기본 콘텐츠로 건너뛰기

뮤리안의 사용성 테스트 추천 도서

사용자 경험 측정 - 10점
윌리엄 알버트 외 지음, 김소영 옮김/지&선(지앤선)

사용성테스트 가이드북 - 8점
조셉 두마스.제니스 레디쉬 지음, 방수원.박성준 옮김/한솜미디어(띠앗)

최근에 산업 전반에서 각광받고 있는 UX는 모두 알고 계실것이다.

하지만 UX 이전에도 UI나 사용성 테스트와 같은 개념이 있었다.

이전에 있던 개념들과 UX가 대두되면서 제기되었던 개념들이 혼재되어 어느 것 하나 명확하게 설명하기 힘든 것도 사실이지만 여기서는 그냥 에둘러서 사용성 테스트라고 하겠다.

최근에 각광받는 UX 관련 서적들은 대체로 설계(Design)의 입장에서 서술된 책들이 많다. 하지만 그러한 설계들의 신뢰도나 기능성 등을 검증하기 위한 테스트 방법들에 대한 책은 생각외로 찾아보기도 쉽지 않고 자료도 많지 않은 것이 사실이다.

이러한 사용성 테스트에 관련된 책으로 위 두 책을 추천하는 바이다.

하나는 '사용성테스트 가이드북'이라고 해서 기존의 '사용성 테스트 랩'을 구축하고 사용성 테스트를 수행하던 방법에 대한 가이드북으로 지금도 매우 유효한 사용성 테스트 책 중 하나이다.
회사가 사용성에 대한 이해가 높고 재정적 지원이 빵빵해서 '사용성 테스트 랩'을 구축해서 운용하는 곳이라면 한번쯤 읽어볼 만한 책이다. 물론 '사용성 테스트 랩'을 운용할 수 없는 회사라 하더라도 사용성 테스트를 수행할 때 주의해야 할 점 등에 대해 많은 정보를 얻을 수 있기 때문에 꼭 한번 쯤 읽어보시라고 추천해 드리는 바이다.
아쉬운 점이 있다면 이미 절판(품절이라고 적혀 있지만 절판 된것으로 알고 있다.)된 책으로 구입을 원하시는 분은 서점이나 출판사(http://hansom.co.kr/) 에 직접 문의해 보시거나 주변에 이미 책이 있으신 분이나 도서관을 이용하셔야 할 듯 하다.

다른 하나는 최근에 출간된 책으로 '사용자 경험 측정'이라는 책이다. 사용자로부터 데이터를 수집하고 분석해서 의미를 찾기 위한 실용서로 손색이 없다. 사용성 테스트를 처음 시작하는 사람들부터 중급 사용자까지 폭넓게 익힐 수 있는 책으로 강력하게 추천하는 바이다.

한가지 아쉬운 점이 있다면 책에 있는 예제들이 영문 엑셀 2003을 기준으로 작성되어서 한글 엑셀이나 엑셀 2007을 사용하는 사람들은 조금 고생을 해야 한다는 점이다. UX 관련 도서라면 이런 부분에 좀 더 신경을 써주었다면 더 좋았을 텐데.. 조금은 아쉬운 점이다.

해서 본 블로그에서는 한글 엑셀 2007 기준으로 책에 소개된 예제들을 다시 소개하려고 한다. 물로 세부적이 내용은 책을 구매하시기를 바라는 마음에서 모조리 빼고 예제를 하기 위해 엑셀을 설정하고 실행하는 방법만 소개해 보려고 한다.

사용성 테스트에 더 알기를 원하거나 더 잘 수행하고 싶으신 분들은 위 책을 구매해서 꼭 한번 보시기를 추천하는 바이다.

'사용성테스트 가이드북'에는 5점 만점에 4점을 '사용자 경험 측정'에는 5점 만점에 4점을 부여하는 바이다.

댓글

이 블로그의 인기 게시물

20년 차 테스터가 고른 최근 IT 소식: 기술의 속도, 그리고 사람의 자리

20년 넘게 IT 업계에서 테스팅하고 강의하고 공부하고 여러 일을 해왔지만... 정말이지 단 하루도 편하게 쉴 틈을 주지 않는 세상입니다. 특히 최근 4~5년 동안 가속화된 AI의 물결은 기술의 스펙트럼뿐만 아니라 우리가 일하고, 협업하고, 조직을 이끄는 방식 전체를 뒤흔들고 있습니다. 이번 주에도 수많은 뉴스레터와 아티클을 훑어보았습니다. 그중에서도 기술의 화려함 뒤에 숨겨진 ‘사람, 조직, 그리고 커리어의 본질’을 찌르는 글 몇 개가 눈에 띄어 메모해 둡니다. 제 평소 생각과 맞닿아 있는 6가지 이야기입니다. --- 1. 인지부채(Cognitive Debt): 바이브 코딩 시대에 우리가 지게 되는 진짜 빚 (출처: ROBOCO - 인지부채: 바이브 코딩 시대의 새로운 부채 관리법 / 정도현 수석 컨설턴트 ) 요즘 커서(Cursor)나 클로드 코드(Claude Code) 같은 에이전트를 붙여 "이거 만들어줘" 하고 승인(Approve) 버튼만 누르면 눈 깜짝할 사이에 코드베이스가 완성되는 '바이브 코딩(Vibe Coding)'이 유행입니다. 그런데 속도는 엄청나게 빠른데, 정작 서비스에 장애가 나면 "AI가 짜서 잘 모르겠는데요?"라는 답이 나오는 이상한 현상이 벌어집니다. 정도현 컨설턴트는 이를 '인지부채(Cognitive Debt)'라고 정의합니다. 코드는 쌓이는데, 정작 인간의 시스템 이해도는 쌓이지 않는 격차죠. * Human-in-the-loop의 환상: AI가 초당 수백 줄을 뽑아내는데 사람이 일일이 검토한다? 결국 검토자는 병목이 되고, 시간 압박에 쫓겨 영혼 없이 승인 버튼만 누르게 됩니다. 40년 전 자동화 연구(Bainbridge, 1983)가 지적했듯, 자동화될수록 사람은 감시만 하다가 정작 개입해야 할 결정적 순간에 숙련도를 잃어버립니다. * 부채는 0으로 만드는 게 아니라 '관리'하는 것: AI가 만든 모든 코드를 사람이 외울 수는 없습니다. 핵심은 ...

