사용자 인터뷰를 분석하여 이해관계자를 설득하는 방법(업데이트: UX 리서치 보고서 도구 포함)

물론 tl;dv 없이도 UX 리서치 데이터 분석을 수행할 수 있지만, 이는 어리석은 일입니다. 무료라고 말씀드렸잖아요? tl;dv를 무시하면 더 많은 시간과 비용을 소비하고 제대로 정리되지 않은 인사이트를 얻을 수 있습니다. 그렇기 때문에 UX 디자이너와 연구자들은 일반적으로 tl;dv를 최고의 remote UX 리서치 도구 중 하나로 인정합니다.

열린 마음과 계획 사이의 균형 찾기

분석 단계를 준비하는 방식으로 데이터를 수집하는 것도 중요하지만, 열린 마음으로 시작하는 것이 훨씬 더 중요합니다. 너무 철저하게 미리 분석을 계획하여 연구자의 편견에 기대어 찾고자 하는 답을 찾는 실수를 범하지 마세요. 사용자 조사는 그런 식으로 진행되지 않습니다. 

하지만 열린 마음으로 연구 프로세스를 시작하고, 그 과정에서 얻은 데이터 인사이트를 수집, 저장하고 쉽게 다시 액세스할 수 있는 방법을 계획하는 것은 좋은 팁입니다.

10피트 높이의 데이터에 파묻혀서 처음으로 분석에 대해 생각하고 싶지는 않을 것입니다. 처음부터 바로 시작하세요. 인터뷰 프로세스는 작은 발견을 분석하는 데 도움이 되는 방식으로 구성되어야 합니다.

인터뷰하기 전에 타겟 오디언스를 선별하여 가장 인사이트가 풍부한 최고의 사용자를 확보하세요. 이는 자사 앱 사용자가 아닌 소셜 미디어 및 기타 공개 소스에서 인터뷰 사용자를 소싱하는 경우 특히 중요합니다. 리서치를 최대한 활용하기 위해 인터뷰 계획을 세우세요.

전체 조사 기간 동안 목표를 염두에 두되, 그 목표가 부담스러울 정도로 강압적이지 않도록 하세요. 사용자 인터뷰의 진정한 기술은 경청입니다. 물론 적절한 사람에게 적절한 질문을 해야 하지만, 그들이 실제로 말하는 것을 듣지 않는다면 스스로의 발등을 찍는 것입니다. 자신의 생각이나 기대가 개입되어서는 안 됩니다. 지금은 사용자가 말할 때이며, 여러분이 그들의 목소리를 들어야 할 때입니다!

다시 말하지만, tl;dv는 최고의 고객의 소리 도구 중 하나로서 여기서 도움을 줄 수 있습니다. 사용자가 무슨 말을 했는지, 어떻게 말했는지, 말하는 동안 어떤 매너를 보였는지 영구적으로 기록할 수 있습니다. 기억이나 급하게 낙서한 메모에 의존하지 마세요. 20개 이상의 언어로트랜스크립션이 제공되고, 무제한으로 회의 녹음이 가능하며,다시 보고 싶은 모든 정보에 타임스탬프를 찍을 수 있는 기능이 있습니다. 그리고 이 모든 것이 무료입니다!

@tldv.io

완벽한 말이죠. # 회의 #코미디 #기업 #회의 #9to5 #첫날

♬ 오리지널 사운드 - tldv.io - AI 회의 녹음기

목표 파악

앱을 개선하고 싶으신가요? 너무 막연합니다. 잠재 고객과 이상적인 사용자가 누구인지, 무엇이 그들에게 동기를 부여하는지, 그들이 매일 목표를 달성하기 위해 어떻게 행동하는지에 대한 상세하고 친밀한 이해를 구축하고 싶을 수도 있습니다. 이 경우, 인터뷰 대상자의 일상적인 행동 패턴을 파악하기 위해 연구를 설계하는 것이 좋습니다. 

또한 사용자의 인구통계학적 세부 정보, 라이프스타일 패턴, 다양한 태도를 계속 주시하세요. 나만의 사용자 인터뷰 토론 가이드를 작성하여 올바른 방식으로 대화를 이끌어갈 수도 있습니다.

