앰플리튜드
데이터 기반 UX 분석 개념과 방법 🎨
Team MAXONOMY ・ 2024.09.26
데이터 기반 UX 분석이란?
User experience(UX) 분석은 데이터를 사용하여 사용자의 경험을 측정하고, 인사이트를 얻어 유저 경험을 개선하는 과정을 말합니다. 일반적으로 앱, 게임, 웹사이트, 소프트웨어 같은 종류의 제품에 적용되죠.
UX 분석에 사용할 수 있는 데이터는 다양합니다. 앱이나 웹사이트에서 보내는 시간, 클릭하는 요소, 가장 많이 사용하는 기능, 구매한 내역 등 거의 대부분의 요소가 가능하죠. 심지어 '행동의 부재'도 분석 대상이 될 수 있는데요. 예를 들어 사용자가 장바구니에 담은 물건을 구매하지 않았거나, 링크 위에 커서를 올려놓았지만 클릭하지 않은 것도 UX분석의 대상이 될 수 있습니다.
가계부 관리를 하고자 하는 사람 A가 있고, 우리는 가계부 앱을 서비스하는 기업이라고 가정해 봅시다. 우리는 A가 가계부 앱을 검색하고 우리 앱을 다운로드하고, 체험판에 가입하고, 은행 계좌나 신용카드와 같은 정보를 연동하기를 원할 것입니다. 그리고 체험판이 끝나면 유료 구독까지 전환되기를 희망하죠.
이걸 '사용자 여정'이라고 부르며, 각 여정마다 사용자가 다음 여정으로 계속 진행할 수 있도록 좋은 사용자 경험을 제공해야 할 것입니다. 만약 여정을 완수하지 못하는 사용자가 있다면, UX 분석을 통해 어디서, 왜 이탈했는지 이해하고 궁극적으로 미래에 사용자 경험을 어떻게 개선할 수 있을지 힌트를 얻을 수 있습니다.
UX 분석 대상
구체적으로 어떤 데이터를 분석하고 지표를 측정할지는 제품이나 상황에 따라 천차만별입니다. 그렇기 때문에 이번 포스팅에선 비즈니스 의사결정까지도 활용할 수 있는 굵직한 주요 UX 데이터 지표를 중심으로 설명드리겠습니다. 해당 지표를 기반으로 어떤 최적화된 지표를 측정해볼 수 있을지 고민해보면 좋을 것 같습니다.
응답 시간: 응답 시간은 페이지나 앱이 얼마나 빠르게 로딩되는지에 대한 지표입니다. 우리 생각보다 사용자들은 로드되는 시간을 오래 기다리지 않습니다. 몇 초만 버벅이면 바로 이탈하죠.
신규 및 재방문자 수: 신규 및 재방문자 수는 얼마나 효과적으로 사용자를 유치(Acquisition)하고 유지(Retention)하는지에 대한 지표입니다. 신규 방문자 수가 증가하지 않는다면, 마케팅 전략을 다시 검토해야 하며, 재방문자 비율이 낮다면, 제품 경험을 검토해야 합니다. 재방문자 비율에 문제가 있는 경우에는 리텐션 분석을 더 깊게 수행하여 재방문한 사용자와 이탈한 사용자 간의 행동 차이를 확인하는 것이 좋습니다.
세션 길이: 세션 길이는 사용자가 제품을 얼마나 오래 사용하는지를 측정하는 지표입니다. 세션 시간이 길수록 좋을 것 같지만, 제품에 따라 그렇지 않을 수도 있습니다. 만약 뉴스 앱이라면 긴 세션 시간은 사용자가 적극적으로 참여하고 있다는 긍정적인 신호일 가능성이 높죠. 반면, 현금 송금 앱이라면 긴 세션 시간은 사용자가 원하는 작업을 수행하는 데 어려움을 겪고 있다는 신호일 수 있습니다. 이처럼 세션 길이 지표는 제품의 특성에 따라 사용자 경험을 유연하게 판단해야 합니다.
