Data Driven UX 디자인을 위한 정량적 데이터와 정성적 데이터 간의 관계성 분석 방법 :A Method for analyzing the relationship between Quantitative and Qualitative Data for Data Driven UX Design

윤소현

추천

검색

자료유형: 학위논문

저자정보: 윤소현 (서울여자대학교, 서울여자대학교 일반대학원)

지도교수: 박남춘

발행연도: 2020

저작권: 서울여자대학교 논문은 저작권에 의해 보호받습니다.

이용수14

이 논문의 연구 히스토리 (2)

2020

Data Driven UX 디자인을 위한 정량적 데이터와 정성적 데이터 간의 관계성 분석 방법

윤소현 , 박남춘 한국HCI학회 논문지 2020.12 학술저널

Data Driven UX 디자인을 위한 정량적 데이터와 정성적 데이터 간의 관계성 분석 방법

윤소현 디자인학과 2020.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

현재 데이터 시장이 커지고 있지만, 데이터가 많을수록 언제나 좋은 결과를 얻을 수 있는 것은 아니다. 현재 UX 연구에서 일반적인 데이터의 나열이나 데이터 축적 자체는 큰 의미가 없으며 핵심은 어떻게 데이터를 활용할 것인가에 대한 해답을 가졌는지 여부이다. 본 연구는 정량적 데이터와 정성적 데이터 간의 관계성을 분석하는 방법을 제안하여 UX 디자이너의 데이터 리터러시 역량을 높이고, 프로젝트 목적 에 맞는 데이터 분석을 진행하는 방법을 제안해 디자인 결과물을 제작할 때 도움을 주는 것을 목적으로 한다.
문헌 연구를 진행하여 UX 디자인과 Data Driven UX 디자인 간의 공통점과 차이점을 분석하고, Data Driven UX 디자인의 한계점과 관계성 분석 방법이 필요한 이유를 고찰하였다. 다음으로, 정량적 데이터와 정성적 데이터의 관계성을 연결할 수 있는 기준을 설정하고 주요 수집 결과와 데이터를 통해 얻을 수 있는 로우 데이터(Raw data)를 정리하여 프레임워크를 개발했다. 그리고 실제 사례에 프레임워크를 활용한 관계성 분석 방법을 적용하여 효용성 검증을 진행했다.
사례 적용 결과, 데이터 분석 방법에 따른 결과의 차이점이 다음과 같이 나타났다. 첫째 정량적 데이터만 분석할 경우, 수치 변화와 패턴에 따라 서비스의 미래 방향성 설정에 유용한 인사이트가 도출되었다. 그러나 개선에 대한 방향성을 잡는 데에는 어려움이 있었다. 둘째 정성적 데이터만 분석할 경우, 사용자의 행동과 원인, 경험에 중점을 둔 서비스의 구체적인 개선 방향에 대한 인사이트가 도출되었다. 그러나 시간 흐름에 따라 인식이나 행동 패턴이 변화하는 것에 대한 인사이트는 도출할 수 없었다. 셋째 정량적 데이터와 정성적 데이터 간의 관계성 분석을 한 경우, 행동 원인에서부터 시간 흐름에 따라 변화한 결괏값까지 사용자의 전반적인 서비스 이용 흐름을 정리하기에 유용한 인사이트가 도출되었다. 서비스의 전체적인 방향성과 수치적 근거자료를 갖춘 디자인 개선 방향을 모두 제안할 수 있었다.
결과적으로 본 연구에서는 데이터의 속성을 정리하고, 정량적 데이터와 정성적 데이터 간의 관계성 분석 방법을 위한 프레임워크를 개발하였다. 이를 통해, 사례 적용을 진행하고 실제 서비스 분석에서 관계성 분석 방법이 다른 분석 방법과 어떻게 차별화된 인사이트를 줄 수 있는지 검증하였다. 향후, UX 디자이너가 서비스 분석을 진행할 때 정량 적 데이터와 정성적 데이터 간의 관계성 분석 방법이 효과적으로 활용될 것으로 기대한다.

