비즈스프링의 클라이언트들이 가장 많이 여쭤보시는 질문 중에 하나가 이거죠.
“웹분석 어떻게 활용해야 하나요?”
가장 많이 여쭤보는 질문이면서 가장 답변드리기 어려운 질문이기도 합니다. 웹분석을 도입/이용하는 목적 및 이유에 따라 가지각색의 답변을 드릴 수 있기 때문입니다. 웹사이트의 운영성과를 측정하여 내부적으로 평가하려는 목적인지, 상품 데이터를 분석하여 매출을 올릴 방법을 강구하기 위함인지, 웹사이트 방문자가 어떤 경로로 유입되는지를 확인하여 마케팅 예산을 책정해야 하는 것이 목적인지에 따라 이야기의 주제는 달라집니다.
물론 많은 경우의 클라이언트들이 ‘비즈니스 경영 및 마케팅 의사결정을 위한 데이터의 확보’와 같은 포괄적이면서도 애매한 목적으로 웹분석을 이용하는 것은 사실입니다. 최근의 가장 큰 이슈중에 하나인 빅데이터와 비슷한 맥락으로 어떠한 데이터라도 수집해두면 사용할 만한 가치가 생길 것이라는 기대감이 크게 작용하는 것이죠.
결국 데이터는 쌓여가는데 그 데이터를 제대로 이용하지 못하고 단순하게 보고용으로만 쓰여 버리는 경우가 많이 발생하게 되는 것이죠. 그렇기 때문에 분석 데이터를 활용하는 방법을 제대로 이해하는 것은 매우 중요한 일이라고 할 수 있습니다.
경험과 직감만으론 부족하다.
한 분야에서 오랫동안 직무를 수행해온 전문가의 경험과 직감은 그들을 매우 스마트하게 만들어 줍니다. 그런 노하우를 갖췄음에도 그 전문가들은 예언자가 아니기 때문에 항상 들어맞는 견해를 낼 수는 없습니다. 오히려 최악의 실수를 범하는 경우도 종종 목격할 수 있죠.
그런 실수를 범하지 않기 위해서 우리는 실험을 하고 그 경험과 직감을 보완하기 위한 수단으로 수치화된 데이터를 이용하게 됩니다. 어떠한 요소들이 어떤 결과를 이끌어내는지 그 과정을 통제할 수 있으며, 실측된 수치로 신뢰성을 부여할 수 있을 때 우리는 비로소 실험-테스팅(Testing)을 수행할 수 있게 되는 것이죠.
그렇습니다. 테스팅은 웹분석을 제대로 활용하는 최상의 방법 중에 하나입니다.
테스팅의 기법 및 사례
이미 웹분석을 알고 계신 분이라면 A/B 테스팅이나 Multi-Variate 테스팅 같은 테스팅 기법은 많이 들어보셨을 겁니다.
– A/B Testing : 한가지 변화 요인에 대해 테스트를 수행 기법, 쉬운 구현, 단순 데이터 획득
– Multi-Variate Testing : 복수 변인에 대해 테스트를 수행하는 기법, 복잡한 구현, 고급 데이터 획득
이 두 방법은 가장 많이 사용되는 테스트 기법들로 이미 많은 사례들을 찾아볼 수 있습니다.
아마존(amazon.com)의 가장 효과적이었던 테스트 사례는 바로 로그인을 한 고객에게 메인 페이지에서 이름과 함께 인사문구를 삽입한 것이었죠. 기존의 아마존 페이지에서 로그인을 했을 때 뿌려졌던 메시지는 “With Amazon.com Anywhere, you don’t need a PC to shop online.”과 같은 문구였는데 이것을 “Hello, Andrej Gregory. We have recommendations for you in Books.”처럼 바꾼 후 테스트한 결과 고객들이 장바구니에 상품을 담는 비율이 크게 증가한 결과를 얻었고 당연히 그 문구를 정식으로 채택하게 되었습니다.
구글 지메일(gmail.com)도 메인페이지의 회원가입 배너를 문구, 버튼 디자인, 배치 등을 다양하게 변경하며 회원가입률을 높이기 위해 끊임없는 테스팅을 시도하여 그 결과를 직접 반영하고 있습니다.
영국의 대표적인 운송회사인 내셔널 익스프레스(National Express)는 연간 10억번의 트랜잭션이 일어나는 사이트인데 예약시스템의 체크아웃 프로세스를 다변수 테스팅을 이용하여 테스트 한 것으로 유명합니다. 예약시간, 운임안내, 좌석배정 등 다양한 변인들의 콤비네이션을 통해 무려 1,500건에 달하는 조합을 뽑아내어 테스트를 진행하였는데요, 물론 그 결과 14%에 이르는 전환율 향상을 이끌어내어 성공적인 사례로 평가받고 있죠.
쉽지는 않지만 꼭 필요한, 테스팅
이렇듯 테스팅을 통한 웹사이트 퍼포먼스 및 전환율에 대한 성공사례는 쉽게 찾아볼 수 있을 정도로 많은 기업들이 시도하고 있습니다만 사실 테스팅을 수행하는 것은 말처럼 쉬운 것은 아닙니다.
특히나 기업 규모가 크지 않거나, 전문 팀이 꾸려지지 않은 경우, 담당자의 실무 부하가 큰 경우는 쉽게 수행하기 어려운 것이 사실입니다. 그렇기 때문에 기업내에서도 많은 관심과 계획적인 투자가 필요합니다.
테스팅은 계속되어야 한다.
페이스북이 최근 A/B 테스팅 코드를 오픈 소스로 공개하였습니다. 플랜아웃이라 이름 붙인 이 테스팅 코드는 간단한 A/B 테스팅부터 대규모 인터페이스 변화를 분석하기 위한 팩토리얼 디자인까지 실험을 가능하게 해준다고 하는데요. SNS에서도 테스팅에 대한 다양한 시도가 계속되는 것을 보면 테스팅에 대한 관심이 많아지고 그 필요성이 더욱 커지고 있다는 것을 실감할 수 있습니다.
A/B 테스팅과 다변수 테스팅처럼 불특정 다수를 대상으로 직접 실험 결과를 수집하는 테스팅 방식은 집단 지성(Group Genius)이 충분하게 구현되는 좋은 사례이기도 합니다. 소수의 전문가가 최적의 결과를 이끌어내려 했던 과거의 방식과 달리 다수의 비전문가 집단에 의해 더욱 효과적인 결론을 얻을 수 있으니 말이죠.
하지만 사용자의 니즈는 언제나 빠르게 변화하므로 이러한 테스팅의 결과가 끝이 있다고 생각하는 것은 위험한 일입니다. 테스팅 프로세스 반복적인 수행결과로 얻어지는 결과를 차곡차곡 데이터화 시켜 지식 기반을 구축하는 것이 바로 테스팅의 본질이라는 것을 잊어서는 안 됩니다. 가설을 세우고 비교 데이터를 습득하고 그것을 분석하여 새로운 시도를 반복한다면 사용자를 편의성은 저절로 갖춰질 것이며, 웹사이트의 퍼포먼스도 자연스레 상승하는 것을 경험할 수 있을 것입니다.
