2. HCI / UX 연구를 돕는 Tool 또는 연구 방법론 공유
UX 프로젝트는 매년 새롭다. 눈부신 기술의 발전으로…
새로운 문제에는 새로운 해법이 필요했다.
바쁘게 연구를 끝내고나서 그 해 적용했던 연구방법을 정리하여 HCIK에서 공유하고자 한다.
자료들은 여기에… ux.snu.ac.kr
3. 올해의 주제: 알고리즘경험
머신러닝, 인공지능이 탑재된 서비스가 보편화되면서 새로운 경험이 등장!
기존 정보시스템의 경험과 달리
얼추, 어림잡아, 대충… 포착하는데도
왠지 더 잘 맞는듯한… 경험을 만든다.
데이터가 만드는 확연히 다른 컴퓨팅과 사용자를 매개하는 새로운 차원의 문제가 AX.
5. 9세기 페르시아의 수학자인 무하마드 알콰리즈미의 이름을 라틴어화한 algorismus에서 따온 말
알고리즘은 ‘문제를 해결하기 위해 따라야할 일련의 작업을 순서화’한 것
알고리즘은 ‘논리와 통제’의 장치
대한민국헌법
제1조
①대한민국은 민주공화국이다.
②대한민국의 주권은 국민에게 있고,
모든 권력은 국민으로부터 나온다.
a = 5
b = 10
c = a + b
print c
알고리즘이란
6. 이해 가능한, 예측 가능한 감춰진, 예측 불가능한
PageRank, by Google search.
Facebook Timeline EdgeRank
High Frequency Trading Algorithms.
사진에서 객체 인식, 음성에서 의미 파악 등
a = 5
b = 10
c = a + b
print c
Simple Complex
알고리즘의 확산, 복잡해진 알고리즘
알고리즘이 탑재된 정보기기의 확산으로 사회 전반에 알고리즘식 사고와 행동이 퍼짐
최근의 알고리즘은 극도로 ‘고도화’되고 동시에 ‘블랙박스’화 됨
11. 알고리즘 경험은 한마디로 ‘당혹스럽다’.
과거의 정보경험이 갖는 정보구조, 설명, 절차가 없어 당혹스럽다
그러나 잘 맞아 신박하다
알고리즘 경험
알고리즘
당혹!
사용자
추천
검색
예측
판단
보안
정렬
“왜 추천해주는지 정확히는 모르겠지만…
얼추 비슷한 것 같긴한데?”
“내가 들었던 음악이라 뜨는건가…?”
12. AX를 잘 설명하는 말: 사변적
사변적/Speculative
이재현, 디지털미디어, 2016
사변적이란 단어는 요즘말로 ‘뇌피셜’과 비슷하다.
원리와 논리에 의한 철저한 ‘이해’가 아닌 ‘짐작’과 ‘추측’을 통한 파악을 말한다.
머신러닝의 발달로, 이제 원리는 물러나고 쓸모는 주춤하고 현상이 약진하는 시대이며,
우리는 ‘짐작’의 안테나를 작동할 수 밖에 없다.
17. / 투명성: 원리나 근거를 얼마나 노출할 것인가?
선제성: 예측을 얼마나 미래지향적으로 하는가?
Transparency
Preemption
그렇다면 어떤 요소를 고려해야 할까?
고민의 두 축은 ‘투명성’과 ‘선제성’을 결정하는 것.
18. 투명성의 결정
원리나 근거를 얼마나 노출할 것인가?
투명 불투명
투명성은 결과 뿐만 아니라 분석 및 평가에 사용된 기준까지 공개함으로 확보된다.
19. 선제성의 결정
예측을 통해 미래의 행동 유도
과거, 현재 미래
데이터 분석으로 찾은 의미 있는 이벤트가
미래의 행동 유도를 위한 것일떄 ‘선제성’을 갖는다.
20. “전적으로 저를 믿으셔야 합니다!!”
조금 더 쉽게 얘기해보자면..
선제는 예측을 바탕으로 효과를 지향한다.
21. 선제성의 이슈는 무엇인가?
선제의 대표적 사례는 아마존 anticipated delivery이다.
고객이 ‘구매’ 버튼을 누르기 전에 구매가 예상되는 물품을 가까운 물류센터로 미리 배송해 놓는다.
