2017. 2. 24. 07:50ㆍUI 가벼운 이야기
HCI Korea 2017 학술대회가 2017년 2월 8일부터 10일까지 강원도 하이원리조트에서 개최되었습니다.
올해는 ‘Shall we dance? - 공존의 온도’라는 주제로 학회가 진행 되었으며, 저희가 직접 듣고 온 세션 중 몇 가지를 정리하여 2회에 걸쳐 공유 드립니다.
아마존 웹 클라우드 서비스, 클라우드 소개 - 최정욱 외 1명(아마존)
작성자: 최윤호
HCI 첫날 오전에는 아마존 코리아에서 솔루션즈 아키텍트로 재직 중인 최정욱 연사님에 의해 아마존 웹 클라우드 서비스의 이용 사례와 이를 통해 아마존이 추구하는 미래가치와 혁신을 소개하는 세션이 진행되었습니다.
클라우드 서비스
최근 네이버, 다음, SKT 등, 국내의 많은 대기업이 앞다투어 클라우드 서비스를 출시하고 있습니다. 클라우드 서비스란 클라우드 컴퓨팅의 한 갈래로, 인터넷상에 위치하는 저장 공간 내에 정보를 보관하고, 이것을 필요할 때 자신이 연결한 여러 단말기를 통해 불러올 수 있는 기술을 말합니다.
국내에 출시된 클라우드 서비스들이 아직 스토리지 서비스 수준에 머물러 있는 데 반해, 아마존은 이 클라우드에서 쌓은 데이터를 활용해 방대한 IDC(Internet Data Center)를 구축하고 강력한 보안시스템을 적용하여 이를 기반으로 대량의 트래픽을 필요로 하는 인프라 환경을 구축하여 서비스하고자 하는 기업들에 그들이 원하는 솔루션을 매우 합리적인 가격으로 제공하는 B2B 서비스를 제공하는 것이 특징입니다.
출처: 아마존 웹 서비스 공식 홈페이지
데이터와 기술에 기반을 둔 B2B 솔루션
실제로 많은 양의 데이터를 가지고 있지만, 그것을 정제하여 인프라를 구축하고 적합한 솔루션을 만드는 데에 드는 초기 비용이 부담이었던 많은 기업들이 AWS 서비스를 이용하고 있습니다. 특히 재정적으로 여유가 없는 스타트업이나 중소기업에도 많은 도움이 될 것으로 예상이 되는데요, 국내의 대표적인 스타트업인 망고플레이트 역시 빠른 성장을 통해 많은 이용자와 데이터를 쌓았지만 그 데이터를 정제하는 데에 드는 초기 구축 비용과 시간이 문제였다고 합니다. 따라서 최소한의 인력과 자본을 최대한 효율적으로 이용하기 위해 얼마 전(2016년 1월) AWS 서울 리전으로 마이그레이션을 진행, 완료했으며 현재 AWS의 서비스인 Amazon Redshift, Amazon EMR을 통해 서비스 품질개선과 대용량 데이터 분석을 진행 중에 있다고 합니다.
망고플레이트의 사례 외에도 SK플래닛의 11번가, MBC, SM엔터테인먼트, 삼성전자, 이스타항공 등 다양한 분야의 기업들이 AWS를 활용하고 있는데요, 이러한 사실은 아마존이 단순한 물류 유통서비스가 아닌 어마어마한 데이터와 그것을 가공하여 무궁무진한 확장성을 보여주고 있는 거대 IT 기업이라는 사실을 다시 한번 상기시켜 주었습니다.
출처: 아마존 공식 홈페이지
Alexa로 펼쳐지는 IoT 네트워크
아마존의 인공지능 Alexa가 탑재된 Amazon Echo는 스스로 딥 러닝을 통해 사용자 개인에게 최적화된 서비스를 제공합니다. 예를 들어 사람마다 다른 영어 발음을 꾸준히 학습해서, 완벽한 발음이 아니더라도 사용자가 무엇을 말하는지 정확히 알아들을 수 있게 말이죠. 실제로 연사님의 한국식 영어 발음을 완벽하게 Alexa가 알아듣는 장면을 시연을 통해 확인할 수 있었습니다.
출처: 아마존 홈페이지 공식 소개 영상Alexa는 단순히 개인 음성 비서의 임무를 수행하는 것을 넘어서 API를 통해 다양한 앱, 혹은 기기와도 호환할 수 있습니다. 이것은 곧 IoT(모든 사물을 연결해 정보를 교류하고 상호 소통하는 지능형 인프라 서비스 및 기술 / 미래창조과학부)가 지향하는 바와 같습니다. 이 다양한 앱을 아마존은 스킬(skill)이라고 부르는데, 현재 약 300여 개가 넘는 스킬이 제작되면서 앱 스토어와 유사한 생태계가 만들어지고 있다고 합니다.