The paper is an analysis method focused on the relationship between quantitative and qualitative data.
The data market is growing, but more data doesn''t always produce good results. In the current UX study, the general listing of data or the accumulation of data does not mean much, and the key is whether or not there is an answer on how to utilize the data. The purpose of this paper is to improve the data literacy capability of UX designers by suggesting a method for analyzing the relationship between quantitative data and qualitative data, and to assist in producing design results by conducting data analysis for the project purpose. Through literature review, we analyzed commonalities and differences between UX design and Data Driven UX design, and examined the limitations and relationship analysis methods of Data Driven UX design. Next, the framework was developed by setting criteria to link the relationship between quantitative data and qualitative data, and arranging the raw data and raw data obtained through the data. And the utility was verified by applying the relationship analysis method using the framework to the actual case.
As a result of applying the case, the difference of the result according to the data analysis method is as follows. First, when analyzing only quantitative data, insights that are useful for establishing the future direction of services are derived from numerical changes and patterns. However, it was difficult to direct the improvement. Second, when analyzing only qualitative data, insights on specific directions of improvement of services focused on user behavior, causes, and experiences were derived. However, no insight could be made about how perceptions or behavioral patterns change over time. Third, in the analysis of the relationship between quantitative and qualitative data, insights that are useful for organizing the overall service usage flow of users from the cause of behavior to the conclusions that change over time were derived. Both the overall direction of the service and the direction of design improvement with numerical evidence were suggested.
As a result, in this paper, we developed a framework for arranging the attributes of data and analyzing the relationship between quantitative and qualitative data. Through this, we applied case studies and verified how the relationship analysis method can give differentiation from other analysis methods in actual service analysis. In the future, it is expected that UX designers will effectively utilize the relationship analysis method between quantitative and qualitative data when conducting service analysis.

#Data Driven UX 디자인 #UX 디자인 #정량적 데이터 #정성적 데이터 #관계성 방법

제1장. 서론
1.1 연구 배경 및 목적
1.2 연구 체계 및 방법
제2장. 이론적 고찰
2.1 UX 디자인 방법론의 이해
2.1.1 UX 디자인 방법론의 개념
2.1.2 UX 디자인 방법론의 흐름
2.1.3 UX 디자인을 위한 정성 데이터 방법론
2.1.4 UX 디자인을 위한 정량 데이터 방법론
2.2 Data Driven UX 디자인의 이해
2.2.1 Data Driven UX 디자인의 정의
2.2.2 Data Driven UX 디자인의 가치
2.2.3 Data Driven UX 디자인의 사례
2.3 기존 UX 디자인과 Data Driven UX 디자인 특징 비교
제3장. Data Driven UX 디자인에서 관계성 분석 방법의 필요성
3.1 Data Driven UX 디자인에서 인사이트 도출의 한계점
3.2 Data Driven UX 디자인에서 관계성 분석 방법의 필요성
제4장. Data Driven UX 디자인을 위한 정량적 데이터와 정성적 데이터 간의 관계성 분석 방법 제안
4.1 Data Driven UX 디자인에서 관계성 분석 방법의 데이터 정의
4.2 Data Driven UX 디자인을 위한 관계성 분석 방법 프레임워크
4.2.1 정량적 데이터와 정성적 데이터의 수집 목적 설정
4.2.2 대응되는 관계의 수집 데이터 도출
4.2.3 프레임워크 개발
제5장. Data Driven UX 디자인을 위한 정량적 데이터와 정성적 데이터 간의 분석 방법 사례 적용
5.1 사례 적용 방향
5.1.1 사례 적용 서비스 선정
5.1.2 데이터 수집 방법
5.2 정량적 데이터 수집 및 분석
5.2.1 구글 애널리틱스 데이터 수집
5.2.2 구글 애널리틱스 보고서 분석
5.3 정성적 데이터 수집 및 분석
5.3.1 정성적 조사 진행
5.3.2 정성적 데이터 분석
5.4 정량적 데이터와 정성적 데이터 간의 관계성 분석
5.4.1 프레임워크 항목에 따른 분석결과 적용
5.4.2 정량적 데이터와 정성적 데이터 간 관계성 분석
5.4.3 관계성 분석 방법의 효과
제6장. 결론 및 향후 연구 과제
6.1 결론
6.2 한계점 및 향후과제
참고문헌
Abstract

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)