UX 연구자의 단상 3
사용자 경험
UX 연구에서 가장 어려운 점 중 하나는 사용자 간의 큰 차이입니다.
동일한 디자인을 사용하더라도 사용자마다 경험이 다를 수 있습니다. 예를 들어, 어떤 사용자는 작업을 쉽게 끝마치는 반면, 다른 사용자는 어려움을 겪을 수 있습니다. 기존의 분석 방법은 이러한 개인차를 고려하지 않고 평균값으로 처리하려 합니다.
하지만 실제 사용자들이 얼마나 다른지를 간과하면 잘못된 결론을 내릴 수 있고, 일부 사용자에게만 적합한 제품을 디자인할 위험이 있습니다. 이럴 때 다단계 모형[1] 모델이 도움이 됩니다. 다단계 모형 모델 이러한 차이를 무시하지 않고, 사용자 행동을 이해하는 데 중요한 요소로 인식하여 모델링합니다. 다층 모델을 사용하면 디자인이 평균적으로 효과가 있는지, 그리고 다양한 사용자에게 어떤 영향을 미치는지 더 자세히 파악할 수 있습니다.
[1] 다단계 모형(multilevel models)은 계층적 (hierarchical) 모형 또는 혼합 효과(mixed-effects) 모형이라고도 하는데, 계층적 구조나 중첩 구조를 띠는 데이터를 분석하는 통계 모형을 말합니다.
다단계 모형 모델은 크게 두 가지 계층으로 나뉩니다. 새로운 디자인이 작업 속도를 높이는지와 같이 전체 참가자 그룹에 대한 전반적인 효과를 추정합니다. 동시에 각 사용자의 성과가 그룹의 평균과 얼마나 다른지를 추정합니다. 일부 사용자는 크게 향상될 수 있지만, 거의 변화가 없거나 오히려 나빠지는 사용자도 있을 수 있습니다. 이러한 방식으로 디자인이 실제로 어떻게 작동하는지에 대한 정확하고 정직한 정보를 얻을 수 있습니다.
UX 연구에 다단계 모형 모델을 적용하면 얻을 수 있는 이점은 매우 큽니다. 사용자 다양성을 모델링함으로써 더 큰 확신을 가지고 결과를 일반화할 수 있습니다. 또한, 어떤 사용자가 가장 큰 혜택을 받는지, 누가 어려움을 겪을 수 있는지를 파악하여 더욱 포용적인 제품을 설계할 수 있습니다.
중요한 차이점을 숨기는 평균값에 현혹되지 않을 수 있습니다. 다단계 모형 모델 모델은 반복적인 측정을 수집할 때 특히 유용합니다. 예를 들어, 한 명의 사용자가 여러 작업을 수행하는 경우, 무작위적인 변동과 의미 있는 패턴을 구별하는 데 도움이 됩니다. 데이터 세트가 작더라도 실제 사용자들의 행동을 반영하므로 기존 방법보다 더 나은 결과를 얻을 수 있습니다. 통계 전문가가 아니더라도 쉽게 사용할 수 있습니다. R의 lme4, brms, rstanarm과 같은 패키지를 사용하면 다단계 모형 모델링을 간편하게 사용할 수 있습니다. 약간의 연습만으로 UX 데이터를 더 정확하게 모델링하고, 전체 효과와 사용자 간의 차이를 시각적으로 명확하게 표현할 수 있습니다.