반면에 새로운 기능이나 출시 예정인 앱을 테스트하는 것이 목적이라면 불편한 점, 만족도에 초점을 맞추고 우선순위에 따라 순위를 정할 수 있습니다.

사용자가 자신의 생각을 편안하게 드러낼 수 있도록 올바른 질문을 하는 방법을 찾아야 할 뿐만 아니라 다양한 목적에 사용할 수 있는 방식으로 데이터를 추적해야 합니다. 사용자 조사 데이터 분석을 누구와 공유할 것인지에 따라 세분화에 대해 고민해야 할 수도 있습니다. 디자인 팀 또는 이해관계자에게 공유할 것인가요? 구체적인 사례를 제시해야 하나요, 아니면 일반적인 트렌드만 제시해야 하나요? 미리 계획하세요.

가설 준비(필요한 경우)

가설은 특정 연구 분야에서 중요합니다. 예를 들어 사용성 테스트에서는 개선이 필요한 특정 영역에 집중해야 하므로 가설이 필요합니다. 사용자 조사에 들어가기 전에 문제와 잠재적인 해결책을 어느 정도 이해해야 합니다.

하지만 모든 연구에 가설이 필요한 것은 아닙니다. 어떤 경우에는 가설이 데이터를 완전히 훼손하기도 합니다. 일련의 사용자 인터뷰를 진행하면서 A라는 문제점이 있을 것으로 예상하면 바로 그 문제점에 대해 듣게 될 것입니다. 이는 당면한 문제에 대한 왜곡된 시각을 만들어 편향된 데이터로 이어지고, 핵심 문제를 간과하여 제품 개발이 낭비되는 결과를 초래합니다.

때로는 데이터가 들어오기 시작하면 소규모 분석을 실행할 수 있습니다. 사용자 인터뷰의 품질을 보장하려면 하루에 4건을 넘지 않아야 합니다. 가급적이면 2개 또는 3개가 좋습니다. 연구자가 노트를 검토하고 라벨을 붙일 수 있도록 인터뷰 사이에 공백이 있어야 합니다. 또한 메모 작성자가 있는 경우 메모 작성자와 함께 디브리핑하거나 tl;dv에서 메모를 스캔할 수 있는 시간도 필요합니다.

사용자 인터뷰 중간에 피상적인 반분석을 수행할 수 있습니다. 이 분석 시간을 사용하여 질문을 검토하고 여기저기서 질문을 수정하여 향후 인터뷰에서 더 나은 답변을 이끌어낼 수도 있습니다.

이 방법을 사용하면 사용자 인터뷰로 정신없이 바쁜 하루를 보낸 후 급하게 낙서한 메모와 반쯤 작동하는 두뇌로 그 메모를 풀려고 애쓰다가 스스로 눈물을 흘리는 일을 방지할 수 있습니다.

@tldv.io

다른 종류의 고장 친구 #고장 #9to5 #레이트워크 #일상생활 #기업유머 IB: 뻔허브틱톡

♬ 오리지널 사운드 - tldv.io - AI 회의 녹음기

이동 중에도 검색

제품 개발은 사용자 조사, 인터뷰, 테스트를 통한 양질의 조사에 크게 의존합니다. UX 디자인 역시 철저한 조사를 기반으로 합니다. 제품이 어떠해야 한다는 환상만을 바탕으로 제품을 만드는 것은 똥통으로 가는 가장 빠른 길입니다. 그리고 거기에는 노도 없다는 것을 믿으시는 것이 가장 좋습니다.

사용자 조사를 통해 사용자가 좋아할 만한 제품을 만드는 데 필요한 황금알을 발견할 수 있습니다. 애플리케이션의 특징, 기능 또는 기타 측면에 대해 생각하고 있다면 실제 사용자의 의견을 알아보는 것이 중요합니다. 처음부터 솔루션을 구축하는 것보다 나중에 개발 문제를 해결하는 것이 더 많은 비용이 듭니다. 

