UX 리서치 통계 분석

UX 리서치에서 수집한 숫자 지표(태스크 수행 시간, 만족도 점수 등)를 해석할 때 단순 평균 비교만으로는 부족하다. 샘플링 오차에 의한 우연한 차이인지, 실제 의미 있는 차이인지를 통계적으로 검증해야 한다. 대표적인 방법이 집단 평균 비교 분석으로, 두 집단을 비교할 때는 T-test, 세 집단 이상을 비교할 때는 ANOVA를 사용한다.

통계 분석 전에 세 가지 전제 조건을 확인해야 한다. 첫째, 샘플 수 확보다. 분석 단위당 최소 30개 이상의 샘플이 있어야 대표성이 확보되고 정규성 가정을 만족할 수 있다. 둘째, 정규성 확인으로 데이터가 정규 분포를 따르는지 검토해야 한다. 셋째, 이상치 제거 등 데이터 전처리가 선행되어야 신뢰할 수 있는 결과를 얻는다. pxd 실무에서는 Python 또는 SPSS로 분석을 수행했으며, 태스크 수행 시간은 분포가 한쪽으로 치우칠 가능성이 높아 전처리가 특히 중요하다.

A/B/C 레이아웃 비교 사용성 테스트가 대표적 활용 사례다. 30명의 참여자가 각 레이아웃에서 태스크를 수행하는 데 걸린 시간을 T-test 및 ANOVA로 분석하면 어떤 레이아웃이 통계적으로 유의미하게 더 빠른지 판별할 수 있다. 단순히 평균이 낮다고 더 좋은 것이 아니라 p-값이 기준(보통 0.05) 미만이어야 유의미한 차이로 인정한다.

핵심 내용

  • T-test: 두 집단의 평균을 비교하는 통계 검증 방법
  • ANOVA(분산 분석): 세 집단 이상의 평균을 동시에 비교할 때 사용
  • 최소 샘플 수: 분석 단위당 30개 이상 권장
  • 정규성 확인: 데이터가 종 모양 분포를 따르는지 먼저 검토
  • p-값 0.05 미만이면 통계적으로 유의미한 차이로 판단
  • 태스크 수행 시간, 만족도 등 숫자 지표에 적용 가능

관련 개념

출처

최종 업데이트: 2026-04-06 | 출처 1개