인함으로서 개인화된 서비스를 제공한다고 합니다.
# 스포티파이
스포티파이는 사용자가 자신만의 재생 목록을 만들도록 장려하고, 이 사용자의 계정에 맞추어 콘텐츠를 제공한다고해요. 또 2015년부터 시작한 Spotify Wrapped를 통해 사용자에게 지난 1년간 음악(가장 많이 들은 아티스트, 음악 감상 시간 등) 소비 데이터를 고지해준다고합니다.
# Amazon Alexa
Alexa는 조금 새로운 개인화 경험을 제공하는데, Zero UI, 즉 보이지 않는 인터페이스를 사용한다고 해요. 사용자의 음성을 파악하고 기기와 대화하며 개인화된 정보를 요청할 수 있다고 합니다.
개인화 경험은 실시간으로 고객과 소통하며 고객에게 더욱 공감하고 더 나은 서비스를 제공한다는 점에서 점점 더 중요해지고, 발전하고 있는 영역인 것 같아요. 이제는 터치나 스크롤 데이터 뿐만 아니라 음성을 통해 데이터를 수집한다는 것도 신기하고 새로웠습니다!
[개인화된 경험의 유용셩]
다양한 연구에서 사용자를 만족시키는 UX의 주요 요소로 사용성, 유용성, 감성을 제시하고 있는데요. 이 중 유용성 항목에 개인화된 경험이 유용성을 평가하는 요소로 활용되고 있다고 해서 관련 아티클을 읽어보았습니다.
다만 이 아티클이 어떤 연구결과나 자료를 근거로 하고 있는지 명확하지 않아서, 나름의 리서치를 통해서 내용을 보태거나 제외하여 요약했습니다.
https://brunch.co.kr/@5bc6db73b7f34a6/16#comment
[개인화 경험 원칙]
1. 사용자의 취향에 따라 인터페이스, 사용 방식 등을 커스터마이징 할 수 있어야 한다.
* 스마트폰의 터치 키보드 커스터마이징
2. 사용자의 이력, 주변 환경, 제품 상태 등을 학습해 기능이나 정보를 추천할 수 있어야 한다.
1. 사용자가 입력한 내용을 바탕으로 한 자동 완성
2. 내비게이션의 최근 경로 추천
3. 사용자 개인 데이터, 추천 알고리즘을 이용한 콘텐츠 추천
4. 사용자 주변의 교통 정보를 활용하여 막히지 않는 경로 추천
3. 사용자에게 개인화를 위해 정보를 수집하는 방식과 목적을 설명하고, 사용자가 이를 켜고 끌 수 있도록 해야 한다.
1. 수집되는 정보와 방식 안내
2. 개인정보 보호 정책 제공
개인화라고 하면 콘텐츠 추천, 커스터마이징 정도만 떠올랐는데요. 자동 완성 기능도 개인화의 일종일 수 있다는 점. 또 개인화된 경험을 제공할 때 사용자의 주변 환경 정보나 제품의 상태를 활용하면 더 나은 추천이 가능하겠구나 하는 생각이 들었어요.