경우에 따라서는 사용자 조사를 통해 미래의 사용자가 원하는 것이 무엇인지 귀 기울여 새로운 사용 사례를 찾을 수 있습니다. 이를 통해 틈새 시장의 리더로 자리매김하여 포화 상태인 시장에서 성공할 수 있는 발판을 마련할 수 있습니다.

멈추지 않는 서비스

한 가지 알아야 할 것이 있다면 사용자 조사 데이터 분석은 멈추지 않는다는 것입니다. 잠들지 않습니다. 동정이나 후회, 두려움을 느끼지도 않습니다. 제가 어딘가에서 터미네이터 이야기를 시작했을지 모르지만, 분석이 지속적인 과정이라는 사실은 변하지 않습니다.

진행 상황을 파악하고 핵심 인사이트를 정리하는 가장 좋은 방법 중 하나는 메모를 하는 것입니다. 펜과 종이로 메모하는 20세기 방식이 아니라, 아니, 아니, 아니죠. tl;dv의 노트 테이커를 사용하세요. 

tl;dv로 세션을 녹화하면 동영상 스니펫 또는 전체 세션을 이해관계자와 공유하여 적절한 조치를 취할 수 있습니다. 메모를 하면 이동 중에 분석하는 데 도움이 될 뿐만 아니라 일이 일어나는 대로 기록하는 데도 도움이 됩니다. 수집한 모든 데이터를 추적하는 가장 좋은 방법입니다.

정성적 연구든 정량적 연구든 이를 수행하는 한 가지 방법은 각 인터뷰 후에 동료 연구자들과 짧은 세션을 갖는 것입니다. 함께 응답을 검토하고 추가 메모를 작성할 수 있습니다. 다음 사용자 인터뷰로 넘어가기 전에 항상 사용자 인터뷰를 검토하는 것이 좋습니다.

데이터 분석 

조사가 끝날 때 데이터를 모으는 것은 엄청난 양의 데이터에 낙담하기 가장 쉬운 방법 중 하나입니다. 모든 데이터가 같은 것은 아니니 걱정하지 마세요. 이 단계에서는 데이터에서 금을 찾는 방법을 아는 것이 가장 중요한 기술입니다.

최상의 결과를 얻으려면 먼저 노트를 정리하고 ( 녹화된 회의의 도움을 받아) 맥락에 맞는 정보로 보완하는 것부터 시작하세요. 설명과 해석을 구분하세요. 분석 단계는 해석을 위한 시간입니다.

다음으로, 데이터를 다양한 분석 영역으로 분류하여 중요도와 우선순위에 따라 다양한 데이터에 가중치를 부여할 수 있습니다.

이러한 목록을 작성하는 것은 지금 무엇이 중요하고 나중에 무엇이 있으면 좋을지 결정하기 위해 중요합니다. 이러한 종류의 분석은 조사 결과를 실행할 리소스가 거의 없을 때 특히 중요하며, 사용자에게 최대의 효과를 가져다주고 지정된 목표를 달성하는 데 도움이 되는 것들에만 집중하고 싶을 때 유용합니다.

즉, 좋은 아이디어는 나중에 쓸 수 있도록 바구니에 넣어두고 개발팀은 각 시점에 꼭 필요한 것만 만들 수 있습니다.

우선순위 지정은 이해관계자가 프로젝트에 대해 설정한 조직 목표를 기반으로 UX 조사 설계에서 시작됩니다. 이러한 요구 사항을 충족하는 데 필요한 정보를 얻으려면 목표를 염두에 두고 데이터를 분류할 수 있는 방법을 마련해야 합니다.

UX 연구 데이터 분석의 우선순위를 정하는 방법

1. 주제별 분석

주제별 분석은 기본적으로 데이터를 '버킷'에 넣어 고려하는 것입니다. 데이터를 잘 정리된 버킷으로 분류하면 해당 주제별 버킷의 일반적인 중요도뿐만 아니라 주제에 따라 모든 세부 사항을 고려할 수 있습니다.

이를 시작하는 한 가지 방법은 테마를 색상 코딩하는 것입니다. 녹취록을 검토할 때 각 데이터 덩어리에 주제에 따라 색상을 지정하세요. 이 작업은 하루가 끝날 때나 각 세션이 끝난 직후에 하면 각 인터뷰에 대한 관점을 잃지 않을 수 있습니다. 노트와 함께 자동 생성된 녹취록에 쉽게 색상 코드를 지정할 수 있습니다.

