A
약 80초
유저 데이터 분석 → 개선 도출 경험
팀 프로젝트에서 앱 이용 데이터를 분석해 유저가 특정 페이지에서 이탈하는 패턴을 발견한 경험이 있습니다. 히트맵과 세션 데이터를 보니 상품 상세 페이지에 들어갔다가 구매 없이 나가는 비율이 72%였는데, 이탈 시점이 가격 섹션이 뜨는 순간과 일치했습니다. 가설은 가격 정보가 늦게 로드돼 이탈을 유발한다는 것이었고, 가격 영역을 스켈레톤 UI로 먼저 보여주는 방식으로 수정했더니 이탈률이 72%에서 59%로 줄었습니다. 데이터 분석보다 어려운 건 수치가 왜 그렇게 나오는지에 대한 해석이었는데, 실제 사용자 5명에게 직접 화면을 조작하게 하면서 확인한 것이 결정적이었습니다. 앞으로도 정량 데이터와 정성 관찰을 함께 써서 개선점을 도출하는 방식을 유지하겠습니다. 앞으로도 정량 데이터와 정성 관찰을 함께 써서 개선점을 도출하는 방식을 유지하겠습니다.
이탈률 수치만으로는 왜 이탈하는지 알 수 없습니다. 실제 사용자 행동을 직접 관찰하는 것이 데이터 해석의 정확도를 높이는 가장 효과적인 방법입니다.
이 결의 특징
이탈률 수치 발견에서 멈추지 않고, 왜 이탈하는지를 실제 사용자 관찰로 확인한 과정까지 짚는 결이다. 정량과 정성을 함께 쓰는 방식이 축이다.
이 결이 통하는 자리
데이터 분석 경험을 수치 나열로 답하기 쉬운 질문에서, 해석의 어려움과 검증 과정을 짚는 답이 통하는 자리다.