이미 해외에서는 Alexa와 AWS를 이용해 다양한 서비스가 등장하고 있는데요, 집에서 echo를 통해 바깥에 있는 자신의 자동차 온도를 측정하고, 자동차 내부에 있는 alexa를 통해 온도를 높인다거나, 경찰 제복에 소형 카메라를 설치해 인식되는 사람 중 범죄자의 얼굴을 인식하고 자동으로 근처 경찰서에 호출하는 기능까지도 이미 실현되고 있습니다. 인공지능 분야가 시간이 흘러 더욱 성숙해지고 우리 일상에 뿌리를 내린다면, 영화 허(her)와 같이 일상 속에 인공지능이 자리 잡는 것도 머지않아 보였습니다.
AWS가 지향하는 미래
이번 세션을 통해, 그리고 이전부터 느껴왔던 해외 IT 대기업과 그들을 벤치마킹한 국내 유사 서비스 간의 가장 큰 차이점이 있다면 바로 확장성입니다. 기존에는 하나의 서비스(솔루션)를 제공하기 위해서 그 분야에 투입되는 초기비용이 매우 많이 들었고 실패했을 때 비용의 회수도 매우 어려웠습니다. 하지만 아마존이나 구글과 같은 기업은 데이터를 꾸준히 모아왔고 그것을 정제하는 데에 많은 시간과 노력을 투자해 마침내 거대한 유기적인 솔루션 플랫폼을 구축하는 데 성공했습니다. 다양한 고객의 요구와 돌발상황에 대응할 수 있고, 스스로 학습을 통해 발전하는 영역까지 도달했습니다. 이들은 장기적인 안목으로 과감한 투자를 통해 패러다임을 바꾸고 혁신을 주도해 왔습니다. 앞으로 국내 기업들도 조금 더 과감한 투자와 도전을 통해 패스트 팔로워가 아닌 트렌드 리더로 자리잡았으면 하는 바람입니다.
인공지능을 활용한 유저 리서치 - 이중식, 나누리, 송지은, 김민준
작성자: 김희웅
HCI 튜토리얼 방식으로 진행된 해당 세션은 CES 2017에서 주목받은 4가지 이슈 중의 하나인 ‘인공지능’과 UX 분야에 관련된 이라면 누구나 잘하고 싶어 하는 ‘사용자 조사’라는 주제를 엮어, ‘인공지능을 활용한 사용자 조사’라는 주제로 진행되었습니다.
강연은 인상 깊은 이미지로 시작되었습니다. 이미지는 미래에는 키보드는 많은 수의 키가 필요 없이 오로지 ‘Watson’이라고 타이핑할 수 있는 키만 있으면 될 것을 보여주고 있었습니다. 그만큼 인간의 노동이 줄어들고 인공지능이 그것을 대신해 줄 것이라는 상상을 반영한 이미지였습니다. 조금은 이르다고 느낄 수 있지만 가까운 미래에 충분히 일어날 수 있을 법한 일이라 흥미로웠습니다.
이러한 인공지능을 사용자 조사에 활용할 수 있는 방안에 대해서 보다 구체적으로 설명하고 있었습니다.
우선, 사용자 조사를 사용자 분석과 설계로 나누어서 각각의 단계에 있는 방법론을 열거하였고, 해당 방법론을 활용하기 위한 채널(도구)을 통해 정리하였습니다.
다음은 사용자 경험 디자인의 방법론과 활용을 위한 소통의 도구에 대한 개념도입니다.
이를 토대로 실제로 사용자 조사 과정에 대한 인공지능 활용 사례를 발표하였습니다. 주로 활용한 인공지능은 IBM사에서 개발한 Watson이라는 인공지능이었습니다.
발표는 크게 3가지 파트로 구성되었습니다.
- Part 1. 인공지능을 활용하는 아티클 마이닝 : IBM Watson을 이용한 트렌드 조사_나누리
- Part 2. 챗봇을 이용한 인터뷰 : Text.it을 활용한 인터뷰 머신 만들기_송지은
- Part 3. 인터뷰 정리를 돕는 인공지능: IBM Watson을 이용한 자료/인터뷰 정리_김민준
각각의 파트에서 전달한 내용을 간략하게 요약했습니다.