주제를 정하기 어렵다면 비슷한 의미, 범위 또는 전제를 가진 데이터를 한데 모으세요. 같은 내용이 반복해서 언급되는 경우, 이를 하나의 테마로 만들고 해당 주제에 대한 모든 데이터를 그 테마에 저장하는 것이 좋습니다.

닐슨 노먼 그룹에 따르면, 주제별 영역에 대한 데이터 분석에는 6단계가 있습니다.

1단계; 데이터 수집

2단계; 모든 데이터를 처음부터 끝까지 읽습니다.

3단계; 주제별 영역으로 텍스트 코딩하기

4단계; 새 테마를 캡슐화하는 새 코드 만들기

5단계; 하루 동안 휴식하기

6단계; 테마가 잘 맞는지 평가하기

동료들도 데이터를 이해할 수 있도록 범례나 코딩 키를 만드는 것이 현명한 아이디어입니다. 텍스트 코딩 키의 예는 다음과 같습니다:

• • 빨간색 - 고충 사항

• • 녹색 - 긍정적

• • 회색 - 사용자 제안

• • 노란색 - 매일 사용하는 앱

출처; NVIVO 블로그

2. 선호도 다이어그램

친화도 다이어그램은 모든 사실을 다양한 카테고리(또는 주제 클러스터)에 넣어 시각적으로 정리하는 방법입니다. 선호도 다이어그램은 보통 펜과 종이로 작성하는 경우가 많지만 트렐로와 같은 도구를 사용하여 칸반 스타일로 완벽하게 실행할 수도 있습니다. 선호도 다이어그램은 협업 정렬, 스노우볼링, 때로는 선호도 매핑 등 다양한 이름으로 불립니다.

선호도 매핑의 예:

출처: Leow Hou Teng

사용자 조사에서 선호도 다이어그램과 주제별 영역의 차이점은 무엇인가요?

계층적 주제 분석은 데이터를 주제와 하위 주제로 분류하는 프로세스입니다. 이 작업은 모든 성적표, 인터뷰 노트 및 기타 관련 데이터를 읽은 다음 다양한 테마에 맞게 데이터를 코딩하는 방식으로 이루어집니다. 주제 영역은 일반적으로 선호도 다이어그램보다 범위가 더 넓습니다. 선호도 다이어그램은 더 자세히 살펴볼 수 있는 작은 주제나 클러스터를 제시합니다. 

주제별 분석은 각 세부 사항을 더 잘 고려하기 위해 데이터를 테마로 분류하는 것이고, 선호도 다이어그램은 주제별로 사실을 그룹화하는 것입니다. 두 가지 방법 모두 사용자를 더 잘 이해하고 그에 따라 제품을 개선하는 데 사용할 수 있습니다. 이 두 가지 방법은 동일하지 않으며 추구하는 관점에 따라 연구 분석에 나란히 사용할 수 있습니다.

일반적인 방법

주제별 영역과 선호도 매핑에 대한 이 모든 이야기가 부담스럽게 들릴 수도 있지만, 사실 연구자들은 보통 캔버스(미로, 벽화, 피그잼 등이 대표적인 예입니다)에 메모를 던져놓고 고객 여정의 주제나 순간으로 분류합니다.

연구 내에서 아이디어가 자주 반복되는 경우, 연구자는 일반적으로 점을 사용하여 이를 표시합니다. 또한 같은 의미의 일부 인앱 기능을 사용할 수도 있습니다.

위에서 설명한 주제별 영역과 유사하지만 좀 더 유연한 프로세스입니다.

다양한 유형의 데이터를 분석하는 방법

사용자 인터뷰를 통한 정성적 UX 데이터 분석하기

정성적 데이터에서 금방 알 수 있는 한 가지는 혼란스러워 보일 수 있다는 것입니다. 이는 매우 주관적이기 때문입니다. 많은 양의 데이터를 얻게 되는데, 그 중 대부분은 반복적이거나 사용할 수 없는 데이터일 수 있습니다. 사용자 인터뷰는 일반적으로 개방형으로 진행되기 때문에 사용자가 필터링 없이 자신의 의견을 표현할 수 있습니다. 이는 또한 데이터 분석이 UX 연구자 여러분과 데이터 처리 방식에 따라 크게 달라진다는 것을 의미합니다.

