Top

퀀트 UX 리서치 [정량 데이터로 사용자를 이해하고 제품을 혁신하는 법]

  • 원서명Quantitative User Experience Research: Informing Product Decisions by Understanding Users at Scale (ISBN 9781484292679)
  • 지은이크리스 채프먼(Chris Chapman), 케리 로든(Kerry Rodden)
  • 옮긴이이선민, 김현진
  • 감수자제임스 알포드(James Alford), 캐서린 조이스(Katherine Joyce)
  • ISBN : 9791161759753
  • 34,000원
  • 2025년 09월 30일 펴냄
  • 페이퍼백 | 424쪽 | 188*235mm
  • 시리즈 : UX 프로페셔널

책 소개

파일 다운로드

학습에 필요한 R 코드와 데이터셋은 아래 링크에서 다운로드하실 수 있습니다.
https://quantuxbook.com

책 소개

인사이트를 숫자로, 직관을 근거로 바꾸는 퀀트 UX 리서치
검증된 실무 방법론과 전문가 커리어 가이드

"소규모 사용자 인터뷰 결과를 100만 사용자에게 적용해도 될까?" UX 실무 현장의 영원한 숙제입니다. 정성적 리서치로 발견한 인사이트는 강력하지만, 이를 대규모로 검증하고 조직을 설득하려면 숫자가 필요합니다. 퀀트 UX 리서치는 바로 이 간극을 메웁니다. 직관을 데이터로 뒷받침하고, 추상적 인사이트를 측정 가능한 지표로 전환하여, 모든 디자인 결정에 객관적 근거를 제공합니다.

이 책은 구글과 마이크로소프트에서 퀀트 UX 분야를 개척한 저자들의 검증된 방법론을 집대성한 실무 바이블입니다. HEART 프레임워크로 성공 지표를 정의하고, 로그 분석으로 실제 사용자 행동을 추적하며, R 코드로 직접 데이터를 다루는 전 과정을 체계적으로 안내합니다. 특히 재사용 가능한 코드 예제와 실제 프로젝트 사례를 통해 내일 당장 업무에 적용할 수 있는 실용성을 갖췄습니다. 더불어 퀀트 UX 리서처라는 새로운 직무로 성장하기 위한 구체적인 커리어 로드맵까지 제시합니다. 데이터로 더 나은 사용자 경험을 만들고자 하는 모든 실무자를 위한 필독서입니다.

이 책에서 다루는 내용

• 퀀트 UX 리서치 직무 알아보기
• 퀀트 UX 리서치와 데이터 사이언스의 차이 이해하기
• 일반적인 퀀트 UX 리서치 프로젝트를 계획하고 성공적으로 수행하는 방법 알아보기
• 제품 개발, 엔지니어링, UX 조직에서 퀀트 UX 업무 활동 배치하기
• HEART 프레임워크를 적용해 사용자 경험 성과 측정하기
• 퀀트 UX 리서처로 채용되기 위한 스킬과 잠재력 평가하기
• 채용 인터뷰가 어떻게 이루어지는지 알아보기
• R 코드와 데이터셋을 활용한 퀀트 UX 프로젝트 예시 살펴보기

저자/역자 소개

지은이 소개

크리스 채프먼Chris Chapman 박사
아마존 Lab126의 수석 UX 리서처이자 퀀트 UX 콘퍼런스의 창립자 겸 공동 의장이며, 퀀트 사용자 경험 협회의 회장이다. 프로그래밍과 분석에 관한 스프링거 북스(Springer Books)의 인기 도서인 『R for Marketing Research and Analytics』(Springer, 2019)와 『파이썬으로 하는 마케팅 연구와 분석』(에이콘출판, 2022)을 공동 저술했다. 심리학자이며 인간 중심 연구와 사용자에 대한 통합적인 양적, 질적 이해의 필요성을 강조한다.

케리 로든Kerry Rodden 박사
코드 포 아메리카(Code for America)의 책임 수석 리서처다. 2007년 구글에서 정량적 UX 리서치 직무를 신설하고, 업계 최초로 퀀트 UX 리서치 팀을 이끌었다. 사용자 경험을 위한 HEART 지표 프레임워크와 사용자 행동의 시퀀스 선버스트 시각화 등 인기 있는 UX 도구와 기술을 개발했다. 컴퓨터 사이언스와 인간 컴퓨터 인터랙션(HCI, Human Computer Interaction)을 전공했으며, A/B 테스트를 포함한 대규모 사용자 데이터 분석과 시각화에 중점을 두고 연구해 왔다.

