UXUI디자인심화_1주차 숙제

데이터를 기반으로 UX를 개선한 사례 - 3가지

[사례 조사 템플릿]
문제 정의 → 가설 수립 → 해결 방법 → 검증 과정 → 결과

✔︎ 문제 정의 : 문제를 어떻게 발견했고, 원인은 무엇이었나요?
✔︎ 가설 수립 : 어떤 가설을 세웠나요?
✔︎ 해결 방법 : 문제를 어떻게 해결했나요?
✔︎ 검증 과정 :  가설을 검증하기 위해 어떤 방법을 활용했고, 어떤 지표를 모니터링 했나요?
✔︎ 결과 : 어떤 임팩트가 있었나요?

1. Amazon
(https://aws.amazon.com/ko/personalize/)
✔︎ 문제 정의 :  사용자들이 수많은 제품 중에서 자신에게 가장 흥미로운 제품을 찾기 어렵다.
✔︎ 가설 수립 : 사용자의 이전 구매 이력, 검색 기록, 평가, 클릭 패턴 등의 행동 데이터는 사용자의 선호도와 관련이 있을 것이다라는 가설 수립.
✔︎ 해결 방법 : 사용자의 구매 이력, 검색 기록, 평가, 선호도 등 다양한 데이터를 수집하고 정제한다. 수집된 데이터에서 의미 있는 특성을 추출하고, 사용자 및 제품 프로파일을 만든다. 다양한 추천 알고리즘을 사용하여 사용자에게 맞춤형 추천을 생성한다. 새로운 추천 시스템을 일부 사용자에게 적용하고, 그룹 간 비료를 위한 A/B테스트를 진행한다.
✔︎ 검증 과정 :  CTR(Click-Through Rate), 만족도 조사, 평균 주문액 등의 성능 지표를 정의한다. A/B테스트 진행한다. 통계적 분석을 통해 두 그룹간의 차이를 확인하고, 새로운 시스템의 성능을 검증한다.
✔︎ 결과 : 새로운 추천 시스템이 이전 시스템에 비해 향상된 성능을 보이면 전체 사용자에게 확대한다. 사용자는 더 많은 만족감을 느끼며, 적합한 제품을 더 쉽게 찾을 수 있어 고객 충성도와 구매 전환율이 증가한다. 

2. Airbnb
(https://www.airbnb.co.kr/help/article/2715)
✔︎ 문제 정의 :  고객들이 특정 기간이나 이벤트에 따라 숙소 가격이 예측하기 어려워 예약을 미루거나 다른 숙소를 검토하는 경우가 발생한다.
✔︎ 가설 수립 : 특정 기간에 수요가 증가하는 경우, 숙소의 가격을 동적으로 조정하면 더 많은 예약이 발생할 것이다. 사용자들의 리뷰와 피드백을 수집하고 이를 가격 정책에 반영하면 사용자 만족도가 향상될 것이다. 동적인 가격 조정과 피드백 기반의 정책은 종합적으로 수익을 극대화할 수 있다.
✔︎ 해결 방법 : 숙소의 예약 이력, 수요 패턴, 이벤트 기간, 리뷰 및 피드백 데이터를 수집하고 정제한다. 수요 예측 모델과 경쟁 상황을 고려하여 특정 기간의 가격을 동적으로 조정하는 알고리즘을 적용한다. 리뷰 및 피드백을 자동으로 분석하고, 특정 주제나 부정적인 피드백에 대응하여 정책을 수정한다. 새로운 가격 정책과 피드백 기반의 정책을 일부 사용자에게 적용하고, 성능 비교를 위한 A/B 테스트를 진행한다.
✔︎ 검증 과정 :  예약 확률, 총 예약 수, 사용자 만족도, 수익 등과 같은 성능 지표를 설정한다. 테스트 그룹과 대조 그룹 간의 성능을 통계적으로 분석하여 차이를 확인하고 가설의 유효성을 검증한다.
✔︎ 결과 : 새로운 가격 동적 조정 및 피드백 기반의 정책이 이전 정책에 비해 높은 예약 확률, 사용자 만족도, 수익 등의 성능을 보이면 전체 사용자에게 확대 적용한다. 사용자들은 더 나은 가격과 개선된 서비스 경험을 경험하게 되어 만족도가 증가한다. 숙소 제공자들은 가격 탄력성을 향상시키며 수익을 극대화할 수 있어 혜택을 누린다.

3. Facebook
(https://itgit.co.kr/%ED%8E%98%EC%9D%B4%EC%8A%A4%EB%B6%81%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98/)
✔︎ 문제 정의 :  사용자들이 피드에서 덜 흥미로운 콘텐츠를 발견할 경우 더 많은 시간을 페이스북에서 보내지 않는다.
✔︎ 가설 수립 : 사용자의 좋아요, 공유, 댓글, 클릭 패턴 등의 행동 데이터는 사용자의 관심사와 선호도를 정확하게 반영할 것이다. 비슷한 프로파일을 가진 사용자들이 선호한 콘텐츠는 서로 유사할 것이다. 실시간 이벤트 및 트렌드를 고려하는 것이 피드의 다양성을 증가시키고 사용자 참여율을 높일 것이다.
✔︎ 해결 방법 : 사용자의 피드 스크롤, 클릭, 좋아요, 공유, 댓글 등의 행동 데이터를 수집하고 정제한다.사용자 및 콘텐츠의 프로파일을 만들고, 각 행동에 대한 중요한 특성을 추출한다.머신러닝 기반의 피드 알고리즘을 업데이트하여 사용자의 관심사와 선호도를 정확하게 반영하도록 한다. 사용자의 선호도에 따라 유사한 프로파일을 가진 다른 사용자들의 활동을 분석하여 피드를 구성한다. 실시간 이벤트와 트렌드를 반영하여 다양성 있는 콘텐츠를 제공한다.
✔︎ 검증 과정 :  피드 참여율, 콘텐츠 클릭율, 사용자 이탈률 등과 같은 성능 지표를 설정한다. 업데이트된 피드 알고리즘을 일부 사용자에게 적용하고, 그룹 간 비교를 위한 A/B 테스트를 수행한다. 테스트 그룹과 대조 그룹 간의 성능을 통계적으로 분석하여 차이를 확인하고, 새로운 시스템의 성능을 검증한다.
✔︎ 결과 : 새로운 피드 알고리즘이 이전 알고리즘에 비해 높은 피드 참여율과 사용자 클릭율을 보이면 전체 사용자에게 확대 적용한다. 사용자는 더 흥미로운 콘텐츠를 발견하게 되어 페이스북에서 더 많은 시간을 보내며, 참여율이 향상된다. 피드 제공자 및 광고주는 더 정확한 타겟 광고를 제공할 수 있어 광고 효과가 향상된다.