1. Data Driven Design
1.1 데이터 드리븐 UX의 핵심
디자인 관련 의사 결정을 진행할 때 조금 더 객관적이고 근거에 기반해서 의사결정을 내릴 수 있게 도와주는, 결국 디자인 아웃풋이 최종적으로 나오기까지에 대한 절차적 정당성과 함께 결과적인 부분에 대한 타당도와 신뢰도를 높일 수 있는 툴이 되는 포지셔닝
1.2 데이터의 디자인적 개념
- Data-Driven 정말 정량적인 데이터만을 의사결정을 하는 데 있어서 신뢰도 높은 결정을 하는 어프로치
- 그게 조금더 확장된 부분이 Data-Informed (좀 더 유연적임)
- 디자인에서는 좀 더 폭넓게 Data-Aware에 관련된 디자인을 좀 더 지향하는 것이 좋음
- 이렇게 세분화된 개념보다 큰 개념에서는 Data-Center라는 개념을 요즘 많이 쓰고 있는 추세
내가 속한 도메인과 내가 속한 기업 문화에 맞춰서 이러한 데이터의 3단계중에 어느 자세를 취할지 결정하면 용이함
1.3 DDUX의 가장 큰 장점
디자인 의사결정 과정에서 세분화된 고객 이해를 통한 적확하고도 신뢰도와 타당도가 높은 의사결정의 기틀을 마련하는 것
1.4 DDUX = 본질은 데이터가 아닌 ‘디자인’
DDUX는 그럴싸하고 설득력 있는 데이터 분석 과정에 그치는 것이 아닌 실질적 디자인 의사결정을 하는 프로세스 안에 있어야 함
- ”디자인 프로세스는 기존의 디자인 프로세스를 따른다”
- “DDUX는 해당 디자인 프로세스 수행과정에서 의사결정을 서포팅하는 보조 수단으로 활용된다"
따라서, 각 단계의 의사결정 타이밍 직전에는 데이터에 기반한 분석 결과물들이 준비되어야 할 필요가 있다.
2. Revamped Double Diamond
2.1 Experience Strategy
2.2 Experience Design
3. 문제 중심 접근
디자인 씽킹 프로세스에서는 크게 두 개의 단계를 강조한다.
- 첫 번째 다이아몬드는 문제를 정의하고 이해하는 단계
- 두 번째 단계는 해당 문제에 대한 설루션을 구현하는 단계
→ 그러나 현실에서는 한정된 시간과 자원으로 첫 번째 단계에 많은 자원투입이 이루어지지 못한다
데이터 드리븐 UX에서는 좀더 문제(Problem) 기반, 고객의 니즈 기반으로 했을 때는 앞에 다이아몬드에 대한 인풋과 리소스가 많아져야 한다.
2. Double Diamond Process
2.1 Discover
(1) Data Relevant Tips
- 분석목표 : “어떠한 일이 벌어지고 있는가?”에 대한 이해
- 분석 유형: Divergent Process
- 명확한 목적과 가설을 갖고 데이터를 ‘의도’에 맞춰 수집하기 보다는, 전반적인 트렌드 이해를 목적으로 진행
- 산업군 / 제품군 / 자타사 구분에 한정되다 보면, 타기업, 이종업계 혹은 전혀 다른 트렌드에서 발견할 수 있는 ‘창의적’ 니즈를 발굴하고 분석하기가 어려울 수 있음
- 가설을 검증하는 형태의 인과관계를 분석하기보다는 기술적 (Descriptive) 한 분석을 지향
- 5W 1H를 기준으로, 관심 사용자 그룹이 ‘현재’ 경험하는 다양한 맥락 상황에서 언급된 니즈 혹은 숨은 니즈를 발견하는 분석을 진행
- 1차적으로, 최소한의 관심 주제 범주 안에서, 키워드 / 버즈를 중심으로 화제성이 높은 5 W1 H 기준 변수들에 집중
- 2차적으로, 키워드들 간의 관계성을 리뷰하여, Bottom-up Process로 각 키워드들에 대한 상위 라벨링 작업 진행
- 3차적으로, 세부 키워드들의 추세 변화를 ‘시계열’적으로 비교 분석하여, 변수들의 중요도 및 시급성을 판별
- 4차적으로, 해당 니즈 혹은 트렌드의 ‘이유’를 찾기 위해, 니즈에 묶여 있는 관련 정량 / 정성 데이터 리뷰
- 개인적으로는 제공자의 마케팅 의도가 섞인 단순 버즈보다는 ‘키워드’ 데이터가 니즈를 파악하는데 더 유용하다고 판단
(2) Discover 예시
2.2 Define
(1) Design Methods & Toolkit
(2) Data Relevant Tips
- 분석목표 : “왜 그런 일들이 벌어지고 있는가?”에 대한 이해
- 분석 유형: Convergent Process
- Discover 단계가 고객을 이해하기 위한 리서치의 과정이었다면, Define단계는 분석 내용을 기반으로 의사결정을 진행하는 단계
- 고객 니즈와 관련된 데이터들을 개인 수준에서 Clustering을 진행하며 Insight를 도출했다면, 해당 단계에서는 팀활동으로 진행
