관찰에서 발견으로(1) - 어피니티 다이어그램

흩어져있는 데이터를 쉽게 관찰하는 방법이 있을까?

어피니티 다이어그램은 사용자를 통해 얻은 정성적이고 파편화되어 있는 산발적 정보들 사이에서 유의미한 결론을 도출해 내는 데 사용되는 효과적인 그루핑 방법이며, 이는 일본의 인류학자인 카와키타 지로가 개발한 사회 방법론 중 하나로 알려져 있다. 때로는 클러스터 맵이라고도 불리는데, 이 방법론은 관찰에서 발견으로 이어지는 길목에서 주로 사용된다.

일반적으로 UX 리서치를 통해 얻은 정보들은 그 양이 방대할 뿐만 아니라, 정량적으로 수집된 정보들에 비해 모호하고 분류하기도 어렵다는 문제를 갖고 있다. 이러한 정보들 사이에서 길을 잃지 않고 효과적으로 유의미한 데이터를 관찰하고 인사이트를 발견하기 위해서, 어피니티 다이어그램은 어떤 대안을 제시하고 있을까?

어피니티 다이어그램의 6단계

1. 해결하고자 하는 문제를 명확하게 정의한다.

2. 그와 관련된 모든 정보를 포스트잇에 메모한다.

3. 메모들 사이에서 패턴이나 규칙을 찾아, 연관성 및 유사성이 높은 정보들끼리 그룹화한다.

4. 효과적인 통찰을 위해 각 그룹을 대표할 수 있는 레이블, 제목을 짓는다.

5. 각 그룹들의 우선순위를 매긴다. 이때, 우선순위는 목표에 따라 다르게 지정될 수 있음을 유의한다.

6. 단순히 정보를 식별하는 것에 집중하지 말고, 흩어져있을 때는 발견하지 못했던 인사이트를 도출한다.

어피니티 다이어그램의 미덕은 문제가 복잡하면 복잡할수록 효과적으로 사용할 수 있다는 점, 여러 사람이 쉽게 정보를 식별하고 정리할 수 있다는 점에 있다. 데이터를 객관적이고 시각화해서 볼 수 있기에 우선순위를 판단하는 데도 유용하다.

어피니티 다이어그램 적용해 보기

최근 자주 이용하고 있는 모빌리티 서비스의 어피니티 다이어그램을 그려보았다. 모빌리티 서비스의 고객 탑승 경험 개선을 위해, 플레이스토어 및 앱스토어에서 고객 VOC(Voice of Customer)를 수집했다.

첫 번째로, 모 서비스의 고객 탑승 경험에 대한 정보를 한 데 모아보았다. 관련도가 높은 정보들끼리 추려 그룹핑을 하자, 각 그룹마다의 대표성을 띄고 있는 규칙. 즉, 공통분모라 볼 수 있는 토픽들이 눈에 보인다. (VOC를 보면 더 많은 이슈가 잠재되어 있지만, 워낙 양이 많아 일부만 긁어왔다.)

다음 단계에서는 그루핑 된 정보들을 이해하고, 문제의 우선순위를 세워 가장 중요하고 시급한 과제를 도출해 낸다. 위에서 이미 언급했듯, 이 과정에서는 기업에서(팀에서) 목표하는 바가 무엇이냐에 따라 해결해야 할 과제의 순위가 변동될 수 있다. 

마지막으로, 문제를 해결할 수 있는 방안에 대해 브레인스토밍이 가능해진다. 문제 해결을 위한 브레인스토밍은 정보 식별의 객관성을 위해 어피티니 다이어그램을 완성한 후 진행하는 것이 좋다. 

나는 운행 차량의 효율적인 관리를 위해, 차량 내 배치품을 정기 배부하는 방법을 하나의 솔루션으로 떠올렸다. 운행 방식과 연관된 이슈는 페널티 정책을 적용함으로써 QC(Quality Control)를 유도하고, 위치 정확도 문제로 일어난 현상인 배차 취소 수수료 부과에 대해서는 수수료 부과에 대한 특정 조건을 적용함으로써 고객인 소비자와 드라이버 모두를 보호할 수 있을 것이라 보았다. 위 케이스 스터디는 러프한 솔루션 구상으로, [특정 시간]에 대한 구체적인 고민은 아직 거치지 않았다.

마무리

어피니티 다이어그램은 복잡하고 판단하기 어려운 문제를 큰 그림으로 이해하고, 아이디어를 분석적으로 정리하기에 유용하지만 유저 데이터가 지나치게 많을 경우 그루핑이 어려워지거나 시간이 오래 소요되는 문제가 생긴다. 앞의 단점과 함께 어피니티 다이어그램이 단순히 정보를 효과적으로 분류하는 데만 활용되는 것이 아니라 문제에 대한 우선순위를 세우고, 궁극적인 솔루션까지 도출해내는 길잡이가 될 수 있음을 감안하고 하나의 방법론으로써 잘 활용한다면, 팀 협업에 도움이 되는 툴임은 분명해 보인다.