UX/UI 프롬프트 엔지니어링: 페르소나 기법
UX/UI 디자인을 위한 최적의 프롬프트 엔지니어링 기법을 알아보자.
페르소나 기법(Persona Prompting)
페르소나 기법은 거대언어모델(LLM)이 특정 사용자, 전문가, 또는 이해관계자의 역할을 시뮬레이션하도록 유도하는 프롬프트 엔지니어링 방식입니다. UX/UI 디자인에서는 페르소나 기법을 통해 모델이 특정 사용자의 관점에서 피드백을 제공하거나, 디자이너, 개발자, 또는 비즈니스 전문가의 역할을 맡아 다양한 관점에서 문제를 분석하고 해결책을 제시하도록 활용됩니다.
이 기법을 활용하면 UX디자이너는 거대언어모델을 전문가 또는 사용자 역할에 몰입하도록 셋팅할 수 있습니다. 이를 통해 더 높은 수준으로 데이터 생성 및 분석을 수행하여 맥락에 적합한 아이디어와 피드백을 생성할 수 있습니다. 페르소나 기법은 디자인 과정에서 다양한 사용자 시나리오를 검증하거나, 문제 해결을 위해 다각적인 접근을 시도할 때 효과적으로 이용될 수 있습니다.
페르소나 기법과 관련된 연구(Lee, J. 2023)를 살펴보면, 페르소나 프롬프팅을 통해 표준 모델의 성능을 향상시킬 수 있는 것이 검증된 것을 볼 수 있습니다. 페르소나 프롬프팅을 사용하지 않을 때는 일반적인 오픈 도메인 챗봇 수준으로 작동될 수 있는 것입니다.
단일 및 다중 에이전트 페르소나 기반 프롬프팅이 다양한 지식 테스트 환경에서 어떻게 영향을 미치는지를 평가한 연구가 있습니다. 또 다른 연구(Olea, C.)에서는 단일 에이전트 전문가 페르소나는 높은 개방성의 작업에서 더 나은 성능을 보인 것을 알 수 있습니다. 또한 Wang, Z(2024)의 연구에서는 적합한 맥락을 제공하면 멀티 페르소나 기법을 사용할 경우에도 보다 유의미한 답변과 결과를 얻을 수 있는 것을 볼 수 있습니다.
UX/UI 디자이너를 위한 단일 페르소나 기법
페르소나 기법은 역할 지정 단위에 따라서 단일 페르소나 기법과 다중 페르소나 기법으로 나눌 수 있습니다. 단일 페르소나 기법은 거대언어모델이 한 명의 특정 역할을 가지는 전문 디자이너, 사용자, 혹은 비즈니스 이해관계자처럼 행동하도록 설정하는 프롬프트 엔지니어링 방식입니다. UX/UI 디자인에서 이 기법은 특정 사용자의 관점에서 디자인 피드백을 제공하거나, 디자이너로서 창의적인 아이디어를 생성하며, 타겟 유저의 요구를 대변하는 데 유용합니다. 단일 페르소나는 특히 명확하고 일관된 응답을 높이는데 큰 도움을 줄 수 있습니다. 이를 통해 LLM이 사용자의 관점이나 브랜드 컨셉에 맞춘 구체적이고 실용적인 대안을 제시하는데도 도움을 받을 수 있는 것입니다.
프롬프트 요청 예시(1)
역할: UX 디자이너 프롬프트: "너는 10년 이상의 경력을 가진 UX 디자인 전문가야. 달리기 기록 모바일 앱 로그인 화면 UX/UI디자인에 대한 의견을 제공해줘. 사용자 경험을 개선하기 위한 세 가지 제안(전략, 기능, 스타일)을 작성해줘."
프롬프트 답변 예시(1)
1. 전략: 사용자 여정을 고려한 직관적 로그인 흐름
목표: 사용자가 앱에 쉽게 접근하고 빠르게 자신의 달리기 데이터를 확인할 수 있도록 로그인 과정을 간소화합니다.
