오즈코딩스쿨 디자인부트캠프

[디자인부트캠프] Day43 l AI와 데이터 분석

PD_02_김미현 2025. 3. 28. 10:53

오늘은 오즈코딩스쿨 프로덕트 디자이너 부트캠프 2기 43일차입니다.

43일차에는 AI와 데이터 분석에 대해 배우는 시간이었습니다!

1. 프롤로그: 직감만으로 UX 디자인을 결정할 수 있을까?

서윤은 한 스타트업의 UX/UI 디자이너다.
 최근 회사 앱의 이탈율이 높아지고, 사용자들의 불만이 늘어나면서
 팀 내부에서 UX 개선이 필요하다는 논의가 시작됐다.

팀 리더가 말했다.
 "우리 앱의 UX가 불편하다고 하는데, 정확히 뭐가 문제인지 데이터로 분석해볼 필요가 있어."

하지만 서윤은 고민에 빠졌다.
 "나는 디자인을 잘할 줄 알지만, 데이터 분석은 익숙하지 않은데…"
 "UX/UI 디자이너가 데이터 분석을 꼭 해야 할까?"

그런데 제품 매니저가 이런 질문을 던졌다.
 "서윤, 만약 사용자가 버튼을 찾기 어려워서 앱을 떠난다면, 그걸 어떻게 알아낼 수 있을까?"


2. 감이 아닌 데이터로 UX/UI 디자인을 개선하는 방법

서윤은 UX 개선 방향을 결정하기 위해
 사용자의 행동 데이터를 분석하는 것이 필수라는 걸 깨달았다.

✅ UX/UI 디자인에서 데이터 분석이 중요한 이유
 ✔ 감이 아닌 사용자의 행동 데이터를 기반으로 UX를 개선해야 한다.
 ✔ 정성적 데이터(사용자 리뷰, 피드백)와 정량적 데이터(클릭 수, 이탈율, 세션 시간)를 함께 분석하면 더 효과적인 UX/UI 설계가 가능하다.
 ✔ 데이터 기반 의사결정을 하면, 실제 사용자 경험을 반영한 디자인을 만들 수 있다.

"디자인 감각만으로 UX/UI를 만들면 위험하겠어.
 사용자가 실제로 어떻게 행동하는지 데이터로 확인해야 해!"


3. AI를 활용하면 UX 데이터 분석이 쉬워진다!

서윤은 데이터를 직접 분석하려고 했지만,
 구글 애널리틱스(GA)나 SQL 같은 툴이 익숙하지 않았다.

그때 팀원이 말했다.
 "AI를 활용하면 UX 데이터를 더 쉽게 분석할 수 있어!"

✅ AI를 활용한 데이터 분석의 장점
 ✔ 대량의 사용자 데이터를 빠르게 분석 가능
 ✔ UX 트렌드 및 사용자 행동 패턴을 파악할 수 있음
 ✔ 반복적인 분석 업무를 자동화하여 시간을 절약

"그럼 AI한테 사용자 데이터를 분석해달라고 요청하면 되는 거네?"
 서윤은 AI가 UX 리서치뿐만 아니라 데이터 분석에도 활용 가능하다는 걸 알게 됐다.


4. UX/UI 디자이너가 분석해야 할 데이터 유형

서윤은 UX/UI 디자이너가 어떤 데이터를 분석해야 하는지 정리해봤다.

✅ 사용자 피드백 (정성적 데이터 분석)
 ✔ 앱 스토어 리뷰에서 사용자 불만 사항 도출
 ✔ 설문조사 데이터를 분석하여 UX 개선 포인트 찾기

✅ 사용자 행동 데이터 (정량적 데이터 분석)
 ✔ 클릭 수, 이탈율, 세션 시간 등을 분석하여 UX 문제 발견
 ✔ 가장 많이 사용하는 기능과 사용자의 흐름 파악

✅ UX 트렌드 및 경쟁사 분석
 ✔ 최신 UX/UI 트렌드 조사 및 벤치마킹
 ✔ 경쟁사의 UX/UI 패턴을 비교 분석하여 개선 포인트 도출

"아, 이제야 감이 잡힌다!
 UX/UI 디자이너도 데이터를 분석해서 사용자가 원하는 디자인을 만들어야겠어!"


5. 에필로그: AI와 데이터 분석을 활용하는 UX 디자이너로 성장하기

서윤은 이제 AI를 활용해 UX 데이터를 분석하는 방법을 배우기 시작했다.

  • 사용자 피드백을 AI로 빠르게 정리하고,
  • 사용자 행동 데이터를 분석하여 UX 문제를 파악하며,
  • 경쟁사 UX를 비교하여 더 나은 디자인 방향을 찾을 수 있게 되었다.

팀 리더가 말했다.
 "이제야 데이터 기반 UX 디자인을 할 준비가 된 것 같네!"