Part 1. 인공지능을 활용하는 아티클 마이닝 : IBM Watson을 이용한 트렌드 조사
이번 파트는 인공지능을 활용하여 잡지나 신문 기사를 분석하는 것이었습니다. 발표는 대학원생인 발표자가 지도교수님으로부터 'Big Screen TV에 관한 Desk Research'라는 과제를 받고, Watson을 활용하여 과제를 풀어나가는 과정을 설명하는 방식으로 진행되었습니다.
Research에 앞서 TV 시청에 대한 경험은 어떻게 변화하고 있는지에 대한 트렌드를 파악하였습니다. 과거에서부터 최근 몇 년 전까지만 해도 사람들은 데이터를 모으고 분석하는 과정에서 수동적인 분석을 해왔습니다. 근래에 데이터마이닝에 대한 관심이 높아지고 기술력도 향상되어 Document Analysis에도 자동화가 진행되었습니다. 그러나 단순한 자동화만으로는 데이터를 선별할 뿐 유의미한 결과를 얻어낼 수 없었습니다. 이를 해결하기 위해 인공지능 Watson을 활용하려고 하는데, 효과적인 인공지능의 활용을 위해 분석은 다음 단계를 거쳐 진행하였습니다.
Step 1. 정보원 선별
정보를 얻기 위해서는 정보를 제공하는 Resource 기관을 선별해야 합니다. 본인이 얻고자 하는 정보의 특성이 관점이 포함된 정보인지, 사실이 필요한 정보인지 구분해야 하며, 정보의 시간 또한 고려해야 할 요소라고 언급하였습니다. 이에 따라서 목적에 부합하는 정보 제공 기관을 선정합니다.
Step 2. 검색어 정교화
다음은 검색어를 선정하는 작업을 해야 합니다. 적절한 쿼리를 조합한다는 측면에서는 기존의 인터넷 검색과 상당히 유사합니다.
제가 생각하기엔 이 과정이 매우 중요하다고 생각하는데요, 검색어를 선정하는데는 조사하는 사람의 주관이 개입되어야 합니다. 어떤 단어가 중요한 것인지 의미있는 결과를 얻으려면 어떤 단어를 선택해야하는지 조사자가 고민하여 선택하는 것이기 때문에 사람에 따라 검색 결과가 다르게 나올 수 있습니다. 그래서 이 단계가 조사의 질을 좌우하는 중요한 포인트가 될 수 있을 것 같습니다.
Step 3. 자료수집
자료수집 단계에서는 구글과 같은 종합적인 검색 포털을 이용한 메타검색을 지양해야 합니다. 그 이유는 정보원마다 가진 특성을 활용할 수 없기 때문입니다.
메타검색은 다양한 검색 결과가 나오기 때문에 조사 목적에 부합하는 정보를 다시 또 걸러내야 하는 불편함을 겪어야 합니다. 정보원(아티클)을 타깃으로 한 검색은 이러한 번거로움을 줄일 뿐만 아니라 정보원마다 가지고 있는 특징들을 집중적으로 활용할 수 있으므로 자료 분석 측면에서 주제와의 연관성을 보다 높일 수 있습니다.
Step 4. Watson 활용
검색한 정보원(아티클)의 URL을 입력하고 Watson을 실행하여 주제와 관련한 키워드를 수집합니다.
Step 5. 키워드 선별
입력한 검색어와 관련된 키워드가 검색되고, 그 결과는 엑셀 시트에 정리되어 출력됩니다.
키워드 선별과정에서 인간과 인공지능이 공감하는 부분도 있었고, 특이한 키워드나 식상한 키워드가 두루 존재했습니다.
이 과정에서 내린 결론은 2가지입니다.
첫 번째로, 인공지능을 활용한 분석은 대량분석을 해야 할 때 유용하게 사용할 수 있다.
두 번째는, 좋은 데이터가 좋은 결과를 낳는다.
Part 2. 챗봇을 이용한 인터뷰 : 도전 '봇' 터뷰!
중국의 바이두나 텐센트에서는 운영하는 쇼핑몰에서 고객의 보이스에 즉각적으로 대응하기 위해 챗봇을 이용합니다.
그러한 챗봇을 사용자 인터뷰에 적용하려는 것이 이번 파트의 주제였습니다. 챗봇 인터뷰의 장점이라고 할 수 있는 것을 크게 6가지로 정리할 수 있습니다.
1. 비대면으로 진행할 수 있다.
2. 다양한 양식을 활용할 수 있다.
