2007 Yahoo! Usability & User Research Conference 에서는 각국의 유저 리서치 사례 발표들이 있었고, 동시에 유저 리서치 기술에 대한 교육이 있었습니다. 교육은 야후!에 이번에 조인한 인터네셔널 유저 리서처와 야후! 메신저 유저 리서치, 그리고 본사 서치 유저 리서처가 했습니다.
 

친화도는 데이타간의 공통적인 특성

그 중 질적인 데이타 분석(Qualitative Data Analysis) 방법으로 어피니티 다이어그램 (Affinity Diagram) 에 대한 세션이 있었습니다. 어피니티 다이어그램은 우리말로는 친화도 라고 합니다.
필드 리서치나 포커스 그룹과 같이 인터뷰 데이타나 다이어리 스터디의 데이타, 브레인 스토킹에서 나온 아이디어, 사용성 테스트에 찾아진 발견 사항 등의 질적인 데이타를 분석하는 기법입니다.
어피니티 다이어그램은 1920년에 Jiro Kawakita 에 의해서 만들어진 것인데, 그 기본 개념은 아주 간단합니다. 일련의 데이타들을 모아서 그루핑하는 것입니다.
기본적인 절차도 아주 간단합니다.
1. 각 아이디어나 데이타를 카드나 포스잇 같은 데에 적습니다.
2. 각 데이타들을 보면선 관련성을 찾습니다
3. 관련성 있는 카드들을 하나로 묶습니다.
묶은 다음에 묶은 것에다가 이름을 붙일 수도 있습니다
브레인 스토밍을 하고 나서 그 데이타를 정리할 때에 많이 사용하고, 메뉴를 설계할 때에도 카드 소팅을 하는데 기본적으로 이러한 방법을 사용합니다.
컨퍼런스에서 우리는 연습 과제로 어떤 실제 쇼핑몰에 대한 3가지 종류의 인터뷰 데이타를 받았습니다. 그리고 그것들을 어피니티 다이어그램으로 분석하는 실습을 했습니다.
각 팀들은 그림과 같이 어피니티 다이어그램으로 데이타를 분석했습니다.
사진이 가장 우측에 한 것은 우리팀이 한 것입입니다. 저는 몇년 전에 제가 발견한 쇼핑 행동 과정별로 구루핑을 하고, 추가적인 분석 프레임웍으로 나열을 했습니다.
 

 
각 나라에서 온 인터렉션 디자이너, 유저 리서처, 마켓 리서처, 제품 관리자 들이 이 교육을 받았는데, 이들이 한 것들을 보았습니다. 20분 밖에 시간을 주지 않았지만 각 나름대로 규칙성을 발견한 것 같았습니다.
저 처럼 기본을 쇼핑 과정의 각 단계별로 할 수도 있고, 사용자의 구매에 대한 의사결정 기준을 먼저 한 팀도 있었습니다. 또는 사람이 구매를 하는데에 있어서 다른 사람의 말을 얼마나 의지하는지에 대해서 각 쇼핑 단계별로 나눈 팀도 있었습니다.
 
 

중요한 것은 규칙을 발견하는 것

연구자는 현상들을 보고 그것들안의 패턴을 발견하고 규칙을 발견합니다. 또는 그 현상을 설명할 수 있는 어떤 이론이나 프레임웍들을 찾아 냅니다. 이를 통해서 데이타들의 규칙성을 찾아서 모델링을 하고, 그 모델링을 통해서 다른 현상을 이해하거나, 현재의 문제점과 더 개선을 해야 할 것들, 또는 새로운 것을 만들 수 있는 것들을 찾아 냅니다.
그러기 위해서는 어떻게 모델링을 하고, 관련성에 대한 규칙을 찾아 내는 것이 큰 관건입니다.
카드에 적힌 데이타를 보면서 데이타의 특성 및 데이타 들간의 관련성을 찾아야 합니다. 이 부분이 가장 어렵습니다.
컴퓨터 프로그래머들은 프로그램을 하기 전에 설계를 하고 그 전에 태스크 등의 현상을 이해하고 규칙을 찾아야 합니다 .이것이 심볼리즘상의 컴퓨터 프로그램의 기본입니다. 따라서 프로그래머들은 직관적으로 데이타들로 부터 규칙을 찾는 것을 잘 합니다.
 