옮긴이 소개

이선민
이화여자대학교에서 산업디자인을 전공했고, 미국 로드아일랜드 디자인스쿨(RISD, Rhode Island School of Design)에서 산업디자인 석사 학위를 받았다. 이후 삼성전자 디자인경영센터에서 13년간 디자인 전략가로 근무하며, 심층적 사용자 리서치를 기반으로 사회문화 트렌드와 이머징 기술을 반영한 UX·서비스·제품 디자인의 선행 콘셉트를 개발하고 중장기 전략을 수립하는 업무를 수행했다.

현재는 이화여자대학교 디자인학부에서 AI 디자인 및 프로덕트 UX 디자인 과정을 강의하며, 실무 경험과 학문적 탐구를 접목해 학생들을 지도하고 있다. 기술 진화에 따라 제품 디자인의 복잡성이 높아지는 가운데 인간 중심 디자인 방법론에 깊은 관심을 두고 있다.

김현진
포항공과대학교 산업경영공학과에서 학사와 박사 학위를 받았다. 통계와 최적화 기법을 바탕으로 한 모바일 UX 평가 체계 연구 논문을 토대로 2013년 삼성전자 UX 센터에 정량적 UX 평가 전문가로 합류했다. 10년간 정성적·정량적 사용자 리서치를 통해 양산 제품의 디자인 평가 및 개선, 선행 디자인 기획과 전략 수립을 담당했다.

이후 2025년 8월까지 Vision AI 기반 B2B 스타트업 딥핑소스에서 고객사 리서치와 데이터 분석을 통한 액셔너블 비즈니스 인사이트 도출 업무를 리드하며, 실제 사업 개발과 데이터 프로덕트 인텔리전스 구축 및 UX 개선 방향성 제시를 함께 수행했다.

2025년 9월부터 TVING AI Transformation 팀 리더로서 데이터 기반 UX(사용자 맞춤형 추천, 검색 등)와 내부 직원 업무 효율화를 AI/LLM 기술로 혁신하는 역할을 수행하고 있다.

옮긴이의 말

오랜 시간 디자인 전략가로 일하면서, 언제나 사용자의 맥락을 들여다보고 그들의 목소리에 귀를 기울이는 것을 가장 중요한 근간으로 삼아 왔다. 심층 인터뷰, 현장 관찰, FGI(Focus Group Interview) 등을 통해 얻은 정성적 인사이트는 사용자의 행동이 왜 그런지, 경험의 본질적 의미는 무엇인지 알게 해주며, 전략의 실마리를 던져 줬다. 그러나 항상 이런 질문이 따라왔다.

'이 인사이트가 얼마나 많은 사용자를 대표하는 걸까?'
'이 방향이 수십만, 어쩌면 수백만 사용자에게도 유효할까?'

이 지점에서 정량적 UX 인사이트의 필요성을 절실히 느꼈다. 정성적 접근은 전략을 설득하기 위한 공감의 씨앗이 될 수 있지만, 조직을 움직이고 제품에 관한 의사결정을 내리며 리소스를 확보하기 위해서는 숫자로 증명된 확신이 필수적이었다. 정성적 인사이트는 실증적인 퀀트 UX 리서치와 결합될 때, 신뢰성을 높이고 설득력을 한층 더 강화할 수 있다.

기술이 빠르게 진화하고 제품의 복잡도가 높아지면서, 기업은 그 어느 때보다 방대하고 다양한 사용자 데이터를 보유하게 됐다. 따라서 퀀트 UX 리서치는 제품 개발과 전략적 방향 설정에서 필수적인 도구가 아닐 수 없다. 이 책은 퀀트 UX가 단순히 양적 데이터를 분석하는 기법에 그치지 않고, 디자인의 가치를 실질적으로 입증하며, 제품을 둘러싼 조직적 의사결정을 가능케 하는 전략적 도구임을 실제 사례와 방법론을 통해 상세히 보여 준다. 또한, 저자들은 오랜 실무 경험을 바탕으로 퀀트 UX 리서처(Quant UX Researcher)라는 새롭고 전문적인 직무에 대해 필요한 역량과 자질, 미래의 커리어 전망까지 현실적이고 구체적인 조언을 제공한다.