서윤은 자신 있게 말했다.
 "이제 감이 아니라, 데이터를 보고 UX 디자인을 결정할 수 있어!" 🚀

 

1) AI를 활용한 UX 데이터 분석 방법

1. 프롤로그: UX 문제를 해결하려면 무엇이 필요할까?

스타트업에서 UX/UI 디자이너로 일하는 민준.
 최근 앱 사용자 수가 줄어들고 이탈율이 높아지는 문제가 발생했다.

팀 리더는 말했다.
 "UX가 불편해서 사용자가 떠나는 것 같은데, 정확히 뭐가 문제인지 분석해 봐야겠어."

민준은 고민했다.
 "디자인이 문제인지, 아니면 기능이 부족한 건지 감으로만 판단할 수는 없잖아?"

그래서 AI를 활용해 UX 데이터를 분석해 보기로 했다.


2. 사용자 피드백 분석 – 리뷰 속에 UX 개선 힌트가 있다

우선 민준은 사용자 피드백을 분석해 보기로 했다.
 앱 스토어에는 수천 개의 리뷰가 있었지만,
 직접 하나하나 읽으며 분석하는 건 비효율적이었다.

"AI에게 리뷰를 분석하게 하면 어떨까?"

✅ "앱 리뷰 데이터를 분석하여 가장 자주 언급되는 UX/UI 문제 3가지를 정리해줘."

AI가 분석한 결과,
 사용자 리뷰에서 가장 많이 언급된 문제는 다음과 같았다.

1️⃣ "결제 과정이 너무 복잡해!" → 클릭 수가 너무 많음
 2️⃣ "필요한 정보를 찾기 어려워!" → 검색 기능 개선 필요
 3️⃣ "화면이 너무 복잡하고 버튼이 작아!" → UI 요소 최적화 필요

"이제 사용자들이 정확히 어떤 부분에서 불편함을 느끼는지 알겠어!"


3. 사용자 행동 데이터 분석 – 숫자가 말해주는 UX 문제

이제 민준은 사용자 행동 데이터를 분석해보기로 했다.
 사용자가 앱에서 어떤 행동을 하고 있는지 파악하면
 UX 개선의 실마리를 찾을 수 있기 때문이다.

✅ "우리 웹사이트의 사용자가 가장 많이 이탈하는 페이지를 분석하고, 원인을 도출해줘."

AI가 분석한 결과,
 👉 이탈율이 가장 높은 페이지는 "상품 상세 페이지"였다.

✅ "모바일 앱에서 가장 많이 클릭되는 UI 요소를 분석하고, 사용자 흐름을 최적화할 방안을 제안해줘."

AI는 사용자들이 가장 많이 클릭한 영역을 분석하여

  • "장바구니 버튼이 눈에 잘 띄지 않음"
  • "CTA(Call to Action) 버튼이 스크롤을 내려야 보임"

이라는 문제를 도출했다.

"아하! 단순히 디자인을 바꾸는 게 아니라, 사용자 행동을 분석해서 UI를 개선해야겠네."


4. 경쟁사 UX 분석 – 차별화된 UX를 만들려면?

마지막으로 민준은 경쟁사의 UX를 분석해보기로 했다.
 "우리 앱이 경쟁사보다 UX에서 부족한 점이 뭘까?"

✅ "네이버 쇼핑, 쿠팡, 무신사 앱의 검색 UX를 비교 분석해줘."

AI가 분석한 결과,

  • 네이버 쇼핑: AI 기반 추천 검색 제공
  • 쿠팡: 필터 기능이 직관적으로 배치됨
  • 무신사: 상세한 검색 필터와 트렌드 기반 추천

반면, 민준의 앱은
 ✔ 필터 기능이 부족하고,
 ✔ 추천 검색어가 없어서 사용자가 원하는 상품을 찾기 어려웠다.

"경쟁사 UX를 참고해서 검색 UX를 개선하면 사용자 경험이 훨씬 좋아질 거야!"


5. 에필로그: 데이터를 기반으로 UX를 개선하는 디자이너로 성장하다

이번 데이터 분석을 통해 민준은 UX/UI 개선 방향을 구체적으로 정리할 수 있었다.

💡 사용자 리뷰를 분석하면 UX 문제를 빠르게 파악할 수 있다.
 💡 사용자 행동 데이터를 보면, 사람들이 앱을 어떻게 사용하는지 명확히 알 수 있다.
 💡 경쟁사 UX 분석을 하면, 어떤 기능을 벤치마킹해야 하는지 알 수 있다.

팀 리더가 말했다.
 "이제야 우리 앱의 UX 문제를 정확히 알았네!
 이 데이터를 기반으로 디자인을 개선해 보자."

민준은 자신 있게 말했다.
 "이제 감이 아니라, 데이터를 보고 UX 디자인을 결정할 수 있어!" 🚀


2) AI 기반 UX 데이터 분석 최적화 전략

1. 프롤로그: 데이터 분석이 필요하지만, 원하는 답이 나오지 않는 이유?