물류 센터
(중간 배송지역)
물류 센터
(고객과 가까운)
고객
1
2 3 4 5기존 배송
선제적 배송
구매를 누르면 예측을 통해
29. 명시적 vs 묵시적 차이는 무엇인가?
Suffer from noise, Sensitive to user’s context
Implicit
사용자의 행동(데이터)을
해석하는 선호/비선호를
얻어내는 피드백
수집하기가 상대적으로 쉬움
일반적으로 양이 많음
추가 해석 과정 및 패턴화 필
요
정확도가 낮음
Explicit
사용자의 평가로 선호/비선호를
분명하게 얻어낼 수 있는 피드백
수집하기 어려움
일반적으로 양이 적음
상대적으로 추가 해석 과정 덜 필요
정확도가 비교적 높음
정의
공통점
차이점
30. 긍정적 vs 부정적 차이는 무엇인가?
Positive Negative
Explicit 피드백과 Implicit 피드백으로 모두 수집이 가능
(기존에는 Explicit 피드백을 주로 사용하였으나 최근에는 Implicit으로 많이 대체)
지금과 같은 추천을 더 받고 싶을 때
사용하는 피드백
지금과 같은 추천을 더 받고 싶지 않을 때
사용하는 피드백
소셜 미디어에서 주로 적극적으로 활용됨
Negative 피드백에 비해 양이 많은 경우가 많음
단계를 두는 경우가 있음
예) 특정인의 소식 30일 보지 않기 -> 팔로우 취소
이유를 같이 수집하는 경우가 있음
Positive 피드백에 비해 양이 적은 경우가 많음
정의
공통점
차이점
32. 페이스북
의미 있는 상호작용을 만들도록 주변 지인과의 능동적인 액션을 선제
•피드는 시간순이 아니라 ‘상호작용’을 높이는 친한 사람, 관심있는 피드로 채워짐
•포스트를 분석해 의미 있는 과거 이벤트를 공유하도록 선제적으로 제시함.
•기존의 Like 버튼을 5가지 emotion으로 분화하여 피드백을 정교화함
•댓글이나 공유와 같이, 교류에서 좀 더 능동적인 액션을 할수록 피드 상위에 제시됨
관심,친한 중심 추억의 끌올
33. 누구나 참여할 수 있는 개방적이면서 중립적인 공간으로
트위터
•처음에 시간순이었던 피드를 페이스북처럼 바꾸었으나, 사용자들의 반발로 사용자에게 선택권을 돌려줌.
•기본은 ’Public conversation'의 장으로 중립적인 정보가 나열되도록 함.
•사용자는 고급 필터 기능을 통해, 자신의 피드를 조정할 수는 있지만 알고리즘에 영향을 주지 않음
최신순 배열 관심,친한 중심 사용자의 선택
34. 애플
iPhone 사진 앱은 사교적(social) 기능에 초점을 두고
인상적인 순간을 사용자에게 ‘선제’한다
•사진 자체가 비구조적인 특징을 갖고 있기 때문에 ‘뜬금포’ 같은 제안이 있어도 관용도가 높음.
•사용자의 사진첩에 쌓인 기억이 단순한 누적으로 남는 것이 아닌, ‘재발견(Re-discover)’ 될 수 있도록 함.
•과거의 기억을 회상하고, 같이 한 사람들과 공유하여 사진을 매개로 활동이 벌어지도록 유도.