3. 현장의 경험을 바로 채집할 수 있다.
4. 자동화되어 주기적으로 질문 가능하고 결과 정리 분석이 비교적 쉽다.
5. 메신저의 화법에서만 드러날 수 있는 만족도나 의도를 담은 행동표현을 활용할 수 있다.
6. 다수의 인터뷰를 다양한 시간대에 인터뷰 진행이 가능하다.
기존의 인터뷰 방식에서 아쉽다고 생각하는 부분을 보완해 줄 수 있다는 부분에서 챗봇을 인터뷰에 활용하는 것은 상당히 고무적인 전략입니다. 챗봇에 대한 관심이 높아지면서 저작 도구의 종류도 상당히 다양해졌습니다. 인터뷰를 진행하기에 적합한 툴을 선정하였는데요, 선정된 저작툴은 Chatfuel 입니다. 선정의 이유는 코딩할 필요가 없어 조작이 다른 저작툴에 비해 간편하기 때문입니다.
챗봇을 인터뷰에 활용하기 위해서 7가지의 단계를 나누어 설명하고 있습니다.
Step 1. 인터뷰 스크립트를 작성한다
인터뷰 스크립트는 일반적으로 진행하는 인터뷰처럼 리서치 목적에 맞는 인터뷰 진행방식과 질문내역 등을 작성하는 단계입니다.
Step 2. 스크립트를 로직화한다
챗봇의 인터뷰에서 가장 핵심적인 부분이라고 생각하는 단계인데요, 이 단계에서는 앞 단계에서 계획한 스크립트를 말풍선 단위로 나누고, 인터뷰 대상자의 답변을 예상하여 인터뷰의 흐름이 자연스럽게 이루어질 수 있도록 스크립트를 로직화하는 작업을 진행합니다. 보편적으로 알고 있는 알고리즘이라고 생각하면 될 것 같습니다. 질문과 답변이 진행되는 시나리오를 예상하여, 인터뷰의 흐름을 자연스럽게 진행합니다.
Step 3. 저작 도구에 말풍선을 입력한다
저작 도구에 탑재되어 있는 다양한 기능들을 활용하여 대화를 입력합니다.
Step 4. 인터뷰 결과 추출을 준비한다
대다수의 챗봇 저작 도구들은 CS 대응을 목적으로 만들어졌고, 단순한 통계화면만 보여주는 경향이 있습니다. 심층적인 분석을 위해서는 크로스 플랫폼 API를 연동해 사용자별 데이터를 확인하면 좋을 것 같습니다. 인터뷰 결과를 받을 시트를 만들고 인터뷰로 채집된 데이터 속성을 인터뷰 순서에 맞게 시트 행에 기재합니다.
Step 5. 파일럿 인터뷰를 통해 대화를 최적화한다
실제 인터뷰를 진행해 보면서 로직의 오류를 예상, 발견하고 수정하는 단계입니다.
Step 6. 챗봇 인터뷰를 진행한다
인터뷰 시작 및 진행방법을 포함한 가이드라인을 인터뷰대상자에게 제공합니다. 경험하는 순간을 포착하기 위해, 일정한 시간 간격으로 질문을 푸시합니다.
Step 7. 인터뷰 결과를 분석한다
짜인 방식대로 인터뷰가 진행되는 것에 대한 우려라고 할까요? 인터뷰 전달 스크립트로 계획하고 진행해도 예상처럼 진행되지 않는 것이 인터뷰의 특성이라고 할 수 있습니다. 사람이 진행하는 인터뷰는 진행되면서 의외의 포인트들이 발견되고, 그것을 파고들 수 있는 것이 가능한 게 큰 장점인데요, 그런 즉흥적으로 판단 할 수 있는 부분이 인공지능에서 구현된다면 꽤 괜찮은 사용자 인터뷰 도구가 될수 있지 않나를 기대해봅니다. UX 디자이너의 역할이 축소되는 것 같아서 살짝 두렵기도 하네요.;;
Part 3. 인터뷰 정리를 돕는 인공지능 : IBM Watson을 이용한 자료/인터뷰 정리
앞의 파트에서 진행된 챗봇을 이용한 인터뷰 결과는 시트에 저장됩니다. 결과를 뽑아내는 것만큼 중요한 것은 결과를 분석하는 일인데요. 질적 데이터 분석을 사금을 채취하는 것에 빗댈 만큼 이 작업은 대량의 소스를 가지고 정리하는 반복적인 작업을 하는 노동이라고 할 수 있습니다. 많은 시간과 노력을 요하면서 실수 하지 않는다면 데이터의 질적 수준이 향상될 수 있을 것입니다. 질적 향상을 위해 효율적인 데이터 분석을 위해서 인공지능을 활용하여 자료를 분석해보기로 했습니다. 인터뷰 시에 대상자의 의도나 내면을 읽어내는 것은 표면적인 내용 분석과는 성질이 완전히 다릅니다. 문장에 숨겨진 의도를 파악하기 위해서는 발화 내용에 대해서 인공지능이 훈련(러닝)이 필요하다고 합니다.
