기본 콘텐츠로 건너뛰기

사용자 테스팅

Rapid Usability Testing 연재 후 7번째 글입니다.

전체 내용 중 이제 절반 정도 작성된 것 같습니다.

그래서 전체 내용을 한번 정리해 드릴까 합니다.

연재 내용은 아래처럼 구성되어 있습니다.

------------------------------------------------------------

1. 사용성 테스팅(Massive and Rapid Usability Testing)

 가. 사용성 테스팅의 정의

 나. Rapid Usbility Testing

 다. Massive Usability Testing vs. Rapid Usability Testing

2. 사용성 테스팅 계획(개발 수명주기에서의 사용성 테스팅)

 가. 사용성 테스팅은 언제 수행하나요?

3. 참가자 선정

 가. 사용성 테스팅에 얼마나 많은 참가자가 적당한가?

 나. 사용성 테스팅에서 사용자란 누구인가?

4. 사용성 테스팅 수행

 가. 사용자 테스팅
  - 사용자 테스팅 소개
  - 테스트 과제와 시나리오 작성
  - 관찰실
  - 테스트 진행
  - 회고 그리고 보고서
  - 체크리스트
  - 사용자 테스팅의 장점과 단점

 나. 카드 소팅

 다. 소원의 나무

5. 정리(?)

------------------------------------------------------------

지금까지는 Usabilty Testing 에 대한 일반적인 내용을 다루었다면 이번 글부터는 좀 더 세부적인 각각의 기법(?)들에 대해 다루도록 하겠습니다.

그 첫번째로 소개시켜드리는 기법이 사용자 테스팅입니다.

사용자 테스팅이란 Lab Testing 이라고도 불립니다.

기본적으로 실제 사용자를 대상으로 사용자에게 테스트 과제와 시나리오를 수행하도록 하고 사용자의 행동을 관찰하고 분석함으로써 사용성 문제를 도출하는 기법입니다.

사용자 테스팅이 Lab Testing 과 조금 다른 점이 있다면 사용자를 관찰하는 사람들이 사용성 테스팅 전문가들 뿐만 아니라 제품과 관련된 이해관계자들이 같이 참석한다는 점입니다.

사용자 테스팅이 성공하기 위해서는 반드시 제품과 관련된 이해관계자(개발자 등)의 참석이 필수이며, 되도록 많은 관찰자들이 참가하도록 유도하는 것이 좋습니다.

사용자 테스팅을 위해서는 사용자가 과제를 수행할 테스트실과 관찰자들이 사용자가 제품을 사용하고 과제를 수행하는 모습을 관찰할 관찰실이 필요합니다.

그리고 사용성 테스트에 참가하기 위해 온 참가자가 안내를 받고 쉴 수 있는 공간을 추가로 준비해 주시는 것이 좋습니다.

테스트실과 관찰실은 아래처럼 구성됩니다.


위와 같이 관찰실과 테스트실을 구성할 때 주의할 점은 참가하는 관찰자들이 테스트실의 위치를 알지 못하도록 관찰실과 테스트실을 격리시켜 구성해야한다는 점입니다.

부득이하게 테스트실과 관찰실을 같은 건물 안에 구성해야한다면 접근할 수 있는 입구를 분리시키거나 서로 다른 층에 위치하도록 구성하는 것이 좋습니다.

이유인즉 관찰실에 참가하는 사람들 중 개발자 등과 같이 제품의 개발에 직접적인 연관이 있는 사람들은 참가자(사용자)를 직접 만나고 싶어하거나 감정적으로 대응할 경우가 있는데 이런 경우 관찰자들이 참가자를 직접적으로 만나는 것은 테스트의 결과와 참가자의 개인적인 비밀 유지에 있어 나쁜 결과를 가져오는 경우가 많습니다. 때문에 관찰실과 테스트실은 반드시 분리시켜 위치하도록 하고 관찰자들이 절대적으로 테스트실의 위치를 모르도록 하셔야 합니다.

사용자 테스팅을 위해서 필요한 준비물로는 테스트 대상 제품에 따라 적절한 화면 녹화기와 공유 프로그램이 필요합니다.

또한 관찰실과 연락하기 위한 전화기 또는 무전기가 필요합니다.

이러한 장비로는 유료 장비나 서비스들도 있지만 저는 스카이프를 즐겨 사용합니다. 스카이프는 화면 공유와 전화 또는 메신저를 모두 제공하기 때문에 매우 유용한 도구 중 하나입니다.

만약 테스트 대상 제품이 컴퓨터로 직접적으로 영상을 전송할 수 없다면 대상 제품의 사용 장면을 전송시키기 위한 캠코더와 삼각대와 같은 장비가 추가로 필요합니다.

그리고 테스트실에는 사용자가 제품을 사용하면서 생각을 말할 수 있도록 마이크 장비가 필요하며 관찰실에는 해당 음성이 출력되도록 스피커가 필요합니다.

