페르소나 및 사용자 여정 지도 제작

이득:

• 인공지능을 활용한 연구 데이터를 기반으로 증거 기반 페르소나 초안을 제작하고 고정관념과 진부한 표현을 제거하는 능력
• 인공지능의 지원을 통해 사용자 여정 맵의 단계, 행동, 생각, 감정 및 문제점을 작성하는 기능
• 실제 세그먼트 데이터로 구성된 페르소나를 테스트하여 데이터를 기반으로 하지 않은 가정에 플래그를 지정하는 기능

페르소나 및 사용자 여정 맵은 연구에서 얻은 통찰력을 팀이 하루 종일 살펴볼 실질적인 도구로 변환합니다. 페르소나는 실제 사용자 세그먼트, 즉 목표, 장벽, 상황을 나타내는 가상이지만 데이터 기반 프로필입니다. 사용자 여정 지도는 사용자가 목표를 달성하는 동안 무엇을 하는지, 무엇을 생각하는지, 무엇을 느끼는지, 어디에서 막히는지 단계별로 보여주는 시각적 내러티브입니다. AI는 몇 분 안에 두 가지 초안을 모두 생성합니다. 그러나 여기에 가장 위험한 함정이 있습니다. 인공 지능은 데이터 없이도 "실제"처럼 들리는 페르소나를 만들 수 있다는 것입니다. 이 단원에서는 속도를 희생하지 않고 증거를 고수하는 방법을 배웁니다.

페르소나: 환상이 아닌 증거에 기초해야 합니다.

좋은 페르소나와 나쁜 페르소나의 유일한 차이점은 태도입니다. 나쁜 인물은 디자이너의 마음 속에 있는 가정을 아름다운 템플릿에 담습니다. "Ayşe, 34세, 기술에 능숙하며 실용적인 솔루션을 좋아합니다." 이 문장 중 어느 것도 연구에 근거한 것이 아니라면 페르소나는 단지 장식일 뿐이며 잘못된 결정을 정당화합니다.

좋은 페르소나는 모든 주장을 연구에 기초합니다. "사용자가 설치 중 멈췄습니다"라는 문장 뒤에는 "참가자 8명 중 5명이 초기 설치를 완료하지 못했습니다"라는 데이터가 있습니다. 인공 지능으로 작업할 때 규칙은 변하지 않습니다. 모델에 연구 요약을 소스로 제공하고 근거가 없는 기능을 추가하지 않고 이 소스에서만 페르소나를 생성하도록 요청합니다.

주의: AI는 "간극을 메울" 능력이 매우 뛰어납니다. 나이, 소득, 습관 등 본인이 제공하지 않은 세부정보를 자동으로 구성할 수도 있습니다. 이러한 세부 사항이 데이터에서 나오지 않으면 페르소나는 신뢰할 수 없습니다.

고정관념과 편견을 없애기

페르소나는 AI 편견이 가장 눈에 띄게 누출되는 곳입니다. 이 모델은 훈련 데이터의 고정관념을 프로필로 옮깁니다. "나이가 많은 사용자는 기술을 두려워합니다", "젊은 사용자는 참을성이 없습니다", 특정 직업이나 성별에 따른 행동을 나타냅니다. 이러한 일반화는 잘못되었으며 윤리적으로도 반대할 수 있습니다.

정제 방법에는 세 단계가 있습니다.

1. Mark: 출력의 각 일반화 문장("모든 사람", "보통", "이 연령대의 사람들")을 스캔합니다.
2. 테스트: 이 문장이 연구 데이터에 상응하는 문장을 가지고 있나요?
3. 정정 또는 삭제: 근거가 있는 경우 증거자료에 첨부하고, 그렇지 않은 경우 삭제합니다. "부드럽게"하여 진부한 표현을 유지하지 마십시오. 증거가 없으면 그는 떠난다.

페르소나 표현

문제

증거 기반 수정

"나이든 사용자는 기술을 두려워한다"

연령 기반 고정관념

"참가자 6명 중 5명은 새로운 기능에 대한 추가 보증 텍스트를 기대했습니다."

"젊은 이용자들은 참을성이 없다"

세대별 일반화

"참가자들이 3단계가 넘으면 흐름을 포기했습니다(나이 상관없이)"

"여성은 단순함을 원한다"

성별 가정

"모든 부문에서 단순한 흐름을 선호했습니다"

"그가 가장 좋아하는 색은 파란색이에요"

장식적인 정보(결정에 영향을 주지 않음)

(빼기 - 설계 결정에 영향을 미치지 않음)

사용자 여정 지도 분석

여정 지도는 일반적으로 다음과 같은 선으로 구성됩니다.