Step 1. 의도가 담긴 발화 수집
분석에 용이한 표현을 수집하기 위해서는 의도가 잘 드러나야 합니다. 분석을 위해서는 답변내용의 의도를 Watson이 잘 파악할 수 있게 작성이 되어야 하는데요. 그를 위해서는 질문의 형식이 중요합니다.
Step 2. 임시방편
아직은 어쩔 수 없는 부분입니다. Watson이라는 시스템이 미국에서 개발된 프로그램이고 아직 타국어를 수용하는 부분이 제한적이기 때문에 인터뷰의 결과 내용을 모두 영문으로 바꾸어 주어야 합니다. 구글 번역기를 통해서 이 작업을 수행합니다.
Step 3. 트레이닝셋 - 오픈코딩
발화에서 의도를 추출하기 위한 중간 단계입니다. 발화를 분석하기 쉽게 작은 단위로 쪼개는 과정입니다. 수학에서 인수분해개념이라고 보시면 될 것 같습니다. 해시태그를 붙이는 것처럼 발화를 의미 단위의 단어로 쪼개어 주는 것인데요. 인스타그램에서 해시태그를 사용하는 방식으로 발화에 대한 의미 단위의 단어를 정의하는 과정입니다. 전체코드의 10%만 코딩하면 된다고 합니다.
Step 4. 트레이닝셋 - 의도 도출/코딩
분류한 해시태그 단어 중 공통의 의도를 가진 단어를 묶어줍니다. 1의도당 5개이상의 발화를 포함하도록 묶어주는 것이 좋습니다.
Step 5. 왓슨 트레이닝 Training
이전 파트에서 추출한 인터뷰 데이터를 csv파일로 만들어서 watson에 import합니다.
Step 6. 왓슨 솎아주기 On-The-Fly Adjusting
트레이닝이 진행되면서 왓슨이 분류해 내지 못한 항목들은 다시 지정해줍니다.
Step 7. 결과분석
인텐드 코딩 -> 컨피던스 분석 -> 센티멘트 분석을 진행합니다.
의도를 파악하기 위해 발화에서 키워드를 추출해 나가는 과정이 흥미로웠습니다. 그것을 정의하는 것은 아직 사람이 해야할 일있는데 이 단계에서 사람의 주관에 따라 결과분석에 차이가 발생할수 있겠다라는 생각이 들었습니다.
Comment.
최종 결론에서도 언급하셨다시피 앞의 레시피는 인공지능의 사용 가능성을 점검해본 수준이었습니다. 가능성을 발견하였다는 측면에서는 고무적이나 실제 상용화되기까지는 인터뷰에서 발생하는 복잡한 변수에 대해서는 아직은 인간의 노력이 요구되는 실정입니다. 지난해 알파고 열풍속에서 느꼈던 '짧은 시간동안 많은 경우의 수를 학습하는 인공지능의 효율'에 대한 놀라움을 이번 세션을 들으면서 다시금 생각해 볼 수 있었습니다.
그러면서 인공지능이 모든 걸 할 수 있는 세상이 도래했을 때를 잠시나마 상상해봤습니다. 생각하며 판단할 수 있는 건 인간의 고유능력이라고 할 수 있는데요, 만약 사람과 인공지능이 협업하는 접점이 점차 사람 쪽으로 밀려나서, 인공지능이 사고하는 과정을 믿게 되고 그들을 맹목적으로 여겨지는 세상이 온다면, 인간이 생각하고 사색할 수 있는 범위가 점차 줄어들지도 모르겠다는 걱정이 앞섭니다. 지금 제가 하는 걱정이 기우(杞憂)일지 아닐지는 좀 더 지켜볼 필요가 있을 것 같습니다.
디자이너가 만든 물류서비스 - 김창수(원더스 퀵 대표)
작성자: 황조현
퀵서비스를 이용해 본 경험이 있으신가요? 거리에 따라, 시간에 따라 달라지는 요금 때문에 정말 급박한 일이 아니라면 선뜻 주문하기가 어려운 것이 퀵서비스입니다. 그런데 5,000원에 서울 전 지역 3시간 내 물건을 배송하는 퀵서비스 업체가 등장했습니다.
