안녕하세요. 왈라 팀입니다. 오늘은 고객 온보딩의 의미와 구축 방법에 대해 알아보는 시간을 가지려 합니다.
온보딩의 뜻
온보딩(Onboarding)은 본래 신입 사원이 새로운 직장에 적응하는 것을 돕다는 의미의 HR 용어로부터 시작되었는데요. 현재에 이르러 이 용어는 사용자, 고객 온보딩 등 좀 더 광역 범위에서 사용하게 되었습니다.
예를 들어 저희 왈라에서도 왈라 독스(Walla docs)를 만들어 고객 사용 설명서를 제작하고 있고, 페이지 이탈율을 확인하고 개선하며 고객 질의에 응답하는 등의 활동을 하고 있는데, 이 모든 활동이 사용자 온보딩 개선을 위한 프로세스라 할 수 있겠습니다.
즉, 고객이 왈라에 적응하도록 도와주고, 환경을 개선하는 모든 행위가 되겠네요.
사용자 온보딩을 효과적으로 개선하려면 데이터를 기반으로 문제를 파악하고 해결해야 합니다. 사용자가 온보딩(이용할 툴, 폼, 사이트 등에 대한 적응) 과정에서 어려움을 겪는 위치와 이탈하는 이유를 알면 이를 바탕으로 개선 방향을 명확히 설정할 수 있습니다.
https://wallaform.tistory.com/6
설문 폼도 유입 경로 분석이 가능! 왈라 hidden field 기능 소개
'히든필드'는 설문 응답이 어떤 링크를 통해 들어왔는지, 어느 페이지에서 이탈했는지 등을 알려주는 역할을 합니다. 말하자면 컴퓨터 고유의 쿠키 값을 읽고 분석해 주는 애널리틱스 analytics의
wallaform.tistory.com
왈라의 유입 경로 분석 기능을 활용한 고객 온보딩 개선
https://docs.walla.to/Create_Form_&_Survey_And_Share/Hidden_Field
Hidden Field - Walla Docs
docs.walla.to
왈라독스에서 히든필드 편집 방법 확인하기
지난 시간에 왈라의 히든 필드 기능을 이용한 사용자 온보딩 개선 방안에 대해 포스팅한 적이 있는데요.
온보딩 개선 전략의 유형을 세부적으로 나누자면 아래와 같습니다.
1. 사용자 행동 추적
사용자 행동 추적은 온보딩 프로세스를 분석하고 개선하는 데 기본이 되는 단계입니다. 신규 사용자가 온보딩 과정을 어떻게 진행하는지 살펴보면, 주요 데이터를 통해 개선점을 도출할 수 있겠죠.
사용자 행동 추적을 통해 분석할 수 있는 주요 항목으로는 클릭 수, 탐색 경로, 각 단계에서 소요된 시간, 그리고 사용자가 이탈하는 지점이 있습니다. 이러한 데이터를 기반으로 특정 단계에서 많은 사용자가 중단하는 경우 그 원인을 분석하고 해결 방안을 마련할 수 있습니다.
행동 추적이 가져오는 효과는 여러 가지입니다. 먼저, 사용자가 어려움을 겪는 문제 지점을 파악하여 인터페이스를 개선하거나 필요한 지원을 추가함으로써 사용자 경험을 더욱 향상시킬 수 있습니다. 또한, 온보딩 프로세스를 간단하고 직관적으로 설계하면 설문 완료율이 증가하고 이탈률은 감소하게 됩니다.
뿐만 아니라, 행동 데이터를 활용하면 추측이 아닌 실제 근거를 기반으로 의사결정을 내릴 수 있어 더욱 효과적인 결과를 얻을 수 있습니다. 지속적인 모니터링을 통해 새로운 문제가 발생했을 때 이를 신속히 파악하고 해결할 수 있다는 점도 큰 장점입니다. 또한 사용자의 행동 패턴을 분석하면 각 사용자에게 맞춤형 온보딩 경험을 제공할 기회를 얻을 수 있습니다.
2. 사용자 피드백 수집
사용자 피드백은 온보딩 과정을 개선하는 데 매우 중요한 자료입니다. 설문조사, 피드백 양식, 인앱 프롬프트 등을 활용하면 사용자의 직접적인 의견을 수집할 수 있습니다.
