나만을 위한 취향 맞춤형 사용자 경험
나만을 위한 취향 맞춤형 사용자 경험
- 개인화된 경험의 원칙 3가지
바야흐로 ‘개인화(Personalization)의 시대’입니다. 누구나 자신만의 취향을 갖고 있음을 인정하고, 서로 다른 취향과 다양성을 존중하며 나다움을 스스럼없이 표현합니다.
특히 MZ세대는 자기만의 가치관과 취향에 따라 행동하고 적극적으로 소비하는데요. 이러한 행동과 소비 트렌드를 ‘디깅(Digging) 소비’라고 부릅니다. 자신이 선호하는 품목이나 영역을 깊게 파고들 뿐만 아니라, 기꺼이 금전적으로 투자하는 취향 소비를 뜻하는데요. MZ세대는 자신을 잘 표현할 수 있는 소비 행태를 SNS에 업로드하며 이를 과시하기도 합니다. 이러한 행위를 인스타그래머블(Instagramable)이라고 부르며, SNS 업로드가 MZ세대의 새로운 소비 기준으로 작용하고 있습니다.
이처럼 나만의 취향을 지향하는 고객의 니즈에 발맞춰, 여러 기업이 더욱 다양한 커스터마이징(Customizing) 서비스를 제공하기 위해 노력하고 있습니다. 커스터마이징이란 고객의 요구에 따라 제품을 만들어주는 일종의 맞춤형 제작을 의미하며, 최근에는 디지털 기술을 이용해 사용자가 직접 취향에 따라 UI를 편집할 수 있는 기능까지 포함합니다.
다양한 영역으로 확대된 개인맞춤 서비스
커스터마이징 서비스는 운동화나 명품 백과 같은 패션 영역뿐만 아니라, 스마트폰이나 노트북과 같은 개인용 디지털 디바이스 영역에서도 손쉽게 찾아 볼 수 있는데요. 최근에는 이런 트렌드가 인테리어 맞춤형 가전으로까지 확산되는 추세입니다.
커스터마이징 서비스는 운동화나 명품 백과 같은 패션 영역뿐만 아니라, 스마트폰이나 노트북과 같은 개인용 디지털 디바이스 영역에서도 손쉽게 찾아 볼 수 있는데요. 최근에는 이런 트렌드가 인테리어 맞춤형 가전으로까지 확산되는 추세입니다.
개인의 취향에 맞추어 도어의 색을 바꿀 수 있는 냉장고(출처: LG전자).
개인 맞춤형 서비스는 급격한 기술의 발전으로 인해, 더욱 편리함을 추구하는 고객의 니즈를 효과적으로 만족시킬 수 있는 방향으로 진화했습니다. 바로 빅데이터(Big data)와 딥러닝(Deep learning)과 같은 인공지능 분석 기술을 기반으로 한 개인화 추천, 또는 큐레이션(Curation) 서비스인데요. 최근 비대면 디지털 가속화로 인해 고객 데이터 트래픽이 급증했고, 이는 추천 알고리즘(algorithm)의 자양분이 돼 개인화 추천 서비스를 더욱 고도화시켰습니다.
개인화 추천 서비스는 넘쳐나는 정보의 홍수 속에서 번거로운 탐색 없이도 사용자의 관심사와 취향에 맞춤화된 콘텐츠 및 기능을 효율적으로 사용할 수 있게 해 줄 뿐만 아니라, 나도 몰랐던 내 취향을 알려주기도 합니다.
이러한 개인화 추천 서비스는 넷플릭스나 유튜브와 같은 스트리밍 산업이나 아마존과 같은 이커머스 산업을 중심으로 활성화 돼 고객에게 차별화된 개인화 경험을 제공하고 있는데요. 특히 넷플릭스의 추천 알고리즘인 ‘시네매치(Cinematch)’는 대표적인 개인화 추천 서비스로 알려져 있습니다. 시네매치는 고객의 개인 프로필, 콘텐츠 이력, 선호도, 시청 시간대 등을 분석, 사용자에게 맞춤화된 콘텐츠를 추천합니다. 넷플릭스에 따르면 시네매치를 통해 개인화된 콘텐츠를 큐레이션했을 때 약 80%의 사용자가 추천된 콘텐츠를 선택했으며, 이는 넷플릭스 전체 매출 발생의 60% 증가에 기여했을 정도로 비즈니스 측면에서도 효과를 입증했습니다
그렇다면 브랜드는 UX 관점에서 무엇을 해야 할까요? 사용자가 개인화를 원하는 과업을 파악하고, 해당 과업 특성에 부합하는 커스터마이징 또는 큐레이션 방식을 선정해 디자인해야 합니다. 이번 글에서는 사용자 취향에 맞춤화된 경험을 제공하는 ‘개인화된 경험(Personalized Experience)의 원칙’에 대해 살펴보겠습니다.
원칙 1. 취향에 따라 디자인과 사용 방식을 직접 선택 할 수 있어야 합니다.