학회 첫째 날, 다양한 강연과 워크샵들 중에서도 ‘디자이너가 만든 물류 서비스’ 라는 제목으로 눈길을 끄는 발표가 있었습니다.
왜, ‘디자이너가 만든 물류서비스’ 인가?
원더스 퀵은 물량과 단가를 먼저 생각하는 택배사의 처지가 아닌, 고객의 입장에서 원하는 배송 서비스가 무엇일까 고민하는 데에서 출발했다고 합니다. ‘택배는 단일가인데, 왜 퀵서비스는 거리별로 돈을 받을까?’, ‘택배가 2,500원이면 당일 퀵 배송은 5천 원만 받으면 되는 것 아닌가?’ 하는 문제의식이 원더스 퀵의 출발점이었습니다.
이전 직장에서 이미 풍부한 UX 디자인 경험을 가지고 있는 김창수 대표는 ‘관찰’도 중요하지만, 그 한계를 극복할 수 있는 것은 무엇보다 직접 ‘경험’하는 것이라고 강조했습니다. 직접 퀵서비스 기사, 택배 기사로 취직해서 현장을 체험한 뒤 원더스 퀵을 만들었습니다. 이용자 중심의 관점과 살아있는 경험이 지금까지 없었던 새로운 퀵서비스 사업 모델을 만들어낸 것입니다.
'포인트 투 포인트' 방식에서 '허브 앤 스포크(Hub&Spoke)’로
원더스는 Hub&Spoke 배송 시스템을 적용하고 있습니다. 이 방식은 국제 화물 서비스업체 페덱스(FedEx)가 처음 도입한 것으로, 각 지점의 물량을 거점(허브)에 집합시킨 뒤 같은 지역으로 향하는 물품들을 분류해서 다시 지점(스포크)의 담당 기사에게 분배하는 방식입니다. 기존 포인트 투 포인트(Point to Point) 방식의 퀵서비스에서 한 기사가 수거와 배달을 함께 했던 것과 달리 둘을 분리하여 효율성을 극대화한 것입니다. 덕분에 한 기사가 모든 곳을 돌며 많아 봐야 20건을 배송하던 기존 방식보다 훨씬 많은 양을 배송할 수 있게 되었습니다.
Automobile Carrier Network + Metro Carrier Network
원더스의 배송 방식은 오토바이 퀵과 지하철을 결합한 형태입니다. 서울 5개 물류센터(을지로3가·가산·역삼·마포·성수)를 구축하고, 수거 기사들이 오토바이로 물품을 수거해 집하한 뒤 다른 지역 물류센터로 수송하는 방식입니다. 주로 서류나 작은 물건이기 때문에 지하철을 통해 대량으로 정확하게 수송할 수 있습니다. 여기에 지하철 운임이 무료인 65세 이상 노인 다수를 기사로 고용해 비용 절감 및 노인 일자리 창출이라는 두 가지 효과를 얻었습니다. 그 외 픽업지에서 5km 이내 지역은 거점 집하 없이 오토바이로 1시간 이내에 배송합니다.
소비자도, 기사도 좋은 윈윈 서비스
기존 퀵서비스 업계는 소비자들이 비싼 값을 지불함에도 불구하고 기사들은 월 200만 원도 못 받는 구조로 되어 있습니다. 이에 반해 원더스의 새로운 배송방식은 소비자들에게는 저렴하고 같은 가격의 서비스를 제공하고, 기사들에게는 월 270만 원의 안정적이고 높은 임금을 지급할 수 있게 했습니다. 덧붙여 바이커 유니폼과 서비스교육, 전속기사 운영을 통해 서비스의 질을 보장하고 있습니다.
‘진짜’ 서비스는 준비 중: 원터치 온디맨드 배송 서비스, AI/IoT 원클릭 배송 주문
현재 준비 중인 원터치 온디맨드 서비스는 집에 도착하면 ‘NOW’ 버튼을 누르고, 밤 12시까지 1시간 내로 배송받을 수 있는 서비스입니다. 택배사가 보내고 싶을 때가 아니라, 고객이 받고 싶을 때 배달해주겠다는 것입니다.
