프로젝트의 구성을 소개합니다
사용한 기술 스택은 다음과 같습니다.
- Spring Boot
서버 프레임워크
- Spring Data JPA
ORM 프레임워크
- MariaDB
관계형 데이터베이스
- Spring Security
보안 프레임워크
- React
프론트엔드 프레임워크
- Docker
오픈소스 가상화 플랫폼
- Jenkins
지속적 통합 서비스 툴
- AWS EC2
클라우드 서버 제공 서비스
- AWS S3
클라우드 스토리지 서비스
개발 프로세스는 애자일 모델을 적용했습니다.
애자일(Agile) 모델은 일정한 주기를 가지고 요구 사항을 끊임없이 더하고 수정하여 소프트웨어를 개발해가는 나가는 방식입니다.
애자일 모델을 적용하여 얻은 이점은 다음과 같습니다.
실제 사용자들의 요구 사항을 신속하게 반영했습니다.
예측할 수 없는 문제들에 대해 유연하게 대처했습니다.
데일리 회의와 회고를 통해 팀원 간 정보 공유, 소통을 원활히 했습니다.
버전 노트는 다음과 같습니다.
0.0.1
개발 환경 구축
칵테일 관련 도메인 구현
칵테일 다수 조회 구현
0.0.2
로거 추가
API 문서화
메타 / OG 태그 및 구글 애널리틱스 적용
검색 기능 구현
0.0.3
관리자 페이지의 칵테일 수정과 삭제 기능 구현
칵테일 추천 방식을 개선
0.0.4
유저 기능 추가 (구글 로그인)
칵테일 즐겨찾기 기능 추가
태그 검색 기능 추가
칵테일 추천 알고리즘 보완
카카오 공유 링크 추가
무한 스크롤링 개선
0.0.5
UX / UI 개선
로고 제작 및 추가
사용자 행동 유도 메시지 추가
사용자 행동 유도 모션 추가
무한 스크롤 방식을 더 보기 버튼으로 수정
푸터의 깃헙, 인스타그램 아이콘 클릭시 새 창이 열리도록 수정
버그 수정
카카오 링크 개선
프론트 예외처리 추가
칵테일 태그 검색 비동기 버그 수정
사용자와 소통합니다.
사용자로부터 피드백을 받고 이를 반영하여 서비스를 발전시킵니다.
사용자 피드백
👉
피드백을 반영한 PR
사용자 피드백
👉
피드백을 반영한 PR
사용자 피드백
👉
피드백을 반영한 PR
인스타그램 채널을 통해 사용자와 소통합니다.
인스타그램 계정
팔로우 부탁드립니다 😬
지속적인 피드 업데이트
소셜 채널별 유입률
Google Analytics를 사용하여 사용자의 서비스 이용패턴을 분석하여 서비스에 적용합니다.
메인페이지에서 이탈률이 높다는 문제를 발견했습니다.
칵테일 추천 받기 컨텐츠의 이탈률이 낮다는 점을 통해 사용자가 추천 서비스를 잘 이용함을 알 수 있습니다.
하지만 추천 받기 컨텐츠에 들어오는 세션 수가 적기에 추천 받기 컨텐츠를 이용하는 사용자가 적다는 사실 또한 알게 되었습니다.
👇
사용자 분석을 통해 메인 페이지의 이탈률을 낮추고 추천 받기 컨텐츠 이용률을 높여야 한다는 이슈를 도출했습니다.
이슈에 대한 해결법으로 사이트에 처음 접속하는 사용자를 대상으로 추천 받기 컨텐츠 이용을 유도하는 메시지를 보여주는 기능을 추가했습니다.
또한 칵테일 추천 받기 버튼에 마우스 커서를 올릴 시 색을 변경하는 효과를 주어 버튼으로 인식할 수 있도록 수정했습니다.
👇
사용자 분석 반영 전 메인페이지
사용자 분석 반영 후 메인페이지
