Article : 사용자 정성 데이터는 어떻게 시각화할 수 있을까?

https://yozm.wishket.com/magazine/detail/2109/

사용자 정성 데이터는 어떻게 시각화할 수 있을까? | 요즘IT

 

 

 

<아티클 내용 요약>

- 주로 텍스트로 이루어진 정성 데이터는 새로운 서비스를 기획할 때 사용자의 니즈를 탐색하는 것뿐만 아니라, 현재의 서비스를 개선하는 과정에 활용되는 것과 같이 디자인 프로세스 전반에 폭넓게 활용된다. 

- 정성 데이터는 사용자와 그들을 둘러싼 환경에 대한 풍부한 맥락적 정보를 제공해 준다. 이를 통해 우리는 사용자를 깊이 이해하고 공감할 수 있으며, 더 나은 서비스를 만들 수 있게 된다. 

 

 

정성적 경험 데이터 분석하기

- 주로 인터뷰 및 FGD에서 사용자가 말한 내용이나 에스노그라피 및 섀도잉과 같이 사용자 행동을 관찰하여 기록한 내용과 같이 텍스트 형태의 데이터로 수집된다. 

- 최근에는 온라인에 남긴 상품 리뷰와 같이 비정형 빅데이터의 형태로도 수집된다. 

- 이러한 정성 데이터의 분석은 가공되지 않는 원래의 형태로 분석에 활용되는 것뿐만 아니라, 유사한 의미를 지닌 정보들을 범주화하고 정량화하는 분석을 통해 표나 그래프로 시각화할 수 있다. 

- 더 나아가 워드 클라우드와 같은 직관적 형태로 시각화하기도 한다. 

 

- 정성적 경험 데이터 분석 이론과 방법론 및 사례

1. 근거 이론 
   - 정성 데이터를 분석하는 대표적인 이론이다.
   - 현장에서 수집된 정성 데이터를 분석하여, 특정한 현상에 대한 사용자의 경험과 느낌 및 생각에 대해 설명할 수 있는 이론을 만드는 데 주로 활용된다. 
   - 근거 이론에서 가장 널리 사용되는 분석 과정으로 개방 코딩을 들 수 있다. 
   - 개방 코딩은 정보의 범주를 개발하기 위한 단계로, 수집된 정성 데이터의 의미를 분석하여 주요한 개념들을 추출한 후, 유사하거나 관련성이 높은 개념들을 범주화하고 적합한 이름을 부여한다. 
   
   
2. 어피니티 다이어그램
   - 정성 데이터를 분석하는 데 가장 흔히 활용하는 방법이다. 
   - 사용자로부터 얻어진 흩어져 있는 데이터들에서 의미 있는 인사이트를 도출해 내는 효과적인 그룹핑 방법으로, 근거 이론의 개방 코딩과 비슷하다. 
   - 팀 단위의 협업 도구로 효과적이다.
   - 파편화되어 있는 데이터들 사이에서 규칙을 읽어내고 이를 유형화하는 것이 가장 중요하게 요구되는 분석 스킬이다. 
   
   
3. 사례 분석 : 10대들이 애플을 좋아하는 이유 

 

현업에서 활용하기

- 정성 데이터는 정량 데이터가 알려주지 않는 사용자 니즈와 행동의 이유에 대해 말해준다. 
- 이를 통해 현재 서비스의 개선에 대한 방향성 도출뿐만 아니라, 새로운 서비스를 발굴하는 데에도 인사이트를 제공해 준다. 
- 정성 데이터는 비정형적인 고객들의 소리 데이터를 구조화하고 그 개념에 대해 분석가의 주관적에 의해 정의해야 하는 분석 과정을 거친다. 이에 따라 분석가의 숙련성뿐만 아니라 주관성이 분석 결과에 영향을 미칠 수밖에 없다. 

- 한계점을 보완하기 위해, 해당 도메인에 충분한 지식과 경험을 지닌 3인 이상의 분석가들이 오픈 코딩 과정에 참여하고, 반복적인 논의와 합의 과정을 거쳐 객관성을 확보해야 한다. 
- 방대한 양의 정성 데이터를 분석해야 하는 경우, 텍스트 마이닝과 같은 빅데이터 분석 기술을 활용해, 자동화된 분석 방법을 적용하는 것도 좋은 방법이다. 

 

 

 

<알게 된 개념>

- 정성 데이터와 정량 데이터를 알게 된 후 궁금했던 점을 해소할 수 있었다.

정성 데이터를 더 많이 접하는 요즘은 시대에 정성 데이터를 활용할 수는 없을까? 정성 데이터를 다 정량 데이터로 변환해서 사용해야 하는 걸까?라는 궁금증이 있었는데 이번 Article을 통해 정성 데이터를 사용하는 기법과 사용 방법에 대해 알았다. 

 

다만, 정성 데이터를 사용하게 된다면 도메인에 대한 충분한 지식과 경험이 필요해야 하니 내가 바로 접근할 일은 없겠다고 생각했다. 만일 한다면 3년 이상 한 곳에서 근무를 한 뒤가 아닐까? 3년도 부족해 보이지만 말이다.