이 책이 퀀트 UX 리서치에 입문하려는 UX 리서처뿐만 아니라 UX 디자이너, 개발자, 기획자, PM은 물론 데이터 기반의 정량적 확신을 바탕으로 더 나은 사용자 경험을 설계하고자 하는 데 관심을 가진 모든 독자에게 바로 활용 가능한 지침과 전략적 무기가 되기를 진심으로 기대한다.

- 이선민

UX 디자인 현장에서는 '어떤 디자인이 더 좋은가?'에 대한 의견이 끊임없이 갈린다. 좋은 디자인이 심미성과 기능성, 사용성을 모두 갖춰야 한다는 데는 모두 동의하지만, 구체적인 판단 기준은 사람마다 다를 수밖에 없다. 독보적인 역량의 크리에이티브 디렉터가 있지 않은 이상, 서로 다른 직관과 의견을 어떻게든 정리해서 객관적 판단을 내려야 하는 것이 현실이다. 정량적 UX 리서치는 바로 이런 주관적 판단을 데이터로 뒷받침하는 핵심 방법론이다. 하지만 단순한 설문조사를 넘어 복잡한 사용자 경험을 신뢰할 만한 수준으로 분석하려면 디자인, 통계, 프로그래밍 등 다양한 전문 지식이 필요하다.

구글 출신 저자들은 이러한 어려움을 해결하기 위해 '퀀트 UXR'이라는 전문 영역을 정의하고, 필요한 핵심 지식과 역량을 체계적으로 정리했다. 이론적 설명에 그치지 않고 실제 사례와 기업 현장의 다양한 상황까지 다뤄 실용성을 크게 높인 점이 이 책의 가장 큰 장점이다. 파편화된 온라인 정보들과 달리, 실전 경험을 바탕으로 한 체계적인 학습 경로를 제공한다는 점에서 이 책만의 고유한 가치가 있다.

역자에게 이 책의 상당 부분은 학계와 실무를 통해 익혀 온 익숙한 영역이었지만, 퀀트 UXR이라는 개념하에 이렇게 체계적으로 정리된 서적은 처음이어서 번역 작업이 즐거웠고, 때로는 이런 책으로 시작할 수 있는 독자가 부럽다고 느끼기도 했다. 이 책은 정량적 UX 리서치 업무를 수행해야 하는 실무자나 이 분야에 관심을 갖게 된 사람들에게 특히 유용할 것이다. 데이터를 통한 접근은 제품 개발뿐만 아니라 경영 전반에서 핵심적인 과정인 만큼, 역자 또한 현재 사업 개발 업무에서 이를 적극 활용하며 견고한 리더십의 자양분이 됨을 몸소 느끼고 있다.

데이터 속에서 사용자의 진짜 목소리를 찾아내는 여정이 때로는 어렵고 복잡하지만, 그 과정에서 얻는 통찰과 성취감은 이 분야만의 특별한 보상이 될 것이다. 모든 독자가 더 나은 사용자 경험을 만들어 가는 데 이 책이 든든한 동반자가 되기를 바란다.

- 김현진

목차

목차
  • 1부. UX 및 퀀트 UX

  • 1장. 시작하기
  • 1.1 저자는 누구인가? 이 책에 귀를 기울여야 하는 이유
  • 1.2 이 책의 다른 점은 무엇인가?
  • 1.3 이 책의 독자는 누구인가?
  • ____1.3.1 관심사 확인
  • 1.4 이 책을 통해 무엇을 배울 것인가?
  • 1.5 이 책의 활용 방법
  • ____1.5.1 가정
  • ____1.5.2 전문 용어에 대한 참고 사항
  • ____1.5.3 각 장의 예제
  • 1.6 온라인 자료
  • ____1.6.1 코드와 데이터 소스
  • ____1.6.2 도움말, 업데이트, 오류
  • 1.7 핵심 포인트

  • 2장. UX 및 UX 리서치
  • 2.1 사용자 경험
  • ____2.1.1 UX 직무
  • ____2.1.2 UX 디자인과 소프트웨어 엔지니어링
  • ____2.1.3 프로덕트 관리
  • 2.2 UX 리서치
  • ____2.2.1 UXR의 유형
  • ____2.2.2 UXR의 리서치 라이프사이클
  • ____2.2.3 제품 라이프사이클에 따른 일반적인 리서치 프로젝트
  • 2.3 핵심 포인트
  • 2.4 더 알아보기

