데이터로 설계 결정의 위험을 제거하는 5가지 방법

제품 개발 프로세스의 각 부분을 위험과 보상으로 순위를 매긴다면 디자인은 가장 위험하고 보상이 높은 자산 중 하나가 될 것입니다.

디자인이 고위험 자산인 이유는 무엇입니까?

고객은 제품의 가장 어두운 구석에 숨겨진 버그를 항상 알아차리지 못할 수도 있습니다. 그들은 자신의 행동 이면에 있는 분석이나 엔지니어가 스프린트 내에서 완료한 Jira 작업의 수에 대해 전혀 모릅니다.
그러나 고객 이 주목 하는 것은 제품의 모양과 인터페이스가 그들에게 명확한지 여부입니다.

더 많은 고객이 제품 을 사용함에 따라 다음 설계 결정은 더 위험한 도박으로 바뀝니다.

제품에 대한 "다음에 좋은 것"에 대한 디자이너의 직감이 성과를 거두면 제품 메트릭이 급증하고 팀은 행복한 고객 피드백에 매우 기뻐합니다.

그러나 "올바른 결정"이 실제로 잘못된 것으로 판명되면 손실이 코앞에 있습니다. 개발 노력이 예상한 결과를 가져오지 않습니다. 경쟁사의 시장 점유율이 증가합니다. 제품 팀은 의욕이 꺾입니다.
잘못된 설계 결정은 제품 비용이 많이 들고 경쟁사보다 훨씬 뒤쳐질 수 있습니다.

예를 들어 듀오링고가 경로 UI를 업데이트한 후 열렬한 학습자 중 일부는 변경 사항을 되돌리라는 공개 청원 을 시작했고 너무 마음에 들지 않았습니다.

잘못된 설계 결정을 내릴 위험을 최소화하는 방법은 무엇입니까?

아마도 자신감은 제품 의사 결정자가 밤에 숙면을 취하기 위해 필요한 것일 것입니다. 정량적이든 정성적이든 데이터는 자신감을 가져오고 결정의 위험을 줄이는 데 도움이 될 수 있는 것이라고 생각합니다.

사용된 데이터 유형 과 설계가 검증된 릴리스 단계 에 따라 다음과 같이 위험을 제거하는 설계 결정 방법을 플롯했습니다.

출시 전 설계 검증
위험이 높을 때는 결정 을 내리기 전에 항상 검증하는 것이 좋습니다 . 제품 개발 측면에서 사용자가 보기 전에 디자인 변경을 미루는 것은 여전히 ​​안전해 보입니다. 이 단계에서 다음 유효성 검사 기술이 도움이 될 수 있습니다.

1. 잠재적으로 영향을 받는 고객 그룹 크기 조정

새로운 디자인 목표는 고객을 위해 친구를 추가하는 경험을 개선하는 것이며 구현하는 데 몇 주가 걸립니다. 변경 사항을 구현하는 데 소요되는 리소스와 비교하여 주요 제품 측정 항목에 대한 변경 사항의 영향은 무엇입니까?

하지만 그 2%의 고객 이 친구 추가를 더 쉽게 해달라고 요청하는 유일한 유료 고객 이라면 어떨까요? 그렇다면 이 문제를 해결하는 것이 매우 중요할 수 있습니다. 여기에 문제의 심각성이 있습니다.

2. 문제 심각도 이해

기능 우선 순위를 측정하는 한 가지 방법은 고객이 이를 수정하는 것이 중요한지 여부를 이해하는 것입니다. 다음 소스 에서 질적 피드백을 살펴볼 수 있습니다 .

• 사용자 조사 인터뷰
  고객이 인터뷰 또는 연구 조사 중에 문제에 대해 불평하고 있습니까?
• 고객 지원 티켓
  고객 지원 팀에서 해당 기능에 대한 티켓 양이 증가했다고 보고합니까?
• 제품에 포함된 NPS 의견 및 피드백 양식
  고객 피드백이 기능 수정 요청으로 가득합니까?
  NPS 비방자들이 논평에서 문제를 언급하고 있습니까?

고객에게 보여주기 전에 디자인의 위험을 제거하는 방법을 알았으니 이제 고객이 본 후 유효성을 검사하는 방법을 살펴보겠습니다.

출시 후 디자인 검증
기술 환경에서는 속도가 가장 중요합니다. 특히 신생 기업에서는 의사 결정이 매우 빠르고 릴리스 전 기한이 촉박합니다. 이로 인해 출시 전에 설계 검증이 거의 불가능합니다. 그러나 CEO는 여전히 그것이 고객에게 어떤 영향을 미치는지 알고 싶어합니다.
그럴 때는 정량적 데이터 수집이 가장 도움이 될 수 있다.

고객에게 미치는 영향을 측정하는 정확도에 따라 방법의 순위를 매겨 보겠습니다.

1. A/B 테스트 (IMHO, 가장 좋은 방법 중 하나)
   동일한 조건에서 변화가 있거나 없는 고객 그룹을 비교하면 기능의 진정한 영향에 대한 가장 공정한 정보를 얻을 수 있습니다.
2. 시간 경과에 따른 영향 평가
   설계 변경이 제품에 실제로 영향을 미치는 경우 핵심 제품 지표에서 상승 또는 하락 추세를 확인할 수 있습니다. 메트릭이 계절성, 트래픽 또는 동시에 도입된 기타 제품 변경 사항의 영향을 받을 수 있기 때문에 A/B 테스트보다 이 방법을 선호합니다.

그게 다야!

데이터로 설계 결정의 위험을 제거하는 방법을 빠르게 요약해 보겠습니다.

• 릴리스 전에 설계 결정을 검증하는 것이 덜 위험합니다. 디자인의 영향을 받는 고객의 점유율을 이해하고 고객에게 미치는 영향을 개발 노력과 비교하면 디자인된 솔루션의 우선 순위를 지정하고 범위를 줄이는 데 도움이 될 수 있습니다.
• 고객이 본 후에 설계 위험을 최소화하는 것은 여전히 ​​가능합니다. 이를 위해 특정 수의 고객에 대한 변경 사항을 A/B 테스트하고 시간이 지남에 따라 제품 지표 및 고객 행동에 어떤 영향을 미쳤는지 평가하거나 고객 피드백의 변경 사항을 추적할 수 있습니다.

내 블로그에서 더 많은 것을 찾을 수 있습니다 .

• 강력한 차트의 비밀: PayPal, TikTok 및 Airbnb가 데이터를 시각화하는 방법
• 성장에 얽매이다: 기업이 성장 지표를 잘못 보고하는 방법과 그 대신에 무엇을 측정해야 하는가
• 제품 메트릭 맵: 정의 및 구축 방법