- 분석을 잘하는 사람 / 인사이트를 잘 뽑는 사람 / 업계 지식이 많은 Domain Expert 등 다양한 의견이 존재
- 하나의 현상을 대변하는 데이터에서도 다양한 시각으로 데이터를 해석할 수 있음 (집단 지성 필요)
- 의사결정의 과정 중 궁금한 부분 / 혹은 의문이 생기는 현상들이 있다면, 다시 Discover 단계로 돌아가서 추가 수집 분석 수행
- 충분한 데이터 수집 분석 의미 해석이 시도되었고, 유의미한 인사이트들이 도출되었다면,
- 해당 시점부터는 보다 ‘의도성’을 갖고 내외부의 환경분석과 함께 적합한 우선순위에 근거한 니즈를 확정하는 단계 수행
- 디자인 의사결정 단계에서는 기존에 많이 활용되어 온 HMW Question, Action Priority map, SWOT, BCG Matrix 등을 함께 활용
- 디자인 조직 내부라면 IDEO와 Google Sprint에서 제공하는 툴을 활용
- 디자인 조직 외부와 함께 진행하게 된다면, 해당 조직에서 의사결정 시 필요한 요인들 함께 고려
(3) 다양한 니즈들 / 선호-비선호 속성들에 대한 방향성 수립
3. Develop
(1) Design Methods & Toolkit
(2) Data Relevant Tips
- 분석목표 : “어떠한 일이 벌어질 것 인가?”에 대한 이해
- 분석 유형: Divergent Process
- Experience Strategy 단계에서 도출한 니즈 혹은 솔루션의 대략적인 방향성을 바탕으로 실제 솔루션을 기획하는 단계이기 때문에, 1차적으로는 솔루션을 구성하게 될 경험품질 속성에 대한 변수화를 통한 가설 수립이 필요
- 보다 구체적인 Target User에 대한 Persona 가 구체화되었다면, 이들이 선호할 가능성이 높은 제품의 사용 맥락에서 선호도에 영향을 줄 수 있는 경험품질 변수들을 구체화하고 효과성 검증을 위한 가설 수립을 진행
- <<사용자 경험품질 향상 가이드북 – 한국디자인진흥원 (2016)>> 을 참고하여 도메인에 맞는 변수 개발 하고 가설을 구성
- 제품의 경험품질 변수화 발굴을 위해서, ‘Experience Strategy’ 단계에서 활용했던 데이터 소스들을 활용할 수 있음
- (i.e. 유사 솔루션 - 유사 제품과 함께 언급되거나 반응을 형성하는 ‘선호속성-비선호속성’에 대한 데이터 수집)
- 결국 ‘가설 수립’을 위한 보다 새롭고 유의미한 경험품질들 즉, 변수들을 발굴하는 형태로 DDUX 가 활용될 필요가 있음
4. Deliver
(1) Design Methods & Toolkit
- 분석 목표 : “그래서 우리는 무엇을 해야 하는가?”에 대한 이해
- 분석 유형 : Convergent Process
- Development 단계에서는 구체적인 솔루션의 디자인 명세 혹은 콘셉트의 후보들이 결정되었기 때문에, 이를 구체화하고 구현하는 과정에서 ‘최선’의 후보를 추려내는 작업이 필요
- 이때 DDUX적인 관점에서 의사결정에 도움이 될 수 있는 가설 검증을 위한 연구 디자인 및 데이터 수집, 분석을 통한 검증이 필요
- 솔루션간 비교를 위한 형태의 연구 디자인
- 솔루션 내 특정 Feature 간의 비교를 위한 형태의 연구 디자인
- Deliver 단계의 경우, 이미 데이터 관점에서 의사결정을 할 수 있도록 많은 Usability Test 관련 방법론과 툴들이 존재하기 때문에 도메인
- 에 맞고 가설을 보다 더 효과적으로 검증할 수 있는 솔루션을 활용할 수 있음
- 해당 단계에서는 또한 개발팀 및 데이터 사이언스 관련 부서와 협력하여 보다 통계적인 관점에서 가설검증의 시도와 함께, 예측모형
- 의 개발 혹은 Interface 상의 최적화 관련 의사결정을 함께 진행할 수 있음
'Study > 프로덕트 매니지먼트' 카테고리의 다른 글
Data Driven - (1) 데이터드리븐 UX (DDUX)의 개념 이해 (0) | 2024.05.20 |
---|---|
PMF 검증 방법 + 지표 AARRR & OMTM에 대하여 | PM 강의 (0) | 2024.04.23 |
API란 무엇인가 + 활용할 수 있는 오픈 API 목록 | PM 강의 (0) | 2024.04.16 |
정성적 목표(Objective)와 정량적 목표(Goal) | PM 강의 (0) | 2024.03.27 |
목적와 목표의 정의에 대하여 | PM 강의 (0) | 2024.03.26 |