어피니티 다이어그램
요약데이터의 양이 많고 파편화 되어있을 수록 효과적인 방법론; 어피니티 다이어그램
정성적인 데이터들 사이의 규칙과 연관성을 발견하여, 해당 내용을 토대로 인사이트를 도출하는 방법론입니다. 수집된 정성적 데이터의 양이 많을수록, 정리되어있지 않고 파편화 되어 있을수록 효율적으로 데이터를 정리할 수 있는 방법론이다.
이 방법론을 사용하는 이유는 정성 조사를 통해 수집된 정성적 데이터를 구조화하기 위함이며, 그 분류 기준은 의미상으로 얼마나 서로 연관되어 있는지 파악하기 위함 입니다.
1. 참가자들이 모두 해당 세션 주제를 명확하게 이해한 상태로 참석해야 합니다.
2. 세션 내 데이터 간 그룹핑이 일어나면서 그룹 기준이 명확하게 나올 때까지 진행합니다.
3. 그룹핑이 일어날 때마다 토의를 진행합니다.
4. 그룹핑을 토대로 그룹 사이의 연계성이 도출될 때마다 토의를 진행합니다.
5. 원하는 결과값(인사이트)이 도출될 때까지 그룹핑- 논의 과정을 반복적으로 진행합니다.
•
한 그룹핑에 대해 긴 시간 토의했지만 특별한 인사이트를 도출하지 못한 경우 해당 값을 포기하고 재 그룹을 시도할 수 있습니다.
6. 무의미한 (최소단위인) 데이터 값은 버립니다.
•
그룹핑이 새로 일어나는 경우, 해당 데이터들은 재사용될 수 있습니다.
7. 토의를 위한 최소인원은 3명으로, 그 의상의 인원이 세션에 참석해야 의미가 있습니다.
8. 누구나 쉽게 이해할 수 있는 쉬운 단어, 문장으로 기재합니다.
9. 그룹핑 라벨에 핵심이라 생각되는 점을 구체적으로 작성합니다.
10. 그룹 기준을 먼저 구체적으로 정하고 데이터를 끼워 맞춰 분류하지 않습니다.
STEP 1. 개별 데이터 생성하기
1) 정성조사 결과값: 기존에 수집했던 사용자 인터뷰, 사용성 데스트, 정성적 설문조사 결과 등 정성적 조사 방법론 진행 후 얻은 결과값에 해당돼요.
2) 팀원간 아이디어 회의 후 나온 의견들이 하나의 데이터로 취급
STEP 2. 연관있는 데이터간 그룹핑하기
STEP 3. 그룹간 관계 분석 하기
STEP 4. 기존 그룹을 초기화 하여 다시 그룹핑 – 논의 반복
이모션 TIP
그룹핑을 긍정/부정으로 분류하는 것
이유: 세션 초반 데이터들이 눈에 익숙하지 않은 상태이기에 팀원들 모두가 데이터를 거시적인 측면에서 볼 수 있게 하기 위함이며, UX분석적인 관점에서도 긍정/부정의 분류를 통해
사용자의 Pain point, Wow point, needs를 한눈에 알아볼 수 있다.
도출된 인사이트를 토대로 페르소나
페르소나는 개별 유저보다는 한 유저의 집단을 파악하는데 의의가 있기 때문에, 개개인 사용자의 특성을 대변하는 개별 포스트잇 내용보다 사용자의 공통적인 특성을 대변하는 그룹핑 기준 라벨에 집중하는 것이 좋습니다. 앞서 살펴본 그룹 간 연계성을 찾는 과정을 진행하다 보면, 자연스럽게 도출된 그룹 간 관계, 인사이트 기준으로 페르소나를 구성하는 성격, 행동, 역할 생성에 큰 도움을 받을 수 있습니다.
코멘트사용자 행동 동기를 파악할 수 있는 정성적 데이터들은 서비스 개발에 있어 매우 중요한 역할을 한다. 어피니티 다이어그램은 개인보다 팀 단위의 관점으로 볼 때 더 다채로운 시각을 볼 수 있으며 그 안에서 많은 인사이트를 얻을 수 있어 굉장히 유용한 방법론이다. 디자인 작업만 하면서 어피니티 다이어그램에 대한 이해도가 떨어져 다시 찾아보니 굉장히 잘 요약이 되어있는 것 같다.