• 단계(Phase) : 인식, 평가, 사용, 복귀 등 주요 기간.
• 작업: 각 단계에서 사용자가 수행하는 작업입니다.
• 생각: 무엇이 당신의 마음을 통과하는지.
• 감정: 사람이 느끼는 감정은 무엇입니까? 일반적으로 곡선으로 그려집니다.
• 문제점: 막히거나 화를 내고 포기하는 부분이 어디입니까?
• 기회: 디자인이 개입할 수 있는 곳.

인공지능은 이 뼈대를 빠르게 채운다. 그러나 "감정" 라인은 특히 위험합니다. 모델은 사용자가 느끼는 감정을 합리적으로 예측하지만 실제 데이터가 뒷받침되지 않는 한 그 예측은 추측일 뿐입니다. 지도에 입증되지 않은 감정을 가정으로 표시합니다. 연구 인용으로 확인되면 "검증됨" 상태를 받습니다.

세 개의 미니 케이스

사례 1 — 빠른 초안, 실제 수정. 한 팀은 12개의 인터뷰 요약을 바탕으로 AI를 사용하여 3개의 페르소나 스케치를 제작했습니다. 작업시간은 25분 걸렸습니다. 그런 다음 연구 데이터와 비교하여 각 페르소나의 9가지 특성을 확인했습니다. 4개의 기능은 근거가 없어 제거되었습니다. 나머지 페르소나는 빠르고 안정적이었습니다.

사례 2 — 진부한 표현이 유출되었습니다. AI 페르소나는 “은퇴한 사용자는 디지털 뱅킹을 신뢰하지 않는다”고 썼다. 팀은 데이터를 검토했습니다. 은퇴한 참가자 6명 중 5명이 일반 디지털 뱅킹을 사용했습니다. 해당 문장은 완전히 부정확하여 삭제되었습니다. "새로운 기능에 대한 추가 보증 텍스트"와 같은 증거 기반 관찰로 대체되었습니다. 교훈: 연령에 따른 고정관념은 데이터를 통해 반증되었습니다.

사례 3 - 감정 곡선이 과장되었습니다. 모델은 사용자가 결제 시 '분노'했다고 기록했습니다. 실제 녹화에서 이용자들은 '주저'할 뿐이었다. 디자이너는 감정을 고쳤습니다. "분노"와 "주저"에는 서로 다른 해결책이 필요하기 때문입니다(하나는 신뢰, 다른 하나는 명확함). 교훈: 감정선은 증거로 조정됩니다.

얼마나 많은 페르소나와 얼마나 많은 세부사항이 있나요?

새로운 디자이너가 빠지는 일반적인 함정은 너무 많고 지나치게 상세한 페르소나를 생산하는 것입니다. AI는 이 함정을 확대합니다. 원하는 만큼 많은 페르소나가 원하는 만큼의 세부 정보를 포함하여 몇 초 안에 도착합니다. 그러나 가치 있는 것은 작지만 견고한 것입니다. 대부분의 제품에는 기본 페르소나가 2~3명이면 충분합니다. 각각은 실제 사용자 세그먼트를 대표해야 하며 디자인 결정을 차별화할 수 있어야 합니다. 두 페르소나가 거의 동일하게 행동한다면 아마도 하나의 페르소나일 것입니다. 세부적인 측면에서 기준은 다음과 같습니다. 페르소나에 추가된 모든 정보는 디자인 결정에 영향을 미치는 경우 가치가 있습니다. 인상적이지 않으면(예: 사용자가 가장 좋아하는 색상) 장식용이므로 제거해야 합니다. 인공지능에게 페르소나를 요청할 때 "디자인 결정에 영향을 미치는 기능만 추가"라고 말하는 것이 이러한 함정을 제거하는 가장 실용적인 방법입니다.

팁: 페르소나 기능 테스트: "이것을 변경하면 디자인도 변경됩니까?" 대답이 '아니요'인 경우 해당 기능은 페르소나에 필요하지 않습니다.

