디자인 개선 전과 후, 얼마나 향상되었을까?

"프로젝트: 의료 리포트 UI 가독성 향상" 얼마나 향상 되었는가?

리포트 UI 개선 프로젝트를 진행하면서 가장 중요하게 생각한 것은 가독성을 실제로 얼마나 향상시킬 수 있는가 였다. 의료진이 환자의 처치나 처방을 내리기 위해 참고하는 리포트는 단순한 UI 요소가 아니라, 필요한 정보를 빠르게 읽고 한눈에 파악할 수 있도록 돕는 핵심 도구다. 의료진 입장에서는 "이 부분만 고쳐달라"고 요청하지만, 단순한 변경이 실제 사용성을 개선하는지 확인하는 과정이 꼭 필요했다.

UI 개선을 진행하기 전, 사용자 인터뷰와 현장 방문을 통해 실제 사용성을 파악하는 과정이 있었다. 의료진이 리포트를 언제, 어떻게 보는지, 어떤 부분에서 불편함을 느끼는지 직접 확인하는 것이 중요했다. 하지만 의료 현장을 방문하는 것은 쉽지 않았다. 의료진은 항상 바쁘고, 인터뷰를 요청하는 것조차 부담이 될 수 있기 때문이다. 짧은 시간 안에 핵심적인 피드백을 얻어야 했고, 특정 병원의 요구가 아니라, 서비스를 사용하는 모든 병원에 적용할 수 있는 기준을 만들어야 한다는 점도 고려해야 했다.

이러한 과정을 거쳐 리포트 UI를 개선했지만, 단순히 “보기 좋아졌다”는 피드백만으로는 충분하지 않았다. 정말로 향상되었는가? 이 질문에 대한 답을 얻기 위해 개선 전후의 차이를 측정하는 방법을 고민했다. 특히, 의료진이 단순히 웹에서 보는 것이 아니라 리포트를 출력해서 활용하는 경우도 많기 때문에, 지면에서도 가독성이 유지되는지가 중요한 요소였다.

이제 정량적 데이터(측정 가능한 개선 수치)와 정성적 데이터(사용자의 실제 피드백)를 정리해 UI 개선이 어떤 영향을 미쳤는지 확인해보려 한다. 이 과정이 나뿐만 아니라, 같은 고민을 하는 프로덕트 디자이너들에게도 의미 있는 자료가 되었으면 한다.

 

정량적 데이터와 정서적 데이터 

데이터는 크게 정량적 데이터와 정성적 데이터로 나뉜다. 디자이너라면 익숙한 개념이지만, 쉽게 기억하려면 정량적 데이터는 수치, 정성적 데이터는 사용자 피드백이라고 이해하면 된다. UX 개선 효과를 정량적 데이터로 증명할 수 있다면, 기여도를 더욱 명확하게 보여줄 수 있기 때문에 나는 이 방식을 선호한다. 물론, 현실적으로 적용 가능성을 고민해야 하지만, 프로젝트 환경에 맞춰 보다 구체적으로 정리하는 것이 좋다.

• 정량적 데이터(수치 기반)
  사용자 행동 데이터를 기반으로 개선 효과를 확인하는 방법  ⇒ Analytics(GA, Hotjar, Firebase)
• 정서적 데이터(사용자 피드백 기반)
  의료진의 체감 경험을 바탕으로 개선 효과를 검증하는 방법 ⇒ 설문조사, 사용자 인터뷰, A/B 테스트, 현장관찰

 

정서적 데이터를 정량적 데이터로 변경하는 방법

설문조사나 인터뷰 데이터를 수치화하여 기여도를 더 명확하게 표현하는 방법이 있다. 내가 활용했던 방법을 총 5가지로 정리해보았다.
단, 모든 데이터가 동일한 조건에서 수집되는 것은 아니며, 환자의 처방일수 등 다양한 변수로 인해 일부 오차가 발생할 수 있다. 하지만 이를 통해 대략적인 개선율을 측정하고 UX 개선의 효과를 보다 객관적으로 평가할 수 있다.

 

1. 기본 대비 개선 측정

사용자에게 "이전 대비 얼마나 개선되었다고 생각하는가?" 질문에 5점 척도를 주고서 설문지를 받는다. 