정성적 사용자 조사 데이터 분석을 수행할 때는 다음 사항에 주의하세요;

• • 다양한 주제 영역에서 나타나는 패턴;

• • 팀을 놀라게 한 결과;

• • 사용자에게 큰 감동을 준 순간(주제)을 소개합니다;

• • 좋아요와 싫어요;

• • 사용자들에게 인기 있는 기능입니다;

• • 그리고 현재 UI가 충분히 지원하지 않는 사용 사례도 있습니다.

그러나 제품 발견 단계를 위한 탐색적 연구를 수행하는 경우, 해당 데이터에 정성적 태도 데이터와 정성적 행동 데이터가 모두 포함되어 있을 수 있습니다. 선호도 다이어그램과 주제별 분석을 사용하면 데이터에 숨겨진 보석을 발견할 수 있습니다. 

주제별 분석을 수행하려면 데이터, 연구 선호도(팀 및 연구 목표에 따라), 분석의 맥락이라는 세 가지가 필요합니다. 이 세 가지를 갖추면 소프트웨어, 저널링 또는 선호도 다이어그램을 통해 UX 연구 데이터 분석을 수행할 수 있습니다. 

GPT는 어떤 도움을 줄 수 있나요?

지금쯤이면 누구나 GPT를 알고 있을 텐데요, 이 인공지능 기반 기술이 인간을 기술에 지나치게 의존하게 만들고 대자연의 느낌을 잊어버리고 현실의 매트릭스를 기꺼이 받아들임으로써 비밀리에 세계 정복을 계획하고 있는 것은 분명 아닙니다. 전혀 아닙니다.

@tldv.io

ChatGPT 작성자 #출범 #챗GPT #AI #오픈아이 #회의 #기업

♬ 오리지널 사운드 - tldv.io - AI 회의 녹음기

어쨌든 로봇의 배터리가 되기 전에 우리는 로봇을 이용해 업무 속도를 높이고 놓칠 수 있는 것들을 포착할 수 있습니다. 예를 들어, 편향성을 지적하고, 패턴과 주제를 찾고, 좋아요와 싫어요를 강조하도록 요청할 수 있습니다. 기본적으로 사용자 피드백 분석과 관련하여 위에서 설명한 모든 작업을 몸체가 없는 로봇이 즉시 수행할 수 있습니다.

GPT 프롬프트

다음은 UX 연구 보고서를 더욱 설득력 있게 만드는 데 사용할 수 있는 몇 가지 GPT 프롬프트입니다!

1. 리포지토리에서 특정 제품이나 기능과 관련된 모든 리서치를 검색할 수 있나요?
2. 특정 연구의 주요 결과를 요약해 주시겠어요?
3. 날짜, 저자 또는 주제별로 연구를 정리할 수 있나요?
4. 연구에서 나타난 공통된 주제나 패턴을 파악할 수 있나요?
5. 현재 사용자 행동이나 선호도에 대한 이해의 차이를 파악하는 데 도움을 주실 수 있나요?
6. 특정 연구에 사용된 연구 방법에 대한 요약을 제공해 주시겠습니까?
7. 특정 프로젝트 또는 이니셔티브에 대한 연구 결과를 요약하는 프레젠테이션을 만드는 데 도움을 줄 수 있나요?
8. 현재 조사 결과를 바탕으로 잠재적인 후속 연구 또는 연구 질문을 제안할 수 있나요?
9. 리서치 리포지토리와 관련이 있을 수 있는 외부 연구 조사 또는 출처 목록을 제공해 주실 수 있나요?

이러한 질문은 다소 모호해 보일 수 있지만, 이를 통해 GPT가 사용자에게 필요한 사항을 자세히 설명할 수 있습니다. 7번 질문을 예로 들어 보겠습니다. 다음은 GPT의 답변입니다: