태터데스크 관리자

도움말
닫기
적용하기   첫페이지 만들기

태터데스크 메시지

저장하였습니다.


2015.03.25 07:50

[pxd talks 57]서울대 사용자경험연구실의 pxd 방문

지난 2월 4일, 서울대학교 사용자 경험 연구실(http://ux.snu.ac.kr/, 서울대학교 융합과학기술대학원 융합과학부 디지털정보융합전공) 이중식 교수님과 대학원 학생들이 pxd를 방문하였습니다. 이 자리에서는 사용자 경험 연구실에서 진행한 ‘차량 내 개인 데이터를 활용한 프로파일링 및 응용 시나리오 발굴’과 'UX 프로토타이핑 툴 개발’에 대한 2가지 주제로 발표하였습니다. 발표 후에는 pxd 이재용 대표님과 학생들 간의 질의 응답하는 시간을 가졌습니다.  

(이 글과 사용된 이미지들은 서울대 사용자 경험 연구실의 승인을 받은 것임을 알려드립니다.)

- 진행순서 -

1부
발표 1. '차량 내 개인 데이터를 활용한 프로파일링 및 응용 시나리오 발굴'
발표 2. - 'UX프로토타이핑 툴 개발'

2부
pxd 이재용 대표와의 대화



발표 1. 차량 내 개인 데이터를 활용한 프로파일링 및 응용 시나리오 발굴


서울대 사용자 경험 연구실에서는 스마트폰의 보급과 함께 발생한 이슈 중의 하나인, 운전 중 스마트폰 사용에 대한 행태 조사를 삼성과 함께 2013년 상반기에 연구 진행을 하였습니다. 이 프로젝트를 통하여 운전 중 스마트폰 사용 패턴을 분석하고 시나리오를 발굴하여 단순한 운전 중 스마트폰 사용량이 아닌 상황별, 행태별 분석이 가능하였다고 설명하였습니다. 이 발표는 두 가지 초점에 맞췄는데, 첫번째로는 데이터를 수집하고 분석하는 형식을 어떤 식으로 진행하였는지와 두번째로는 실제 운전자들의 스마트폰 사용 행태에 관해서 초점을 맞춰 발표가 진행되었습니다. 연구실에서는 “운전 중에 스마트폰을 사용함으로써 왜 스스로 위험한 행동을 하는가?”라는 의문을 가지고 연구를 시작하였다고 합니다. 사용자 경험조사를 단순히 사용자 인터뷰를 통해서는 사용자가 자신의 데이터를 모두 파악할 수 없으므로 운전 중 스마트 폰을 어떤 상황에서 어떻게, 무엇을 사용하는지 데이터로써 접근하였다고 설명했습니다. 사용자가 사용하고 남기는 데이터와 사용자 상황 및 행동을 관찰하여 데이터를 수집하였다고 합니다.

데이터를 수집하고 분석하는 형식은 2가지 방법이 사용되었습니다.

연구실에서는 “Deep Data Analysis”라고 지칭하여 데이터를 수집하였습니다. “Big Data”는 규칙 없는 전반적인 데이터의 패턴을 추출하는 것이라면, “Deep Data”는 사용자의 미션이나 행동을 Deep하게 관찰하여, 개인적이고 상황이나 맥락도 있는 데이터를 추출하는 것이라고 설명하였습니다. Deep Data Analysis를 하는데 사용된 2가지 분석방식은 Machine Log Data와 Behavior Data입니다.



Machine Log Data는 기계적 데이터를 수집하는 방법인데, 이것은 다양한 방법이 있을 수 있습니다. 그 중에 대표적으로 App Log가 있는데 연구실에서도 이 데이트를 사용하였습니다. App Log는 스마트폰에서 App을 언제 시작하고 얼마나 머물렀고, 언제 종료가 되었는지 알 수 있었다고 합니다. 연구실에서는 “앱캐쳐”라는 App을 직접 개발하여서 App Log Data를 모을 수 있었다고 합니다.

그리고 이번 사용자 경험 조사에서 가장 중요한 부분은 Behavior Data라고 할 수 있습니다. 단순히 애플리케이션을 무엇을 썼는지가 아니라 언제 스마트폰을 사용하였는지, 스마트폰은 어디에 있는지, 어떤 손을 사용하였는지는, 차량은 정지하였는지 주행 중이었는지 알 필요가 있었다고 합니다. 연구에서는 자동차 안에 블랙박스를 설치하여 사용자가 실제 스마트폰을 사용하는 장면을 관찰하였다고 합니다. 이러한 블랙박스가 설치되었을 때 사용자는 관찰 대상인 것을 인식하고 평소와 다를 것을 걱정하였는데, 생각보다 빠르게 블랙박스가 설치된 것을 잊고 자연스러운 행동을 보여줬다고 합니다. 이렇게 수집된 Behavior Data는 상황과 맥락을 기록하고 이것을 Machine Log Data와 데이터 코딩을 하여 상황별, 행동별 분류를 할 수 있었고 사용자 패턴을 발견할 수 있었다고 합니다.

위 Deep Data Analysis를 활용하여 운전 중 스마트폰 사용행태를 5가지 세션으로 분류할 수 있었다고 합니다. 5가지 세션 안에는 카테고리화된 정보가 들어가 있는데, Behavior Data에서 알 수 있는 정보인 정차, 고속 주행, 저속 주행, 주차 등 상황별 분류를 하였고, 인터랙션, 행태, 목적에 따라서도 카테고리화하였으며 Machine Log Data를 활용하여 사용하는 앱 종류, 사용 시간, 알람 정보 등을 카테고리화했습니다. 이러한 작업을 통하여 비구조적인 데이터를 구조적 데이터로 변환하도록 노력하였다고 합니다. 이런 분석과정으로 운전 중 스마트폰 사용행태를 5가지 세션으로 나누었습니다.

5가지 Session
1. Cycle Thru - 습관처럼 목적 없이 여러 App를 순회하는 형식
2. Come up with - 갑자기 떠오르는 일을 처리하는 과정
3. Active Pursuing - “Come up with”에서 이어질 수 있는, 특정 목적을 가지고 몰두하는 과정
4. Conversing - 전화나 MIM을 하는 과정
5. Defer - 운전상황에 따른 응답을 미루거나 하지 않는 과정

1. Cycle Thru
Cycle Thru는 습관처럼 목적 없이 스마트폰을 보거나 App를 실행하는 과정. 이 과정은 주행 중이나 정차 중이나 크게 상관없이 모든 과정에서 나타난다. 예를 들어, 페이스북이나 카카오톡 같은 일상 어플리케이션을 알람이 없어서 목적 없이 확인하는 행동을 말합니다. 특이한 점은 이런 Cycle Thru는 일반적인 생각에는 정차 중에 많이 일어날 것 같지만, Behavior Data를 통해 나온 결과에는 정차 중보다는 차가 운행되고 있는 다양한 상황에서 이런 Cycle Thru가 더 나타나는 것을 볼 수 있었습니다.

2. Come up with
갑자기 떠오르는 자극으로 스마트폰을 사용하는 과정을 말합니다. 이것은 보통 정차 중에 많이 일어나는 거로 볼 수 있습니다. 이것은 Cycle Thru과정과 다른 점은 Soft Typing과정이 나타나는데 이것은 특정 목적을 위해 사용하기 때문에 일어나는 것으로 볼 수 있습니다. 이 과정에서 가장 많은 활동은 메모하거나 사진을 찍거나 음악을 듣는 미디어 활동이 가장 많이 관찰되었습니다.

3. Active Pursuing
목적을 가지고 오랫동안 스마트폰을 하는 과정을 말합니다. 보통은 “Come up With” 세션에서 이어져서 Active Pursuing세션이 됩니다. 대부분 정차되어 있을 때 가장 많이 발생하는데 정속 주행 시에도 이 과정이 일어납니다. 이 과정에서 흥미로운 행동이 많이 관찰되는데, SNS 업로드, 업무 메일, 활발한 MIM, 인터넷 서칭, 심지어 은행 계좌이체나 유투브 동영상을 보는 사용자도 있었다고 합니다.

4. Conversing
SNS, 전화, MIM는 대부분 사용자 자신 스스로 이용하는 경우가 많고, Defer했던 상황에서 연결되어 진행되는 과정이기도 합니다. 연락을 먼저 취하는 과정도 포함되고, 자극에 반응하는 과정도 포함됩니다. 이 과정에서는 어느 과정보다 많은 타이핑이 이루어집니다. 정차되어있을 때 주로 많이 발생합니다. 이 과정은 동승자가 없는 과정에 61%로 많이 발견되고, 동승자가 있을 경우에는 혼자 있을 때보다 적게 발생합니다.

5. Defer
주행 상황에 영향을 받아서 전화가 오거나 메세지 알람이 울려도 잠금 화면만 간단히 확인하거나 무시하고 운전에 집중하는 과정을 말합니다. 이 과정은 보통 주의 운행 시나 핸들 조작이 많을 때 발생하는데, 이후 Conversing과정으로 연결됩니다. 동승자가 있을 때는 동승자에게 확인하여 읽어달라거나 타이핑을 해달라고 부탁을 하기도 합니다.

위 Deep Data Analysis를 통하여 자동차에서 스마트폰을 사용하는 사용자들의 행동을 상세하게 나눌 수 있었고, 잠금화면에서보다 많은 정보 표시가 나타나 빠른 정보 교환이 발생할 수 있도록 하는 솔루션을 제안하는 등의 인사이트를 얻을 수 있었던 연구였다고 합니다. 또 이렇게 나눈 스마트폰 사용 패턴을 운전할 때만이 아닌 모든 상황으로 확장하여 연구할 계획이라고 했습니다. 이 연구를 통하여 특정 상황에서 사람들이 스마트폰을 사용한다는 것을 단순히 어떠한 App를 주로 많이 쓴다는 App Base로 접근하여 연구하여야 하는 것이 아니라, 어느 상황에서 App를 사용하는지 Pattern Base의 접근으로 연구할 필요가 있다고 설명하였습니다.


발표 2. “UX프로토타이핑 툴 개발"


두 번째 발표는, “UX프로토타이핑 툴 개발”이라는 주제로 진행되었습니다.
B2B환경에서의 UX 프로세스는 데이터베이스에 많이 접근하여 작업하게 됩니다. 또한, 모바일 미디어의 발달로 스마트폰과 태블릿 PC기반으로 급속하게 업무환경이 바뀌고 있습니다. 이러한 B2B환경의 엔터프라이즈웹은 DB억세스가 빈번하며, XML이 훌륭하지만 프로토타이핑 하긴 어렵습니다. 또한 N Screen에 대한 요구사항이 많아졌지만 Responsible 웹은 기업용 웹에는 부족한 면이 많습니다. 그래서 연구실에서는 Data-driven의 요청과 nScreen의 요구를 만족시키는 프로토타이퍼를 제작해 보았고 그 과정을 pxd에서 발표해 주셨습니다. 연구실에서는 데이터 중심의 B2B 환경과 N Screen의 Needs를 만족하게 하기 위한 새로운 UX 프로토타이핑 툴이 필요하다는 생각을 하였다고 합니다.

이러한 프로토타이핑 툴을 개발에 앞서 기존의 지명도 상위 10개의 프로토타이핑툴에 대한 벤치마킹을 진행하여 3가지 기준으로 분석 결과를 정리해 보았습니다.

기존의 프로토타이핑 툴을 분석하는 3가지 기준 - Interaction, Data Simulation, Structure
Interaction의 경우 현재 나와있는 대부분 툴들은 이미지 기반으로 만들어져 화면의 Look&Feel을 확인하는 프로토타이핑 툴입니다. 최근에 개발된 툴은 조금 발전된 형태로 트렌지션이나 애니메이션 효과를 넣어 확인하는 툴도 있습니다.
Data Simulation의 경우 이미지 기반의 툴들은 데이터 시뮬레이션이 어렵고, 이보다 발전된 형태는 컴포넌트에 더미 데이터를 입력하고 그것에 따른 출력값이나 결과물을 볼 수 있는 툴들이 있습니다. Structure의 경우, 전체적인 구조를 어떻게 보여주는가에 대한 것입니다. 현재 프로토타이핑할 때 많이 쓰이는 PPT로 만드는 구조는 페이지단위 이루어져 있어 전체적인 구조를 알기 어려운 측면이 있습니다. 이보다 좀 더 개선된 형태로 페이지간의 위계적 구조를 작은 화면으로 보여주는 툴들도 있습니다.

연구실에서는 위 3가지 기준들에서 개선할 점을 찾아 그것을 적용하는 프로토타이핑 툴을 개발하고 있었습니다. Interaction은 현재 모바일에서 쓰이는 다양한 제스쳐나 입력 방식을 지원할 수 있고, Data Simulation에서는 실제 프로그램에서 쓰이는 Live 데이터를 입력할 수 있고, 마지막 Structure는 분기점이 많은 복잡한 시나리오에 따른 구조를 볼 수 있는 형태로 개선하려 연구하였다고 합니다.

그래서 가장 근본적인 질문인 “요즘 누가 프로토타이핑을 하는가?”로 사용자 인터뷰를 시작하였습니다. 프로토타이핑 툴의 사용자 그룹을 크게 2가지 기준으로 나눴습니다. 첫번째는 업무 분야로 B2C와 B2B로 나누고, 두 번째는 직군으로 디자이너, 기획자, 개발자로 나누었습니다. 사용자 조사를 통하여 B2C영역에서의 프로토타이핑과 B2B영역에서의 프로토타이핑은 큰 차이가 있다는 것을 알았습니다. B2B영역에서는 프로토타이핑 툴을 거의 사용하지 않고, 트랜지션 효과에 대해서도 크게 신경을 쓰지 않았다고 합니다. 아무래도 B2B영역은 데이터의 양이 많고 구조적인 이해가 중요하므로 프로토타이핑을 통한 이해보다는 기존의 화면을 그대로 받아서 이해하는 경우가 많다고 사용자 조사 결과가 나왔다고 합니다. 사용자 조사 결과를 바탕으로 프로토타이핑을 4가지 형태로 나눌 수 있었습니다. 4가지 형태는 단순한 스케치로 표현하는 형태와 와이어프레임으로 문서화를 하는 형태, 동작 시뮬레이션을 확인하는 형태, 동적으로 시퀀스를 구성하여 실제적인 구동을 보는 형태입니다. 대부분 사용자는 문서로 구성된 와이어프레임을 확인하거나 정적인 화면을 단순히 연결시켜서 동작되는 것처럼 보이는 형태를 가장 많이 사용하고 있었습니다. 사용자 조사를 통하여 도출해낸 툴 니즈는 논리적 구조 관계의 얼개가 확실히 보여야 하고, 복잡도가 높은 시퀀스를 수용할 수 있어야 하고, N Screen환경의 대응이 가능해야 합니다. 이런 3가지 니즈를 담아서 2가지 툴을 개발하였다고 합니다.

View Driven은 위 3가지 니즈를 담아서 개발하였고, Page Driven은 실행되는 화면으로 검증하고 라이브 데이터 시뮬레이션이 가능하고 스마트 객체가 제공되도록 개발하였다고 합니다. 또한, B2B영역에서의 프로토타이핑은 협업이 중심이 되어야 하는데 그것에 대한 부분도 현재 개발 중이라고 하였습니다.


View Driven은 Model-View-V Contents를 편집의 단위로 삼고 있습니다. ‘View'들의 동적 관계인 View Flow를 직관적인 방법으로 지정할 수 있으며, Preview에서 스크린별 ‘View’들의 물리적 위치와 면적을 지정하여 N스크린에 대한 검토가 가능합니다.



Page Driven은 페이지 추가와 관리가 직관적이고 세 가지 원시객체를 진화시키면 복잡한 컴포넌트를 만들 수도 있습니다. 그리고 데이터 엔트리를 관리함으로써 데이터베이스와의 연동성을 높일 수 있다고 하였습니다.


‘As-is화면’ 개설 작업시 새화면, 새 Flow 작업시
View Driven N스크린의 기조작업을 할 수 있음. PC화면을 가져다가 Mobile화면으로 변경 용이 복잡한 분기/관계 테스트 유용 N스크린 검토 유용
Page Driven 기존 화면의 데이터를 입력하여 여러 컴포넌트에서 재활용 가능 분기가 적은 짧은 시퀀스로 쪼갤수 있는 경우 쉽고 빠르게 프로토타이핑 가능


연구소에서는 위 툴을 가지고 편의점 POS 시스템, 영화 예매, 과제 관리 시스템과 같은 실제 업무를 프로토타이핑을 하면서 툴의 검증을 진행하였습니다. View Driven은 As-is 시스템을 개선하는 작업을 할 때, N스크린 기조 작업을 하기 유용하고, 데이터들의 관계 확인에 있어서 효과적이었습니다. 또한 데이터와 객체가 복잡하게 뒤섞인 업무를 테스트하는데 매우 유용하게 사용되었습니다. Page Driven은 As-is 시스템 개선 작업 시, 기존의 데이터를 받아서 입력하면 새로 만드는 화면에서 기존의 데이터를 재활용할 수 있는 장점이 있었고, 분기가 적고 시퀀스가 짧은 작업에는 빠르게 테스트할 수 있었습니다.


2부에는,


2부 시작에 앞서서 [pxd talks 49]에서 강연을 해주신 김수께서 인터랙션 프로토타이핑 툴에 대해서 간단히 발표하는 시간을 가졌습니다. 현재 많이 사용되는 Framer, Origami, Pixate등의 특징들을 살펴보고, 현재 개발 중인 프로토타이핑 툴에 대한 설명이 있었습니다. 그리고 pxd 이재용 대표님과 서울대학생들과의 질의응답 시간을 가졌습니다. 현업에서의 UX프로세스와 프로토타이핑에 대한 질문과 답변이 이루어졌고, 이재용 대표님께서는 pxd의 실제 작업 사례를 들어 이야기하면서 학생들과 소통하고 교류하는 시간을 가졌습니다.

글을 마치며,
1부에서는 서울대학교 경험연구실의 2가지 발표, 2부에서는 pxd 이재용 대표와의 대화를 통하여 산학 교류할 수 있는 좋은 시간이었습니다. 다시 한번 pxd에 방문하여 좋은 발표를 해주신 서울대학교 사용자경험연구실 이중식교수님과 학생분들께 진심으로 감사드립니다.

[참고##pxd talks##]


신고

팀블로그 pxd Story 구독 방법  블로그 글은 각 개인의 생각이며 피엑스디와 다를 수 있습니다.


Trackback 0 Comment 0
Ad Test...