데이터 기반 퍼소나
데이터 기반 퍼소나는 정성 인터뷰가 아닌 실제 사용자 행동 로그를 분석하여 사용자 유형을 세분화하는 방법론이다. 퍼소나의 본질은 공감을 위한 가상 인물 만들기가 아니라 사용자 세분화에 있다. 설문 결과 "50%가 만족"한다고 할 때 중간값 사용자를 상정하는 것보다, 만족하는 집단과 만족하지 않는 집단의 각각 특성을 파악하는 것이 더 유효한 전략이다.
GA4 + BigQuery 조합으로 개별 사용자 단위 로그 분석이 가능해졌다. `user_pseudo_id`를 기준으로 한 사람이 어떤 페이지를 방문하고 어떤 요소를 클릭했는지 fly on the wall 방식으로 관찰할 수 있다. 이를 구체화(개별 사용자 탐색)와 추상화(집단 특성 도출)를 번갈아가며 수행하는 것이 더블 다이아몬드 방법론과 맞닿아 있다.
유입 검색어를 활용한 퍼소나 세분화는 다음 절차로 이루어진다. 먼저 Google Search Console과 네이버 검색 로그에서 키워드를 수집한다. 각 키워드를 텍스트 임베딩(한국어에 특화된 sentence transformer 모델 권장)으로 벡터화한 후, K-means 또는 계층적 클러스터링으로 의미 군집을 형성한다. 결과는 보로노이 트리맵(워드 버블)으로 시각화해 어떤 주제로 어떤 사용자가 유입되는지 한눈에 파악한다.
CTR(Click Through Rate) 히트맵으로 자사 콘텐츠가 특정 검색어 결과에서 얼마나 독점적인지 확인할 수 있다. 또한 시계열 비교로 계절성(학기 시작에 조형 요소 키워드 급증 등)과 검색 순위 변화를 파악한다. 동일 검색어로 유입된 사용자 집단의 사이트 내 행동 패턴을 비교하면 키워드별 니즈 차이를 구체화할 수 있다.
핵심 내용
- 퍼소나의 핵심은 사용자 세분화이며, 정량 데이터로도 유형 분류가 가능
- GA4 BigQuery 연동으로 개별 사용자 로그를 정성 분석처럼 탐색 가능
- 한국어 임베딩은 음절 단위 토크나이저 문제로 한국어 특화 모델 사용이 권장
- 유입 검색어 군집 → 사용자 니즈 유형 → 사이트 내 행동 패턴의 연결 고리
- 행동 변수 정량화 후 군집화 알고리즘을 적용하면 수작업 퍼소나 도출보다 효율적
관련 개념
- 텍스트 임베딩과 데이터 시각화 — 검색어 군집화의 기반 기술
- 사용자 행동 패턴 — 로그 기반 행동 패턴 분석과 퍼소나가 연결됨
- 어피니티 버블 — 보로노이 트리맵으로 군집 결과를 시각화하는 도구
- UX 리서치 유형 — 정량 로그 기반 퍼소나는 발견적 리서치와 평가적 리서치의 경계에 위치
출처
- [데이터 기반 퍼소나] 유입 검색어로 사용자 세분화하기 — 2024-06-10, 無異
- 유입 경로와 검색어 기반으로 사용자 세분화하기 — 2024-11-15, 정우재(ChungWooJae)
- 정성, 정량 조사를 병행하여 퍼소나에 설득력 부여하기 — 2018-12-05, 박재현 (Jaehyun Park)