Applying machine learning to your UX research process

UX 리서치 프로세스에 머신러닝 적용하기

• UX가 상대적으로 질적 관점에서 사용되고, 데이터 과학은 양적 관점에서 사용된다.
• Rochelle king(넷플릭스 크리에이터 제품 부사장)은 디자인 분야에서 "고객에 대한 정보"가 중요하며, 많은 이점을 가져다 준다고 말했다.
• 데이터는 여러 형태로 나왔으며, A/B 테스트 결과를 통해 만들어진 많은 데이터는 수백만 고객으로부터 얻고 있다. 
• 구글 웹 로그 분석은 클릭 이벤트나 인구 통계 등 디자이너가 사용자를 이해하도록 돕는 툴들이 많이 있다. A/B테스트를 구현하고 디자인이 사용자에게 가장 적합한지 찾는다. = 이유는 설계 작업을 돕기 위해 데이터를 사용한다.

데이터를 통해 3가지 얻을 수 있는 지식 

1. 설명 지식 
   
   • 사용자 리서치 세션을 시작할때 얻고자하는 가장 일반적인 지식
   • 사용자는 무슨 일을 하고 싶었는가. 사용자가 A버튼 대신 B버튼을 누른 이유는? 사용자는 왜 페이지를 종료했을까? 
2. 예측지식
   • 제품 전략을 개선하는데 효과적인 지식
   • 원인 파악 후 효과 파악. 
   • 디자인을 어떻게 구현하면 좋을지, 고객이 그 다음에 어떤걸 원하는지
3. 합성지식
   • 예측 지식과 반대되는 효과를 얻을 수 있는 지식
   • 효과 다음으로 원인
   • 사용자가 이 작업을 수행하도록 하려면 어떻게 해야되나요? 

프로세스 진행해보기

• 데이터 세트 이해 하기
  • 데이터의 열과 행을 정리해야되는데, 데이터의 중심이 무엇인지 찾는다. (데이터에서 제일 중첩되고 중요한 정보가 무엇인지 찾는다.)
• 목표 정의
  • 데이터 세트를 이해한 뒤에는 목표를 정의한다.
• 데이터 정리 
  • 데이터는 가장 복잡하고 중요한 부분이다. 그렇기 때문에 목표에 도달하기 위해서 모든 데이터의 나열보다는 원하는 정보들만 데이터화 시키면 된다. 
  • 예를 들어 "Exercise_false_ture"라는 열이 있다면, 첫번째 변수 "Exercise"는 "Video"대신 "퀴즈" 유형을 나타내고, 두번째 "False", 세번째는 플랫폼의 사용 여부를 확인하는 "Ture"를 나타냅니다. 이 예시대로 열을 "WrittenQuiz_AtHome_IsMission"과 같은 것으로 변환하면 읽기 편하게 변경된다.
• UX 사고 방식으로 기계 학습 적용
  • 정리된 데이터를 얻은 후에는 머신 러닝 알고리즘을 사용하여 데이터를 재생하고 시각화 시킬 수 있다.
  • 코딩을 할 필요 없다 ! 
  • 다양한 소프트우에어를 통해서 코딩없이 결과를 확인 할 수 있다. Weka 자바 기반의 데이터 마이닝 소프트웨어 이다. 이러한 알고리즘을 사용하면 손쉽게 얻을 수 있다.

 

원본: https://uxdesign.cc/applying-machine-learning-to-your-ux-research-process-8eb4075ee275