세션당 페이지 수: 세션당 페이지 수는 한 세션 동안 방문하는 총 페이지 수를 의미합니다. 세션 길이와 마찬가지로 많은 페이지를 방문하는 것이 좋을 수도 있고 나쁠 수도 있습니다. 사용자가 제품에 깊게 몰입하여 사용하는 것일 수도 있지만, 원하는 답을 찾지 못해 이리 저리 방황하는 것일 수도 있습니다. 만약 후자라면, 더 적은 클릭으로 원하는 답을 쉽게 찾을 수 있도록 개선해야 합니다.
전환율: 고객 여정의 각 여정에서 상위 여정으로 넘어가는 비율을 전환율이라고 합니다. 만약 광고 단계에서 클릭률, 즉 전환율이 높지 않다면 메시지를 조정해야 하는 등의 방법을 사용해야 합니다. 사용자가 앱을 다운로드했지만 유료 고객으로 전환되지 않는다면, 온보딩 과정을 조정하여 전환율을 높일 수 있습니다. 전환율은 사용자의 행동을 분석하고 제품 개선 방안을 찾는 데 중요한 역할을 합니다.
과제 성공률과 과제 수행 시간: 제품이 사용하기 쉬운지 여부를 가장 명확하게 보여주는 지표가 바로 과제 성공률과 과제 수행 시간입니다. 여기서 말하는 '과제'는 서비스의 주요 사용 목적이나 기능을 말하는데요. 배달 앱 사용자가 음식 주문을 하려하는 데, 주문 방법을 몰라 한참을 헤매거나 주문 과정 자체가 너무 오래 걸린다면, 인내심을 잃고 앱을 이탈할 것입니다. 해당 지표를 통해서, 제품의 핵심 과제에 집중하고, 이러한 과제를 완수하는 과정을 자연스럽고 직관적이며 간단하게 만들어야 합니다.
사용자 정착률(Stickiness): 정착률은 일일 평균 사용자 수(DAU)를 월간 평균 사용자 수(MAU)로 나누어 측정합니다. 이 지표는 사용자가 평균적으로 한 달에 며칠 동안 제품을 사용하는지 보여줍니다. 매일 접속하긴 바라는 게임과 같은 비즈니스에 특히 유용합니다. 하지만 모든 비즈니스에 적합한 지표는 아닙니다. 가령 비행기 예매 앱같은 경우 사용자 정착률이 크게 의미 있진 않겠죠.
내비게이션 vs 검색 비율: 사용자가 제품을 탐색하는 데 검색 창에 지나치게 의존한다면, 이는 제품 디자인이 직관적이지 않다는 신호일 수 있습니다. 사용자가 최소한의 클릭으로 원하는 것을 빠르게 찾을 수 있도록 다양한 레이아웃, 구조, 구성 방식을 실험해 보아야 합니다.
기능 참여율: 기능 참여율은 기능이 얼마나 자주 사용되는지를, 제품을 열어본 사용자 수로 나누어 측정한 지표입니다. 기능 참여율과 리텐션 분석을 결합하면, 특정 기능을 사용하는 사용자가 유지될 가능성이 어떤지 확인할 수 있습니다. 중요한 기능이 거의 사용되지 않는다면, 해당 기능을 더 눈에 띄게 UI를 조정할 필요가 있을 수 있습니다. 사용자에게 해당 기능을 알려주는 알림이나 이메일을 보내는 방법도 고려할 수 있겠죠.
고객 이탈률: 고객 이탈률은 [(월초 고객 수) - (월말에 남아 있는 고객 수)] / (월초 고객 수) 입니다. 예를 들어, 6월 초에 100명의 고객이 있었고 6월 말에 90명의 고객이 남았다면, 이탈률은 10%가 됩니다. 고객의 충성도와 이탈을 평가하고 필요한 개선을 도출하는 데 중요한 지표입니다.
UX 디자인과 데이터 분석 간의 관계
UX 디자인은 단순히 제품을 예쁘게 만드는 것이 아닙니다. 제품을 자연스럽게 사용할 수 있도록 설계하고, 사용자의 기대를 뛰어넘는 결과를 제공해 그 제품에 매력을 느끼게 만드는 것이 목적입니다. 이를 위해서는 예술적 감각뿐만 아니라, 과학적인 데이터 분석과 테스트 과정이 필수적입니다. 데이터를 사용해 인사이트를 얻고 이를 바탕으로 가설을 세운 후, UX 디자인 테스트를 통해 이 가설을 증명해야 합니다.
예를 들어, 운동화 회사의 제품 관리자가 재구매율이 낮다는 사실을 발견했다고 가정해 봅시다. 데이터에 따르면 대부분의 고객은 10개월마다 신발을 구매합니다. 관리자는 고객이 10개월 후에 자동 리마인더를 받으면 재구매율이 높아질 것이라고 가정합니다.
이후 제품 팀은 마케팅 팀과 협력하여 이메일과 같은 메시지를 다양한 고객 그룹에 대해 A/B 테스트하여 재구매율을 높일 수 있는지 실험할 수 있습니다.
UX 분석 대시보드 만들기
UX 분석과 개선 과정에는 조직 전체의 의사 결정이 필요한 경우가 많습니다. 때문에 조직 내에서 원활한 정보 공유와 통일된 접근 방식이 필요합니다. 이때 필요한 것이 분석 대시보드입니다.
좋은 UX 분석 대시보드는 중요한 지표들을 맨 위에 배치합니다. 일일 대시보드에는 세 가지 또는 네 가지 이상의 지표가 포함되지 않도록 하여, 대시보드 확인이 복잡하지 않도록 해야 합니다. 또한 지표는 비즈니스 목표와 직접 연결되어야 하며, 대시보드의 첫 번째 항목을 보면 비즈니스의 상태를 간략하게 확인할 수 있어야 합니다. 그 아래에는 대시보드에 다양한 시간대를 포함시켜, 즉각적으로 해결해야 할 문제와 중장기적인 데이터의 추세를 구분할 수 있는 것이 좋습니다.
마치며
사용자 경험은 제품 성공 또는 실패에 중요한 역할을 합니다. 사용자가 제품에 대해 느끼는 것을 파악하는 일은 데이터 분석가뿐만 아니라 조직 전체에서 이루어져야 합니다. 조직 내 모든 사람들이 해당 데이터를 활용해 사용자 행동에 대한 질문에 신속하게 답할 수 있어야 합니다. UX 분석과 대시보드의 적절한 활용은 비즈니스 성장과 제품 개선에 크게 기여할 수 있습니다. 대표적으로 Amplitude와 같은 솔루션을 이용한다면, 이런 데이터를 손 쉽게 측정하고 관리하고, 또 대시보드를 구성할 수 있습니다. UX 데이터 분석에 대해서 더 깊은 인사이트를 얻고 싶다면 맥소노미 홈페이지에 올라온 다양한 가이드북을 확인해보세요.
팀맥소노미
YOUR DIGITAL MARKETING HERO
비즈니스 성장을 위한 최적의 솔루션과 무료 데모 시연, 활용 시나리오를 제안 받아보세요
24시간 프리미엄 열람권 받기
관련 글 보기
Amplitude Autocapture: 페이지 진입, 클릭, 앱 종료까지 고객 행동을 자동 수집하는 법
개발 리소스 없이 클릭·페이지뷰 등 사용자 행동을 자동 수집해 빠른 분석과 최적화를 지원하는 Amplitude Autocapture 기능 소개
AI에 의존하는 인간, 인간을 필요로 하는 AI
AI가 변화시킨 일자리, 시장 구조, 마케팅의 한계와 기회까지 짚어보는 인사이트
MCP: AI 사용자 경험을 확장시켜줄 핵심 연결고리
오늘날 마케팅의 본질은 단순히 제품을 알리는 데 그치지 않습니다. 소비자의 기대치는 그 어느 때보다 높아졌고, 기업은 “고객을 위한 경험”을 제공해야 한다는 압박을 받고 있습니다. 이런 변화 속에서 AI는 중요한 조력자로 부상했지만, 아직까지는 많은 한계가 있는 것이 사실입니다. 가장 큰 이유는 아직까지 AI기술이 일부 플랫폼 속에서 폐쇄적인 형태로 존재하기 때문입니다. 뛰어난 AI 기술을 여기저기서 활용하고 싶지만 그렇지 못한다는 것이죠.