✅ 오늘의 파쓰 지식 : 플랫폼에 쌓이는 데이터를 활용하여 사용자에게 개인화된 경험을 제고할 수 있는 방법을 알아봐요!

✅ 파쓰가 전하는 테크 샤라웃 : 여기어때, 뱅크샐러드, 배달의민족의 테크 블로그 소식을 소개합니다!

유튜브 뮤직의 성공 사례에서 알 수 있듯이, 데이터를 효과적으로 활용한 개인화된 경험은 사용자 만족도를 크게 높이는 중요한 요인이 될 수 있는데요. 오늘은 데이터를 활용하여 사용자에게 의사결정을 지원하는 방법을 소개했던 지난 파쓰레터_part1, part2에 이어, 사용자에게 개인화된 경험을 제고할 수 있는 방법에 대해 설명하고자 해요. 개인화된 경험을 제고할 수 있는 방법으로는 ‘추천’, ‘기록’, ‘영향력’이 있는데요. 이에 대해 파쓰와 함께 하나씩 살펴봐요!

나만을 위한 맞춤 추천🧚‍♀️

데이터를 활용하여 사용자에게 개인화된 경험을 제고할 수 있는 첫 번째 방법은 추천이에요. 유튜브를 이용하다 보면 취향에 맞는 다양한 콘텐츠를 추천해 주는데요. “유튜브 알고리즘에 이끌려 여기까지 왔다”라는 댓글을 쉽게 볼 수 있죠.😂 이는 추천의 대표적인 사례라고 할 수 있어요.

이처럼 플랫폼의 다양한 상품과 콘텐츠 등의 데이터가 쌓이게 되면, 정보의 홍수 속에서 개인화 추천의 중요성이 더욱 부각되는데요. 유튜브의 최고 상품 담당자(CPO) 닐 모한(Neal Mohan)은 2019년 3월 뉴욕타임즈와의 인터뷰에서 유튜브 이용자들의 시청 시간 중 70%가 추천 알고리즘에 의한 결과이며, 알고리즘의 도입으로 시청 시간이 20배 이상 증가했다고 밝히기도 했어요. 넷플릭스도 영화의 75%가 추천을 통해 소비된다고 발표한 바 있죠.

하지만 이러한 개인 맞춤 추천은 모든 플랫폼이 유튜브처럼 쉽게 구현할 수 있는 것은 아니에요. 추천이 이루어지는 기준은 플랫폼이 보유하고 있는 데이터의 유형에 따라 달라질 수 있기 때문인데요. INF Academy에서는 개인화 추천 서비스를 효과적으로 구축하기 위해 플랫폼이 보유하고 있는 데이터에 따라 활용할 수 있는 다양한 추천 방법을 맵으로 정리했어요. 이 맵은 보유하고 있는 데이터 유형에 따라 활용할 수 있는 개인화 기법을 이해할 수 있도록 도와주는데요. 자세한 내용은 추후 파쓰레터를 통해 각각 자세히 다뤄보도록 할게요!

기록 데이터를 통한 개인화된 경험 설계📝

여러분들은 하루의 기록을 남기시나요? 파쓰도 연초에 다이어리를 꾸준히 써보겠다고 다짐했지만, 막상 실행에 옮기는 것은 쉽지 않은 것 같아요. 그러나 꾸준히 기록을 남기다 보면 쌓이는 것에 대한 성취감을 느껴 더 열심히 작성하게 되는 것 같은데요. 플랫폼도 이와 유사하게 사용자가 남기고 있는 활동에 관한 기록 데이터를 제공함으로써 사용자에게 개인화된 경험을 제고하고 플랫폼 사용을 활성화시킬 수 있어요. 그 방식으로는 크게 두 가지로 나누어 볼 수 있는데요. 데이터만 제공하는 방식과 데이터에 해석을 덧붙여 제공하는 방식이에요. 

#데이터만 제공하는 방식

먼저, 데이터만 제공하는 방식은 사용자가 활동한 기록 데이터를 시각화하여 그대로 전달하는 방법이에요. 이 방식은 특히 전문적인 사용을 지향하는 플랫폼의 경우에 효과적으로 활용될 수 있어요. 일반적으로, 최근의 앱 트렌드에서는 데이터를 더 쉽게 이해할 수 있도록 해석을 덧붙여 제공하는 방식이 더 친절하고 사용자 중심적인 접근으로 간주되기도 해요. 하지만, 전문적 사용자를 타겟한 플랫폼의 경우, 이러한 접근이 오히려 비효율적일 때가 있어요. 예를 들어, 다이빙과 같이 사용자의 전문지식이 필요한 분야의 기록이나 주식 투자 등과 같이 사용자가 전문적 분석을 원하는 플랫폼일 경우 등 초보 사용자가 타겟이 아닐 경우에, 알기 쉬운 해석을 덧붙이는 것보다 데이터를 시각화하여 그대로 제공하는 것이 오히려 더 효과적일 수 있어요.

또 다른 예시로 ‘Sleep Cycle’ (슬립사이클)는 수면 시 소음 데이터를 수집하여 사용자의 수면 품질을 분석해 주는 플랫폼인데요. 슬립사이클은 수면 건강 관리의 전문 플랫폼으로 포지셔닝하고 있어요. 사용자들은 자신의 수면에 대해 정확한 분석을 받길 원하기 때문에 시각화된 데이터 중심의 정보를 제공하여 사용자가 자신의 수면 패턴과 질을 직접 확인하고 분석할 수 있도록 돕고 있어요. 이렇게 데이터 중심의 화면을 제공함으로써 수면 관리 플랫폼으로서의 전문성을 더욱 강화하고 있죠.