구체적인 실행 방안:
소셜 로그인 통합: Google, Apple, Facebook 계정을 통한 로그인 옵션 추가. 기존 사용자와 신규 사용자를 빠르게 분류하여 적합한 첫 화면으로 이동.
"게스트 모드" 제공: 계정 없이도 앱의 일부 기능(예: 기록 보기, 목표 설정)을 체험하도록 하여 신규 사용자의 앱 채택을 유도.
자동 로그인: 사용자 기기에 저장된 로그인 정보를 활용해 반복적인 로그인 필요성을 제거.
2. 기능: 동기 부여를 위한 개인화된 환영 메시지
목표: 로그인 화면부터 동기 부여와 감정적 연결을 강화합니다.
구체적인 실행 방안:
사용자의 최근 달리기 기록 데이터를 기반으로 맞춤 메시지 표시. 예: "정회경님, 지난주 15km를 달리셨군요! 오늘도 도전해볼까요?"
달리기 목표 알림: 로그인 화면에서 오늘의 목표(예: "오늘 5km를 달릴 준비가 되셨나요?")를 표시하여 지속적인 동기 부여.
간단한 데이터 시각화: 로그인 화면에 간단한 차트나 최근 기록 요약을 제공해 앱 진입의 가치를 전달.
3. 스타일: 운동 특화 감성의 UI 디자인
목표: 스포츠와 달리기 활동을 연상시키는 시각적 요소를 통해 사용자의 몰입감을 향상.
구체적인 실행 방안:
색상 선택: 생동감을 주는 강렬한 색상 팔레트(예: 네온 오렌지와 차분한 블루)를 사용해 에너지와 집중력을 표현.
동적인 요소: 달리기를 상징하는 애니메이션이나 움직이는 배경(예: 달리는 실루엣)을 통해 화면을 역동적으로 연출.
미니멀리즘 레이아웃: 군더더기 없는 간결한 디자인으로 집중도 향상. 주요 CTA(Call To Action) 버튼은 강렬한 대비를 주어 즉각적으로 주목 가능.
프롬프트 요청 예시(2)
역할: 전동킥보드 사용자 프롬프트: "너는 25세의 대학생이고, 주로 전동 킥보드 모바일 앱을 사용해 개인화된 모빌리티 서비스를 이용하고 있어. 전동 킥보드 전용 네비게이션이 불편하다고 느낀 상황이야. 전동 킥보드 전용 네비게이션에서 개선해야 할 점을 사용자 관점에서 세 가지 제안해줘."
프롬프트 답변 예시(2)
경로 최적화와 안전 정보 제공
문제: 전동 킥보드 전용 네비게이션이 일반 차량 네비게이션처럼 주요 도로 중심으로 경로를 안내해 킥보드 주행에 적합하지 않을 수 있음.
개선안:
전동 킥보드 주행에 적합한 자전거 도로나 인도와 가까운 차선을 우선적으로 안내.
도로 상태 정보(예: 포트홀, 경사로) 및 킥보드 금지 구역 표시 추가.
주행 속도에 맞춘 안전 팁과 경고 메시지 제공.
충전소와 킥보드 주차 구역 정보 통합
문제: 목적지 근처에 킥보드를 반납할 수 있는 지정 구역을 찾기 어렵거나, 반납 구역이 멀리 있어 불편함.
개선안:
경로 내 충전소와 반납 구역을 실시간으로 표시.
목적지 주변의 반납 구역까지의 거리 및 도보 이동 시간 안내.
가까운 충전소에서 대기 중인 킥보드 상태 정보도 제공.
사용자 맞춤형 인터페이스
문제: 모든 사용자가 동일한 경로와 설정을 제공받아 주행 경험이 비효율적.
개선안:
개인화된 경로 추천(예: 사용자의 주행 이력, 주로 사용하는 시간대 및 경로에 맞춘 안내).
배터리 상태 기반 경로 안내로, 배터리가 부족할 경우 짧은 경로를 우선 추천.