  • 3장. 정량적 UX 리서치: 개요
  • 3.1 정량적 UX 리서치
  • 3.2 퀀트 UX 리서치의 주 단위 업무
  • ____3.2.1 일반적인 주간 활동
  • ____3.2.2 퀀트 UXR의 일반적인 리서치 질문
  • ____3.2.3 이해관계자의 질문
  • 3.3 다양한 유형의 퀀트 UXR
  • 3.4 퀀트 UXR과 다른 직군의 차이점
  • ____3.4.1 퀀트 UXR vs 일반 UXR
  • ____3.4.2 퀀트 UXR vs 혼합 방법 UXR
  • ____3.4.3 퀀트 UXR vs 설문 조사 과학자
  • ____3.4.4 퀀트 UXR vs 마케팅 리서처
  • ____3.4.5 퀀트 UXR vs 데이터 사이언티스트
  • ____3.4.6 퀀트 UXR vs 비즈니스 또는 프로덕트 애널리스트
  • ____3.4.7 퀀트 UXR vs 리서치 사이언티스트
  • ____3.4.8 퀀트 UXR vs 학술 연구
  • 3.5 퀀트 UXR 직군에 적합한가?
  • 3.6 핵심 포인트
  • 3.7 더 알아보기

  • 2부. 핵심 기술

  • 4장. UX 리서치
  • 4.1 퀀트 UXR을 위한 기본 및 고급 기술
  • ____4.1.1 'T자형' 기술
  • 4.2 사용자에게 집중하기
  • ____4.2.1 사용자의 관점 채택하기
  • ____4.2.2 사용자 중심의 변수 및 결과 평가하기
  • ____4.2.3 인지적 접근 방식으로 '왜'라는 질문에 답하기
  • ____4.2.4 충족되지 않은 니즈에 집중하기
  • ____4.2.5 UX 실행 및 이해관계자와 연계하기
  • 4.3 리서치 유효성
  • 4.4 사용자 및 제품 평가
  • 4.5 리서치 윤리
  • ____4.5.1 리서치의 리스크 및 이점
  • ____4.5.2 개인 정보 보호 및 법적 요구 사항
  • ____4.5.3 최소 수집량
  • ____4.5.4 과학적 표준
  • ____4.5.5 사회에 미치는 영향
  • ____4.5.6 신문 테스트
  • 4.6 리서치 계획
  • 4.7 핵심 포인트
  • 4.8 더 알아보기

  • 5장. 통계
  • 5.1 왜 통계인가?
  • ____5.1.1 통계 vs 머신러닝
  • 5.2 기초: 샘플링과 데이터 품질
  • 5.3 핵심 통계 분석 스킬
  • ____5.3.1 탐색적 데이터 분석 및 시각화
  • ____5.3.2 기술 통계
  • ____5.3.3 추론 통계 검정 및 실질적 유의성
  • ____5.3.4 A/B 테스트의 기초
  • ____5.3.5 선형 모델
  • 5.4 자주 관찰되는 문제점
  • ____5.4.1 부정확하거나 편향된 데이터
  • ____5.4.2 발견에 집중하느라 의사결정에 대한 관점 상실
  • ____5.4.3 결과를 성급히 가정하기
  • ____5.4.4 통계적 유의성 해석하기
  • ____5.4.5 고급 모델 적용하기
  • 5.5 핵심 포인트
  • 5.6 더 알아보기
  • 5.7 질문 및 예제

  • 6장. 프로그래밍
  • 6.1 개요
  • ____6.1.1 프로그래밍의 필요성
  • ____6.1.2 프로그래밍 언어
  • 6.2 절차적 프로그래밍 기초
  • ____6.2.1 알고리듬
  • ____6.2.2 데이터 구조
  • 6.3 SQL
  • 6.4 기타 코딩 주제
  • ____6.4.1 코드의 재현 가능성
  • ____6.4.2 성능과 확장성
  • 6.5 핵심 포인트
  • 6.6 더 알아보기
  • 6.7 예제

