[UX케이스스터디] Netflix 검색경험 개선 사례연구

Netflix가 시청전에 당신이 보고 싶은 것을 알고 있다면 어떨까요?

 

Netflix Discovery 소개 - 새로운 발견 경험

 

이 UX 연구는 주로 일상적인 사용자에게 보다 즐겁게 사용자 환경을 제공하는 방법에 중점을 둡니다. 우리는 다양한 방법을 통해 연구 프로세스를 기반으로 하고 우리의 목표 그룹을 인터뷰하고 테스트 한 결과를 바탕으로 시각적 계층과 UI를 구축했습니다.

 

매일매일 평균적으로 약 35,000번의 선택을 하게 됩니다. 아침에 입을옷이나 먹을 음식을 고르는 사소한 선택에서 부터 직장에서 획기적인 아이디어를 내야하는 중요한 선택에 이르기까지 많은 선택을 해야합니다. 

 

스와스모어 대학 (Swarthmore College)의 교수이자 저자인 배리 슈워츠 (Barry Schwartz)가 한 연구에 따르면 너무 많은 옵션으로 스트레스, 불안 및 불만이 생길 수 있다고합니다. 이것이 우리가 연구를 시작한 계기가 된 가장 중요한 사실입니다.

 

설문 조사를 통해 77 %가 영화를 고르는 데 어려움을 겪었습니다. 또한 75 %는보다 개인화 된 인터페이스를 원했으며 71 %는 친구들이보고있는 것을보고 싶어했으며 63 %는 친구의 영화 추천을 신뢰한다고 답했습니다.

요점은, 아무도 선택의 자유를 최대로 주는것을 원하지 않는다는 것입니다.

 

 

 

어떤 통찰력을 얻을 수 있습니까?

 

무엇을 선택하면 시간을 절약하고 즐기는 시간을 더 길게 할수 있습니까? 우리는 깊은 인터뷰를 통해 이것을 더 깊이 탐구하기로 결정했습니다.

 

우리가 알아 낸 것은,

 

첫째, 주요 장애물 중 하나는 관련 콘텐츠를 충분히 빨리 찾지 못하는 것입니다. 우리가 관련성없는 콘텐츠를 스크롤하는 데 많은 시간을 소비한다는 것을 의미합니다.

둘째, 가장 흥미로운 발견은 로그인 할 때마다 동일한 콘텐츠를 소비하지 않는다는 것입니다. 시간, 요일, 위치, 기기 등과 같은 변수에 따라 다릅니다.

 

 

메인 인사이트

 

Netflix는 사용자가 보고 싶어하는 것을 알기도 전에, 사용자가 보고 싶은 것을 어떻게 추천 할 수 있습니까?

Netflix는 로그인 할때 마다 특정 사용자에게 가장 적합한 콘텐츠가 어떤 콘텐츠인지 파악 해야 합니다. 

우리는 지리적 위치, 시간, 기상 데이터, 장치, 음성 인식 등과 같은 기존의 데이터 포인트를 살펴 보았습니다. Netflix는 이러한 데이터 포인트를 기반으로 가장 적절하고 관련성이 높은 권장 사항을 제안하여 사용자에게 더 나은 경험을 제공 할 수 있었습니다 .

 

 

시각적 계층 구조

 

시각적 계층 구조는 인터뷰 및 테스트 세션을 기반으로 한 결과에 기반합니다.

우리는 Netflix 포인트에서 각 기능을 제공했습니다. Netflix 포인트는 최상위에서 가장 많이 좋아하는 기능을 순위를 매긴 다음 두 번째로 가장 좋아하는 기능을 차례로 지정했습니다.

 

 

 

랜딩(Landing)

 

새로운 발견 경험은 당신을 더 잘 알게되고, 다른 변수에게 추천에 관한 좋은 데이터를 줄 수 있습니다.

Facebook이 어떻게 작동하는지에 따라 Netflix도 같은 방식으로 작동합니다.  당신이 가장 참여하기 쉬운 콘텐츠를 추천하는 것을 의미 합니다.