음성 안내, 화면 UI, 그리고 언어 설정 등을 사용자가 간편하게 조정할 수 있도록 옵션 제공.
UX/UI디자이너를 위한 멀티 페르소나 기법
멀티 페르소나 기법은 거대언어모델(LLM)을 활용해 여러 역할이나 성격을 가진 페르소나를 동시에 설정하여 다양한 관점에서 UX/UI 디자인 문제를 분석하고 해결하는 기법입니다. 이 기법은 사용자 경험 개선과 다양한 시나리오 검증에 효과적입니다. 예를 들어, 개발자, 디자이너, 사용자, 또는 비즈니스 이해관계자의 시각에서 동시에 피드백을 받을 수 있습니다. 이를 통해 특정 결정이 어떤 영향을 미칠지 다각도로 평가하고, 보다 균형 잡힌 디자인 솔루션을 도출할 수 있습니다. 멀티 페르소나는 특히 대규모 프로젝트나 다양한 사용자 그룹의 요구를 반영해야 하는 상황에서 효과적으로 이용될 수 있습니다. 또한 페르소나 간의 상호작용을 통해 모순점이나 새로운 창의적인 아이디어를 발견할 수 있습니다.
프롬프트 요청 예시
#설정: 너는 UX/UI 디자인에 참여하는 네 명의 전문가야. 각 페르소나는 다음과 같아:
'리사' - 7년 경력의 UX 디자이너로 사용자 경험의 직관성과 심미성을 강조하는 관점을 가진다.
'마크' - 프론트엔드 개발자로, 기술적 구현 가능성과 개발 효율성을 우선시한다.
'제인' - 일반 사용자 페르소나로, 일상적인 앱 사용에서의 편의성과 접근성을 평가한다.
'톰' - 비즈니스 매니저로, 앱이 회사의 비즈니스 목표를 얼마나 효과적으로 지원하는지 분석한다.
#디자인 문제:
모바일 의류 쇼핑 앱의 검색 화면 디자인을 개선하려고 한다. 현재의 문제는 다음과 같다:
검색 필드와 카테고리 버튼이 너무 작아 사용자가 불편을 겪고 있다.
필터 옵션이 메뉴 아래에 숨겨져 있어 접근하기 어렵다.
페이지 로딩 속도가 느려 검색 경험이 답답하게 느껴진다.
#요구사항:
각 페르소나가 문제를 어떻게 분석하고 해결 방안을 제안할지 각각의 관점에서 답변해줘. 네 명의 의견이 서로 다를 경우, 조율할 방법에 대해서도 제안해줘.
프롬프트 답변 예시
리사 (UX 디자이너)
분석:
검색 필드와 카테고리 버튼이 작아 사용성이 떨어지고, 터치 타겟 크기가 작아 모바일 사용자가 클릭 오류를 일으킬 가능성이 높음.
필터 옵션이 숨겨져 있어 사용자가 검색 경험에서 중요한 요소를 직관적으로 접근하지 못함.
느린 로딩 속도는 사용자 경험에 있어 큰 단점으로, 사용자가 앱을 떠날 가능성을 높임.
제안:
검색 필드와 카테고리 버튼 크기를 확대하고, 여백과 시각적 힌트(아이콘, 텍스트)를 추가해 직관적으로 사용할 수 있도록 개선.
필터 옵션을 메뉴 밖으로 배치하거나 드롭다운 메뉴로 쉽게 접근하도록 변경.
로딩 중 상태를 사용자에게 알려주는 로딩 애니메이션을 추가하고, 기술적 최적화로 로딩 시간을 줄임.
마크 (프론트엔드 개발자)
분석:
버튼과 검색 필드의 크기가 작아 사용자의 터치 입력을 제대로 처리하지 못할 가능성 있음.
필터 옵션이 메뉴 안에 있어 DOM 복잡도가 증가, 접근성을 저하시키고 코드를 리팩터링해야 할 필요가 있음.
로딩 속도가 느린 이유는 네트워크 요청 최적화 부족 또는 백엔드 API 문제일 가능성이 큼.