  • 3부. 분석 도구와 기법

  • 7장. 사용자 경험 지표
  • 7.1 HEART 프레임워크
  • ____7.1.1 행복
  • ____7.1.2 참여도
  • ____7.1.3 채택
  • ____7.1.4 리텐션
  • ____7.1.5 태스크 성공
  • 7.2 목표-시그널-지표 프로세스
  • ____7.2.1 목표
  • ____7.2.2 시그널
  • ____7.2.3 지표
  • 7.3 방법 통합 적용
  • 7.4 Gmail의 라벨 리디자인
  • 7.5 경험에서 얻은 교훈
  • ____7.5.1 개별적인 함정
  • ____7.5.2 조직 관련 문제
  • 7.6 핵심 포인트
  • 7.7 더 알아보기
  • 7.8 예제

  • 8장. 고객 만족도 조사
  • 8.1 CSat 프로그램의 목표
  • 8.2 고객 조사의 구성 요소
  • ____8.2.1 고객 모집단과 표본
  • ____8.2.2 설문 조사 메커니즘
  • ____8.2.3 서열 평가
  • ____8.2.4 주관식 의견
  • ____8.2.5 인구 통계 및 행동 정보
  • ____8.2.6 그룹 간 비교 대신 시간 경과에 따른 비교
  • ____8.2.7 이해관계자 및 고객과의 후속 조치
  • 8.3 CSat 분석의 일반적인 문제
  • 8.4 R을 사용한 예제 분석
  • ____8.4.1 초기 데이터 검사
  • ____8.4.2 특정 기간의 CSat
  • ____8.4.3 시간 경과에 따른 CSat
  • ____8.4.4 TOP 2 박스 비율
  • ____8.4.5 CSat가 변하고 있는가? 초기 분석
  • ____8.4.6 국가별 검토
  • ____8.4.7 데이터에서 CSat 변화에 대한 더 나은 모델
  • 8.5 핵심 포인트
  • 8.6 더 알아보기
  • 8.7 예제

  • 9장. 로그 시퀀스 시각화
  • 9.1 예제 시퀀스 데이터
  • ____9.1.1 뷔페 데이터에 대한 선버스트 차트
  • 9.2 웹사이트 데이터의 선버스트 시각화
  • ____9.2.1 로그를 시퀀스로 변환하기
  • ____9.2.2 EPA 데이터의 선버스트 시각화
  • ____9.2.3 추가 분석 단계
  • 9.3 핵심 포인트
  • 9.4 더 알아보기
  • 9.5 예제

  • 10장. MaxDiff: 기능 및 사용자 요구 사항 우선순위 설정
  • 10.1 MaxDiff 개요
  • ____10.1.1 MaxDiff 분석 예시
  • ____10.1.2 피자 수요 계산
  • ____10.1.3 MaxDiff의 장점 요약
  • 10.2 MaxDiff 추정에 대한 상세한 소개
  • ____10.2.1 MaxDiff 설문의 일반적인 UX 주제
  • ____10.2.2 MaxDiff 설문 작성 및 배포
  • ____10.2.3 설문 작성 플랫폼
  • ____10.2.4 MaxDiff와 접근성
  • ____10.2.5 MaxDiff 통계 모델
  • 10.3 예제: 정보 탐색 사용 사례
  • ____10.3.1 정보 탐색을 위한 MaxDiff 개요
  • ____10.3.2 설문 형식
  • ____10.3.3 데이터 형식
  • ____10.3.4 choicetools 패키지를 사용한 추정
  • ____10.3.5 다음 단계
  • 10.4 핵심 포인트
  • 10.5 더 알아보기
  • 10.6 예제

  • 4부. 조직 및 커리어

  • 11장. UX 조직
  • 11.1 일반적인 UX 조직 모델
  • ____11.1.1 직무 중심 조직
  • ____11.1.2 제품 중심 조직
  • 11.2 퀀트 UXR을 위한 기타 조직 모델
  • ____11.2.1 중앙 집중식 퀀트 UX 리서치 팀
  • ____11.2.2 데이터 사이언스 또는 애널리틱스 팀의 퀀트 UX
  • 11.3 퀀트 UXR 매니저를 위한 조언
  • ____11.3.1 이해관계자 및 데이터에 대한 접근 권한
  • ____11.3.2 무작위 요청 차단
  • ____11.3.3 성장의 기회
  • ____11.3.4 영향력 입증에 관한 도움말
  • ____11.3.5 방해하지 않기
  • 11.4 핵심 포인트
  • 11.5 더 알아보기