비슷한 맥락에서 다이빙 관련 플랫폼인 Oceanic(오셔닉)도 데이터만 제공하는 방식을 채택하고 있는데요. 이 앱은 다이빙 활동 관리의 전문 플랫폼으로, 사용자가 다이빙 시에 애플워치와 같은 웨어러블 기기로 데이터를 수집하여 승강 속도, 수심, 시간 등의 기록을 한눈에 확인할 수 있도록 정보를 제공하고 있어요.

#데이터에 해석을 덧붙여 제공

다음은 데이터를 단순히 제공하는 것에 그치지 않고, 사용자가 이해하기 쉽게 해석을 덧붙여 제공하는 방식이에요. 이는 사전 지식이 없는 사용자들을 대상으로 보다 대중적인 서비스로 포지셔닝 한 플랫폼들이 많이 사용하는 방식인데요.

예를 들어, 토스 만보기 서비스는 사용자의 걸음 데이터를 수집하여 걸음 수에 따른 리워드를 제공하는 서비스예요. 이 서비스는 사용자의 걸음 수를 단순히 보여주는 것을 넘어서, 해석을 덧붙여 제공해요. 아래 사진과 같이, 현재 5,710 걸음을 걸었을 때, “걸어서 아이스크림 하나만큼의 칼로리를 불태웠어요”라며 친근한 UX Writing으로 해석을 덧붙이고 있는데요. 이러한 해석과 메시지는 사용자가 자신의 활동 데이터를 단순히 숫자로만 받아들이는 것이 아니라, 실생활에 적용할 수 있는 의미로 받아들이게 해줘요. 이로 인해 사용자는 더 적극적으로 활동에 참여하게 되고, 플랫폼에 대한 애착도 높아질 수 있어요.

데이터로 보는 사용자의 영향력!🗣️

마지막으로 ‘영향력’이에요. 이 방식은 사용자가 자신의 계정에 대한 영향력을 수치화된 데이터로 확인할 수 있게 하여, 플랫폼 내에서의 활동을 더욱 촉진시킬 수 있어요. 주로 사용자 개인의 아이덴티티가 뚜렷하게 나타나는 플랫폼에서 활용되는데요. 특히 채용 관련 플랫폼이나 SNS처럼 타인의 관심이 중요한 플랫폼에서 많이 사용되고 있어요. 사용자들은 이러한 데이터를 통해 자신의 활동이 다른 사람들에게 얼마나 영향을 미치는지 알 수 있게 되는데요. 이때에 사용자는 더 활발히 플랫폼에 참여하게 되며 사용자 간의 상호작용도 자연스레 촉진시킬 수 있어요. 

예를 들어, 링크드인을 사용하는 파써분들은 “1명이 파써 님의 프로필을 조회했습니다.” 혹은 “이번 주 회원님의 검색 결과 노출은 30입니다.” 와 같은 푸시 알림을 받아보셨을 것이에요. 이러한 알림은 다른 사용자가 내 프로필에 얼마나 관심을 가지고 있는지 보여주어, 플랫폼에서의 나의 영향력과 인지도를 직접적으로 확인할 수 있게 해주는데요. 링크드인과 같은 커리어 플랫폼에서는 타인의 관심이 매우 중요한 요소로 작용하기 때문에, 프로필 조회나 검색 횟수를 수치화해 전달하는 것은 사용자의 인지도와 영향력을 직관적으로 이해하게 하는 유용한 방식이에요. 이를 통해 자신의 프로필이 얼마나 주목받고 있는지를 확인하기 위해 플랫폼을 자주 방문하게 되고, 조회수를 높이기 위해 자신의 프로필 정보를 더 많이 작성하도록 유도할 수 있겠죠.

SNS 플랫폼의 대표주자인 인스타그램 또한 게시글에 대한 좋아요, 댓글, 팔로워 수 등의 데이터를 통해 사용자가 다른 사람들로부터 얼마나 주목받고 있는지를 시각적으로 보여주고 있는데요. 이러한 데이터는 사용자가 프로필을 더 매력적으로 관리하고자 하는 동기를 부여하고, 더 많은 상호작용을 유도하게 해요.

파쓰 TALK🧐

오늘은 데이터를 활용하여 사용자 경험을 제고하는 방법 중 추천, 기록, 영향력에 대해 알아보았어요. 데이터를 통해 사용자의 취향에 맞는 콘텐츠를 추천하고 사용자의 활동을 기록하여 보여주며 플랫폼 내 영향력을 보여주는 것이 어떻게 사용자에게 더욱 개인화된 경험을 제공할 수 있는지 살펴보았는데요. 이러한 방법들을 통해 사용자가 플랫폼에서 더 깊이 몰입하고, 지속적으로 사용할 수 있도록 유도할 수 있을 거예요!

앞으로도 데이터를 활용한 개인화된 서비스는 더욱 발전할 것으로 보이는데요. 중요한 것은 데이터를 단순히 수집하는 것을 넘어, 이를 효과적으로 분석하고 활용하여 사용자가 원하는 경험을 제공하는 것이에요. 여러분도 자주 사용하는 플랫폼에서 어떤 데이터를 수집하고 이를 개인화된 경험 개선을 위해 어떻게 사용하고 있는지 주목해서 관찰해 보는 것은 어떨까요?