제안:
검색 필드와 버튼의 크기를 모바일 친화적인 48dp 이상의 표준 크기로 조정.
필터 옵션을 상단으로 이동하거나, 부드러운 슬라이드 효과를 추가해 인터랙션의 자연스러움을 보장.
로딩 속도를 개선하기 위해 데이터 페이징, 캐싱, API 응답 시간 최적화 등을 검토.
제인 (일반 사용자)
분석:
검색 필드와 카테고리 버튼이 작아 오작동하거나 제대로 눌리지 않아 불편.
필터 옵션이 어디에 있는지 찾기 어렵고 사용 과정이 복잡해짐.
검색 후 로딩 속도가 느려 앱을 포기하고 다른 앱으로 이동하고 싶어짐.
제안:
버튼 크기를 키워 더 쉽게 눌릴 수 있도록 하고, 필터 옵션은 한눈에 보이는 위치에 배치.
필터를 적용하는 즉시 결과가 실시간으로 갱신되면 좋겠음.
로딩 중에는 진행 상태를 보여주고 예상 대기 시간을 짧게 만들어 스트레스를 줄일 것.
톰 (비즈니스 매니저)
분석:
검색과 필터 기능은 고객이 제품을 찾고 구매하는 과정에서 가장 중요한 터치포인트. 작은 버튼과 숨겨진 필터는 고객 이탈율을 높임.
느린 로딩 속도는 고객 만족도를 떨어뜨리고 경쟁 앱으로 이탈하게 만드는 주요 원인.
검색 화면은 매출과 직결되는 핵심 페이지로, 개선이 시급.
제안:
고객 데이터 분석을 통해 사용 빈도가 높은 기능을 우선적으로 배치.
검색 및 필터 관련 문제를 해결해 고객이 더 많은 제품을 탐색하도록 유도.
로딩 속도를 개선하면 구매 전환율이 높아질 것으로 예상되므로 기술적 최적화를 적극 지원.
조율 방안
리사의 직관성과 심미성: 제안된 UI 개선 방향에서 사용자 중심의 인터랙션 디자인을 반영.
마크의 기술적 구현 가능성: 디자인이 개발 효율성을 해치지 않도록, 프로토타입을 통해 기술적 제약과 구현 가능성을 사전 검토.
제인의 사용성 피드백: 일반 사용자로서의 경험을 지속적으로 반영하며, 사용자 테스트를 통해 디테일 보완.
톰의 비즈니스 관점: 디자인 및 개발 결과물이 매출 증가로 이어질 수 있도록, 데이터 기반의 의사결정을 지원.
페르소나 기법은 위와 같이 거대언어모델을 보다 정확한 맥락과 일관성 있는 답변을 생성할 수 있도록 하고, 다양한 의견의 수렴을 통해서 보다 효과적으로 의견을 수렴하는데 큰 도움을 줄 수 있다.
* AI를 활용한 UX/UI 디자인에 대한 다양한 정보와 소통을 원하는 분은 오픈 채팅방에서 함께 많은 디자이너 분들과 만나실 수 있습니다 : )
AI & UX/UI 디자이너 오픈 채팅방
https://open.kakao.com/o/g49cFoBg
reference
Lee, J., Oh, M., & Lee, D. (2023). P5: Plug-and-Play Persona Prompting for Personalized Response Selection. Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing, 16571–16582.
Olea, C., Tucker, H., Phelan, J., Pattison, C., Zhang, S., Lieb, M., Schmidt, D., & White, J. (n.d.). Evaluating Persona Prompting for Question Answering Tasks. 10th International Conference on Artificial Intelligence and Soft Computing. Retrieved from Vanderbilt University website.
Wang, Z., Mao, S., Wu, W., Ge, T., Wei, F., & Ji, H. (2024). Unleashing the emergent cognitive synergy in large language models: A task-solving agent through multi-persona self-collaboration. Proceedings of the 2024 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (Volume 1: Long Papers), 257–279.