  • 12장. 인터뷰 및 채용 공고
  • 12.1 일반적인 퀀트 UXR 인터뷰 프로세스
  • 12.2 인터뷰 패널의 두 가지 형식
  • ____12.2.1 형식 1: 인터뷰 루프
  • ____12.2.2 형식 2: 실습 인터뷰
  • ____12.2.3 인터뷰어의 평가 방식
  • ____12.2.4 채용 의사결정자
  • 12.3 현장 인터뷰 이전, 진행, 이후
  • ____12.3.1 인터뷰 이전: 회사의 준비 사항
  • ____12.3.2 인터뷰 이전: 지원자의 준비 사항
  • ____12.3.3 인터뷰 진행
  • ____12.3.4 인터뷰 이후
  • 12.4 채용 공고 및 지원
  • ____12.4.1 채용 정보 찾기
  • ____12.4.2 지원서 작성을 위한 기타 제안 사항
  • 12.5 핵심 포인트
  • 12.6 더 알아보기

  • 13장. 리서치 프로세스, 보고, 이해관계자
  • 13.1 초기 이해관계자
  • ____13.1.1 이해관계자의 요구 및 니즈
  • ____13.1.2 의사결정에 집중하기
  • ____13.1.3 역방향 작업
  • 13.2 결과 보고
  • ____13.2.1 리서치의 사용자로서 이해관계자
  • ____13.2.2 두 가지 모델: 프레젠테이션 및 문서
  • 13.3 좋은 결과물의 원칙
  • ____13.3.1 의사결정을 위한 간결하고 집중적인 설명
  • ____13.3.2 최소한의 기술 보고서
  • ____13.3.3 편향성 배제
  • ____13.3.4 재현 및 일반화 가능성
  • 13.4 리서치 아카이브
  • 13.5 이해관계자에 관한 일반적인 문제
  • ____13.5.1 의사결정 기준의 부재
  • ____13.5.2 임시 프로젝트
  • ____13.5.3 기회 비용
  • ____13.5.4 검증 리서치
  • ____13.5.5 통계적 유의성
  • ____13.5.6 체리 피킹 결과
  • ____13.5.7 상충되는 결과
  • ____13.5.8 부정적 결과에 국한된 이의 제기
  • 13.6 훌륭한 이해관계자 찾기
  • 13.7 핵심 포인트
  • 13.8 더 알아보기

  • 14장. 퀀트 UXR을 위한 커리어 개발
  • 14.1 업계 커리어 경로의 핵심 요소
  • ____14.1.1 직급
  • ____14.1.2 커리어 사다리
  • ____14.1.3 커리어 트랙: IC 및 매니저
  • ____14.1.4 직급의 분포
  • ____14.1.5 IC와 매니저 중 선택하기
  • 14.2 직급에 관한 문제
  • 14.3 성과 평가 및 승진
  • ____14.3.1 성과 평가
  • ____14.3.2 영향력
  • ____14.3.3 승진
  • 14.4 개인 성향과 목표
  • ____14.4.1 극대화 vs. 만족화
  • ____14.4.2 빌더 vs. 탐험가
  • 14.5 커리어 경로에서 스킬 쌓기
  • ____14.5.1 스킬 개발 분야
  • ____14.5.2 멘토 찾기
  • 14.6 시니어 IC를 위한 경로
  • ____14.6.1 스태프 이상 직급 패턴 1. 테크 리드
  • ____14.6.2 스태프 이상 직급 패턴 2: 에반젤리스트
  • ____14.6.3 스태프 이상 직급 패턴 3: 전략 파트너
  • 14.7 핵심 포인트
  • 14.8 더 알아보기

  • 15장. 퀀트 UX의 미래 전망
  • 15.1 전망 1: UX 데이터 사이언스
  • 15.2 전망 2: 컴퓨테이셔널 사회 과학
  • 15.3 전망 3: 혼합 방법 UX
  • 15.4 전망 4: 퀀트 UX의 발전
  • 15.5 더 알아보기
  • 15.6 마무리

  • 부록 A. 퀀트 UX 직무 기술서 예시
  • 부록 B. 퀀트 UX 채용 루브릭 예시
  • 부록 C. 참고 문헌

관련 블로그 글

'제 생각엔'을 '데이터를 보면'으로 바꾸는 퀀트 UX 리서치

데이터 홍수 시대, 왜 내가 만든 디자인은 묻히는 걸까?

