검색의 패턴
Exploratory Search, Lookup Search
사람들은 내가 모르는 정보가 있을 때는 이를 찾기 위해서 ‘검색’ 이라는 행동을 하게 된다.
내 옆에 있는 주변 사람들에게, PC나 모바일에 연결된 사람들에게, 이제는 사람이 아닌 AI에게 질문을하고 답변을 받고 있는다. 특히나 최근들어 ‘GPT에 질문하는 방법’, ‘Chat GPT 쉽게 따라하는 질문유형 00개’ 등, 다양한 질문 패턴에 대한 글이나 영상들을 보며 원하는 명확한 답변을 얻으려면 그 의도에 맞는 명확한 질문을 하는 것 또한 매우 중요하다는 것을 다시금 깨닫게 된다.
오늘은 원하는 답을 찾아가기 위해 사람들이 어떤 질문을 검색창에 입력하게 되는지에 대한 패턴을 관련 논문들을 통해서 한번 살펴보려고 한다.
이러한 패턴들의 정의와 검증은 검색시스템을 고민하는 PM, 개발자, 디자이너들에게 더 효율적이고 적용가능한 검색 시스템 설계를 할 수 있도록 도움을 줄 수 있을거라 생각한다.
첫번째 논문제목은 Is Exploratory Search Different? A Comparison of Information Search Behavior for Exploratory and Lookup Tasks인데 2016년도 논문이다. (링크)
Abstract을 살펴보면 아래와 같다.
탐색적 검색은 점차 중요해지는 활동이긴하지만 사용자에게 다소 어려울 수 있다. 탐색을 이해하려는 다양한 연구가 있었지만 대부분의 주요 정보 검색(IR:Infromation Retrieval) 시스템은 이러한 탐색적 검색에 맞춘 결과를 제공하지 않는다. 그 이유는 검색에서 탐색적 검색과 룩업형 검색을 구별하는 것에 대한 경험적 지식이 부족하기 때문인데, 이 논문에서는 이 두가지 유형의 검색방식을 분리할 수 있는 패턴을 찾아보는 것이다. 우선 탐색적 검색동작의 특성을 검토하고 3개의 탐색적 작업(사실확인, 탐색, 질문답변)을 활용하여 검색작업에 대한 통제된 연구를 진행하였다. 결과는 검색시스템이 두 가지 패턴을 구별할 수 있음을 보여줄 수 있었고 탐색적 검색동작을 구분하는 독보적인 지표는 쿼리(질문)의 길이, 스크롤영역, 그리고 작업완료시간이었다.
논문에서는 검색에 대한 패턴을 크게 2가지로 구분하고 있다.
1. 탐색적 검색 (Exploratory Search)
: 사용자가 새로운 지식을 습득하고자 하는 것이 목표, 명확하지 않은 질의가 될 수 있고 따라서 복잡성을 가진 질문이 될 수 있음. 사용자는 더 긴 세션동안 긴 쿼리로 질의를 할 수 있음
예) 뉴스를 통해 특정 키워드를 접하게 되면 인터넷을 찾아 이거저것 찾아보는 정보성 탐색 등
2. 룩업형 검색 (Lookup Search)
: 사용자가 찾고자 하는 목표가 명확한 경우, 무엇을 원하는지 명확히 알고있고 객관적인 정답이 존재하는 경우 하게되는 질문이 될 수 있음.
예) 날씨검색, 연예인 생일확인, 제품가격 검색 등
이 논문의 검색의 패턴을 위에서 언급한 두 가지의 패턴으로 나누고 해당 패턴을 6개의 태스크를 통해 비교를 하여 어떤 차이가 있는지를 살펴보았다.
비교했던 6가지 태스크는 Knowledge, Planning, Comparison, Fact-finding, Navigation, Question 이며, 결과를 비교해보면,
탐색적 검색 : 스크롤뎁스, 태스크완료시간 측면에서 높은 점수를 받고 있음, 특히 비교(Comparision) 측면에서 상대적으로 긴 시간, 그리고 비교 쿼리의 길이 등이 더 긴 점들을 볼 수 있었음
룩업형 검색 : 내비게이션을 위한 첫번째 쿼리의 길이가 긴편이며 스크롤 뎁스, 태스크 완료율 등은 상대적으로 더 적은 것을 볼 수 있었음
이 연구는 탐색적 및 룩업형 검색 작업 간의 행동 차이에 대한 실증적 증거를 제공하며, 이후 더 확장될 수 있는 검색패턴에 도움을 줄 수 있는 내용이라고 생각한다.
두번째 본 논문은 Searching the Literature: An Analysis of an Exploratory Search Task이고 2022년 ACM에서 발견한 논문(링크)이다.
Abstract을 살펴보면 아래와 같다.