이는 행동 데이터만으로는 알기 어려운 사용자의 주관적인 경험이나 개선 요청을 명확히 이해하는 데 도움을 줍니다. 예를 들어, 특정 용어가 혼란을 준다거나 추가 설명이 필요하다는 요청을 받을 수 있습니다.
피드백을 효과적으로 수집하기 위해 인앱 설문조사, 환영 이메일, 피드백 버튼, 보상 제공 등이 활용될 수 있습니다.
3. 주요 지표 추적
사용자 온보딩을 개선하려면 핵심 지표를 추적하는 것이 중요합니다. 먼저, 온보딩 과정을 끝까지 완료한 사용자의 비율인 설문 완료율을 확인하세요. 완료율이 낮다면 과정이 너무 복잡하거나 사용자가 흥미를 느끼지 못하고 있을 가능성이 있습니다.
또한, 온보딩 완료 시간도 중요한 지표입니다. 시간이 지나치게 오래 걸리면 사용자가 피로감을 느낄 수 있으니 프로세스를 간소화할 방법을 고민해야 합니다.
중단 지점을 분석하면 사용자가 어려움을 겪는 특정 단계를 파악할 수 있습니다. 예를 들어 많은 사용자가 한 단계에서 이탈한다면, 해당 부분을 조정해야 합니다.
온보딩 중 사용자가 앱의 다양한 기능과 얼마나 상호작용하는지 보여주는 참여 지표도 추적해야 합니다. 특정 기능의 사용률이 낮다면, 기능 설명이 부족하거나 사용자가 필요성을 느끼지 못할 수 있습니다.
마지막으로, 온보딩 이후 유료 구독(또는 서비스, 상품)으로 전환되는 비율인 전환율, 그리고 일정 기간 이후에도 서비스를 계속 사용하는 비율인 유지율을 함께 모니터링하세요. 이 지표들은 온보딩이 사용자에게 충분히 가치를 전달하고 있는지 평가하는 데 큰 도움이 됩니다.
4. A/B 테스트
A/B 테스트는 사용자 온보딩 과정을 개선하는 강력한 방법입니다. 테스트 방식은 간단합니다. 온보딩의 두 가지 버전(A와 B)을 만들어 사용자에게 무작위로 할당하고, 두 버전의 성과를 비교합니다.
예를 들어, "튜토리얼 영상을 추가하면 완료율이 높아질 것이다"라는 가설을 세운 후 이를 검증하는 방식입니다. A 버전에는 기존 온보딩을, B 버전에는 튜토리얼 영상을 추가해 결과를 관찰합니다.
테스트 결과를 분석할 때는 완료율, 소요 시간, 중단 단계와 같은 정량적인 데이터뿐만 아니라, 각 버전에 대한 사용자의 피드백도 중요합니다. 이렇게 수집된 데이터를 바탕으로 어떤 버전이 더 효과적인지 판단한 후, 우수한 버전을 모든 사용자에게 점진적으로 적용하면 됩니다.
5. 예측 분석
예측 분석은 사용자 데이터를 활용해 미래 행동을 예측하는 기법입니다. 과거 데이터를 분석해 신규 사용자가 직면할 수 있는 문제를 미리 파악하고, 이에 대한 해결책을 제공하는 것이 핵심입니다.
예를 들어, 기존 데이터에서 특정 단계에서 사용자가 자주 이탈한다는 점이 밝혀졌다면, 새로운 사용자가 해당 단계에 도달했을 때 자동으로 추가 도움말을 제공할 수 있습니다. 반대로 사용자가 온보딩을 원활히 진행하고 있다면 불필요한 단계를 건너뛰도록 설정할 수도 있습니다.
예측 분석은 온보딩 과정을 더욱 개인화하고 사용자에게 최적화된 경험을 제공할 수 있게 합니다. 이를 통해 만족도를 높이고 장기적인 사용을 유도할 수 있습니다.
이렇듯 데이터 분석과 사용자 피드백을 결합하면 사용자 온보딩 과정을 효과적으로 개선할 수 있습니다. 행동 데이터를 통해 문제를 파악하고, 사용자 피드백으로 세부적인 개선점을 보완하면 완성도 높은 온보딩 경험을 제공할 수 있죠. 이 과정은 고객 충성도 증가와 사용자 만족도 증가로 이어질 것입니다.
지금부터 왈라 폼과 함께 사용자 온보딩 과정을 개선해보시면 어떨까요?