혹시 이런 경험 있나요? 팀 회의에서 "이 디자인이 정말 사용자에게 도움이 될까요?"라는 질문에 "제 생각엔... 아마도... 분명히 좋을 거예요!"라고 답했다가 썰렁한 반응을 마주한 적 말이에요. 또는 며칠 밤낮으로 진행한 사용자 인터뷰 10명의 결과를 들고 갔더니 "겨우 10명의 의견으로 100만 명의 사용자에게 적용하자는 거예요?"라는 뼈아픈 한 마디를 들었던 순간은요?

사실 이건 UX 업계의 영원한 딜레마예요. 우리의 직관과 소수 사용자의 생생한 목소리는 분명 가치가 있는데, 조직을 설득하고 예산을 확보하려면 결국 '숫자'라는 무기가 필요하거든요. 바로 이 간극을 메워주는 게 퀀트 UX 리서치예요!

퀀트 UX 리서치가 뭐길래?

퀀트 UX 리서치를 한마디로 표현하자면 "직관을 숫자로, 추측을 근거로 바꾸는 마법"이라고 할 수 있어요.

예를 들어볼게요. 쇼핑 앱의 결제 버튼 색깔을 바꾸는 프로젝트를 진행 중이에요. 디자이너는 "파란색이 더 신뢰감을 줄 것 같아요"라고 주장하고, PM은 "빨간색이 더 눈에 확 띄지 않을까요?"라며 의견이 갈려요. 이럴 때 퀀트 UX 리서처가 등장해서 A/B 테스트로 실제 전환율을 측정한다면? "파란색 버튼을 본 사용자의 구매 전환율이 23% 더 높습니다"라는 명확한 데이터를 제시할 수 있죠!

더 놀라운 사실은 이제 기업들이 상상도 못할 만큼 방대한 사용자 데이터를 갖고 있다는 거예요. 클릭 하나, 스크롤 한 번, 머문 시간까지 모든 게 기록되는 시대잖아요? 퀀트 UX 리서처는 이 데이터의 바다에서 진짜 의미 있는 패턴을 건져내요. "사용자의 73%가 이 기능을 찾는 데 실패하고 3초 만에 이탈합니다"와 같은 충격적인 (하지만 꼭 필요한) 진실을 발견하는 거죠.

왜 지금 퀀트 UX를 배워야 할까?

1. 실리콘밸리는 이미 퀀트 UX에 진심!
구글, 마이크로소프트, 메타 같은 빅테크 기업들은 이미 퀀트 UX 리서처를 핵심 인재로 영입하고 있어요. 왜일까요? 이제는 데이터 기반 의사결정이 곧 경쟁력인 시대거든요. "이 기능을 추가하면 사용자 만족도가 얼마나 개선될까?"라는 질문에 막연한 기대가 아닌 구체적인 숫자로 답할 수 있다면, 실패 리스크는 줄이면서 성공 가능성은 확 높일 수 있잖아요.

2. 디자이너도, 개발자도, PM도 모두 필요한 스킬
퀀트 UX는 특정 직군만의 전유물이 아니에요.
•  디자이너라면? 내 디자인의 가치를 숫자로 증명할 수 있어요.
•  개발자라면? 로그 데이터를 통해 실제 사용자들이 어떻게 행동하는지 파악할 수 있어요.
•  PM이라면? 제품 전략과 로드맵을 탄탄한 데이터로 뒷받침할 수 있죠.

3. 커리어 성장의 블루오션
"퀀트 UX 리서처"라는 직무 자체가 아직 국내에선 생소해요. 하지만 바로 그 점이 기회죠! 남들보다 한 발 먼저 이 분야의 전문가가 된다면? 시장에서 여러분의 몸값은 확 달라질 거예요.

퀀트 UX를 제대로 배우고 싶다면?

이쯤 되면 "그럼 퀀트 UX 리서치, 어떻게 시작하면 좋을까?"라는 궁금증이 들 거예요. 마침 구글과 마이크로소프트에서 이 분야를 직접 개척한 실무자들이 자신들의 노하우를 한 권의 책으로 정리했어요.

바로 <퀀트 UX 리서치: 정량 데이터로 사용자를 이해하고 제품을 혁신하는 법>입니다. 단순한 이론서가 아니라 진짜 '실무 바이블'이에요. 현장에서 바로 활용할 수 있는 검증된 방법론들로 꽉 채워져 있죠.

