웹사이트나 모바일 앱을 사용할 때 우리는 수많은 화면과 마주친다. 구매하기 버튼의 색상을 파란색으로 할지 빨간색으로 할지, 팝업창의 위치를 어디에 둘지 결정하는 것은 기업의 매출과 직결되는 매우 중요한 문제이다. 과거에는 이러한 디자인이나 기능의 변화를 기획자의 직감이나 책임자의 취향에 따라 결정하는 경우가 많았다. 하지만 지금은 데이터를 수집하고 시각화하여 가장 객관적인 정답을 찾아내는 방식을 사용한다. 이를 에이비 테스트라고 부른다. 에이비 테스트의 원리는 매우 단순하면서도 과학적이다. 기존의 디자인을 A안으로 두고, 새롭게 바꾼 디자인을 B안으로 설정한다. 그리고 웹사이트에 방문하는 사람들을 무작위로 절반씩 나누어 각각 A안과 B안을 보여준다. 일정 시간이 흐른 뒤 어느 쪽 디자인에서 사람들이 버튼을 더 많이 클릭했는지 데이터를 수집하여 비교 분석한다. 수집된 방대한 사용자의 행동 데이터는 가공 과정을 거쳐 막대그래프나 파이 차트 같은 시각화 자료로 변환된다. 수만 명의 방문자가 남긴 복잡한 로그 데이터들이 단순한 두 개의 막대그래프로 요약되면 어느 안이 더 우수한 성과를 냈는지 누구나 직관적으로 파악할 수 있다. 만약 빨간색 버튼인 B안의 막대그래프가
온라인 쇼핑몰에 접속한 100명의 사람 중 실제로 물건을 사는 사람은 몇 명이나 될까. 처음에는 많은 사람이 호기심에 사이트를 방문하지만 상품을 검색하고 장바구니에 담고 결제 버튼을 누르는 각 단계를 거칠 때마다 사람들의 수는 점점 줄어든다. 이렇게 사용자가 특정 목표를 향해 나아가는 과정을 단계별로 나누어 시각화한 것을 퍼널 차트 즉 깔때기 차트라고 부른다. 퍼널 차트는 위쪽이 넓고 아래쪽으로 갈수록 좁아지는 깔때기 모양을 하고 있다. 각 단계의 너비는 해당 단계에 머물러 있는 사람의 수를 나타낸다. 데이터를 가공하여 이 차트를 그리는 가장 큰 목적은 사람들이 어느 단계에서 가장 많이 이탈하는지 즉 서비스의 새는 구멍을 시각적으로 찾아내는 데 있다. 예를 들어 모바일 게임에서 튜토리얼을 끝낸 사람은 많은데 첫 번째 스테이지를 깨는 사람의 수가 확연히 줄어들었다고 가정해 보자. 퍼널 차트에서는 이 구간의 깔때기 너비가 급격하게 좁아지는 형태로 나타난다. 이를 통해 개발자는 첫 번째 스테이지의 난이도가 너무 높거나 조작법이 불편하다는 문제점을 직관적으로 파악할 수 있다. 데이터 가공과 시각화는 단순히 숫자를 나열하는 것을 넘어 문제의 원인을 진단하고 해결책을