영상 등을 전송하기 위하여 테스트실과 관찰실은 Lan 또는 상응하는 인터넷 장비로 연결되어 있어야 합니다.

그리고 관찰실에는 무엇보다 풍성한 간식이 준비되는 것이 좋습니다. 간식은 테스트 진행과정에서 긴장을 늦추고 집중하도록 하는 효과가 있습니다.

이러한 사용자 테스팅의 가장 중요한 점은 이 사용자 테스팅 자체가 마치 한편의 연극이나 뮤지컬과 같도록 꾸미는 것입니다.

사용자 테스팅의 목적은 제품의 사용성 문제들에 대하여 제품에 관계된 모든 이해관계자가 같이 인식하고 그것을 해결하기 위해 서로 협력할 수 있도록 동기를 부여하는데 있습니다.

사용자 테스팅을 진행하기 위해서는 2~3명의 사람이 한조가 됩니다.

필요한 사람들은 아래와 같습니다.

1. 진행자
실제 사용자 테스트를 진행하는 사람입니다. 참가자와 같은 방 또는 안전 유리 뒤에서 사용자에게 과제를 부여하고 실제적으로 사용자를 관찰하며 사용성 문제를 찾는 사람입니다.
사용성 테스트의 성패를 좌우하는 가장 중요한 사람입니다.
진행자는 참가자를 편안하게 배려하고 참가자로부터 많은 정보를 얻을 수 있는 인터뷰 기술이 필요하며, 제품에 대하여 중립적인 사람이 좋습니다.
제품에 깊이 관련된 사람이 진행자를 맡는 경우 사용자가 원하는 과제보다는 특정 이해관계에 따른 과제 수행으로 실제적인 사용성 문제를 찾을 수 없을 수도 있습니다.

2. 관찰실 모니터링 요원
관찰실의 관찰자들을 통제하고 원할한 관찰이 이루어지도록 도움을 주는 사람입니다.

3. 접견실 요원
추가적으로 예정 시간보다 일찍 오는 참가자를 맞이하고 참가자가 테스트 장소로 잘 찾아 오고 있는 지 확인하는 사람이 필요합니다. 접견실 요원은 참가자가 가장 먼저 마주치는 사람으로 사교적이고 친절한 사람이 맡는 것이 좋습니다.
회사에 안내 데스크 등이 있는 경우 필요 없을 수도 있습니다.

위와 같은 사람들이 하나의 팀으로 사용자 테스팅을 진행합니다.

그외에 사용자 테스트를 위해서는 참가자와 관찰자가 필요합니다.

1. 참가자
실제 사용자 테스트에 참가하여 과제를 수행하는 사람입니다.

2. 관찰자
제품의 개발자, 기획자 등과 같은 제품과 관련된 이해관계자들이 관찰자로 참석하는 것이 좋습니다.
개인적으로 경영진과 개발자들은 반드시 참석하도록 하는 것이 좋습니다.
필요하다면 외부 사람들을 관찰자로 초대할 수도 있습니다.
관찰자는 필요한 인원 수에 제한은 없지만 너무 많은 인원이 참가할 경우 통제가 어려울 수 있으므로 적절한 인원을 초대하여 진행하는 것이 좋습니다.(개인적으로 10여명의 사람이 가장 적당하다고 생각합니다.)

이러한 사용자 테스팅에 대한 세부적인 내용들은 다음에 계속 다루도록 하겠습니다.

댓글

이 블로그의 인기 게시물

AI 에이전트의 환각과 프롬프트 폭증을 막는 '컨텍스트 엔지니어링(Context Engineering)'과 아키텍처의 미래

AI 코딩 에이전트나 생성형 LLM을 소프트웨어 개발에 접목하는 시도가 늘어나면서, 엔지니어들이 마주하는 가장 큰 기술적 병목 중 하나는 바로 '컨텍스트(Context)'의 관리입니다. 저 역시 최근 AI와 바이브 코딩(Vibe Coding)을 활용해 여러 프로젝트를 진행하고 있는데, 하나의 대화창(세션)을 오래 켜둔 채 작업을 계속 이어가다 보면 AI가 초기 맥락을 잊어버리거나 이전에 지켜달라고 했던 제약조건을 놓치며 실수를 저지르는 경우를 자주 겪곤 합니다. 그래서 저는 목적별로 대화창을 명확하게 분리해서 작업하거나, 어느 정도 작업 단계가 진행되면 지금까지의 구현 내용과 의사결정을 요약 정리한 뒤 새 대화창에서 AI에게 이를 다시 학습시키는 방식으로 맥락을 관리하고 있습니다. 그렇다면 엔지니어링 아키텍처 차원에서는 이 문제를 어떻게 접근하고 있을까요? InfoQ의 발표 아티클 "Architecture / Context Engineering"에서는 바로 이 지점, 즉 단순한 프롬프트 엔지니어링을 넘어 시스템 아키텍처 수준에서 컨텍스트를 제어하는 '컨텍스트 엔지니어링(Context Engineering)'의 필요성과 구체적인 프레임워크를 다루고 있습니다. (출처: InfoQ - Architecture / Context Engineering) https://www.infoq.com/presentations/architecture-context-engineering/ 발표자들은 코딩 에이전트나 자율형 에이전트가 현장에서 실패하는 가장 큰 이유로 '비대해진 컨텍스트 윈도우(Bloated Context Windows)'와 무분별하게 채워진 프롬프트(Stuffed Prompts)를 꼽습니다. AI에게 너무 많은 정보를 한 번에 주면, 모델의 주의력(Attention)이 분산되거나 논리적 우선순위를 놓치는 현상이 발생합니다. 마치 인간 엔지니어에게 백과사전 수십 권을 던져주고 "이거 다 읽고 10초 ...