탐색적 검색은 대화형 정보검색의 직관적인 개념이다. 탐색적 검색에 대한 많은 정의들이 제안되었지만, 문제에 대한 맥락, 사용자 전문성 및 검색프로세스와 관련하여 여전히 불확실한 측면들이 존재한다. 이 논문에서는 탐색적 검색의 개념적 모델을 제공하기 위해 세 가지 주요 탐색적 차원과 관련된 다른 특성들을 도출하고 있다. 이 모델을 활용하여 탐색적 검색 설문지를 만들어 탐색적 차원과 특성에 영향을 미치는 요인이 무엇인지를 조사한다. 결론적으로 문헌검토작업이 탐색적이라고 답한 응자는 84%정도가 되는 것을 확인하였고 사람들이 어떻게 탐색적 검색을 평가하는지에 대한 지점도 확인할 수 있었다.
Marchionini의 검색패턴 정의
기존 Marchionini의 검색패턴의 구분은 Look-up, Learn, Investigate와 같이 3가지 패턴으로 나누고 있었다. 그리고 전체를 탐색적 검색으로 정의하기도 한다. 하지만 룩업형 검색과 다르게 탐험적 검색이 아직 명확히 정의되지 않았고 여전히 복잡성을 가지고 있기에 기존 논문과 내부적인 서베이를 통해 이를 다시금 구분하고자 하였다.
기존 논문들과 연구들을 3가지 차원으로 나누고 14가지의 분류로 구분을 하였는데, 이는 아래와 같다.
1차원: 사용자
도메인에 익숙한 정도
목표에 대한 불확실함 정도
정보의 명확함 정도
결정적인 정보의 정도
2차원: 문제 상황
개방형 정도
파편화 정도
얻고자 하는 목표의 수
구조화 정도
구체화 정도
3차원: 검색 프로세스
반복 쿼리
결과를 얻을 수 있는 기회
비체계적인 정도
전략의 개수
숏텀/롱텀
새로운 탐색적 검색개념의 모델
새롭게 정의된 탐색적 검색의 정의는 이 그림과 같다.
탐색적 검색은 어떤 사용자인지, 그리고 어떤 문제에 놓여있는지, 마지막으로 어떤 검색 프로세스 안에 있는지에 따라서 구분해볼 수 있는 것이다.
위 두가지 논문들을 살펴보면서 검색의 패턴은,
정답을 찾아내는 룩업형 검색(Lookup Search) 와 다양한 키워드를 넣어가며 답을 찾아가는 탐색적 검색(Exploratory Search) 으로 나누어볼 수 있었다.
그리고 탐색적 검색은 사용자, 문제, 검색프로세스에 따라서도 구분해볼 수 있었다.
하지만 생성형 AI를 필두로 검색 또한 빠르게 변화의 시기를 맞고 있고 검색은 앞으로도 진화할 것이며 또 다른 패턴들에 대한 고민들을 하게 될 것이다.
실제로 Towards searching as a learning process: A review of current perspectives and future directions 라는 제목의 논문(링크)을 보면 Lookup, Exploratory Search외에도 Comprehensive Search라는 새로운 개념을 제시하기도 한다. (포괄적-comprehensive 검색은 새로운 아이디어에 대한 고민까지를 포괄하는 다양한 검색활동이며 결과에 대한 평가를 통해 비교를 하고 우선순위를 결정하는 것까지를 포함)
A conceptual framework of association between search mode and cognitive learning.이와같이 생성형 검색또한 별도의 포지션을 가져갈 수 있을거라 생각한다.
기존의 검색패턴과는 다르게 생성형 검색(Generative Search)는 룩업형 검색, 탐색적 검색, 통합적 검색 모두가 가능한 기존에는 없었던 대화형 검색패턴이다. 텍스트로 답변을 받을 수도 있고 이미지로 답변을 받을 수 있고 데이터를 직접 분석해주기도 한다. 따라서 기존 검색창에 넣는 키워드와 생성형 검색서비스의 검색창(혹은 대화창)에 넣는 키워드는 다른 패턴을 지닐 수 밖에 없고 이는 또 다른 패턴에 따라 다양한 기회요소들을 만들어낼 수 있을 것이다.
ChatGPT를 시작으로 구글의 SGE(Search Generative Experience), 그리고 Clova X가 보여준 새로운 UX는 또 다른 검색패턴의 등장을 알려주고 있다.
앞으로 우리는 (24년 CES에서 발표한) 삼성의 Ballie같은 AI Agent에게는 어떤 질문을 하게될까?
참으로 흥미진진한 24년이 아닐 수 없다. 허허. �
Reference
https://asistdl.onlinelibrary.wiley.com/doi/epdf/10.1002/asi.23617
https://dl.acm.org/doi/fullHtml/10.1145/3498366.3505818#
https://deepblue.lib.umich.edu/bitstream/handle/2027.42/145734/Rieh?sequence=1
https://asistdl.onlinelibrary.wiley.com/doi/epdf/10.1002/asi.23617
https://youtu.be/YBfSX3QiqDM?si=ZPtSSNT6gh97S35a
https://blog.google/products/search/google-search-generative-ai-october-update/
해당 글은 글쓰는몽글C 님과 모비인사이드의 파트너쉽으로 제공되는 기사입니다.