 

규칙은 여러 프레임웍들의 지식과 경험을 바탕으로한 직관에서

세상에는 새로운 것이 별로 없습니다. 따라서 기존에 밝혀진 이론으로 현상을 설명하거나, 아니면 여러 이론들을 기반으로 새로운 이론을 만들어 낼 수 있습니다. 이게 저 정도의 수준입니다. 이 이상은 노벨상 감일 것입니다.
즉, 데이타의 관련성을 찾을 때에는 사람들의 행동이나 작업, 사회 현상, 도메인에 대한 규칙들에 대해서 사전에 기초적인 이론을 알고 있어야 합니다.
몇년 전에 인터넷 쇼핑에 대한 다이어리 스터디와 현장 인터뷰를 한 후에 이를 모델링 하기 위해서 필드 리서치를 통한 사용자 세그멘테이션 를 한적이 있었습니다. 아주 고생을 했었습니다. 어피니티 다이어그램 처럼 데이타와 데이타의 관계만 보는 것은 저 같은 프로그래머 출신에게는 어려운 일이 아닙니다. 그러나 제가 하려고 했던 것는 행동 과정상의 규칙을 찾는 것이었고 그 외에 몇가지 프레임웍들이 더 있었습니다.
결국 문제 해결과정을 기본 틀로 하는 전통적인 구매 행동 과정을 기반으로 인터넷 특성을 반영을 해서 모델링를 했고 발견한 것중 일부는 2006년 2월 한국HCI학회에 “인터넷 쇼핑 행태 이해를 통한 쇼핑 과정 및 이용 도구에 관한 연구” 로 냈었습니다. 그리고 쇼핑 관련과 사람들의 의견 부분은 이 모델들을 적용하고 있습니다.
 

어떤 규칙을 사용할까?

현상을 보고 어떤 규칙들을 기본적으로 적용할지를 알아내야 합니다. 그러나 많은 규칙을 알고 있더라도 현상으로 부터 그 현상을 설명하는 규칙을 찾는 것은 어렵습니다. 파인만이 지적했던 것처럼 이론을 알고 있더라도 현상을 설명하는 것이 어떤 이론인지를 연관시키는 것은 정말 어려운 일입니다.
수학 문제나 물리학 문제, 화학 문제를 풀때를 예를 들 수 있습니다. 저는 규칙 기반의 문제 해결 방법으로 생각합니다. 즉 수학 문제들을 보고 가장 먼저 필요한 것은 어떤 공식이 이 문제를 설명할 수 있는지를 찾는 것입니다. 물리학 문제도 마찬가지 입니다.
이미 답이 있는 문제라면 어떤 공식들인지를 찾으면 풀리게 됩니다. 어려운 것은 한 문제가 한 차원이 아니라 여러 차원의 공식들을 사용해야 하는 경우에는 각각의 문제를 설명할 수 있는 공식들을 찾아야 한다는 것이죠. 공식들을 잘 이해하고 있어도 문제를 보고 어떤 공식을 써야 하는지를 찾는 것이 가장 어려운 것이라고 생각합니다.
일반물리학과 일반수학, 일반 화학 정도를 들었던 수준에서는 이 정도입니다. 어차피 아는 만큼 설명할 수 있으니 이 이상은 저 한테는 무리입니다.
이는 기본적으로 원리 또는 규칙과 예와의 관계 입니다. 인터렉션 디자인에서는 문제에서 규칙을 찾아가는 이러한 접근 방법이 바로 인터렉션 디자인 패턴 입니다.
규칙과 현상을 연계시키기 위해서는 이론을 볼 때에 실제적인 여러가지 예를 응용해 보는 훈련이 필요 합니다. 이는 더 이상 중,고등학교나 대학교때의 수학이나 물리 문제 푸는 것에 한정짓는 문제가 아닙니다.
유저 리서처가 현상들을 잘 분석하기 위해서는 평소에 사회 현상이나 사람들의 행동 현상들은 HCI나 사회과학, 경영학 등 관련 분야의 이론들을 공부하고, 컴퓨터 프로그래머들이 하듯이 데이타 자체를 분석하는 방법에 대해서 훈련을 해야 합니다.
 
 

친화도는 현상에서 규칙을 찾는 유용한 분석 방법

유저 리서처는 현상을 보고 규칙을 찾아 내고, 모델링을 하고, 그래서 문제를 찾아 내고, 혁신점을 찾아 내고, 그래서 비지니스를 성공시킬 수 있는 것을 찾아 내야 합니다.
그런 관점에서 질적인 데이타 분석 방법으로 어피니티 다이어그램은 간단한 아이디어이지만 현상을 이해하는데 기초적인 분석 기법을 제공하는 것 같습니다.