이 책의 진짜 가치는 퀀트 UX라는 새로운 영역을 체계적으로 정립했다는 점이에요. 그동안 여기저기 흩어져 있던 정량적 UX 연구 방법들을 하나의 전문 분야로 깔끔하게 정리하고, 실제 프로젝트에 어떻게 적용하는지 차근차근 보여주거든요. 구글에서 실제로 쓰는 HEART 프레임워크로 성공 지표를 정의하는 방법부터, 로그 데이터로 사용자 행동을 추적하는 기법, 설문조사 결과를 믿을 만하게 만드는 통계적 접근법까지 폭넓게 다뤄요.

특히 인상적인 건 저자들이 "퀀트 UX 리서처"라는 직무를 구체적으로 정의한다는 거예요. 데이터 사이언티스트와 뭐가 다른지, 기존 UX 리서처와는 어떤 차이가 있는지, 조직에서 어떤 역할을 맡게 되는지를 명확하게 짚어줘요. 더 나아가 이 분야로 커리어를 시작하려면 어떤 스킬이 필요한지, 어떻게 성장해나갈 수 있는지에 대한 현실적인 조언도 아낌없이 담겨 있죠.

책에는 R 코드 예제들도 들어있어요. 당장 여러분의 데이터에 그대로 적용하기는 어렵겠지만, 이 코드들을 통해 실제로 데이터를 어떻게 분석하는지 구체적인 방법을 배울 수 있어요. 무엇보다 각 챕터마다 "왜 이 방법을 써야 하는지", "언제 유용한지"를 실제 사례와 함께 설명해주니까, 단순히 기법만 외우는 게 아니라 원리를 이해하고 상황에 맞게 응용할 수 있게 되는 거죠.

이제는 데이터로 말할 시간

정성적 인사이트와 정량적 데이터, 이 둘은 대립 관계가 아니라 서로를 보완하는 관계예요. 사용자 인터뷰에서 발견한 문제를 데이터로 검증하고, 데이터에서 포착한 이상한 패턴을 다시 인터뷰로 깊이 파헤칠 수 있죠.

하지만 오늘날 제품 개발 현장에서는 아무리 좋은 아이디어라도 정량적 근거 없이는 실행하기 어려운 게 현실이에요. 바로 이 지점에서 퀀트 UX 리서치가 빛을 발합니다. "내 생각에는"으로 시작하던 회의가 "데이터를 보면"으로 바뀌는 순간, 설득력은 확 달라지죠.

<퀀트 UX 리서치>는 바로 이 변화를 시작하려는 분들에게 가장 실용적인 안내서가 될 거예요. 실리콘밸리 최전선에서 쌓은 경험과 노하우를 체계적으로 배울 수 있는 기회, 놓치면 정말 아깝잖아요?

디자인의 가치를 숫자로 증명하고 싶은 디자이너든, 사용자 데이터를 제대로 활용하고 싶은 PM이든, 새로운 커리어를 개척하려는 리서처든, 이 책과 함께라면 누구나 데이터로 더 나은 사용자 경험을 만드는 전문가로 성장할 수 있어요.

결국 퀀트 UX가 추구하는 건 단순해요. 차가운 숫자 뒤에 숨어있는 따뜻한 사용자의 목소리를 찾아내는 것. 그리고 그 목소리에 귀 기울여 모두가 사랑하는 제품을 만드는 것. 여러분도 이 매력적인 여정에 함께해보는 건 어떨까요?

지금 바로 시작하세요!

『퀀트 UX 리서치: 정량 데이터로 사용자를 이해하고 제품을 혁신하는 법』
데이터로 디자인을 증명하고, 조직을 설득하며, 더 나은 제품을 만들고 싶다면? 이 책으로 시작해보세요.

•  예스24에서 만나보기
•  교보문고에서 만나보기
•  알라딘에서 만나보기

"제 생각엔..."에서 "데이터를 보면..."으로. 그 첫걸음이 바로 이 책이에요.
CC

크리에이티브 커먼즈 라이센스 이 저작물은 크리에이티브 커먼즈 코리아 저작자표시 2.0 대한민국 라이센스에 따라 이용하실 수 있습니다.

도서 오류 신고

도서 오류 신고

에이콘출판사에 관심을 가져 주셔서 고맙습니다. 도서의 오탈자 정보를 알려주시면 다음 개정판 인쇄 시 반영하겠습니다.

오탈자 정보는 다음과 같이 입력해 주시면 됩니다.

(예시) p.100 아래에서 3행 : '몇일'동안 -> 며칠동안