이 한계를 뛰어넘게 만들기 위해 AI업계에서는 MCP라는 기술을 적용시키고 있습니다. CDP도 아니고 MCP란 것은 또 무엇일까요? 왜 등장했을까요? 🤔 이번 맥사이트픽 포스팅에서는 MCP가 무엇이며, 마케터에게 MCP를 왜 주목해야 하는지 알아보도록 하겠습니다.MCP란?MCP는 Model Context Protocol의 약자로 AI가 외부의 다양한 도구와 데이터 소스에 표준화된 방식으로 연결되도록 설계된 프로토콜 기술인데요. 쉽게 말해, 모델이 단순히 텍스트만 처리하는 게 아니라 “컨텍스트”를 확장해서 다양한 애플리케이션·데이터 소스·플러그인과 소통할 수 있게 해주는 통신 규칙입니다. 이는 단순한 기술 혁신을 넘어 마케터가 소비자 경험을 설계하는 방식 자체를 변화시키는 AI 경험 확장의 첫 단계가 될 수 있습니다.흔히들 MCP를 다음과 같이 비유하고 있습니다. MCP는 AI와 외부 세계를 연결하는 ‘공용 어댑터 와 같다. 지금까지는 각 AI와 도구를 연결하기 위해 개별 API 연동을 해야 했습니다. 마케터 입장에서 이는 시간이 많이 들고, 통합 범위에도 한계가 있었습니다. 그러나 MCP는 이 과정을 표준화해 AI가 여러 도구에 동일한 형식으로 접근할 수 있도록 합니다. 그렇다면 이런 시도로 인해 사용자들의 AI 경험에 어떤 변화가 생기게 되는 것일까요. 크게 다음 3가지의 큰 변화를 경험할 수 있습니다. (1) 즉시성소비자는 기다림을 싫어합니다. MCP를 활용하면 AI는 고객 요청에 즉시 대응하며 대화 흐름을 끊지 않습니다. 예를 들어, 라이브 커머스 방송 중 소비자가 “이 제품 해외배송 가능한가요?”라고 물으면 AI는 판매 시스템에서 바로 정보를 가져와 답변합니다.(2) 연속성마케팅은 단발 이벤트로 끝나지 않습니다. MCP를 활용하면 AI가 고객과의 과거 대화를 기억하고, 다음 접점에서 이어서 대화를 진행합니다. 예를 들어, 지난주에 상품 상담을 했던 고객이 다시 채팅을 시작하면 AI가 “지난번 문의하신 블루 재킷, 오늘 재입고 되었습니다.”라고 답할 수 있게됩니다.(3) 몰입감소비자 경험이 끊김 없이 이어지고, 그 안에서 개인화된 정보가 활용되면 고객은 기업과의 상호작용에 더 깊이 몰입할 수 있게됩니다. MCP는 이러한 몰입형 브랜드 경험을 가능하게 하는 핵심 인프라입니다.MCP와 마케팅 혁신마케팅 측면에서 MCP는 다음 3가지 혁신을 기대할 수 있습니다.(1) 실시간 고객 응대의 혁신앞서 들었던 예시와 같이 MCP를 활용하면 고객이 “이 제품 지금 재고 있나요?”라고 묻는 순간, AI는 재고 관리 시스템에서 데이터를 바로 가져와 답변합니다. 더 이상 ‘추측성 응답’이 아닌 검증된 최신 데이터를 기반으로 한 응대가 가능합니다.(2) 개인화의 정교화마케팅의 핵심은 나만을 위한 메시지를 전달하는 것입니다. MCP는 AI가 고객의 과거 구매 이력, 웹사이트 행동 데이터, 실시간 위치 정보까지 통합해 맥락에 맞는 제안을 할 수 있도록 합니다. 예를 들어, 고객이 특정 제품 페이지를 열람한 직후 AI가 “현재 이 제품에 대해 10% 할인 중이며, 오늘 주문 시 내일 배송 가능합니다.”라는 메시지를 전송합니다.