빅데이터와 AI를 이용한 효율적인 배달 관제, IoT를 활용한 원클릭 주문 서비스도 추진하고 있습니다. AI를 이용해 배송 기사들의 위치를 모니터링, 최적의 배송 경로를 찾아 시간당 배송 건수를 늘릴 예정입니다. 원클릭 기기는 아마존 Dash와 유사한 콜버튼으로, 최초 주문 시의 정보를 저장해 이후에는 버튼을 누르기만 하면 빠르게 퀵을 부를 수 있는 서비스입니다. 온라인 쇼핑몰 등 당일 배송에 대한 수요가 높은 B2B 고객들을 크게 확보할 수 있을 것으로 예상합니다.
현재 원더스는 모바일 애플리케이션과 PC를 통한 간편 주문 서비스만 제공하고 있습니다. 정말로 혁신이라고 느낄만한 서비스들은 아직 준비 중이지만, 급속하게 발전하고 있는 IoT와 AI 기술이 적용된 서비스가 조만간 모습을 드러낸다면 빠른 성장을 기대할 수 있을 것 같습니다. 기존 퀵서비스 업계의 수익구조에 대한 의문에서 시작한 원더스처럼, 모두가 ‘윈윈’할 수 있는 똑똑한 아이디어가 세상을 점차 더 편리하게 만들기를 바랍니다.
삼성카드 UX 고군분투기(디지털 혁신과 UX) - 김인숙(삼성카드 UX 팀)
작성자: 박정현
"도대체 UX가 뭔가요? 기존의 디자인과 뭐가 다른가요? 사용자 조사는 왜 필요한가요?(aka. 일정과 비용이 안 나오는데요)”
1년 전, 사내 UX 팀이 처음 꾸려지면서 연사가 가장 많이 마주한 상황이라고 합니다. 필자 또한 주변 사람들에게 직업을 소개할 때면 어김없이 듣는 말들인데요. 우리에게는 너무나 익숙한 mindset, 즉, 사용자의 관점과, 그들을 둘러싼 환경과 맥락을 이해하는 데서부터 디자인이 시작된다는 접근법이 기업 안에서 설득되고 결과물에 녹아들도록 설득하기까지의 과정을 생생하게 들어볼 수 있는 시간이었습니다. 특히, 사용자를 바라보는 태도와 업무 방식에 있어서 변화의 속도가 빠르지 않은 기업에서 UX 디자이너로써 취할 수 있는 근본적인 전략들을 엿볼 수 있었습니다.
우리 회사 안에서 UX의 입지를 다져가는 전략
Part 1. Waterfall보다는 Agile
먼저, 서비스를 구축해나감에 있어 전통적인 waterfall 방식을 순환형으로 바꾸어 나가야 합니다.
waterfall 방식은 non-iterative, 즉 반복성이 없는 디자인 프로세스로 분석과 디자인, 개발, 유지보수가 폭포수가 흐르듯 순차적으로 이뤄집니다. 금융권의 특성상 카피나 법무, 보안성 검토와 관련된 부분이 있어 이런 순차적 흐름에서 완전히 벗어나기는 어렵지만, 그럼에도 불구하고 각 단계에서 다양한 UX리서치를 통해 검증하고 개선하는 순환적인 흐름을 입히는 노력이 필요합니다. 발표에서는 다루지 않았지만 waterfall 방식과 대조되는 개념으로서의 agile 방식은 순환 구조를 띠는 대표적인 개발 방식입니다.
Part 2. 사용자의 입장을 숫자로 설득하라
기업이 아닌 사용자가 주체가 되는 접근법이 중요합니다. 예를 들어, “어떻게 하면 더 많은 고객을 가입시킬까?”라는 카드사의 입장과 “어떤 카드가 혜택이 많을까?”라는 사용자의 입장은 전혀 다른 것이죠. 이 사용자 조사의 결과로 삼성카드는 혜택에 집중하는 숫자 카드 상품을 개발할 수 있었다고 합니다. 이런 접근법으로 상품을 만들어가도록 내부 조직을 설득하려면 숫자와 친해져야 한다는 말에 공감이 많이 되었습니다. 정성적인 방법론에 치우치지 않고 사용성 평가에 대한 인사이트를 설득력 있게 보여주기 위해 통계 분석팀과 코워킹을 하는 것도 좋은 방법입니다. Tealeaf를 통한 클릭률 히트맵 분석이나 저니맵 등 쉽고 빠른 이해를 돕는 시각적 결과물은 이외에도 다양하게 있으니, 좋은 디자인에 그치지 않고 좋은 전달까지 할 수 있는 디자이너의 역량을 갖춰보는 것이 어떨까요?