우리는 AI로 '더 빠른 말'을 키우고 있는걸까요? 아니면 '자동차'를 만들고 있는걸까요?

20년 넘게 IT 현장에서 뒹굴거렸는데... 요즘처럼 "우리가 지금까지 당연하게 여겨온 일하는 방식의 본질"에 대해 근본적인 질문을 던지게 만드는 때가 없었던 것 같습니다. 최근 읽은 UX 관련 글 하나가 가슴을 쿵 치고 지나갔습니다. UX 및 디지털 트렌드를 다루는 블로그 ux4dotcom에 올라온 "Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions"라는 글입니다. (출처: ux4dotcom - Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions ) 혁신을 말할 때 늘 인용되는 헨리 포드의 유명한 말이 있습니다. "사람들에게 무엇을 원하느냐고 물었다면, 그들은 '더 빠른 말'이라고 답했을 것이다." 사람들은 자신이 경험해 본 범위 안에서만 미래를 상상합니다. 말만 탈 줄 아는 사람에게 자동차는 상상 밖의 범주(Mental Model)니까요. 저자는 그동안 UX(사용자 경험)라는 학문과 필드 자체가 '더 빠른 말을 만드는 일(기존 과업의 효율화)'에 집중해 왔다고 지적합니다. 사용자의 행동을 관찰하고, 마찰(Friction)을 줄이고, 화면을 간소화하고, 기존 워크플로우를 최적화해 주는 작업 말입니다. 실제로 주변을 봐도 우리가 AI를 쓰는 방식도 대부분 이 범주를 벗어나지 못하고 있습니다. 더 빠르게 이메일을 작성하고, 문서 요약을 3초 만에 끝내고, 프레젠테이션 장표나 일정표를 순식간에 만들어내는 일. 분명 유용하고 저 역시 매일 요기하게 쓰고 있지만, 이건 어디까지나 '기존에 인간이 하던 일의 프로세스를 흉내 내어 속도만 올린 것(Faster Horse)'에 불과합니다. 정작 "이 워크플로우 자체가 과연 계속 존재해야 하는가?"라는 근본적인 질문은 던지지 못하고 있는 것이죠....

'자동화 편향'과 '대중적 불신' 을 고려 AI 테스팅 시나리오 설계

최근 생성형 AI나 자율주행, 에이전트 기술의 테스팅 시나리오를 작성할 때 우리가 당연하게 전제(Assumption)로 깔고 가는 중요한 인간 행동 방식이 하나 있습니다. 바로 '자동화 편향성(Automation Bias)'입니다. 인간은 시스템이 자동화되고 스마트해질수록 기술을 과도하게 신뢰하고 주의력을 놓아버립니다. 차량을 운전하면서 운전자 보조 시스템을 켜고 전방 주시를 태만히 하고 스마트폰을 보거나 영상을 시청하는 운전자라던지 AI 의료 진단 보조 도구가 내놓은 결과를 의사가 깊은 의심 없이 그대로 승인해 버리는 현상이라던지 AI 챗봇이 추천한 잘못된 정보를 사용자가 사실로 믿고 행동하는 케이스 같은 게 있을 겁니다. 우리는 항상 이러한 "사람들이 AI를 너무 믿어서 발생하는 위험"을 핵심 리스크로 정의하고, 이를 검증하기 위한 안전장치(Safety Guardrail)나 경고 알림, 오용 방지(Misuse) 테스팅 시나리오를 도출해 왔습니다. 그런데 최근 Gizmodo에 보도된 미국 설문조사 결과는 매우 흥미로운 사실을 보여줍니다. (출처: Gizmodo - Survey Finds Americans See AI as Comparable to Humans—It’s Making Them Trust It Less )   기사에서 언급된 설문조사의 결과는 AI가 사람을 닮아갈수록 완벽함에 대한 기대와 실수가 충돌하고 책임이 모호해져 대중의 신뢰는 오히려 떨어진다는 것이었습니다.  자세히 살펴보면 해당 조사는 일반 대중을 대상으로 AI에 대한 인지적 반응을 측정했습니다. AI가 인간과 유사한 대화/추론 능력을 보일 때 유저가 느끼는 '인지적 불쾌한 골짜기(Uncanny Valley)' 현상을 정량 지표로 포착해 냈다는 점에서 의미가 있다고 생각합니다. 단순히 "AI가 좋다/나쁘다"를 넘어, 의인화(Anthropomorphism)의 수준과 신뢰도(Trust) 사이의 음(-)의 상관관계를 입증했기 때문...