컨텍스트를 살펴봅시다. 당신은 아침에 일어나 커피를 마시고 약간의 주의를 기울일 준비가되어 있습니다. 넷플릭스는 당신을 추천하고 당신이 아침에보고 싶은 것을 기반으로 두 가지 옵션을 제공합니다.

이 경우 : Planet Earth.

 

아침 커피를 마친 후에는 일을 하러 갈 시간입니다. 열차에 앉아 넷플릭스를 열면 이 화면이 표시됩니다.

 

상단의 가장 관련성 높은 콘텐츠를 선택할 가능성이 가장 높습니다. 그리고 통학하는 동안, 그것을 보면서 가는것이 시간상 맞을 것입니다.

 

가장 관련성 높은 콘텐츠를 통해 친구(페이스북이나 Instagram에서 관련된 친구)가 이번 주, 한 달 또는 일년 동안 본 내용을 알 수 있습니다. 

 

 

뉴스 

 

피드를 통해 뉴스를 스크롤합니다.

당신은 길거리에 있고, 당신이 관심없어 할 만한 2시간 짜리 영화를 추천 해줄 가능성이 가장 큽니다.
따라서 Geolocation을 기반으로 당신의 현재 시간대에 볼만한 관련 콘텐츠 만 제공합니다.
출퇴근을하는 경우 45 분이 걸린다면. 40 분 정도되는 영상을 추천해줍니다. 

 

 

계속 보기

 

당신이 중단 한 곳에서 쉽게 다시 이어서 보십시오. 이 부분은 새로운 것이 없습니다.

 

인기 목록

 

당신이 뭘 봐야될지 모르겠고, 밤에 볼 영화를 미리 저장하고 싶다면, 인기 목록을 누르면 됩니다.

 

 

나의 목록

 

저장 한 모든 내용이 "나의 목록"에 저장됩니다. 

 

저녁 식사 시간에 시청

 

일을 마치고 집에 돌아와서 저녁 식사를 할 시간입니다. Netflix를 켜고 영감을 얻으십시오.

 

Netflix는 당신이 요리사의 테이블과 Jamie Oliver에서 영감을 얻고 싶다는 것을 알고 있습니다. 

그래서 그것들은 상단에서 보이는 추천 영상에 뜹니다. 쉽게 액세스하고 선택하는데 고민을 느끼지 않습니다.

 

 

블록버스터보기

 

저녁 식사를 끝내고 오늘밤을 마무리하기 위해 영화를 선택할 때입니다.

우리 중 많은 사람들이 잘 알고있는 것으로 생각되는 우리가 발견 한 한가지는 저녁 식사를 위한 영화를 선택할 때의 무한한 스크롤링을 한다는 것입니다.

 

우리가 볼 것을 찾기 전에 음식은 차가워 진다.

 

해결책은 음식에 차가워 질 때까지 스크롤을 피하기 위해 서비스에있는 모든 영화를 가장 권장할만한 방법으로 제시하는 것입니다.

 

 

와이어 프레임

시각적 계층 구조를 설계하는 방법에 대한 아이디어를 얻고 싶었기 때문에 대상 그룹과 함께 다른 유형의 레이아웃을 테스트했습니다. 시선 추적을 사용하고 사용자가 큰 소리로 말하도록함으로써 우리는 프로세스 초기에 시각적 계층 구조에 대한 좋은 아이디어를 얻을 수 있었습니다.

 

그렇다면 Netflix는 시간, 위치, 요일 및 장치와 같은 매개 변수를 기반으로하는 알고리즘에 의해 어떻게 구동되는 것처럼 보입니까? 2019 년에 UX와 UI트렌드를 읽는 중입니다. Netflix, Spotify 및 기타 스트리밍 서비스와 같은 서비스가 점점 더 개인화된 사용자 친화적인 인터페이스로 향할 것이라고 확신합니다.