5점 척도:
1점 전혀 아니다, 2점: 아니다, 3점: 보통이다, 4점: 그렇다, 5점: 매우 그렇다 

⇒ 개선 전 평균 점수는 2.8점에서 개선 후 점수는 4.2점으로 50% 향상되었다. 

 

2. NPS(Net promoter score) 활용

NPS는 사용자의 충성도와 만족도를 측정하는 글로벌 표준 지표이다. "리포트를 동료에게 추천하고 싶은가?"를 10점 척도로 질문을 한다. 

NPS 10점 점수의 의미
0 ~ 6점: 비추천자 (부정적인 경험을 했거나 불만족인 사용자)
7 ~ 8점 : 중립 응답자 (만족은 했지만 적극적으로 추천하지 않는 사용자)
9 ~ 10점: 추천자 (매우 만족하고 적극적으로 추천할 의향이 있는 사용자)

NPS 계산식
NPS = 추천자 비율(%) - 비추천자 비율(%)  
⇒ NPS가 높을 수록 사용자 만족도와 충성도가 높고, 낮을수록 사용자 불만이 많아 개선이 필요함

⇒ 개선 전 평균 점수는 5.6점에서 개선 후 점수는 7.8점으로 39% 상승했다. 

 

3. 가독성 테스트

문서 난이도를 자동으로 분석하는 툴을 활용해 기존과 개선 후의 난이도를 비교한다. 실제로 이 프로젝트는 PDF 파일로 제공하기 때문에  사용해보지 못했다. 파일명이 docx, html, md 라면 다른 프로젝트에서는 유용하게 사용할 것 같다. 

Hemingway Editor : 문장 길이 및 복잡도 분석 사이트
Readable.io : 가독성 점수 측정 사이트

 

4. 사용자가 원하는 정보 찾는 시간 측정

의료진이 정보를 읽고 요약하는 데 걸리는 실제 시간을 측정해본다.
테스트를 위한 인위적인 환경을 조성하기보다는, 실제 사용 상황에서 자연스럽게 시간을 측정하는 방식을 선택했다. 이를 위해 의료진이 인지하지 못하도록 몰래 측정하여 보다 현실적인 데이터를 확보했다.

⇒ 기존 리포트에서 정보를 찾는데 평균 50초 이지만, 개선 후에는 30초로 변경이 되었다. 총 33% 향상이 되었다. 

 

5. 오류율 분석

의료진이 리포트를 읽고 나서 데이터 해석 테스트를 진행해야 했는데, 특히 오류율을 측정하는 것은 쉽지 않았다. 그래서 의료진이 데이터를 이해하지 못하거나 오류로 판단한 사례를 수집하고, 이를 리포트에 관한 VOC 건수로 분석하기로 했다.

⇒ 기존 리포트에서는 10건/100건이였지만, 개선 후 5건/100건으로 오류율 50% 개선이 되었다. 

 

내가 진행했던 작업의 이미지는 없다. 의료 산업 분야이기 때문에 이미지를 올리기 어렵다. 그저 글로만 끄적이는 것 밖에.. :) 

진행한 프로젝트가 개선되었는지 지속적으로 체크하는 데는 많은 시간과 번거로움이 따르지만, "그래도 해야지, 어떡해"라는 마음으로 임했다. 내가 정말 이 프로젝트를 잘 수행했는지, 개선 이후에 추가 작업이 필요한지 끊임없이 들여다보는 것이 프로덕트 디자이너의 역할이라고 생각한다.

정서적 데이터를 정량적 데이터로 변환하는 것이 생각보다 쉽다고 생각했지만, 실제 업무에서는 개선 전의 측정을 놓쳐서 정확한 개선 효과를 파악하기 어려운 경우가 많았다. 그래서 앞으로는 내가 했던 작업에 대해 지속적으로 얼마만큼의 효과를 냈는지, 그 효과가 얼마나 영향을 끼쳤는지, 만약 효과가 없었다면 그 이유는 무엇인지를 계속해서 파고들어야 한다는 것을 기억해야 할 것이다.

프로젝트 시작 전에 미리 준비해두자.