AI의 UX, 단 5개 문항으로 측정하는 방법: SUXAI

테스트 관리에는 아주 유명한 명언이 있습니다. 어쩌면 이 말은 테스트 관리에서만 유용한 얘기는 아닐거고.. 어쩌면 여러분도 다른 곳에서 들었을 수도 있습니다. "측정할 수 없으면 개선할 수 없다" 지난 글(https://murianwind.blogspot.com/2026/07/ai_01010698011.html)에서 생성형 AI 시대에는 기존의 일반적인 사용성 지표(SUS 등)만으로는 부족하며 정확성, 신뢰성, 설명 가능성, 제어 가능성이라는 AI 에 특화된 품질 특성이 필요하다고 정리해 드린 바 있습니다. 하지만 실무자의 입장에서 항상 부딪히는 현실적인 고민이 있습니다. "이론은 좋은데, 당장 매주 업데이트되는 AI 기능의 UX를 바쁜 현장에서 어떻게 빠르고 정량적으로 측정할 것인가?"라는 점이죠. MeasuringU에서 이에 대한 명확하고 실용적인 해답을 제시하는 후속 아티클을 공개했습니다. 바로 "Streamlined Measurement of the UX of AI"입니다. (출처: MeasuringU - Streamlined Measurement of the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/streamlined-measurement-of-the-ux-of-ai/ Jeff Sauro와 Jim Lewis 박사는 실무 연구자들과 테스터들이 긴 설문이나 복잡한 프레임워크 없이도 AI 제품의 핵심 품질을 빠르게 측정할 수 있도록 SUXAI(Streamlined UX of AI)라는 간소화된 측정 모델을 구축했습니다. 기존에 수많은 문항으로 분산되어 있던 지표들을 통계적 요인 분석을 통해 쥐어짜고 압축하여, 핵심적인 5가지 5점 척 문항 으로 표준화했습니다. SUXAI를 구성하는 5가지 핵심 평가 문항 정확성 (Accuracy): "이 AI가 생성한 결과물은 정확하다." 신뢰성 (Trust/Re...

합성 사용자(Synthetic Users)의 5가지 유형과 AI 테스팅 현장에서의 활용법

AI와 생성형 모델 기술이 발전하면서, 사용자 경험(UX) 연구와 테스팅 현장에서 가상 퍼소나를 활용해 테스트 데이터를 수집하거나 사용성을 평가하려는 시도가 급격히 늘고 있습니다. 이를 흔히 '합성 사용자(Synthetic Users)'라고 부릅니다. 하지만 막연히 "AI에게 사용자 역할을 시켜 테스트를 돌린다"고 할 때, 그 가상 사용자가 어떤 방식과 데이터로 생성되었는지 명확히 구분하지 않으면 자칫 왜곡된 결과에 빠질 위험이 있습니다. UX 및 사용성 리서치 분야의 권위 있는 기관인 MeasuringU에서 이 합성 사용자의 개념을 명쾌하게 분류한 아티클을 공개했습니다. 바로 "What Are the Different Types of Synthetic Users?"라는 글입니다. (출처: MeasuringU - What Are the Different Types of Synthetic Users? / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/what-are-the-different-types-of-synthetic-users/ Jeff Sauro와 Jim Lewis 박사는 합성 사용자를 단순히 하나의 개념으로 뭉뚱그리지 않고, 생성 기술의 근거와 데이터 기반에 따라 크게 5가지 유형으로 깔끔하게 정리해 줍니다. 첫째는 규칙 기반(Rule-Based) 합성 사용자입니다. AI 모델이 아니라 사전 정의된 조건문, 정규식, 시나리오 스크립트에 따라 움직이는 전통적인 형태의 가상 사용자입니다. 예측 가능하고 정확하지만, 인간 사용자의 복잡한 정서나 미묘한 변수를 반영하진 못합니다. Selenium, Playwright, K6 같은 도구를 통해 지정된 경로대로 버튼을 누르고 데이터를 입력하는 방식을 들 수 있습니다. 둘째는 퍼소나 기반 LLM(Persona-Based LLM) 합성 사용자입니다. 생성형 AI에게 "너는 50대 비테크놀로지 사용...