Part 3. 효과적인 방법으로 완성도를 올려라
마지막으로 Governance 체계화를 위한 노력이 필요합니다. 많은 협력사와 일을 하면서 시작된 고민은 바로, 만든 결과물들이 하나의 삼성카드처럼 느껴지지 않는다는 것이었습니다. 이를 개선해나가기 위해 현재 팀에서 기존의 문서로 만들어 진 내부 가이드라인 대신에, 협업을 통해 지속해서 개선해나갈 수 있는 워드프레스 기반의 툴을 만드는 프로젝트를 진행하고 있다고 합니다. 또한 더 쉽고 강력한 프로토타이핑 툴의 사용에 대한 연사님의 고민에 필자도 많은 공감을 하였는데요. ‘왜 많은 툴을 놔두고 여전히 파워포인트를 사용해야 할까?’ 에 대해 어느 때까지 ‘클라이언트가 사용할 수 있는 툴이 제한되어있기 때문’이라는 답이 계속될까 함께 고민해보게 되었습니다. 이날, 본 강연 외에도 HCI 학회 안에서는 protopie와 같은 프로토타이핑 툴을 배우고 체험해볼 수 있는 워크샵들도 열렸는데요. 머지 않은 날에 접근성에 대한 문제가 해결된 탄탄한 툴이 나올거라고 믿으며, 현재에 안주하지 않고 새로운 툴과 기술을 학습해나가는 디자이너들이 되어야 한다는 연사님의 말을 되새겨봅니다.
전통 중의 전통, 언론사와 금융권
이날, 고군분투라는 제목과 맥을 같이하는 해외 사례들도 함께 볼 수 있었는데요, 디지털과는 반대의 세계에 존재하는 듯 보이는 대표적인 인쇄 매체 The Guardian과 The NewYork Times이 그 주인공이었습니다. 도메인의 한계에서 벗어나 다양한 곳에서 디지털화와 UX 개선에 주력하려는 동향을 느낄 수 있었습니다. 이 중 눈에 띠는 변화는, 조직 내 디지털 인력의 비중이 늘어갈 뿐 아니라 핵심인력의 위치로 점점 위치가 바뀌는 양상을 띤다는 점이었습니다. 또 아날로그/종이에서 디지털/웹앱 상의 경험을 옮겨오는 과정과 노력이 눈에 띄었습니다.
첫 사례로 소개된 The Guardian은 편집팀과 기술팀을 같은 공간에 상주하도록 하여 서로의 업무를 이해하고 자연스러운 협업이 발생하도록 만들어내고 있다고 합니다. 또 코딩회사를 인수하는 등 전 사원에게 디지털모자를 씌운다는 사명을 가지고 디지털 교육에도 힘쓰는 모습이 보였습니다.
The NewYork Times 역시 고전적 이미지를 상징하는 ‘그레이 레이디’를 디지털화하기 위한 노력이 엿보였는데요, PC보다 모바일로 플랫폼에 유입되는 인원이 더 많다는 사실을 아고 데스크탑에서의 진입점을 차단해보는 등의 다소 과감하고 혁신적인 실험들도 이뤄졌다고 합니다. NYT Cooking app은 사용성에 대한 깊은 고민을 바탕으로 신문사의 강점인 전통적인 인쇄, 편집, 비주얼 이미지의 고급스러운 질을 스크린으로 그대로 재현해 온 사례로 소개되었습니다.
디지털 조직에서 UX의 포지션
마지막으로 발표를 정리하며 연사님은 디지털 조직에서 UX를 개선하는 사람들이 가져야 할 마음가짐에 대한 생각을 나눠주셨습니다. 그 중 기억에 남는 몇가지만 적어보겠습니다 :)
• 디지털, 디지털화, 모바일의 중요성은 아무리 강조해도 지나치지 않다.
• 숫자랑 친해지자.
• 도전이 일상화 되어야 한다.
• 고급진 UX를 위해 더 낮은 관점에서도 일을 해야 한다.
• UX디자인을 폭넓게 다루어야 한다.
UX디자이너는 경험의 가치를 높여주는 사람입니다. 이 지향점을 잃지 않는 것이 우리 UX디자이너의 가장 중요한 정체성이 아닐까요? (나에게는 너무나도 중요하지만, 아직은 전통적인 관점에서 상품의 핵심가치라고 모두의 입에서 외치지 않는) 현실과 이상의 괴리에서 좌절하지 않고, UX분야의 확장을 위해 오늘도 고군분투하는 우리 모두 화이팅을 외쳐보며! 마무리하겠습니다 :)
[참고##HCI학회##]