구글 HEART 모델

글쓴이 /
🔥 실무 꿀팁 전통 및 현대 퍼널 모델

구글 HEART 모델

HEART Framework

💡 3줄 핵심 꿀팁 요약

구글 HEART 모델은 사용자 경험(UX) 개선 프로젝트의 성과를 다면적으로 측정하기 위해 Happiness, Engagement, Adoption, Retention, Task Success의 5가지 지표를 정의하는 프레임워크입니다. 각 지표별로 목표(Goal), 시그널(Signal), 지표(Metric)를 설정하여 정량적 데이터와 정성적 피드백을 결합하는 것이 핵심입니다.

📖 개념 정의 및 실무 적용

UX 개선 프로젝트를 진행할 때 단순히 클릭률이나 전환율 같은 단일 지표에만 의존하면 사용자가 실제로 겪는 만족도나 제품의 본질적인 가치를 놓치기 쉽습니다. 이로 인해 기능은 출시되었으나 장기적인 리텐션이 하락하거나 사용자 불만이 누적되는 비효율이 발생합니다.

HEART 프레임워크는 이러한 문제를 해결하기 위해 사용자의 감정적 반응부터 행동 데이터까지 포괄적으로 측정할 수 있는 구조를 제공합니다. PM과 데이터 분석가가 전사적으로 동일한 성공 정의를 공유하고, UI/UX 변경이 비즈니스 성장에 미치는 인과관계를 입체적으로 추적할 수 있도록 돕습니다.

PYTHON SNIPPET 
import pandas as pd

# 구글 HEART 프레임워크 기반 사용자 경험 점수 집계 예시
# 입력 데이터: 각 HEART 영역별 정규화된 점수 (0~100 스케일)

data = {
    'user_id': [1, 2, 3, 4, 5],
    'happiness': [80, 60, 90, 70, 85],
    'engagement': [50, 70, 85, 90, 60],
    'adoption': [100, 100, 0, 100, 0],  # 신기능 채택 여부 (0 또는 100)
    'retention': [100, 0, 100, 100, 100],  # 재방문 여부
    'task_success': [90, 50, 80, 100, 70]
}

df = pd.DataFrame(data)

# HEART 종합 UX Score 산출 (가중치 부여 가능)
weights = {'happiness': 0.2, 'engagement': 0.2, 'adoption': 0.2, 'retention': 0.2, 'task_success': 0.2}

df['heart_composite_score'] = (
    df['happiness'] * weights['happiness'] +
    df['engagement'] * weights['engagement'] +
    df['adoption'] * weights['adoption'] +
    df['retention'] * weights['retention'] +
    df['task_success'] * weights['task_success']
)

print(df[['user_id', 'heart_composite_score']])

⚡ 5분 만에 적용하는 실행 스텝

STEP 1

단계: GSM(Goal-Signal-Metric) 테이블 작성 - 각 HEART 영역(Happiness, Engagement 등)별로 비즈니스 목표(Goal)를 세우고, 이를 대변할 사용자 행동 시그널(Signal)과 최종 측정 지표(Metric)를 정의합니다.

STEP 2

단계: 데이터 트래킹 및 파이프라인 구축 - 정의된 시그널을 수집하기 위해 GA4 이벤트, Amplitude, 혹은 사내 로그 수집 시스템에 이벤트를 세팅하고 검증합니다.

STEP 3

단계: 베이스라인 측정 및 목표 설정 - UX 개선 프로젝트 배포 전 최소 2~4주의 데이터를 수집하여 기준선(Baseline)을 확보하고 현실적인 개선 목표치를 산정합니다.

STEP 4

단계: 대시보드 시각화 및 모니터링 - 5개 영역의 지표를 한눈에 볼 수 있는 HEART 대시보드를 구축하여 스프린트 주기로 변화를 추적합니다.

🚀 실무자만 아는 한 끗 차이 Pro Tip

1. 모든 지표를 한 번에 다루려고 하지 말고, 현재 프로젝트의 핵심 목적에 부합하는 2~3개의 핵심 영역(예: 신기능 출시라면 Adoption + Engagement)에 집중한 뒤 점진적으로 확장하세요. 2. Happiness(만족도) 측정 시 CSAT나 NPS 설문은 응답률이 낮으므로, 특정 행동(예: 3회 이상 재방문)을 한 파워유저를 타겟팅하여 마이크로 서베이를 노출하는 것이 데이터 신뢰도를 높이는 한 끗 차이입니다.

⚠️ 흔히 하는 실수 & 주의사항 (삽질 방지)

1. '지표를 위한 지표'를 설정하여 비즈니스 임팩트와 무관한 허영 지표(Vanity Metric)를 추적하는 실수: 방지책으로 모든 Metric은 반드시 상위 비즈니스 목표와 연결되어 있는지 검증하세요. 2. Adoption과 Retention을 혼동하여 단발성 신기기능 사용자를 장기 리텐션 사용자로 오인하는 경우: 방지책으로 Adoption은 '최초 1회 경험', Retention은 'N일 후 재사용'으로 명확히 정의를 분리하세요.

❓ 자주 묻는 질문 (FAQ)

B2B SaaS 제품에서도 HEART 모델을 그대로 적용할 수 있나요?

네, 적용 가능합니다. 단, B2B의 경우 Happiness는 최종 사용자뿐만 아니라 구매 결정권자(Admin)의 만족도가 포함되어야 하며, Adoption은 팀 전체의 온보딩 완료율 등으로 변형하여 적용하는 것이 효과적입니다.

GA4나 앰플리튜드 같은 기존 툴과 HEART 모델을 어떻게 연동하나요?

각 툴의 이벤트 추적 기능을 활용해 HEART의 Signal에 해당하는 사용자 행동(예: 스크롤 깊이, 버튼 클릭, 반복 방문 등)을 커스텀 이벤트로 정의하고, 대시보드 툴(Looker Studio 등)에서 이를 5가지 카테고리로 묶어 시각화하면 됩니다.

💡 [] 꿀팁은 현재 검증/작성 중입니다!
위로 스크롤