35. 구글 뉴스
중요성의 피라미드(Pyramid of importance)에 기반한 뉴스 큐레이션
•뉴스 탐색에 지치지 않도록
•모든 사용자에게 중요한 탑 헤드라인은 상단에 제시, 이후 개별
사용자와 관련 로컬 뉴스, 관심사 뉴스를 제공함
•전체 스토리를 담을 수 있도록
•뉴스 기사를 읽을수록 맥락에 맞는 관련 기사 및 콘텐츠가 제시
되도록 인공지능을 통해 사용자의 타임라인을 조정함
•뉴스를 내 손 안에서
•AMP(Accelerated Mobile Pages) 콘텐츠를 사용하여 빠르게
•Youtube와 같은 풍부한 미디어 콘텐츠를 통해 Seamful한 경험
36. 아마존
사용자에게 가장 유익한 상품을
먼저 제시하기 위한 고객 집착(Customer-obsession)
•단순히 '어떤 결과가 가장 적절할까?’ 가 아닌 '어떤 상품을 소비자가 살까?’ 라는 질문에 집중함
•사용자의 의도를 파악하고, 의도에 맞는 모든 종류의 상품들을 분류하여 추천하는 Product graph
•검색 순위에는 주로 판매, 리뷰, 가격, 제품 이미지 등의 내적 요소를 반영함
•Domain authority, social media, backlink 등의 외적 요소는 크게 고려되지 않음
37. 유튜브
•수많은 콘텐츠 중에서 사용자의 취향에 맞는 콘텐츠 위주로 선별하고 추천하는 것이 경쟁력
•왜 이러한 추천이 나왔는지 짐작 가능하지만, 구체적인 이유는 알기 어려움
•그러나 사용자의 시청 기록을 바탕으로 피드를 지속적으로 조정함
•또한 스트리밍 미디어이기에 ‘암묵적’ 피드백이 주로 활용, 배제의 버튼이나 좋아요 등이 존재
최대한 많이, 오랫동안 즐기면서 머물도록
38. 이러한 결정은 어떻게 내리는가?
서비스 철학 x 도메인 특성 x 데이터 특성
상호작용 촉발
개방성
교호성(social) 증가
의미의 사다리
…
SNS
미디어
쇼핑
…
40. 1. 새로운 인터액션 프레임워크: 사람이 아니라 데이터에서 출발한다.
모두의
Data
나의
Data
알고리즘
Engine
예측, 추천
Result
Intraface
명령, 선택
결과
System
이해가 아닌
포착(prehension)
답주기 or
길들이기
출발은 데이터에서
상관주의
시대의
컴퓨팅
사변적
시대의
컴퓨팅
출발은 사람이
41. !41
1. 새로운 인터액션 프레임워크: Two-way Corridor 인터액션
사용자는 매일 행동을 시스템에 담고,
데이터는 의미 있는 이벤트를 발견하고,
적절한 방법으로 사용자에게 선제한다.
사용자는 받아들이거나 기각하고
시스템은 변화를 뭉근히 발산한다.
42. “
손님이
주문하지 않으신
딱, 그,
스킴밀크 라떼입니다!
1. 알고리즘 경험, 직관을 디자인할 수 있는가?
이런 새로운 종류의 경험의 디자인은, 명멸하는 ‘현상’을 포착하는 섬세한 감각과
비슷비슷한 경험들을 경험의 언어로 구분해 낼 수 있는 사람들에 의해 가능하다.
43. 2. 데이터 인텔리전스의 빅 픽쳐: 예측(prediction)이 돈이다
!43
페이스북 포스트에 붙어있는 수많은 서브창들은 피드백 컬렉션 장치이다.
데이터 인텔리전스라는 빅픽쳐로 보면 포스트는 피드백을 모으는 유인장치일 뿐이다.
진짜는 여기서 발생하는 행동/취향 데이터!
고도의 예측력은 비싼 광고가 붙고 수익모델이 된다.
44. 3. 편향(bias)의 강화 시대: 공정성의 훼손
알고리즘은 편향을 강화한다. 사회적 편향과 불평등의 기게적 강화가 벌어질 수 있다.
45. 3. 편향(bias)의 강화 시대: 자기 침전
!45
Algorithmic Selection You-Loop
사회적 편향 강화 뿐 아니라 개인의 편향도 강화된다.
시야가 좁아지고 갇히게 된다.
46. Wag the dog 꼬리가 개를 흔든다
https://www.vetwest.com.au/pet-library/the-truth-about-a-dogs-tail
데이터 컴퓨팅의 시대에 UXer의 역할이 중요해진다.
인트라페이스가 시스템(알고리즘 모델링)을 규정하기도 하고,
알고리즘이 가져오는 사회적편향, 개인적 침잠의 문제도 해결해야 한다.
사용자에게 ‘인간다운’ 사용을 제시해야 하는 문제가 어느 때보다 복잡하기 때문이다.
something unimportant causing important decisions to be made