당연한 이야기지만 ‘평균적인 사람’은 있을 수 없습니다. 개인을 설명하는 특성 변수가 무척 다양하기 때문인데요. 성격, 신체 사이즈, 고유한 감성, 지식과 경험 등이 모두 동일한 사람은 존재하지 않습니다. 이처럼 사용자의 다양성을 배려하기 위해 UX 디자이너는 무엇을 해야 할까요? 제이콥 닐슨의 10가지 휴리스틱 원칙(UI·UX 평가 방식) 중 하나는 사용자에게 ‘선택권과 자유도(User control and Freedom)’를 제공하는 것입니다. 취향과 개성을 살릴 수 있도록 선택의 여지를 주는 것이죠.
이를 위해 앞서 살펴본 커스터마이징 기능을 활용할 수 있을 텐데요. 사용자가 자신만의 감성과 취향을 표현하도록 디자인 스타일을 선택할 수 있게 하거나, 더 나아가 사용 방식까지 선택할 수 있게 해 개개인의 인체적·인지적 특성 및 기존 경험에 의한 익숙함, 사용 습관 등을 만족시키도록 하는 것입니다. 이러한 개인 맞춤형 경험을 통해 사용자는 감성적인 만족뿐 아니라 사용성까지 극대화할 수 있습니다.
대표적인 사례로 애플의 미모티콘이 있습니다. 사용자는 자신의 성격과 분위기에 맞는 미모티콘을 직접 만들 수 있는데요. 미모티콘은 피부색, 헤어 액세서리, 안경 등 외형 외에도 사용자의 목소리와 표정까지 반영합니다. 사용자는 개성을 살린 미모티콘을 통해 자기를 표현하고, 타인과 커뮤니케이션 할 수 있습니다.
스마트폰의 터치 키보드 커스터마이징 기능도 좋은 사례입니다. 단순히 취향에 맞도록 테마를 설정하는 것뿐만 아니라, 손 크기에 맞도록 키보드 크기를 조절할 수 있으며, 자주 사용하는 기호를 직접 커스터마이징해 효율성을 높일 수도 있습니다. 이를 통해 사용자는 디자인과 사용성 측면 모두에서 만족스러운 경험을 하게 됩니다.
원칙 2. 사용 이력을 학습해 딱 맞는 기능과 정보를 추천해야 합니다.
사람은 양면성(兩面性)을 지닙니다. 흥미롭고 창의적인 과업에는 능동적인 태도를 보이는 반면, 복잡하고 번거로운 과업은 누군가가 대신 해주길 원하는 수동적인 면모를 보이기도 합니다.
특히나 정보의 홍수 앞에서 사용자는 무기력 해지는데요. 대다수의 사용자는 너무 많은 선택지가 제공됐을 때 인지적 부담과 스트레스를 느끼곤 합니다. 그러므로 콘텐츠나 기능이 너무 많을 경우에는 개인화된 추천을 통해 선택지를 줄이는 작업이 필요합니다.
그렇다면 개인화 추천은 어떻게 제공할 수 있을까요? 가장 쉬운 방법은 최근에 사용했거나 가장 많이 쓴 이력을 기억한 뒤 추천하는 것입니다. 예컨대, 내비게이션 목적지나 계좌 번호를 입력하는 과업과 같이 사용자가 자주 반복적으로 수행하는 루틴(Routine)한 과업에 대해 최근 이력을 추천해 주는 방법은 효과적입니다. 이를 통해 사용자는 번거로운 입력 과정을 생략할 수 있을 뿐만 아니라, 기억에 대한 부담도 덜 수 있습니다.
조금 더 고도화된 개인화 추천 서비스는 앞서 살펴본 넷플릭스의 시네매치와 같이, 사용자의 다양한 개인 데이터와 추천 알고리즘을 통해 해당 사용자가 사용할 법한 콘텐츠나 기능을 예측해 추천하는 것입니다. 특히 정보량이 너무 많아 무엇을 사용해야 할지 가늠하기 어려운 과업에 대해 더욱 효과를 효과를 발휘합니다.
실제로 쿠팡이나 유튜브 및 Flow와 같이 등록된 콘텐츠의 양을 가늠조차 하기 어려운 경우, 추천 알고리즘이 사용자의 데이터를 기반으로 소수의 콘텐츠를 추천한다면 사용자는 콘텐츠를 찾는 시간을 아끼는 대신 즐기는 시간에 더 집중할 수 있습니다.
.
원칙 3. 환경 및 제품 상태에 맞춰 기능과 정보를 추천해야 합니다.
사람은 대부분의 판단을 휴리스틱(Heuristic)에 의존합니다. 행동 경제학(Behavioral economics)에 따르면 사람의 의사결정은 분석적 시스템 보다는 직관적 시스템에 더욱 의존합니다. 즉, 상황과 가능성에 대한 모든 정보를 수집하고 분석하여 합리적인 판단을 하기 보다는 적당한 수준에서 휴리스틱, 즉 어림짐작에 의해 판단하곤 합니다.