(3) 캠페인 운영 자동화마케터는 MCP를 통해 광고 집행 툴, 이메일 마케팅 플랫폼, SNS 채널을 하나의 AI 대화 환경에 통합할 수 있습니다. 캠페인 데이터를 분석해 성과가 낮은 타겟군을 즉시 조정하거나, 성과가 좋은 광고 문안을 다른 채널로 확장하는 자동화도 가능합니다.AI, 도구에서 에이전트로2025년의 마케팅 환경은 과거와 비교할 수 없을 정도로 복잡하고 역동성이 더해지고 있습니다. AI 기술은 단순한 콘텐츠 생성 도구를 넘어, 고객 접점 전체를 통합 관리하는 에이전트 기반 생태계로 발전하고 있습니다.특히 MCP는 AI와 외부 데이터, 도구, 시스템을 하나의 언어로 연결하는 환경을 만드는 핵심 역할을 수행할 것입니다. 결과적으로는 AI 에이전트의 활성화를 이끌어낼 것이라 예상할 수 있습니다.MCP의 확산은 마케팅 생태계에 큰 변화를 가져올 것입니다. 앞으로의 AI 마케팅은 표준화 기반 생태계 → 도구·데이터 실시간 연동 → 자동화된 맞춤 경험 제공이라는 흐름으로 가속화될 것입니다. 마케터는 MCP 덕분에 기술 통합에 쓰던 시간을 절약하고, 전략과 창의성에 집중할 수 있습니다.MCP적용 시 주의점전적으로 AI로 인해 모든것이 자동화될 수록 주의사항은 더욱 명확합니다. 맥사이트픽으로 여러번 언급해드렸던 프라이버시와 보안 문제입니다. MCP로 연결되는 데이터는 실시간성이란 강한 무기를 가집니다. 그리고 그만큼 보안 위협을 수반합니다. AI가 민감한 데이터에 접근하는 만큼, 권한 제어와 감사 로그 관리가 필수이며 때로는 데이터 접근 권한을 최소화하고, 필요한 경우 고객 동의를 명확히 받아야 할 것입니다.또한 사용자 경험 관리 측면으로도 주의가 필요합니다. AI가 모든 요청을 자동 처리하더라도, 고객이 과도한 정보 제공을 요구받는다면 거부감을 느낄 수 있습니다. UX 설계 단계에서 고객 편의성을 최우선으로 고려해야 합니다. AI가 설계한 고객의 UX에 대해 고객이 100%만족할 것이라 기대에 의존하지 않는것이 좋습니다. AI 또한 잘못된 데이터를 기반으로 고객을 잘못 이해하거나 오해하는 경우가 생길 수도 있습니다. MCP의 구조와 설정 방식이 아직은 생소합니다. 이를 해결하기 위해 MCP 경험이 있는 파트너사와 협력하거나, 마케터, 개발자, 경영진이 모여 MCP의 가치와 역할에 대한 공감대 형성과 이해도를 맞추는 것이 첫번째 순서일 수 있습니다.마치며AX(AI 대전환)을 준비하는 기업과 브랜드에게 MCP는 실무에서 마케터가 직면하는 데이터 단절, 시스템 불일치, 운영 비효율 문제를 근본적으로 해결하고 여기에 고객 경험 강화, 영업 프로세스 최적화, 캠페인 자동화 등 다양한 영역에서 효과를 발휘기 위한 최고의 방안이 될 수 있습니다.마케터가 MCP를 성공적으로 활용하려면 우선순위 시스템 선정, 데이터 품질 관리, 보안 설계를 철저히 하기를 권해드립니다. 현시점부터 단계적으로 MCP를 도입하고 경험을 축적하는 기업이 향후 AI 마케팅을 리드하는 브랜드가 될 것임을 강조드리며, 이번 포스팅을 마치겠습니다.
그로스 마케팅이란? 뜻, 성공 사례, 필수 전략 총정리
그로스 마케팅의 정의부터 성공 사례와 필수 전략까지, 데이터 기반 성장 비법 총정리