UX/UI 디자이너 수연은 최근 진행한 프로젝트에서 이커머스 앱의 UX를 개선하는 작업을 맡았다.
 사용자 리뷰와 행동 데이터를 분석해서 UX 문제를 파악하는 것이 목표였다.

"AI에게 데이터 분석을 요청하면 UX 문제를 금방 찾아낼 수 있겠지?"
 수연은 AI에게 간단한 질문을 던졌다.

❌ "이커머스 앱 리뷰를 분석해서 UX 문제를 찾아줘."

AI의 답변은 예상보다 너무 일반적이었다.

  • "사용자들은 간편한 UX를 원합니다."
  • "결제 과정이 직관적이지 않으면 불편할 수 있습니다."

"이건 너무 당연한 이야기잖아! 내가 원하는 건 이런 분석이 아닌데…"

팀 리더가 말했다.
 "AI가 좋은 답을 주도록 하려면, 우리가 더 좋은 질문을 해야 해!"

 

2. 더 좋은 프롬프트를 작성하면 원하는 답을 얻을 수 있다!

수연은 질문을 구체적으로 바꿔보기로 했다.

✅ "이커머스 앱 사용자 리뷰를 분석해서 가장 많이 언급된 UX/UI 개선 요청을 감성 분석을 포함해 정리해줘."

이제 AI의 답변이 달라졌다.

✔ 부정적 피드백 분석
 1️⃣ "결제 단계가 너무 길어서 불편하다."
 2️⃣ "상품 추천이 부정확해서 원하는 제품을 찾기 어렵다."
 3️⃣ "앱 로딩 속도가 느려서 답답하다."

✔ 긍정적 피드백 분석
 1️⃣ "디자인이 깔끔해서 보기 좋다."
 2️⃣ "고객 지원 서비스가 빠르고 친절하다."
 3️⃣ "다크 모드 지원이 유용하다."

"이제야 UX 문제점이 정확히 보이네!"


✅ "쇼핑몰 UX 데이터를 분석하여, 신규 고객과 기존 고객의 탐색 방식 차이를 설명해줘."

AI는 다음과 같은 차이점을 도출했다.

✔ 신규 고객: 메인 페이지와 인기 상품 목록을 먼저 탐색
 ✔ 기존 고객: 검색 기능과 찜 목록을 자주 활용

"이 데이터를 바탕으로 신규 고객이 쉽게 탐색할 수 있도록 UX를 개선해야겠어!"

👉 AI에게 원하는 답을 얻으려면, 질문을 구체적으로 해야 한다!


3. AI 데이터 분석의 한계 – 맹신하지 말고 검증하라!

수연은 AI의 분석 결과를 팀과 공유했다.
 그런데 데이터 애널리스트가 말했다.

"이 데이터, 실제 사용자 행동 데이터와 일치하는지 확인해 봤어?"

수연은 AI의 분석을 검증하기 위해 Google Analytics(GA) 데이터를 확인했다.
 AI는 사용자들이 검색보다는 카테고리 탐색을 많이 이용한다고 분석했지만,
 GA 데이터에서는 검색 기능이 가장 많이 사용되는 기능으로 나타났다.

"AI의 분석이 항상 100% 정확한 건 아니구나!"

✅ AI 데이터 분석의 한계 및 보완 방법
 ✔ AI는 정성적 데이터(리뷰, 피드백) 분석에는 강하지만,
 ✔ 정량적 데이터(클릭율, 세션 시간) 분석은 GA 같은 전문 도구를 활용해야 한다.
 ✔ AI가 제공하는 데이터는 참고자료일 뿐, 최종 결정을 내리기 전에 반드시 검증이 필요하다.


4. 에필로그: 데이터를 활용하는 UX/UI 디자이너로 성장하기

이번 경험을 통해 수연은
 👉 구체적인 질문을 하면 AI가 더 유용한 답을 준다는 것을 배웠고,
 👉 AI의 분석을 맹신하지 않고, GA 같은 도구를 활용해 데이터를 검증하는 방법도 익혔다.

팀 리더가 말했다.
 "UX/UI 디자이너도 데이터를 잘 다뤄야 한다.
 이제 우리는 감이 아니라 데이터를 기반으로 UX를 개선할 수 있어!"


종합결론

이제 UX/UI 디자이너도 감이 아닌 데이터 기반으로 UX를 개선할 수 있다!

✅ AI를 활용한 UX 데이터 분석 방법을 이해하고,

✅ 실무에서 데이터를 분석하여 UX/UI를 개선하는 경험을 쌓았으며,

✅ AI와 협업하여 UX 디자인을 최적화하는 방법을 익혔다.

 

DAY 43 과제

GPT를 활용한 데이터 분석 수행