복사 가능한 프롬프트

귀하의 역할: UX 연구 합성기.출처: 아래의 익명화된 연구 요약.작업: 이 소스에서 최대 2개의 페르소나 스케치를 만듭니다.규칙: 각 기능을 소스의 결과에 연결하고 근거를 괄호 안에 작성합니다. 소스에 상응하는 항목이 없는 기능(연령, 수입, 습관)을 추가하지 마십시오. 알 수 없는 필드를 "데이터 없음"으로 남겨두세요.출처: <<summary>>

편견이 있는지 이 페르소나 개요를 확인하세요. 일반화, 상투적, 입증되지 않은 가정이 포함된 각 문장을 표시하고, 그것이 의심스러운 이유를 적고, 원본 데이터에서 지원되는지 여부를 표시합니다. 페르소나: <<text>> 소스 데이터: <<summary>>

아래 페르소나 및 연구 개요에서 사용자 여정 맵 초안을 생성합니다.라인: 단계 | 액션 | 생각 | 감정 | 문제점 | 기회. 출처가 있는 경우 각 "Emotion" 및 "Painpoint" 셀에 인용을 추가합니다. 그렇지 않으면 셀을 "[ASSUMPTION]"으로 표시하십시오. 페르소나: <<x>> 요약: <<y>>

이 여정 지도에 [ASSUMPTION]으로 표시된 셀을 나열하십시오. 각각에 대해 이 가정을 확증해줄 추가 연구 질문을 작성하세요. 지도: <<테이블>>

약한 프롬프트 / 강한 프롬프트

약함: "전자상거래 사용자 페르소나를 만듭니다."

그 결과, 완전히 지어낸 프로필이고 데이터와 무관하며 진부한 표현으로 가득 찬 프로필입니다.

Strong: "이 연구 요약에서 2개 이하의 페르소나를 추출하고, 각 기능을 결과에 연결하고, 소스에 없는 세부 정보를 추가하지 말고, 알려지지 않은 항목을 '데이터 없음'으로 남겨두세요."

그 결과, 증거에 기초한 방어 가능한 인물이 탄생했으며, 공백이 솔직하게 지적되었습니다.

차이점: 강력한 프롬프트는 소스 의무 + 가공 금지 + 알 수 없는 표시를 가져옵니다.

일반적인 실수

• 데이터 없이 페르소나를 생성합니다. AI에게 "페르소나를 만들어라"라고 말하면 가정에 잘못된 타당성이 부여됩니다.
• 진부한 표현을 부드럽게 하여 유지합니다. "조금 조심스럽다"고 말하는 것은 고정관념을 바로잡는 것이 아닙니다. 증거가 없으면 삭제해야 합니다.
• 감정선을 현실로 착각하는 것. 모델은 감정을 예측합니다. 증거 없는 감정은 가정이다.
• 페르소나를 전혀 업데이트하지 않습니다. 새로운 연구 결과가 나오면 페르소나도 업데이트되어야 합니다. 얼어붙은 페르소나는 오해의 소지가 있습니다.
• 너무 많은 페르소나를 생성합니다. 5~6명의 페르소나는 팀을 마비시킵니다. 조금 유지하되 확고한 것을 붙잡으십시오.

요약하면

페르소나와 여정 지도는 연구 결과를 팀의 공통 언어로 번역하는 강력한 도구입니다. 그러나 그들의 힘은 전적으로 그들이 기반으로 하는 데이터에서 나옵니다. AI는 이러한 도구에 대한 청사진을 몇 분 안에 생성하는 반면, 실제 작업은 각 주장을 소스에 연결하고 진부한 표현을 표시하고 데이터와 비교하여 테스트하며 입증되지 않은 정서/불만 사항을 가정으로 격리하는 것입니다. "데이터 없음"으로 공백을 솔직하게 남겨둔 페르소나는 꾸며낸 세부 사항으로 가득 찬 "현실적인" 페르소나보다 훨씬 더 가치가 있습니다.

응용과제

1. 연구 개요(실제 또는 가상)의 첫 번째 프롬프트로 2개의 페르소나 초안을 생성합니다.
2. 두 번째 프롬프트를 통해 페르소나의 편견을 확인하세요. 표시된 각 문장을 데이터로 테스트합니다.
3. 허술한 기능을 제거하거나 "데이터 없음"으로 만듭니다.
4. 세 번째 프롬프트에서는 페르소나의 여정 지도 초안을 작성합니다.
5. 지도에 [ASSUMPTION] 셀을 나열하고 각각에 대한 확인 질문을 작성하세요.

체크리스트

• [ ] 페르소나는 연구 요약을 바탕으로 한 것이지, 상상으로 만들어낸 것이 아닙니다.
• [ ] 소스에 없는 기능을 페르소나에 추가하지 않았습니다.
• [ ] 진부한 표현과 일반화한 내용을 표시하고 데이터로 테스트했습니다.
• [ ] 감정과 문제점을 증거로 확인하고, 지원되지 않는 부분에 표시를 했습니다.
• [ ] 페르소나 수를 관리 가능하게 유지했습니다.
• [ ] 가정에 대한 검증 질문을 준비했습니다.