사용자 경험은 어떻게 설계하는 것인가?

사용자 경험에 대해 관심을 가지게 된 것은 사실 전통 광고 매체에서 온라인 모바일로 변화하는 매체 콘텐츠 시장에서 사용자 반응 차이를 경험하면서부터입니다. 흔히 원소스멀티유즈 경험이 UX 시작이라 할 수 있습니다. 이후 3D 스타트업에서 사업 기획을 하면서 사용자 경험 설계에 대한 부분은 더 깊이 생각하게 되었습니다.

 

 

 

원소스멀티유즈와 UX

 

같은 콘텐츠라도 어떤 미디어를 통해 즐기냐에 따라 그 느낌이 매우 다릅니다. 과거 극장에서 재밌게 보았던 영화를 TV에서 보면 그 느낌이 안나는 때도 있었습니다. 그러다 스마트폰이 콘텐츠 소비의 주요 디바이스가 되면서 또 그 느낌이 달라졌습니다.

 

과거 온라인에서 배너 광고가 키워드 광고보다 더 큰 시절 리치 미디어 광고는 획기적이었습니다. 그리고 한때 TV와 같은 광고 기법인 전면 광고가 시도되던 때도 있습니다. 모니터 화면 전면을 가리는 광고는 TV 시청자와는 다르게 온라인 사용자에게 상당한 거부감을 일으키기도 했습니다.

 

한때 DMB폰이 인기를 끌던 시절 TV 드라마 DMB폰으로 방송되기도 했고, DMB폰 전용 드라마도 TV 드라마처럼 제작되기도 했습니다. 그러나 이런 시도는 실패하였습니다. 지금 생각해 보면 DMB폰 디바이스의 해상도와 무선 인터넷의 속도의 영향이 컸던 것 같습니다.

 

과거 일본 애니메이션이 인기를 끌던 시절에는 일본 애니 라이선스 모바일 게임이 많이 출시되었습니다. 심지어 '떡 먹는 용만이'같은 인기 예능 프로그램을 기반으로 게임이 제작되기도 했습니다.

 

만화가 게임화 되는 경우 책으로 인기를 더 끌었던 만화가 더 인기 있는 게임이 되는 것은 아닙니다. 그 예로 리니즈와 열혈강호가 있습니다.      

 

극장에서 본 영화의 감동이 TV에는 없는 이유, DMB는 성공하지 못한 이유, 애니메이션 라이선스 게임이 반짝 인기가 아니라 지속되지 못하는 이유, 더 인기 있는 만화가 더 인기 있는 게임이 되지 못하는 이유 등이 바로 사용자 경험 때문입니다.

 

사용자 경험은 절대적이지 않습니다. 상대적이고 상황 연관이 있습니다. 이것에 대한 부분은 3D 사업 기획을 통해 더 잘 알게 되었습니다.

 

 

 

3D와 사용자 경험

 

UX는 무엇이라 생각하십니까?

 

3D를 하면서 배운 UX는 정보의 구성과 이 정보가 사용자에게 노출되면서 사용자의 인지가 작동한 결과라는 점입니다.

 

영화 아바타와 같은 3D 영화는 실제 3차원 촬영을 하는 것은 아닙니다. 두 개의 촬영하여 극장의 2D 화면에 영사합니다. 이를 관객이 두 개의 눈으로 각각의 영상을 따로 인식하게 됩니다. 그리고 이렇게 입력된 시각 정보는 뇌에서 해석되면서 3D로 인식되게 됩니다.

 

흔히 3D 영화를 보면 어지럽다는 말을 하기도 합니다. 이 어지러움은 두 개의 2D 정보를 해석하여 3D화 하면서 뇌에 과부하가 걸린 현상이라 할 수 있습니다. 컴퓨터 CPU가 너무 많은 일은 하면 뜨거워지는 것과 비슷한 현상이라 할 수 있습니다.

 

관객이 아바타 영화를 보며 3차원을 느낀 것은 눈을 통해 들어온 정보에 대한 뇌의 해석 때문인 것입니다.

 

이를 앱 서비스나 웹 서비스에서 사용자 경험에 활용할 수 있습니다.

 

전체적으로 같은 정보 그룹이라도 이 정보를 어떤 순서로 노출하는가, 어떤 정보들을 묶어서 노출하는가 등에 따라 사용자 경험은 완전히 달라지게 됩니다. 그렇기에 아무리 똑같은 앱이라도 사용자는 다른 UX를 느끼게 되는 것입니다.

 

 

 

사용자 경험의 설계      

 

결론적으로 사용자 경험은 정보와 정보를 해석하는 시스템에 따라 달라지게 됩니다.

 

• 정보 - 앱 화면, UI, 기능, 피드백 내용 등
• 해석 시스템 - 사용자 인지 (정보를 처리하는 방식 또는 스테레오 타입, 선호 등)

 

먼저 사용자 경험을 형성할 대상을 지정해야 합니다. 그렇지 않을 경우 상대성 및 온라인의 네트워크 영향력에 의해 UX 강화는 희석될 것입니다.

 

그리고 시스템 안의 정보와 외부 정보를 조합합니다. 외부 정보는 기업이 컨트롤할 수 없습니다. 그러나 반복적 학습을 통해 로그인 시 일정 인지 활성화 상태를 유도할 수는 있습니다. 광고나 홍보를 통해 외부 정보를 특정 상태로 유도할 수도 있습니다. 그러나 이는 비용이 크고, 운이 많이 작용합니다.

 

사용자 경험 대상의 지정과 외부 정보의 이해는 해석 시스템(핵심 사용자) 분석에 매우 유용합니다.

 

이후 시스템 안 내부 정보를 배치합니다. 이 정보의 배치는 화면 구성과 디자인, 카테고리, UI, 피드백 유형 및 사용자 이용 플로우 등 정적 구조와 동적 구조를 고려하여 진행합니다.

 

이러한 작업은 가설을 기반으로 합니다. 앱 서비스, 웹 서비스의 경우 온라인 서비스 가설에 기반하게 됩니다.

 

그리고 마지막으로 이러한 사용자 경험 설계가 적절한 것이지 확인하기 위한 데이터 추출 도구를 배치합니다. 구글 애널리틱스와 같은 툴을 이용할 수도 있습니다. 또한 조회수, 저장, 이용 등의 행동 요소 추출할 수 있는 도구를 배치함으로 가설 검증 데이터를 추출할 수 있습니다. 

 

애널리틱스와 같은 외부 툴을 이용할 경우 기획된 정의와 프로세스가 외부 툴에 의해 제대로 표현될 수 있는지 확인해야 합니다.

 

저의 경우 외부 툴은 보조적으로만 활용합니다. 유료가 아닌 경우 제한이 있고 또 측정의 목표와 딱 맞지 않은 경우도 있기 때문입니다. 그러나 무료로 사용할 수 있다는 점에서 유용하기는 합니다. 그래도 개인적으로 잘 사용하게 되지는 않게 되는 것 같습니다. 

 

핑계일 수도 있지만 사실 나이가 들고 경험이 쌓이다 보니 애널리틱스와 같은 툴은 물론 일반적 통계도 그리 신뢰하지 않게 되는 듯합니다. 그래도 내년에 나올 인공지능 분석 툴은 기대가 되기는 합니다. 애널리틱스와 통계가 AI에 통합되어 제공될 것을 기대합니다.