이는 복잡한 정보를 종합 판단해야 하는 경우 문제가 됩니다. 사용자는 최적의 판단에 따른 명확한 이득이 있음에도 불구하고, 많은 경우 적당한 어림짐작으로 최종 판단을 하곤 합니다. 정보가 너무 많은 데다 전문성이 부족해 벌어지는 자연스러운 현상이죠. 때문에 서비스는 사용자가 처한 상황과 환경 정보를 바탕으로 최적의 선택을 지원하는 분석 알고리즘 기반의 맞춤 추천 기능을 제공해야 합니다.
내비게이션 서비스 TMAP과 네이버 지도의 경로 추천 기능이 대표적인 사례입니다. 최적의 경로는 교통 상황 등에 따라 실시간으로 달라집니다. 사용자가 최적의 운전 경로를 파악하기 위해서는 다양한 채널을 통해 교통 상황 정보를 수집하고 이를 기반으로 시뮬레이션을 거쳐 최종 판단을 내려야 하겠죠. 하지만 이는 결코 쉬운 일이 아닙니다. TMAP의 경로 추천과 같이 복잡한 정보 수집 과정과 인지 과정을 교통 상황 빅데이터와 추천 알고리즘이 대신해 주면 사용자는 운전에만 집중할 수 있습니다.
.
이러한 맥락적 추천 서비스는 전문성을 요구하는 영역에도 적용할 수 있습니다. 예컨대 홈케어 매니저 기능은 가전 제품의 기기 사용 정보를 분석해 제품에 이상이 발생하면 원인과 함께 해결 방안을 제안합니다. 이러한 기기 진단은 전문가의 도움이 필요한 영역으로, 사용자 혼자서는 처리하기 어렵습니다. 홈케어 매니저 추천 정보를 통해 사용자는 사전에 고장을 예방할 수 있고 서비스 센터에 연락하는 번거로움 없이 제품을 올바르게 관리할 수 있습니다.
SmarthThinqs 홈케어 매니저(이미지 출처: Samsung.com).
개인화 시대에 맞춤화된 경험 디자인하기
지금까지 사용자의 취향에 맞춤화된 경험을 제공하는 개인화된 경험의 원칙에 대해 살펴보았는데요. 사용자는 커스터마이징 기능을 통해 자기만의 취향을 표현할 수 있을 뿐만 아니라 자기 습관에 맞춰 UI를 조절해 더욱 편리하게 사용할 수 있습니다. 더 나아가 개인화된 추천을 통해 번거롭거나 어려운 과업을 생략하고 과업의 본질에 집중할 수 있습니다.
이처럼 사용자의 취향과 다양성을 배려한 개인화된 경험을 디자인할 때는 과업의 특성을 잘 이해 해야 합니다. 개인 차가 있겠지만, 사용자는 흥미롭거나 개인의 창의성을 발휘하고 싶은 과업은 능동적으로 직접하고 싶어 하는 반면, 번거롭거나 어려운 일에 대해선 전문가의 손을 빌리고 싶어 합니다. 이를 고려해 선택권을 넓힐지 아니면 알고리즘으로 복잡하고 귀찮은 영역을 대신하는 등 선택권을 줄일지 신중히 검토해야 합니다. 알고리즘 추천을 활용하더라도, 최종 결정은 사용자가 할 수 있도록 추천 기능과 직접 탐색 경로를 균형 있게 유지하는 방안도 고려할 필요가 있습니다.
만약 알고리즘을 도입할 경우, 어떤 데이터(사용자 데이터, 환경 데이터 등)를 활용해야 사용자 관점에서 최적의 의사결정에 도움이 될지 고민해야 합니다. 고객 데이터 기반으로 개인화 서비스를 제공하기로 했다면 사전에 이를 공지하고 동의를 받는 개인정보 활용의 투명성을 확보해야 하는데요. 정보통신정책연구원의 개인정보보호에 대한 조사에 따르면, 사용자는 온라인에 개인 흔적이 남는 것을 두려워하는 경향이 있으므로, 개인화된 서비스를 더 잘하기 위해서는 선제적으로 사용자의 안심과 신뢰를 얻는 것이 중요합니다.
알고리즘 기술은 분명 사용자에게 많은 이득을 줄 수 있는 기회의 영역입니다. 그렇지만 사용자 입장에서 알고리즘이 제공하는 경험은 마치 블랙박스와 같아, 그 속에서 일어나는 과정을 알 수 없기 때문에 사용에 앞서 두려움이 들 수도 있습니다. 이처럼 알고리즘과 사용자간의 상호작용을 디자인하는 것이 새로운 영역인 만큼 사용자의 가치를 해칠 수 있는 부분을 사전에 충분히 파악한 뒤 적절한 대응 방안을 마련해야 합니다.
출처 : https://ditoday.com/%EB%82%98%EB%A7%8C%EC%9D%84-%EC%9C%84%ED%95%9C-%EC%B7%A8%ED%96%A5-%EB%A7%9E%EC%B6%A4%ED%98%95-%EC%82%AC%EC%9A%A9%EC%9E%90-%EA%B2%BD%ED%97%98/
